CN107720975B - 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 - Google Patents
一种乙醇类物质作为外加碳源的污水处理优化模拟方法 Download PDFInfo
- Publication number
- CN107720975B CN107720975B CN201710621621.5A CN201710621621A CN107720975B CN 107720975 B CN107720975 B CN 107720975B CN 201710621621 A CN201710621621 A CN 201710621621A CN 107720975 B CN107720975 B CN 107720975B
- Authority
- CN
- China
- Prior art keywords
- model
- ethanol
- carbon source
- simulation
- asm2g
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/34—Biological treatment of water, waste water, or sewage characterised by the microorganisms used
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/30—Aerobic and anaerobic processes
- C02F3/308—Biological phosphorus removal
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2203/00—Apparatus and plants for the biological treatment of water, waste water or sewage
- C02F2203/004—Apparatus and plants for the biological treatment of water, waste water or sewage comprising a selector reactor for promoting floc-forming or other bacteria
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2203/00—Apparatus and plants for the biological treatment of water, waste water or sewage
- C02F2203/006—Apparatus and plants for the biological treatment of water, waste water or sewage details of construction, e.g. specially adapted seals, modules, connections
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/07—Alkalinity
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/10—Solids, e.g. total solids [TS], total suspended solids [TSS] or volatile solids [VS]
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/14—NH3-N
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/18—PO4-P
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/22—O2
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2305/00—Use of specific compounds during water treatment
- C02F2305/06—Nutrients for stimulating the growth of microorganisms
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Microbiology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Preparation Of Compounds By Using Micro-Organisms (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明公开了一种乙醇类物质作为外加碳源的污水处理优化模拟方法,属于废水生物处理技术领域,包括:S1、将增加的动力学表达式写入含有ASM2d模型的仿真软件中,结合ASM2d模型构建ASM2g模型;S2、利用ASM2g模型库中的各工艺组件单元构建污水处理工艺;S3、将进水水质浓度转换为ASM2g模型的组分浓度,并对污水处理工艺进行初步稳态模拟;S4、根据初步稳态模拟的结果以及灵敏度分析,校准所述ASM2g模型的动力学参数和化学计量学参数,实现稳态模拟;S5、将稳态模拟结果作为动态模拟的初始输入值,对动态进水水质进行动态模拟分析。该方法适用于在污水处理系统存在乙醇类物质的污水处理系统脱氮除磷效果的模拟和优化运行。
