-
全球气候变化一直是人类关注焦点。政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第六次评估报告进一步明确了近百年全球气候变暖的客观事实[1]，未来变暖幅度取决于温室气体的减排强度。在此背景下，全球各国纷纷采取行动应对气候变化并制定温室气体减排目标[2-5]，“碳达峰、碳中和”已成为全球议题。甲烷(CH4)排放之后的百年增温效应约为二氧化碳的28倍[6]，且甲烷是由人类活动造成的气候影响污染物，因此备受国际社会关注。多国已签署“全球甲烷承诺”(Global Methane Pledge) [7]。据统计报告显示，2014年，我国废弃物处理行业共排放656.40×104 t甲烷。其中，生活污水甲烷排放量约占10%，2014年生活污水处理甲烷排放比2012年增加了30%[8]。这也充分说明，仅考虑二氧化碳无法全面体现中国的温室气体排放情况，而减少甲烷排放是减缓气候变化最具成本效益的内容之一[9-10]。
我国温室气体的年排放量较大[11-12]。为积极应对全球气候变化、早日实现碳达峰目标，这既需要节能减排技术的支撑，也需要对碳排放趋势进行科学模拟。污水处理也不可避免地会面临能耗和温室气体排放增加的问题[13]，城市污水处理系统绿色低碳转型迫在眉睫。在此背景下，研究我国污水处理系统温室气体排放达峰路径具有现实意义。各国学者针对生活污水处理系统产生的温室气体排放研究主要包含温室气体来源、排放特征和减排路径等方面[14-18]。目前，研究多集中于污水处理温室气体排放现状，对于未来排放趋势研究相对不足，急需从定性定量角度开展研究。在以往研究中，模型作为预测未来趋势的有效工具被广泛使用，如IPCC经验模型、LEAP模型、灰色GM(1,1)模型等[19-22]。然而，该类模型多采用静态方式开展，难以满足未来动态变化模拟。而系统动力学(system dynamics，SD)模型采用定性和定量相结合、变静态为动态模拟的方式，可为未来模拟提供有效支撑，根据系统问题设立不同情景进行仿真模拟[23-24]，可覆盖污水处理甲烷排放全过程，有助于发现污水处理过程中环境问题的根本原因，进而实现污水处理过程的整体控制。
本研究基于嵌入IPCC清单计算方法的系统动力学模型，综合考虑与生活污水处理系统甲烷减排密切相关的现行技术、环境政策和未来经济发展等因素，从人口变化、经济损失、污水处理、甲烷排放4个方面选取相关参数，以此预测中国生活污水处理系统甲烷排放量的未来发展趋势，并分析基线情景和7种减排情景下的甲烷排放达峰情况和减排潜力，以期在宏观层面为生活污水处理系统温室气体排放模拟及达峰路径提供新思路。
-
系统动力学模型主要数据来源于历年专题统计数据，主要有《中国城市建设统计年鉴》《中国统计年鉴》《中国环境统计年报》《中国环境统计年鉴》等，部分数据来源于《全国污染源普查城镇生活源产排污系数手册》《2016—2030年国家人口发展规划》与业内专家的咨询信息。活动水平数据来自《中国统计年鉴》《中国环境统计年报》《2006 IPCC清单指南》《中国第二次国家温室气体清单》。BOD/COD (质量浓度比，下同)是基于分区统计进水生化需氧量(BOD)和进水化学需氧量(COD)的计算资料[25]，其他排放因子和相关参数的确定参考文献[26-27]。
-
本研究基于FORRESTER J W教授提出的系统动力学模型，结合IPCC清单推荐的生活污水甲烷排放计算方法，开展污水处理系统甲烷排放研究。系统边界涵盖污水产生、污水处理至污水回用及污水排放全过程。基于此，集成了4个子系统，即人口子系统、经济损失子系统、生活污水子系统和甲烷排放子系统，其相关边界如下所述。
1) 人口子系统中人口数量将会引起生活用水量的改变，总人口数是初始人口数与其年增长率随时间积累的结果，结合年城镇化率推算出城市人口数量。
2) 经济损失子系统中温室气体减排与减缓气候变化需要充足资金支持，根据投资情况观察对生活污水产生量及甲烷排放量的影响，同时污水处理投资情况对于污水处理量产生一定影响。
3) 生活污水子系统主要考虑用水需求引发排污需求 (使用过的生活用水80%以上会以废水形式排放) ，进而影响生活污水排放量和生活污水处理量。
4) 参考已有研究，将城市生活污水处理系统产生的甲烷分为2个部分，分别选取参数计算。一部分产生于生活污水排入自然水体(CH4E)(包括未处理和处理后)，另一部分则产生于污水处理过程中(CH4T)[28-30]。基于《2006年IPCC清单指南》核算生活污水处理系统的甲烷排放量，生活污水有机成分的表征参数有进出水COD和BOD[31-32]。
生活污水处理系统甲烷排放量的计算公式为式 (1) 。
式中：CH4排放量为甲烷排放总量，即CH4T 和CH4E 的总和，104 t·a−1；TOW为单位有机物 (以BOD表征) 对应的甲烷质量，即kg·kg−1；
B0 为甲烷最大生产能力，缺省值同样以单位有机物 (以BOD表征) 对应的甲烷质量计，为0.6 kg·kg−1或0.25 kg·kg−1；MCF为甲烷修正因子；R为回收利用甲烷量，kg·a−1。 -
运用VENSIM软件构建嵌入IPCC清单计算方法的系统动力学模型，同时进行模拟仿真、参数校准等确保结果精度。模拟以2010年为起始年，则模型参数初始值为2010年对应值。时间边界为2010—2050年。仿真步长为一年。选取2011—2015年进行模型验证。全国源自生活污水系统的甲烷排放模型的整体结构如图1所示。
-
基于现有生活污水处理过程特征，结合国家对于污水处理甲烷排放标准政策，设定了3种情景类型：基线情景、单一减排情景和组合减排情景。其中，单一减排情景包括4个子情景，分别为节约用水情景、污水回用情景、中部节能情景和终端处理情景。组合减排情景包括节水回用情景、中部终端情景和全程减排情景3个子情景。情景的描述及因子设定如表1所示。
-
为检验模型能否有效反映真实情况，需要从模型众多参数中选取重要参数进行误差检验[37]。表2中数据显示， 2011—2015年城市人口、生活用水量、GDP及甲烷排放量实测值与模拟值的平均误差分别为3.4%、1.4%、−0.4%和3.9%，各主要因子平均误差均低于5%。这说明该模型具有较高的可信度，模拟效果较好，可基于该模型系统开展进一步研究。
-
灵敏度分析是指模拟调节参数对输出变量的影响程度[38]，稳定性良好的模型对多数参数的变化应具有较低的灵敏度。本研究选取模型6个主要常数参数开展灵敏度分析，分别为居民生活用水定额、污水回用率、甲烷最大生产能力、污水排放系数、回收甲烷量、COD产生系数 (见表3)。以考查变量对甲烷排放总量的影响，检验方法为每个参数逐年增加或减少10%。
除COD产生系数和甲烷最大产生能力外，其余常数参数灵敏度均低于10%，因此COD产生系数和甲烷最大产生能力均为高敏感参数。高灵敏度参数是引发模型结果变化的关键，甲烷最大产生能力表示甲烷可产生于污水中一定数量的有机物。而COD产生系数则作为COD的主要影响参数，两参数均与甲烷排放量息息相关，进而影响生活污水处理系统甲烷排放总量。模型检验和灵敏度分析结果表明，该生活污水处理系统甲烷排放系统动力学模型可用于对实际系统的模拟预测。
-
根据IPCC清单指南方法计算2000—2015年源自生活污水处理系统的甲烷年排放量(见图2)。全国生活污水处理系统的甲烷排放总量呈波动上升趋势，分为2个增长阶段：第一阶段从2000年的32.15×104 t增至2010年的54.43×104 t；第二阶段从2011年的53.14×104 t升至2015年的64.78×104 t。两阶段增速分别为36.39%和5.08%，排放总量从2010年后略微减少，且2011年后增速明显下降。这可能是由于2011年我国出台《全国地下水污染防治规划 (2011-2020年) 》后，国家持续加强污水处理设施建设、提高污水排放标准及强化城镇污水设施运行监管，随后还连续出台多条相关政策[39]，引发污水COD去除量浓度下降，导致甲烷排放量(CH4T)减少，二者关联性较大。2000—2015年CH4T排放量增长迅速，从19.26×104 t增至50.05×104 t，增长了1.6倍；CH4E排放量同一时期变化不大。目前，随着我国人口消费水平的提高，生活用水量的增加导致生活污水处理量快速增加，生活污水处理系统的甲烷排放量仍呈不断上升的趋势。
-
通过系统动力学模型可预测2015—2050年生活污水处理系统甲烷排放量，根据预测结果绘制各情景下甲烷排放量的预测曲线。图3表明，生活污水处理系统甲烷排放达峰时间及峰值有所不同，其中在全程减排情景下最早实现甲烷排放达峰，峰值也最小。相反地，在终端处理情景最晚实现甲烷排放达峰且峰值最大。整体达峰时间大致分布在2024—2044年。这表明温室气体减排仍然是一个长期的过程，未来可加强中长期生活污水处理系统温室气体排放预测研究。
在基线情景下，模拟时间内甲烷未出现排放峰值。甲烷排放量按先快后慢的速率增加，从2010年的56.36×104 t增加到2050年的90.96×104 t。这显然表明该情景无法满足2030年碳排放达峰的要求，需要外部政策技术干预。从模型结果来看，节约用水情景和污水回用情景未出现甲烷排放峰值。与基线情景相比，2010—2050年的甲烷排放量均有所减少，但仍呈缓慢上升趋势。模拟时段内节约用水和污水回用只能减少产生甲烷的排放量和排放速率，却无法达到排放峰值。
在模拟时间内，中部节能情景和终端处理情景均出现甲烷排放峰值，但达峰情景与达峰目标有所差距。达峰时间远晚于2030年，峰值比基线情景有所减少。单一减排情景中的中部节能情景下甲烷排放量达峰时间最早，为2037年。而陈敏敏[40]的研究表明，全国超过一半污水处理厂的处理能耗评分低于全国平均值。这说明我国污水处理在降低能耗方面仍有较大潜力。在终端处理情景下，甲烷达峰时间最晚，为2044年，然而峰值也最高，为77.46×104 t。
中部终端情景和全程减排情景能实现甲烷排放在2035年前达到峰值。中部终端情景下节能降耗和甲烷回用的协同使用对于提早达峰时间和降低峰值方面具有明显贡献。全程减排情景达峰年份为2024年，在所有情景中最早实现达峰，其峰值为55.97×104 t。相比于单一减排情景，组合减排情景的减排量明显增加。其中，全程减排情景的甲烷减排量最多，2010年至2050年减排量为1.21×104 t。
以上结果表明，污水处理系统在面临减排时需要多方协同发力，积极推广污水回用、强化居民节约用水意识、降低污水厂能耗的同时回收利用甲烷，可作为实现污水领域2030年排放达峰的有效手段。
-
分析温室气体减排潜力可作为制定减排路径的重要指标[41-42]。图4表示不同情景下生活污水处理系统甲烷减排潜力情况，结果亦表明减排效果随减排政策措施实施的深入越来越好。单一减排情景中污水回用情景的减排潜力最大，其次是中部节能情景和终端处理情景，减排潜力最小的是节约用水情景。同时，该情景在源头减少污水产生进而节省后期污水处理费用，因而减排成本最低。这表明日常生活中提倡节约用水对于实现生活污水处理系统甲烷减排十分重要[43]。组合减排情景中甲烷减排潜力从高到低依次为全程减排情景、中部终端情景和节水回用情景。
单一减排情景中污水回用情景具有最大减排潜力(18.45×104 t)，污水回用可减少部分源头用水量，降低排入环境中污染物含量的同时节省水费[44-45]。而组合减排情景中的全程减排情景具有最大减排潜力(39.37×104 t)。未来随着扩大碳交易覆盖层面，节能减排带来额外收益的同时也会加速技术的创新。
-
1) 我国源自生活污水处理系统的甲烷排放总量由2000年32.15×104 t上升至2015年64.78×104 t，其中污水处理过程中的甲烷排放量增长迅速，从19.26×104 t增长至50.05×104 t；生活污水排入自然水体(包括未处理和处理后)的甲烷排放量同一时期无明显变化。随着人口消费水平提高，若不采取节能减排措施2030年和2050年甲烷排放总量分别增加至83.31×104 t和90.95×104 t。
2) 基线情景甲烷排放量以先快后慢的速率增加，单一减排情景中节约用水和污水回用只能减少甲烷产生量而无法达到排放峰值，中部节能情景和终端处理情景的甲烷排放峰值点分别出现在2037年和2044年，我国污水处理在降低能耗方面仍有较大潜力，单一减排手段仍无法满足国家提出的2030年甚至提前达峰要求。
3) 组合减排情景中的节水回用情景未出现峰值，中部终端情景甲烷排放量峰值出现在2034年，全程减排情景的峰值点出现在2024年，相比单一减排情景而言，组合减排情景的达峰时间明显提前。
4) 单一减排情景中的污水回用手段减排潜力较好(约为18.45×104 t)，污水再生利用潜力巨大可以作为减排重点方向；而组合减排情景中的全程减排手段具有最大减排潜力为39.37×104 t，未来污水处理方向朝多手段协同减排发展。
5) 本研究采用IPCC清单推荐的相关系数计算生活污水处理系统的甲烷排放，然而，不同区域通常具有不同的特点，这可能会导致评估结果存在较大的不确定性。因此，还应积极探索不同区域或者国家之间的污水处理系统温室气体排放因子，以降低计算的不确定性。此外，由于生活污水处理系统产生甲烷过程较为复杂，涉及社会、经济、环境等因素，仅从宏观整体的角度评估污水处理系统甲烷排放，未能很好的体现区域特点，还应持续完善模型，强化区域数据收集，以便更好地指导区域污水处理系统的节能减排工作。
基于系统动力学模型的城市生活污水处理系统的甲烷排放特征及减排潜力分析
Methane emission characteristics and emission reduction potential analysis of urban domestic wastewater treatment system based on system dynamics model
-