Description
技术领域
本发明涉及废水生物处理技术领域,特别涉及一种乙醇类物质作为外加碳源的污水处理优化模拟方法。
背景技术
随着工农业的发展,为了对环境加以保护,污水处理被广泛应用于建筑、农业,交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域。目前,在污水处理过程中一般使用的是国际水协会(IWA)推出的活性污泥ASM2d模型,该模型与其他模型相比,在模拟硝酸盐和磷磷盐动力学方面更加准确,自面世以来被广泛应用于具有脱氮除磷功能的污水处理系统。以ASM2d模型为基础,借助计算机技术,可以实现污水处理系统的优化运行。
但是,ASM2d模型较为复杂,在运行过程中计算量较大。为了降低模型的复杂性,对ASM2d模型引入了一些简化方法,这些简化方法直接导致ASM2d模型在运行过程产生了一些缺陷,比如:模拟系统在某些特定条件下运行时,ASM2d模型不适应。
另外,ASM2d模型还存在一个重要的缺陷在于:ASM2d模型不适用于投加乙醇作为外加碳源的污水处理系统。这是由于ASM2d模型将易生物降解有机物(SS)分成两类:可发酵的易生物降解有机物(SF)和发酵产物(SA)。在厌氧条件下,普通异养菌使易降解基质SF转化为发酵产物SA,这两种物质均可被聚磷菌利用。事实上,还存在另外一些易生物降解有机物,比如乙醇,却不能被聚磷菌在厌氧条件下利用,但是可以在缺氧和好氧条件下被聚磷菌和普通异养菌利用。ASM2d模型没有包含乙醇等这类易生物降解有机物被聚磷菌和普通异养菌利用的过程。在实际的污水处理过程中,与甲醇相比,乙醇无毒、响应快、污泥驯化时间短,常被用作污水处理系统的应急碳源以及系统启动阶段的外加碳源。
因此,ASM2d模型在投加乙醇的实际污水处理过程中的适用性不强,不符合污水处理行业的特点。
发明内容
本发明的目的在于提供一种乙醇类物质作为外加碳源的污水处理优化模拟方法,以适应于投加乙醇的污水处理系统脱氮除磷效果的模拟和优化运行。
为实现以上目的,本发明采用一种乙醇类物质作为外加碳源的污水处理优化模拟方法,包括如下步骤:
S1、将增加的动力学表达式写入含有ASM2d模型的仿真软件中,结合ASM2d模型构建新的模型ASM2g,其中,增加的反应过程包括普通异养菌基于乙醇SA1作为外加碳源的缺氧和好氧生长过程,聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧和好氧贮存过程,以及聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧和好氧生长过程;
S2、利用ASM2g模型库中的各工艺组件单元构建污水处理工艺;
S3、将进水水质浓度作为ASM2g模型组分浓度的输入,并对污水处理工艺进行初步稳态模拟;
S4、根据初步稳态模拟的结果以及灵敏度分析,校准所述ASM2g模型的动力学参数和化学计量学参数,实现稳态模拟;
S5、将稳态模拟结果作为动态模拟的初始输入值,对动态进水水质进行动态模拟分析。
进一步地,步骤S1中:
普通异养菌基于乙醇SA1作为外加碳源的好氧生长过程动力学表达式为:
普通异养菌基于乙醇SA1作为外加碳源的缺氧生长过程动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的好氧贮存动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧贮存动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的好氧生长动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧生长动力学表达式为:
其中,SA1为投加的乙醇COD当量浓度,SO为氧气的浓度,SPO4为磷酸盐的浓度,SNH4为氨氮的浓度,SNO3为硝酸盐的浓度,SALK为碱度,KMAX为XPP/XPAO的最大比率,KIPP为XPP贮存的抑制系数,KSA,PAO为SA的饱和系数,KPO4,PAO为SPO4的饱和系数,KNO3,PAO为SNO3的饱和系数,KALK,PAO为SALK的饱和系数,KNH4,PAO为SNH4的饱和系数,μΗ1为基于SA,1的普通异养菌最大生长速率,KSA1,H为基于SA,1的普通异养菌生长饱和系数,ηNO3,H1为基于SA1的缺氧活性SNO3降低修正因子,qPPSA1为基于SA,1的聚磷XPP贮存的速率常数,KSA1,PAO为基于SA,1的聚磷菌生长的饱和系数,μPAOSA1为基于SA1的聚磷菌XPAO的最大生长速率,ηNO3,PAOSA1为聚磷菌基于SA1的缺氧活性SNO3降低修正因子,YH1为基于SA,1的普通异养菌产率系数,YPAOSA1为基于SA,1的聚磷菌产率系数,YSA1为基于SA,1的聚磷贮存产率系数。
与现有技术相比,本发明存在以下技术效果:本发明通过对ASM2d模型进行合理的扩展,得到ASM2g模型,与原有的ASM2d模型相比,增加了普通异养菌基于乙醇SA1作为外加碳源的缺氧和好氧生长过程,聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧和好氧贮存过程,以及聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧和好氧生长过程。因此,本发明中的ASM2g模型能够准确模拟活性污泥系统存在乙醇类易生物降解有机物条件下的生物脱氮和除磷过程,适用于投加乙醇作为外加碳源的污水处理系统脱氮除磷效果的模拟和运行,满足污水处理行业特点,具有很强的实用性和经济性。
附图说明
下面结合附图,对本发明的具体实施方式进行详细描述:
图1是本发明中一种乙醇类物质作为外加碳源的污水处理优化模拟方法的流程示意图;
图2是本发明中污水处理过程连续投加乙醇作为外加碳源条件下的好氧池MLSS实测浓度及模拟结果的对比示意图;
图3是本发明中污水处理过程连续投加乙醇作为外加碳源条件下的出水NH4 +-N和TN实测浓度及模拟结果的对比示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明公开了一种乙醇类物质作为外加碳源的污水处理优化模拟方法,该方法包括如下步骤S1至S5:
S1、将增加的动力学表达式写入含有ASM2d模型的仿真软件中,结合ASM2d模型构建ASM2g模型,其中,增加的反应过程包括普通异养菌基于乙醇SA1作为外加碳源的缺氧和好氧生长过程,聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧和好氧贮存过程,以及聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧和好氧生长过程;
具体地,含有ASM2d模型的仿真软件可以选用GPS-X、BioWin或WEST等仿真软件,现以GPS-X仿真软件为例来说明构建ASM2g模型的过程:利用模型开发组件(Modeldeveloper)对GPS-X仿真软件内置的ASM2d模型矩阵、模型组分及变量、GPS-X变量等进行自定义编辑,生成ASM2g模型。
S2、利用ASM2g模型库中的各工艺组件单元构建污水处理工艺;
具体地,在构建污水处理工艺时,将ASM2g模型库中需要的各工艺组件单元拖拉出来,并按照污水处理工艺顺序进行排布,构建污水处理厂的工艺流程图。
S3、将进水水质浓度作为ASM2g模型的组分浓度输入,并对污水处理工艺进行初步稳态模拟;
具体地,本步骤将进水水质浓度作为ASM2g模型的模型组分浓度输入,将反应单元构造尺寸、回流比等工艺运行参数输入ASM2g模型,利用缺省值进行初步稳态模拟。进行初步稳态模拟的作用主要是确定构建的ASM2g模型是否可以正常运行,以及确定ASM2g模型运行的结果与实测值是否存在偏差。以便于根据ASM2g模型初步稳态模拟的结果确定对具体的参数进行校正。
S4、根据初步稳态模拟的结果以及灵敏度分析,校准所述ASM2g模型的动力学参数和化学计量学参数,实现稳态模拟;
需要说明的是,在实际应用中,由于每个污水处理厂污水水质、运行工况等具体情况不同,因此,在应用ASM2g模型时,需要根据实际处理污水的具体情况对ASM2g模型的各项参数进行校准。
S5、将稳态模拟结果作为动态模拟的初始输入值,对动态进水水质进行动态模拟分析。
其中,普通异养菌基于乙醇SA1作为外加碳源的好氧生长过程动力学表达式为:
普通异养菌基于乙醇SA1作为外加碳源的缺氧生长过程动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的好氧贮存动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧贮存动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的好氧生长动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧生长动力学表达式为:
其中,SA1为投加的乙醇COD当量浓度,SO为氧气的浓度,SPO4为磷酸盐的浓度,SNH4为氨氮的浓度,SNO3为硝酸盐的浓度,SALK为碱度,KMAX为XPP/XPAO的最大比率,KIPP为XPP贮存的抑制系数,KSA,PAO为SA的饱和系数,KPO4,PAO为SPO4的饱和系数,KNO3,PAO为SNO3的饱和系数,KALK,PAO为SALK的饱和系数,KNH4,PAO为SNH4的饱和系数,μΗ1为基于SA,1的普通异养菌最大生长速率,KSA1,H为基于SA,1的普通异养菌生长饱和系数,ηNO3,H1为基于SA1的缺氧活性SNO3降低修正因子,qPPSA1为基于SA,1的聚磷XPP贮存的速率常数,KSA1,PAO为基于SA,1的聚磷菌生长的饱和系数,μPAOSA1为基于SA1的聚磷菌XPAO的最大生长速率,ηNO3,PAOSA1为聚磷菌基于SA1的缺氧活性SNO3降低修正因子,YH1为基于SA,1的普通异养菌产率系数,YPAOSA1为基于SA1的聚磷菌产率系数,YSA1为基于SA1的聚磷贮存产率系数。
本实施例提供的ASM2g模型增加了普通异养菌基于乙醇SA1作为外加碳源的好氧和缺氧生长过程,聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧和好氧贮存过程,以及聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧和好氧生长过程的动力学表达式,实现了存在乙醇的污水处理系统脱氮除磷效果的模拟和优化运行。
本实施例中的ASM2g模型在上述公开内容的基础上提出的优化控制方法,适用于存在乙醇类物质作为外加碳源的污水处理脱氮除磷过程的仿真模拟,提高了污水处理厂的运行管理水平。
具体地,ASM2g模型的计量学矩阵如表1所示:
表1
进一步地,为了适用所处理的污水的具体情况,上述的步骤S4中,具体包括如下细分步骤:
根据局部敏感度分析方法分析所述的ASM2g模型中各动力学参数、化学计量学参数以及模型组分参数的敏感系数;