摘要: 为全面了解我国城市生活污水处理系统的甲烷排放现状及未来趋势，根据政府间气候变化专门委员会(IPCC)清单计算方法核算了2000—2015年我国生活污水处理系统的甲烷排放量。基于嵌入中国生活污水处理系统甲烷排放IPCC清单计算方法的系统动力学(SD)模型，模拟分析了2015—2050年基线情景和7种减排情景下的甲烷排放达峰和减排潜力。结果表明：我国生活污水处理系统甲烷排放总量从2000年的32.15×104 t升至2015年64.78×104 t，其中，污水处理过程中的甲烷排放量增长迅速，生活污水直接排入自然水体及经过处理后排放的甲烷排放量无明显增长；在模拟时段(2015—2050年)内，基线情景、节约用水情景、污水回用情景和节水回用情景中未出现生活污水处理系统甲烷排放峰值，在污水产生源头采取减排措施只能减缓增长速度，无法达到甲烷排放峰值；不同情景下的甲烷排放达峰时间及峰值不同，单一减排情景下的甲烷排放峰值出现在2035年后，而组合减排情景的峰值出现在2035年前，其中全程减排情景峰值出现在2024年；单一减排情景中污水回用减排潜力较好，可将其作为减排重点方向；而组合减排情景中全程减排情景具有最大减排潜力。本研究表明，未来生活污水处理系统甲烷排放量仍呈不断上升趋势，采用多手段协同减排可实现预期时间内污水处理系统甲烷排放达峰.Abstract: In order to comprehensively understand the current situation and future trends of methane emissions from urban domestic wastewater treatment systems in China, methane emissions released from domestic wastewater treatment systems in China during 2000-2015 were accounted for according to the Intergovernmental Panel on Climate Change (IPCC) inventory calculation methodology. Based on a system dynamics model (SD) embedded in the IPCC inventory calculation method for methane emissions from domestic wastewater treatment systems in China, the methane emissions peaking and reduction potential were simulated and analyzed for the baseline scenario and seven reduction scenarios from 2015-2050. The results showed that: the total methane emission from domestic wastewater treatment system in China rose from 32.15×104 t in 2000 to 64.78×104 t in 2015, among which the methane emission from wastewater treatment process grew rapidly, and the methane emission from domestic wastewater discharged directly into natural water bodies and after treatment did not grow significantly. During the simulation period of 2015-2050, the methane emission peakof domestic wastewater treatment system did not occur in the baseline scenario, water conservation scenario, wastewater reuse scenario and water conservation and reuse treatment scenario, and emission reduction measures at the source of wastewater generation could only slow down the growth rate, but could not reach the peak methane emission.The peak time and peak of methane emissions in different scenarios were different., with peak methane emissions occurring after 2035 for the single reduction scenario and before 2030 for the combined reduction scenario, and the peak of the whole emission reduction scenario occurring in 2024. In the single abatement scenario, the reuse of wastewater had good emission reduction potential and can be regarded as the key direction of emission reduction direction.while in the combination emission of reduction scenarios, the whole emission reduction scenario had the greatest potential for emission reduction. The study showed that methane emissions from domestic wastewater treatment systems would continue to increase in the future, and the use of multiple means of synergistic emission reduction could achieve peak methane emissions from wastewater treatment systems within the expected time frame.