当动力学参数、化学计量学参数或者模型组分参数的敏感系数超过敏感标准值时,对敏感系数超过敏感标准值的参数进行校准,以得到校正后的ASM2g模型。
本实施例中通过将进水水质浓度作为ASM2g模型中对应组分浓度的输入值,采用局部敏感度分析方法,并通过GPS-X软件内置的分析组件Analyzer分析ASM2g模型中各个动力学参数、化学计量学参数对模型输出组分的影响。其中,模型输出组分考虑的变量包括厌氧COD、PO4 3--P浓度,缺氧COD、PO4 3--P、NO3 --N、NO2 --N浓度以及好氧COD、PO4 3--P浓度等。
具体地,敏感度分析是一种不确定性分析的手段,通过有目的的改变所研究的某个参数,研究该参数的变化对目标函数或者控制指标的影响,分析一个模型参数对系统状态和输出变化的敏感程度。敏感度分析方法包括两大类:局部敏感度分析和全局敏感度分析,局部敏感度分析是在参数在很小的局部范围内变化,全局敏感度分析是参数在其整个范围内变化。
本实施例中采用局部敏感度分析作为较为优选的实施例,具体为固定其他参数数值不变,将待测参数调整10%,然后观察各输出变量的响应,通常采用敏感度因子Si,j表征参数的灵敏度,敏感度因子的计算公式如下:
其中,Si,j为模型参数的敏感度,xi为变化后的模型参数值,yj为变化后的状态变量值,△yj为由参数变化引起的状态变量的变化幅度,△xi为参数的变化幅度。
在计算中,如果敏感度为正,表明变量与参数的变化方向一致,即参数增加或减小导致输出变量随之增大或减小;如果敏感度为负,表明变量与参数的变化方向相反,即参数增加或减小导致输出变量随之减小或增大;如果参数和变量之间的关系是线性的,那么敏感度具有一致性,该参数的大小和方向不随时间改变。但是通常状态或输出变量对参数的敏感度并不是常数而是随时间变化的。
通过对待测参数调整10%计算Si,j,根据Si,j的大小,将参数对输出量的影响情况分为以下四类:
(1)Si,j<0.25,说明参数的调整对系统输出无明显影响;
(2)0.25≤Si,j<1,说明参数的调整对系统输出有影响;
(3)1≤Si,j<2,说明参数的调整对系统输出有显著影响;
(4)Si,j≥2,说明参数的微调对系统输出影响非常显著。
分析出模型中的动力学参数及化学计量学参数的敏感系数之后,筛选出敏感系数较大的参数并对其进行校准。比如,当某参数的敏感系数超过0.25时,对其进行校准。
需要说明的是,在实际应用中,对活性污泥模型筛选出重要的参数进行校正是非常重要的,如果对模型中的参数一一进行校正或测定会耗费大量的人力物力以及时间,本实施例中将敏感度分析纳入模型校正程序,在整个优化模型的过程中减少投入。
进一步地,本实施例中对敏感系数超过敏感标准值的参数进行校准的方式包括好氧呼吸法、采用实际污水与系统活性污泥进行小试实验法以及所述含有ASM2d模型的仿真软件内置的优化高级组件进行模型自优化校准法。
下面以本发明公开的ASM2g模型应用于某污水处理厂为例说明该模型进行污水处理优化控制的效果:
某污水处理厂处理规模Q=10 0000m3/d,采用改良氧化沟工艺进行处理,经格栅、沉砂池等预处理后的污水及回流污泥首先进入选择池,经过短时接触,污泥的沉降性得到较大的提高。自选择池流出的泥水混合液进入厌氧段,实现厌氧释磷。混合液经厌氧段后进入氧化沟内嵌的缺氧段,与沟道内的循环混合液充分混合后在沟道内循环流动。污泥中的反硝化菌在缺氧状态下将硝酸盐氮还原为氮气释放,从而达到脱氮的目的。在好氧段氨氮在硝化菌的作用下转化为硝态氮,同时有机物也在该段内在异养菌作用下氧化分解。
氧化沟出水经二沉池沉淀后消毒排出,要求出水水质达到一级A标准(GB18918-2002)。总水力停留时间为21.5h,选择池停留时间为20min,厌氧段停留时间为2h,缺氧段停留时间HRT为3.75h,氧化沟停留时间为15.4h。污泥龄为16天。内回流比为300%,污泥回流比为100%。
由于启动期污水量不足,首先对一组污水处理系统进行启动试运行。由于启动期进水碳源不足,该厂连续投加乙醇废液作为外加碳源,投加位置为缺氧池。投加的乙醇废液来自附近啤酒厂生产废水。应用本发明提出的方法对污水厂工艺进行模拟过程如下:
(1)选中构建的ASM2g模型,根据实际情况,利用软件模型库中各种工艺组件单元建立污水处理厂的工艺流程;
(2)测定进水水质参数及进水COD组分,将进水水质浓度作为ASM2g模型组分浓度的输入值,并输入反应单元构造、工艺运行条件等进行稳态模拟;
具体为,按照国家标准分析方测定进水水质参数为:化学需氧量CODcr为202mg/L,溶解性CODcr为127mg/L、五日生化需氧量BOD5为41mg/L、总悬浮物TSS为157mg/L、总氮TN为42mg/L、氨氮NH4 +-N为28.6mg/L、硝酸盐氮NO3 --N为0.54mg/L、亚硝酸盐氮NO2 --N为0.12mg/L、总磷TP为4.5mg/L、磷酸盐PO4 3--P为3.2mg/L、pH为7.2。
按照好氧呼吸速率法测得进水COD组分为:易生物降解基质SS为54.4mg/L、发酵产物SA为34.6mg/L、可发酵的易生物降解有机物SF为19.8mg/L、惰性溶解性有机物SI为28.9mg/L、颗粒性组分为慢速可降解基质XS为81.4mg/L、惰性颗粒性有机物质XI为37.3mg/L。
将以上进水水质浓度和COD组分作为GPS-X软件内ASM2g模型的模型组分浓度输入值,并将反应单元构造尺寸、回流比等工艺运行参数输入模型,利用模型缺省值进行初步稳态模拟,得到初步模拟结果。
(3)结合灵敏度分析,校准ASM2g模型中的动力学参数和化学计量学参数,实现稳态模拟,将稳态模拟结果作为动态模拟的初始输入值,对进水水质进行动态模拟分析。
其中,经过计算分析得到ASM2g模型中动力学参数及化学计量学参数的敏感系数值列于表2:
表2
具体地,在对表2中敏感系数较大的参数进行校准时,较为优选的,本实施例采用好氧呼吸法对异氧菌产率系数YH进行实验校准;
采用实际污水与系统活性污泥对以下参数进行校准:基于SA,1的普通异养菌最大生长速率μΗ1,基于SA,1的普通异养菌生长饱和系数KSA1,H,基于SA,1的聚磷菌的最大生长速率μPAOSA1,基于SA,1的聚磷菌生长饱和系数KSA1,PAO,基于SA,1的聚磷贮存的速率常数qPPSA1,基于SA,1的异养菌产率系数YH1,基于SA,1的聚磷菌产率系数YPAOSA1,以及基于SA,1的PP贮存的产率系数YSA1。
表2中其它的参数通过GPS-X软件内置的优化高级组件Optimizer AdvancedTools进行自优化校准。
校准后的化学动力学参数值及化学计量学参数值分别见表3和表4:
表3
表4
经参数校正和验证后的ASM2g模型应用于该污水处理厂的工艺模拟,好氧池活性污泥浓度(MLSS)实测值与模拟值的比较如图2所示,出水NH4 +-N和TN实测浓度和模拟值的对比如图3所示。从图2和图3可以看出,ASM2g模型能够比较准确地反映系统活性污泥浓度的变化趋势,对脱氮除磷效果具有良好的模拟效果,验证了该方法的实用性和有效性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种乙醇类物质作为外加碳源的污水处理优化模拟方法,其特征在于,包括:
S1、将增加的动力学表达式写入含有ASM2d模型的仿真软件中,结合ASM2d模型构建新的模型ASM2g,其中,增加的反应过程包括普通异养菌基于乙醇SA1作为外加碳源的缺氧和好氧生长过程,聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧和好氧贮存过程,以及聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧和好氧生长过程,其中:
普通异养菌基于乙醇SA1作为外加碳源的好氧生长过程动力学表达式为:
普通异养菌基于乙醇SA1作为外加碳源的缺氧生长过程动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的好氧贮存动力学表达式为:
聚磷酸盐XPP基于乙醇SA1作为外加碳源的缺氧贮存动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的好氧生长动力学表达式为:
聚磷菌XPAO基于乙醇SA1作为外加碳源的缺氧生长动力学表达式为:
其中,SA1为投加的乙醇COD当量浓度,SO为氧气的浓度,SPO4为磷酸盐的浓度,SNH4为氨氮的浓度,SNO3为硝酸盐的浓度,SALK为碱度,KMAX为XPP/XPAO的最大比率,KIPP为XPP贮存的抑制系数,KPO4,PAO为聚磷菌基于SPO4的饱和系数,KNO3,PAO为聚磷菌基于SNO3的饱和系数,KALK,PAO为聚磷菌基于SALK的饱和系数,KNH4,PAO为聚磷菌基于SNH4的饱和系数,μH1为基于SA1的普通异养菌最大生长速率,KSA1,H为基于SA1的普通异养菌生长饱和系数,ηNO3,H1为基于SA1的缺氧活性SNO3降低修正因子,qPPSA1为基于SA1的聚磷XPP贮存的速率常数,KSA1,PAO为基于SA1的聚磷菌生长的饱和系数,μPAOSA1为基于SA1的聚磷菌XPAO的最大生长速率,ηNO3,PAOSA1为聚磷菌基于SA1的缺氧活性SNO3降低修正因子,SO.H为普通异养菌利用氧气的浓度,KO.H为普通异养菌基于SO的饱和系数,为普通异养菌利用氨氮的浓度,为普通异养菌基于SNH4的饱和系数,为普通异养菌基于SPO4的饱和系数,KALK.H为普通异养菌基于SALK的饱和系数,为普通异养菌基于SNO3的饱和系数,KO.PAO为聚磷菌基于SO的饱和系数;
S2、利用ASM2g模型库中的各工艺组件单元构建污水处理工艺;
S3、将进水水质浓度作为ASM2g模型组分浓度的输入,并对污水处理工艺进行初步稳态模拟;
S4、根据初步稳态模拟的结果以及灵敏度分析,校准所述ASM2g模型的动力学参数和化学计量学参数,实现稳态模拟,具体包括:
根据局部敏感度分析方法分析所述的ASM2g模型中各动力学参数、化学计量学参数以及模型组分参数的敏感系数;
当动力学参数、化学计量学参数或者模型组分参数的敏感系数超过敏感标准值时,对敏感系数超过敏感标准值的参数进行校准,以得到校正后的ASM2g模型,其中,敏感度因子Si,j表征参数的灵敏度,敏感度因子的计算公式如下:
其中,Si,j为模型参数的敏感度,xi为变化后的模型参数值,yj为变化后的状态变量值,Δyj为由参数变化引起的状态变量的变化幅度,Δxi为参数的变化幅度;
S5、将稳态模拟结果作为动态模拟的初始输入值,对动态进水水质进行动态模拟分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621621.5A CN107720975B (zh) | 2017-07-26 | 2017-07-26 | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710621621.5A CN107720975B (zh) | 2017-07-26 | 2017-07-26 | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107720975A CN107720975A (zh) | 2018-02-23 |