-
消毒是城市给水厂运行中的重要环节。氯消毒仍为我国大多数饮用水处理厂的主导消毒技术[1]，但氯的使用可能会导致氯化消毒副产物的生成[2]，进而影响水质安全。对水中出现的隐孢子虫和贾第鞭毛虫，常规化学消毒工艺难以去除[3]。紫外消毒工艺因其对微生物具有良好的灭活效果而受到重视，但其消毒能力缺乏持续性，难以保障管网水质持久安全[4]。因此，紫外消毒和氯消毒技术的组合使用(即紫外-氯消毒工艺，后简称紫外-氯工艺)受到广泛关注。紫外-氯工艺具有多重保障水质的特点，在保证微生物控制效果的同时，可有效降低消毒副产物生成，利于保证管网水质稳定。
目前，紫外-氯工艺在给水厂的应用还相对较少，存在运行标准化技术文件缺失和给水厂应用管理水平不足的问题，已有给水厂应用案例亦存在运行成本较高的问题。因此，研究并建立紫外-氯工艺运行效能评价模型，明确一定条件下紫外-氯工艺的最佳运行参数具有实际应用价值。本文对已应用紫外-氯工艺给水厂的技术条件进行了梳理，并基于灰色聚类关联分析模型和技术成本效益模型，对不同条件下的紫外-氯工艺运行效能进行综合评价，以期为该组合技术在给水厂中的应用提供参考。
1. 紫外-氯工艺运行技术效能评价
1.1 指标体系构建
以紫外-氯工艺出水水质为依据进行技术效能评价。按照科学性、典型性、可靠性及动态和静态相结合[5-6]的原则，通过文献分析确定可表征紫外-氯工艺效能的具体水质指标。共查阅相关文献85篇(其中32篇来自web of science，其余来自中国知网)，对文献的统计分析结果表明：紫外-氯工艺主要用于微生物灭活(78篇)、消毒副产物控制(66篇)和出厂水余氯保证(19篇)等研究。根据文献量，选用能反映微生物灭活、消毒副产物控制效果的水质指标作为评价指标，因三卤甲烷类(46%)是氯化消毒饮用水中的主要氯化副产物[7]，所以分别选取菌落总数和三卤甲烷浓度作为评价指标。余氯和总氯2个指标和管网水质安全密切相关，故将余氯和总氯的浓度一并作为评价指标。综合以上几点，构建紫外-氯工艺运行技术效能评价指标体系(见图1)。
图 1 紫外-氯工艺运行技术效能评价指标体系Figure 1. Performance evaluation index system of operating technology efficiency of UV/chlorine process1.2 基于灰色聚类关联分析法的紫外-氯工艺技术效能评价体系建立
1.2.1 评价指标分级标准的建立
合理的指标分级标准是开展技术评价的基础。以《生活饮用水卫生标准》(GB 5749-2006)为依据，参照我国地表水环境质量标准的分类方法，结合调研梳理得到的11座典型给水厂紫外-氯工艺运行情况，建立各要素层的指标分级标准。
1)菌落总数指标分级。进行了典型给水厂出水的菌落总数分析，结果表明，各给水厂出水的菌落总数多为“未检出”，即便偶有检出，也多分布在个位数，远小于《生活饮用水卫生标准》(GB 5749-2006)规定的100 cfu·mL−1，故需细分菌落总数指标分级标准，其具体分级标准见表1。
表 1 菌落总数指标分级标准Table 1. Classification standard of total colony indexcfu·mL−1 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 ≤1 ≤4 ≤10 ≤50 ≤100 | Show Table
DownLoad:
CSV
2)余氯指标分级。当消毒剂为氯气或者游离氯制剂时，《生活饮用水卫生标准》(GB 5749-2006)中规定的出厂水余氯质量浓度应为0.3~4 mg·L−1。根据典型给水厂出水余氯浓度分析结果，可知该值多为1~2 mg·L−1。因此，在1~2 mg·L−1进行指标细分，并确定Ⅰ类阈值为1.0 mg·L−1，其余阈值按照梯度依次为0.30、0.50、0.70和1.10 mg·L−1，将余氯指标分为5级，分级结果见表2。
表 2 余氯指标分级标准Table 2. Classification standard of residual chlorine indexmg·L−1 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 ≥1.00 ≥1.30 ≥1.80 ≥2.50 ≥3.60 | Show TableDownLoad:
CSV
3)总氯指标分级。当给水厂采用氯胺作为消毒剂时，宜选用总氯浓度来表征剩余氯含量，《生活饮用水卫生标准》(GB 5749-2006)中规定出厂水总氯质量浓度应为0.5~3 mg·L−1。结合典型给水厂出水总氯质量浓度分析，可知该值一般在2~3 mg·L−1。据此建立总氯指标分级标准，见表3。
表 3 总氯指标分级标准Table 3. Classification standard of total chlorine indexmg·L−1 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 ≥1.50 ≥2.00 ≥2.30 ≥2.80 ≥3.00 | Show TableDownLoad:
CSV
4)三卤甲烷(THMs)指标分级。我国《生活饮用水卫生标准》(GB 5749-2006)和美国国家环境保护局标准(US EPA)都对三卤甲烷指标限值做了相关规定，分别规定该值不得大于1 mg·L−1和80 μg·L−1。根据典型给水厂紫外-氯工艺出水水质分析结果可知，各给水厂三卤甲烷类指标浓度皆小于80 μg·L−1，因此以80 μg·L−1为上限，建立三卤甲烷指标的分级标准，见表4。
表 4 三卤甲烷指标分级标准Table 4. Classification standard of trihalomethane indexμg·L−1 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 ≤10 ≤20 ≤30 ≤50 ≤80 | Show TableDownLoad:
CSV
1.2.2 白化函数建立
白化函数是用来计算某一指标对于某一灰度隶属程度的函数[8]，本文采用指数型[9]白化函数，以达到“加权宽域”的目的。以余氯指标为例，根据表2所列的余氯指标分级标准，构建余氯指标在每个灰类下的白化函数f(见图2)。其余指标白化函数建立可参照余氯指标白化函数建立方法。
图 2 余氯指标在各灰类下的白化函数Figure 2. Albino function of residual chlorine index in various kinds of gray1.2.3 聚类权重计算
聚类权重被用来表征指标对于不同灰类的隶属程度[10]，在各方案数据类型不同的情况下，计算得到的聚类权重也不相同。
在进行聚类权重计算时，首先需对各指标值进行无量纲化处理，以消除各指标值间的量纲差异。指标无量化的计算公式见式(1)~(2)。
stringUtils.convertMath(!{formula.content}) (1) stringUtils.convertMath(!{formula.content}) (2) 式中：
xij yjk x0ij y0jk μjk(i) stringUtils.convertMath(!{formula.content}) (3) 1.2.4 计算灰色关联度
i方案中指标j对k灰类的隶属度记为
zik(j) zik(j) (zik(1) zik(2) zik(n)) zik(0) zik(j) rik(j) stringUtils.convertMath(!{formula.content}) (4) stringUtils.convertMath(!{formula.content}) (5) 1.3 给水厂紫外-氯工艺技术效能评价
综合考虑各给水厂的位置和所处流域，从11座典型给水厂中最终选择A、B、C、D 4座给水厂进行工艺运行效能评价。这4座给水厂的基本情况见表5。
表 5 紫外-氯工艺评价指标样本数据汇总Table 5. Summary of sample data of UV / chlorine process evaluation indicators给水厂编号 进水来源 运行参数 评价指标样本数据 实际紫外剂量/(mJ·cm−2) 有效氯的质量浓度/(mg·L−1) 菌落总数/(cfu·mL−1) 余氯/(mg·L−1) 总氯/(mg·L−1) THMs的质量浓度/(mg·L−1) A 炭滤出水 40.0 1.8 NAD 1.41 — 0.041 6 B 砂滤出水 41.9 1.6 NAD 1.28 — 0.009 6 C 炭滤出水 42.8 1.8 1.8 1.34 — 0.013 9 D 炭滤出水 48.0 1.0 NAD — 2.30 0.020 2 注：“—”表示给水厂未测定该指标浓度；“NAD”表示未检出菌落。 | Show TableDownLoad:
CSV
同时，对这4座给水厂紫外-氯工艺进水水质指标进行分析，主要关注与三卤甲烷生成浓度呈正相关的高锰酸盐指数，与紫外设备运行状况密切相关的进水浊度和硬度，以及进水菌落总数等指标，分析结果见表6。另外，由于这4座给水厂皆没有前加氯装置，故工艺进水没有氯检出。
表 6 调研给水厂紫外-氯工艺进水水质Table 6. Influent quality of UV/chlorine process in water plant给水厂编号 浊度/(mg·L−1) CODMn/(mg·L−1) 硬度/(mg·L−1) 菌落总数/(cfu·mL−1) A 0.87 1.92 163 1 200 B 0.75 1.68 184 1 000 C 0.68 1.97 235 870 D 0.46 1.43 122 1 000 | Show TableDownLoad:
CSV
根据表6可知，各给水厂紫外-氯工艺进水水质相差不大，仅菌落总数指标数值略有差异，因此，为简化分析条件，后续评价时忽略各给水厂进水水质对紫外-氯工艺运行的影响。
根据1.2节所建立的技术评价体系，开展4座给水厂紫外-氯工艺运行技术效能评价。在各评价指标样本数据和标准数据量纲一化的基础上，按照公式(3)~(5)开展计算，并根据计算结果判定各给水厂出水水质级别，计算结果见表7。
表 7 给水厂紫外-氯工艺出水水质关联度计算结果Table 7. Correlative degree calculation results of water quality of effluent from UV/chlorine process in water plant给水厂编号 Ⅰ类 Ⅱ类 Ⅲ类 Ⅳ类 Ⅴ类 水质级别 A 0.380 0.605 0.822 0.721 0.478 Ⅲ类(0.6) B 0.815 1.000 0.719 0.431 0.333 Ⅱ类(0.8) C 0.446 0.955 0.736 0.452 0.333 Ⅱ类(0.8) D 0.362 0.803 1.000 0.754 0.458 Ⅲ类(0.6) | Show TableDownLoad:
CSV
1.4 评价可靠性分析
将各给水厂工艺技术效能评价结果与实际情况进行对比分析，以验证评价结果可靠与否。各给水厂的评价结果与实际情况对比结果见表8。根据表8可知，4座给水厂紫外-氯工艺实际出水水质类别与评价结果相同，表明上述评价结果具有一定可靠性。
表 8 评价成果与实际情况的对比结果Table 8. Comparison of the evaluation results with the actual situation of the water plant给水厂编号 水质评价级别 水质实际情况 备注 A Ⅲ类(0.6) Ⅲ类(符合饮用水标准) 运行时间较短 B Ⅱ类(0.8) Ⅱ类(符合饮用水标准) 已进行多次调整 C Ⅱ类(0.8) Ⅱ类(符合饮用水标准) 已进行多次调整 D Ⅲ类(0.6) Ⅲ类(符合饮用水标准) 未做大量调试 | Show TableDownLoad:
CSV
2. 紫外-氯工艺运行成本效益评价
2.1 评价指标体系构建
对紫外-氯工艺运行综合效能的评价，应综合考虑工艺运行的技术效能和经济收益[11]。其中，采用技术成本效益分析法进行工艺经济收益评价，通过分析工艺总成本和总收益间的关系，以确定技术经济收益。紫外-氯工艺运行成本效益评价应综合考虑紫外-氯工艺的日常运行成本和技术采用后所带来的经济收益，通过前期调研，确定层次指标体系，如图3所示。
图 3 紫外-氯工艺运行成本效益评价指标体系Figure 3. UV / chlorine process operation cost - benefit evaluation index system2.2 紫外-氯工艺费用效益分析模型的建立
1)建立运行成本效益模型。采用运行成本效益模型分析计算工艺运行成本，综合分析工艺运行产生的成本，得到工艺吨水运行成本。方案i的吨水运行成本ICi的计算公式见式(6)。
stringUtils.convertMath(!{formula.content}) (6) 式中：Di为方案i的设备折旧成本，万元，计算公式见式(7)[12]；Mi为方案i的设备维修成本，万元，计算公式见式(8)[12]；Li为方案i的运行人工成本，万元，计算公式见式(9)[12]；Cri为方案i的吨水能耗成本，元·m−3，等于单位吨水电耗和单位吨水药耗之和，其计算皆按照“单价×数量”的计算模式进行；t为工艺总运行时间，d。其中，紫外设备的单位吨水耗电量E计算见式(10)。
stringUtils.convertMath(!{formula.content}) (7) 式中：C0为紫外氯消毒工艺的初始投资(包括工程建设费和设备购置费用)，万元；n为紫外线设备折旧年限，a；R为紫外线设备的固定资产形成率，本文取95%。
stringUtils.convertMath(!{formula.content}) (8) 式中：
ϵM stringUtils.convertMath(!{formula.content}) (9) 式中：m为紫外氯消毒工艺运行维护工人数目，人；W是一个工人的年薪，万元。
stringUtils.convertMath(!{formula.content}) (10) 式中：P为紫外设备功率，kW；q为过水流量，m3·h−1。
2)减排效益模型建立。减排效益模型是根据技术采用后所带来的收益大小进行评价。与单独氯消毒工艺相比，在保证水处理效果的情况下，紫外-氯工艺所需的投氯量更少，而消毒副产物的生成浓度与投氯量之间呈线性或对数型正相关，相应的消毒副产物生成浓度也有所下降。据此综合考虑消毒副产物浓度降低带来的环境效益和投氯量减少带来的经济收益，以计算紫外-氯工艺的吨水减排效益，其具体计算公式见式(11)。
stringUtils.convertMath(!{formula.content}) (11) 式中：
IMi μ Ci 3)技术收益率计算。紫外-氯工艺的运行收益率
γ stringUtils.convertMath(!{formula.content}) (12) 2.3 成本效益评价模型的应用
依旧选用1.3节所述的4座给水厂开展紫外-氯工艺运行成本效益分析，4座给水厂的相关经济指标数据见表9，根据公式(6)~(12)计算得到各给水厂收益率如图4所示。
表 9 紫外-氯工艺经济指标数据汇总Table 9. Summary of economic index data of UV/chlorine process给水厂编号 单台设备初始投资/万元 单台设备流量/(m3·h−1) 折旧年限/a 固定资产形成率/% 维修费用比例/% 运行维护工人数量/人 薪酬/(万元·月−1) A 450 2 600 10 95 30 12 0.45 B 550 2 400 15 95 30 6 0.43 C 550 2 800 15 95 30 8 0.35 D 300 5 000 12 95 12 9 0.45 给水厂编号 功率/kW 电费/(元·(kWh)−1) 氯消毒剂种类 药剂单价/(元·t−1) 投药量/(g·m−3) 连续运行时间/d THMs的减少排放量/(mg·L−1) A 21.0 0.695 10%次氯酸钠 1 185 18 365 0.7114 B 25.2 0.703 10%次氯酸钠 1 185 16 365 0.6794 C 30.2 0.647 液氯 2 925 1.8 365 0.7331 D 22.0 0.707 氯胺(4∶1) 3 260 5 365 0.1388 | Show TableDownLoad:
CSV
由图4可知，C厂技术收益率最佳，为0.208%，这或许是由于C厂THMs的减少排放量和氯使用减少量最大导致的。
2.4 评价可靠性分析
将评价得到的各给水厂技术收益率与实际情况进行对比分析，对比结果见表10。由表10可知，各给水厂收益率评价结果与给水厂实际情况相符，表明上述评价模型具备一定的合理性以及评价结果存在一定的可靠性。
表 10 评价结果与实际效益的对比分析Table 10. Comparative analysis of evaluation results and actual benefits of water plants给水厂编号 评价结果收益率/% 实际收益情况 A 0.064 良 B 0.058 良 C 0.208 优 D 0.021 中 | Show TableDownLoad:
CSV
3. 紫外-氯工艺运行效能综合评价
紫外-氯工艺运行效能综合评价是基于技术效能评价和技术成本效益评价的评价结果展开的，本文综合考虑工艺运行技术效能和技术经济收益，对技术运行情况进行了全面评价。
采用加权平均的方式将技术效能评价结果和技术成本效益评价结果进行综合，分别对其赋以对应权重。根据专家意见，技术效能是给水厂运行的首要关注点，经济收益在给水厂日常运行也应给予关注。因此，确定二者权重值之比为6∶4较为合理，则4座给水厂的综合评价结果如表11所示。
表 11 评价给水厂综合评价结果Table 11. Comprehensive assessment results of water plants给水厂编号 技术效能评价 收益率/% 综合评分 A Ⅲ类(0.6) 0.064 0.385 6 B Ⅱ类(0.8) 0.058 0.503 2 C Ⅱ类(0.8) 0.208 0.563 2 D Ⅲ类(0.6) 0.021 0.368 4 | Show TableDownLoad:
CSV
表11中的数据表明，C厂紫外-氯工艺综合运行效能最佳，表明该厂紫外-氯工艺运行参数设置较为合理。这主要是由于C厂工艺运行时间较长，积累了较丰富的运行经验，可以在保障出水水质的条件下实现经济收益较优。因此，该厂工艺运行参数(有效紫外消毒剂量为42.8 mJ·cm−2，有效氯投加量为1.8 mg·L−1)可为紫外-氯工艺在其他厂的运行提供参考。
4. 结论
1)基于灰色聚类关联模型建立了紫外-氯工艺运行技术效能评价模型，并将所建模型用于A、B、C、D 4座给水厂技术效能评价，在排除进水水质对工艺运行效果和紫外设备运行的影响下，最终得到B、C厂工艺出水水质较佳，水质类别为Ⅱ类。然后，将评价结果与实际水质情况进行对比分析，初步验证了技术效能评价模型的合理性。
2)基于技术成本效益模型建立了紫外-氯工艺运行技术经济收益评价模型，同时将所建模型用于A、B、C、D 4座给水厂经济收益评价，得到C厂经济收益率最佳，为0.208%。将评价结果与工艺实际收益情况进行了对比分析，结果表明，技术经济收益模型具有一定可靠性。
3)综合考虑紫外-氯工艺运行技术效能和经济收益，对前述评价结果进行了综合分析。结果表明：在不考虑进水水质影响的情况下，C厂紫外-氯工艺运行综合效能最佳，可以在满足工艺效能最佳时保证经济收益较优，因此，其他厂在工艺进水水质相近的情况下，可参考C厂工艺的运行参数(有效紫外消毒剂量为42.8 mJ·cm−2，有效氯投加量为1.8 mg·L−1)进行调试运行。
-
图 1 生活污水处理系统甲烷排放SD模型
Figure 1. Methane emission SD model for domestic sewage treatment system
图 2 2000—2015年源自生活污水的甲烷排放量
Figure 2. Methane emissions from domestic sewage from 2000 to 2015
图 4 不同情景甲烷减排潜力
Figure 4. Methane emission reduction potential under different scenarios
表 1 情景设定
Table 1. Emission scenario setting
情景种类 基线情景 工艺阶段 情景依据 情景设定 单一减排情景 节约用水情景 污水产生 根据《中国可持续发展水资源战略研究》[33]，节水意识和水价进一步提升会对用水量起到一定抑制作用[34]，人均生活用水量将会减少 居民生活用水定额由62.00×10-3 t/人变为58×10-3t/人 污水回用情景 污水产生 根据由“污水处理”向“再生利用”转变的要求，污水处理厂尾水水质达标后可用于生态和景观用水，预计污水的处理率与回用率将大幅增加 我国污水处理率将在2030年达100%；将有20%±10%的出水再生回用，2050年污水回用率为48% 中部节能情景 污水处理 城市污水厂的能源消耗主要是电能、热能及药品消耗，其中电能消耗占60%~90%[35]，生活污水处理过程能耗影响污水处理率 设定2020年污水处理率为96%，2050年变为100% 终端处理情景 达标排放 采用热电联产技术回收利用污泥消化过程中甲烷气体[36] 设定2020年甲烷回收率为26%，2050年变为95% 组合减排情景 节水回用情景 污水产生 节约用水，循环利用 参数改变综合考虑节约用水情景和污水回用情景 中部终端情景 污水处理及排放 在污水处理及达标排放过程采取减排手段 参数改变综合依据中部节能情景和终端处理情景增加状态因子 全程减排情景 污水产生、处理及排放 对已经进行过节水回用处理的生活污水进行处理时，采用全程减排手段 参数改变综合依据节水回用情景与中部节能情景和终端处理情景增加状态因子 注：情景依据为当前趋势不加约束的情景作为未来发展的基准；情景设定即假定本情景不考虑已颁布实施的一系列污水处理节能减排政策措施。
下载: 导出CSV
表 2 模拟检验结果
Table 2. Simulation test results
年份 城市人口/(万人) 生活用水量/(108 t) GDP/(亿元) 甲烷排放量/(104 t) 模拟值 实测值1) 误差2) 模拟值 实测值 误差1) 模拟值 实测值 误差1) 模拟值 实测值 误差1) 2011 67 368 69 079 2.5 243 248 1.9 489 301 484 753 −0.9 58 53 9.5 2012 69 052 71 182 3.1 254 257 1.3 527 956 539 117 2.1 60 56 6.1 2013 70 692 73 111 3.4 264 268 1.5 594 672 590 422 −0.7 61 59 3.5 2014 72 282 74 916 3.6 274 276 0.5 648 787 644 791 −0.6 63 62 1.4 2015 73 818 77 116 4.5 283 287 1.7 696 149 682 635 −1.9 64 65 −0.8 注：1)实测值来源于2011—2015年中国专题统计年鉴；2)误差单位为%。
下载: 导出CSV
表 3 SD模型灵敏度分析结果
Table 3. Sensitivity analysis results of SD model
变量 对甲烷排放总量值 居民生活用水定额 3.6 污水回用率 4.5 甲烷最大生产能力 10.0 污水排放系数 3.6 回收甲烷量 0.1 COD产生系数 13.6
下载: 导出CSV
-
[1] [1]马占云,任佳雪,陈海涛,姜华,高庆先,刘舒乐,严薇,李照濛.IPCC第一工作组评估报告分析及建议[J/OL].环境科学研究:1-11[2022-09-29]. [2] ZICKFELD K, SOLOMON S, GILFORD D M. Centuries of thermal sea-level rise due to anthropogenic emissions of short-lived greenhouse gases[J]. Proceedings of the National Academy of Sciences of the United States of America, 2017, 114(4): 657-662. doi: 10.1073/pnas.1612066114 [3] LIU L C, WU G. The effects of carbon dioxide, methane and nitrous oxide emission taxes: an empirical study in China[J]. Journal of Cleaner Production, 2017, 142: 1044-1054. doi: 10.1016/j.jclepro.2016.08.011 [4] GAO Y, GAO X, ZHANG X H. The 2 ℃ global temperature target and the evolution of the long-term goal of addressing climate change: from the united nations framework convention on climate change to the Paris agreement[J]. Engineering, 2017, 3(2): 272-278. doi: 10.1016/J.ENG.2017.01.022 [5] 吴绍洪, 潘韬, 刘燕华, 等. 中国综合气候变化风险区划[J]. 地理学报, 2017, 72(1): 3-17. doi: 10.11821/dlxb201701001 [6] IPCC. Climate Change 2014: Mitigation of Climate Change[M]. Cambridge, UK: Cambridge University Press, 2015. [7] IPCC. Climate Change 2007: Impacts, Adaptation and Vulnerability: Working Group II Contribution to the Fourth Assessment Report of the IPCC Intergovernmental Panel on Climate Change[M]. Cambridge, UK: Cambridge University Press, 2007 [8] 国家发改委应对气候变化司. 中华人民共和国气候变化第二次两年更新报告[J]. 北京:中国经济出版社, 2016: 9-24. [9] ZHOU Y M, Feng Y S. The strategy and technology selection for non-CO2 greenhouse gas emission control[J]. Advances in climate change research, 2014, 9(4): 28-33. [10] FANG K, TANG Y Q, ZHANG Q F, et al. Will China peak its energy-related carbon emissions by 2030?lessons from 30 Chinese Provinces[J]. Applied Energy, 2019, 255: 113852. doi: 10.1016/j.apenergy.2019.113852 [11] 马丁, 陈文颖. 中国2030年碳排放峰值水平及达峰路径研究[J]. 中国人口·资源与环境, 2016, 26(增刊1): 1-4. [12] 习近平. 在第七十五届联合国大会一般性辩论上的讲话[J]. 中华人民共和国国务院公报, 2020(28): 5-7. [13] 付加锋, 冯相昭, 高庆先, 等. 城镇污水处理厂污染物去除协同控制温室气体核算方法与案例研究[J]. 环境科学研究, 2021, 34(9): 2086-2093. [14] ABOOBAKAR A, CARTMELL E, STEPHENSON T, et al. Nitrous oxide emissions and dissolved oxygen profiling in a full-scale nitrifying activated sludge treatment plant[J]. Water Research, 2013, 47(2): 524-534. doi: 10.1016/j.watres.2012.10.004 [15] DAELMAN M R J, VAN-VOORTHUIZEN E M, VAN-DONGEN L G J M, et al. Methane and nitrous oxide emissions from municipal wastewater treatment - results from a long-term study[J]. Water Science and Technology, 2013, 67(10): 2350-2355. doi: 10.2166/wst.2013.109 [16] MAMAIS D, NOUTSOPOULOS C, DIMOPOULOU A, et al. Wastewater treatment process impact on energy savings and greenhouse gas emissions[J]. Water Science and Technology:a Journal of the International Association on Water Pollution Research, 2015, 71(2): 303-308. doi: 10.2166/wst.2014.521 [17] ZOUBOULIS A, TOLKOU A. Effect of climate change in wastewater treatment plants: Reviewing the problems and solutions[J], 2015, 10.1007/978-3-319-10467-6(Chapter 10): 197-220. [18] ZHANG Q, NAKATANI J, WANG T, et al. Hidden greenhouse gas emissions for water utilities in China's Cities[J]. Journal of Cleaner Production, 2017, 162: 665-677. doi: 10.1016/j.jclepro.2017.06.042 [19] MANNINA G, EKAMA G, CANIANI D, et al. Greenhouse gases from wastewater treatment: a review of modelling tools[J]. Science of the Total Environment, 2016, 551/552: 254-270. doi: 10.1016/j.scitotenv.2016.01.163 [20] 甘晖, 杨燕燕, 刘佳, 等. 福建省2000—2020年间废弃物处理温室气体排放估算及趋势预测[J]. 福建师范大学学报(自然科学版), 2018, 34(5): 93-100. [21] KYUNG D, KIM M, CHANG J, et al. Estimation of greenhouse gas emissions from a hybrid wastewater treatment plant[J]. Journal of Cleaner Production, 2015, 95: 117-123. doi: 10.1016/j.jclepro.2015.02.032 [22] NAYEB H, MIRABI M, MOTIEE H, et al. Estimating greenhouse gas emissions from Iran's domestic wastewater sector and modeling the emission scenarios by 2030[J]. Journal of Cleaner Production, 2019, 236: 117673. doi: 10.1016/j.jclepro.2019.117673 [23] FORRESTER J W. Industrial dynamics[M]. Portland: Productivity Press, 1961. [24] FORRESTER J W. The system dynamics national model: Macrobehavior from microstructure[M]. Berlin: Springer Berlin Heidelberg, 1989. [25] 中国城镇供水排水协会排水专业委员会. 中国城镇污水处理厂汇编[M]. 北京: 中国城镇供水排水协会排水专业委员会, 2006. [26] 宋丽丽, 罗勇, 高庆先, 等. 生活污水中BOD5与CODCr关系的区域性差异分析[J]. 环境科学研究, 2011, 24(10): 1154-1160. [27] 蔡博峰, 高庆先, 李中华, 等. 中国污水处理厂甲烷排放研究[J]. 中国环境科学, 2015, 35(12): 3810-3816. doi: 10.3969/j.issn.1000-6923.2015.12.036 [28] GUISASOLA A, de HAAS D, KELLER J, et al. Methane formation in sewer systems[J]. Water Research, 2008, 42(6/7): 1421-1430. [29] 乐群, 张国君, 王铮. 中国各省甲烷排放量初步估算及空间分布[J]. 地理研究, 2012, 31(9): 1559-1570. [30] 闫旭, 韩云平, 李琦路, 等. 污水处理过程中温室气体产生研究进展[J]. 环境化学, 2015, 34(5): 853-862. doi: 10.7524/j.issn.0254-6108.2015.05.2014092401 [31] 任佳雪, 高庆先, 陈海涛, 等. 碳中和愿景下的污水处理厂温室气体排放情景模拟研究[J]. 气候变化研究进展, 2021, 17(4): 410-419. [32] IPCC. Good practice guidance and uncertainty management in national greenhouse gas inventory[R]. Cambridge: Cambridge University Press, 2005. [33] 中国工程院“世纪中国可持续发展水资源战略研究”项目组. 中国可持续发展水资源战略研究综合报告[J]. 中国工程科学, 2000, 2(8): 1-17. [34] 刘昌明, 何希吾. 中国21世纪水问题方略[M]. 北京: 科学出版社, 1998. [35] 应启锋, 王佳伟, 高金华, 等. 小红门污水处理厂利用沼气拖动鼓风机的节能效果[J]. 中国给水排水, 2010, 26(12): 130-132. [36] 吴静, 姜洁, 周红明, 等. 我国城市污水厂污泥厌氧消化系统的运行现状[J]. 中国给水排水, 2008, 24(22): 21-24. doi: 10.3321/j.issn:1000-4602.2008.22.005 [37] 王其藩. 高级系统动力学[M]. 北京: 清华大学出版社, 1995. [38] 贾仁安, 丁荣华. 系统动力学: 反馈动态性复杂分析[M]. 北京: 高等教育出版社, 2002. [39] 马占云, 冯鹏, 高庆先, 等. 中国废水处理甲烷排放特征和减排潜力分析[J]. 气候变化研究进展, 2015, 11(5): 343-352. [40] 陈敏敏, 吴琼, 张震, 等. 我国城镇污水处理厂环境绩效评价研究[J]. 环境科学研究, 2020, 33(12): 2675-2682. [41] KIUILA O, RUTHERFORD T F. The cost of reducing CO2 emissions: integrating abatement technologies into economic modeling[J]. Ecological Economics, 2013, 87: 62-71. doi: 10.1016/j.ecolecon.2012.12.006 [42] 戴彦德, 胡秀莲, 等. 中国二氧化碳减排技术潜力和成本研究[M]. 北京: 中国环境出版社, 2013. [43] STOKES J R, HENDRICKSON T P, HORVATH A. Save water to save carbon and money: developing abatement costs for expanded greenhouse gas reduction portfolios[J]. Environmental Science & Technology, 2014, 48(23): 13583-13591. [44] MAESEELE C, ROUX P. An LCA framework to assess environmental efficiency of water reuse: application to contrasted locations for wastewater reuse in agriculture[J]. Journal of Cleaner Production, 2021, 316: 128-151. [45] 胡洪营, 吴乾元, 吴光学, 等. 污水特质(水征)评价及其在污水再生处理工艺研究中的应用[J]. 环境科学研究, 2019, 32(5): 725-733. -
点击查看大图
计量
- 文章访问数: 5170
- HTML全文浏览数: 5170
- PDF下载数: 72
- 施引文献: 0