CN107720975B true CN107720975B (zh) | 2021-06-25 |
Family
ID=61201723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710621621.5A Active CN107720975B (zh) | 2017-07-26 | 2017-07-26 | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107720975B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112551686B (zh) * | 2020-11-20 | 2022-06-24 | 联合环境技术(天津)有限公司 | 一种通过碳源选型降低碳源药耗的方法 |
CN115536130B (zh) * | 2022-12-01 | 2023-03-14 | 济安永蓝(北京)工程技术开发有限公司 | 碳源投加方法、智能碳源投加系统及污水处理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010040872A1 (es) * | 2008-10-08 | 2010-04-15 | Universidad Politecnica De Valencia | Método para determinar la contribución de la biomasa a la dqo |
CN103632064A (zh) * | 2013-12-17 | 2014-03-12 | 扬州大学 | 一种污水生物处理活性污泥模型自适应参数校准方法 |
CN103771581A (zh) * | 2013-12-06 | 2014-05-07 | 浙江浙大中控信息技术有限公司 | 污水处理逆向求解控制方法 |
-
2017
- 2017-07-26 CN CN201710621621.5A patent/CN107720975B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010040872A1 (es) * | 2008-10-08 | 2010-04-15 | Universidad Politecnica De Valencia | Método para determinar la contribución de la biomasa a la dqo |
CN103771581A (zh) * | 2013-12-06 | 2014-05-07 | 浙江浙大中控信息技术有限公司 | 污水处理逆向求解控制方法 |
CN103632064A (zh) * | 2013-12-17 | 2014-03-12 | 扬州大学 | 一种污水生物处理活性污泥模型自适应参数校准方法 |
Non-Patent Citations (1)
Title |
---|
基于聚糖菌和聚磷菌竞争的代谢模型及影响因素;王亚宜等;《环境科学学报》;20090630;第29卷(第06期);第1132-1137页第1-2.1、3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN107720975A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mannina et al. | Greenhouse gases from wastewater treatment—A review of modelling tools | |
Flores-Alsina et al. | Including greenhouse gas emissions during benchmarking of wastewater treatment plant control strategies | |
CN107337272B (zh) | 一种投加碳源的污水处理优化控制方法 | |
Arnaldos et al. | From the affinity constant to the half-saturation index: understanding conventional modeling concepts in novel wastewater treatment processes | |
Lu et al. | Model-based evaluation of N2O production pathways in the anammox-enriched granular sludge cultivated in a sequencing batch reactor | |
Mannina et al. | A comprehensive integrated membrane bioreactor model for greenhouse gas emissions | |
Samie et al. | Modeling nitrogen removal for a denitrification biofilter | |
Gao et al. | Simulating a cyclic activated sludge system by employing a modified ASM3 model for wastewater treatment | |
Chen et al. | Impact of granule size distribution on nitrous oxide production in autotrophic nitrogen removal granular reactor | |
CN107720975B (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
Li et al. | Theoretical understanding of the optimum conditions for a mainstream granular nitritation-anammox reactor coupled with anaerobic pretreatment | |
Zhang et al. | Modeling and simulation of an extended ASM2d model for the treatment of wastewater under different COD: N ratio | |
Faris et al. | Modeling of novel processes for eliminating sidestreams impacts on full-scale sewage treatment plant using GPS-X7 | |
KR20180104413A (ko) | 하모니서치 알고리즘을 이용한 활성슬러지 공정의 산소공급량 제어 시스템 | |
Kapumbe et al. | Modeling and simulation of membrane bioreactor model based on ASM3 for domestic wastewater treatment. | |
Gulhan et al. | Modelling greenhouse gas emissions from biological wastewater treatment by GPS-X: The full-scale case study of Corleone (Italy) | |
Luo et al. | A novel model-based adaptive control strategy for step-feed SBRs dealing with influent fluctuation | |
Wichern et al. | Efficiency of the Activated Sludge Model no. 3 for German wastewater on six different WWTPs | |
Dai et al. | Efficient model calibration method based on phase experiments for anaerobic–anoxic/nitrifying (A2N) two-sludge process | |
Knapp | Study of process control strategies for biological nutrient removal in an oxidation ditch | |
Birs et al. | Modelling and calibration of a conventional activated sludge wastewater treatment plant | |
Flores-Alsina et al. | Benchmarking strategies to control GHG production and emissions | |
Elshorbagy et al. | Development of an ASM1 dynamic simulation model for an activated sludge process in United Arab Emirates | |
Esposito et al. | Four-substrate design model for single sludge predenitrification system | |
Gulhan et al. | Modelling of high-rate activated sludge process: Assessment of model parameters by sensitivity and uncertainty analyses |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 230088 No. 91 science Avenue, hi tech Zone, Anhui, Hefei Applicant after: Cecep Guozhen Environmental Protection Technology Co.,Ltd. Address before: 230088 No. 91 science Avenue, hi tech Zone, Anhui, Hefei Applicant before: Anhui Guozhen environmental protection and energy saving Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |