CN110287645A - 保障长距离输水管网水质生物稳定性的补氯方法 - Google Patents
保障长距离输水管网水质生物稳定性的补氯方法 Download PDFInfo
- Publication number
- CN110287645A CN110287645A CN201910634852.9A CN201910634852A CN110287645A CN 110287645 A CN110287645 A CN 110287645A CN 201910634852 A CN201910634852 A CN 201910634852A CN 110287645 A CN110287645 A CN 110287645A
- Authority
- CN
- China
- Prior art keywords
- water
- concentration
- dbps
- model
- formula
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 604
- 239000000460 chlorine Substances 0.000 title claims abstract description 313
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 title claims abstract description 241
- 229910052801 chlorine Inorganic materials 0.000 title claims abstract description 241
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012546 transfer Methods 0.000 title claims abstract description 45
- 230000008901 benefit Effects 0.000 title claims abstract description 30
- 125000001309 chloro group Chemical group Cl* 0.000 claims abstract description 110
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 26
- 238000006243 chemical reaction Methods 0.000 claims description 200
- HEDRZPFGACZZDS-UHFFFAOYSA-N CHCl3 Substances ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 claims description 110
- JXTHNDFMNIQAHM-UHFFFAOYSA-N dichloro-acetic acid Natural products OC(=O)C(Cl)Cl JXTHNDFMNIQAHM-UHFFFAOYSA-N 0.000 claims description 82
- YNJBWRMUSHSURL-UHFFFAOYSA-N trichloroacetic acid Chemical compound OC(=O)C(Cl)(Cl)Cl YNJBWRMUSHSURL-UHFFFAOYSA-N 0.000 claims description 76
- 102100030840 AT-rich interactive domain-containing protein 4B Human genes 0.000 claims description 74
- 101000792935 Homo sapiens AT-rich interactive domain-containing protein 4B Proteins 0.000 claims description 74
- UWIVMLUBHUNIBC-MJSUFJGSSA-N dcaa Chemical compound Cl.CN1C2=CC=CC=C2C2([C@@H](C34)OC(=O)CCl)[C@@H]1[C@@H]1CC3[C@H](CC)[C@@H](OC(=O)CCl)N1[C@H]4C2 UWIVMLUBHUNIBC-MJSUFJGSSA-N 0.000 claims description 73
- SIEILFNCEFEENQ-UHFFFAOYSA-N dibromoacetic acid Chemical compound OC(=O)C(Br)Br SIEILFNCEFEENQ-UHFFFAOYSA-N 0.000 claims description 68
- 238000004519 manufacturing process Methods 0.000 claims description 62
- 238000004659 sterilization and disinfection Methods 0.000 claims description 61
- 238000000611 regression analysis Methods 0.000 claims description 57
- KZBUYRJDOAKODT-UHFFFAOYSA-N Chlorine Chemical compound ClCl KZBUYRJDOAKODT-UHFFFAOYSA-N 0.000 claims description 50
- 238000002474 experimental method Methods 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 26
- QDHHCQZDFGDHMP-UHFFFAOYSA-N Chloramine Chemical class ClN QDHHCQZDFGDHMP-UHFFFAOYSA-N 0.000 claims description 13
- 238000005660 chlorination reaction Methods 0.000 claims description 13
- 230000001954 sterilising effect Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 12
- 241000208340 Araliaceae Species 0.000 claims description 8
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 8
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 8
- 235000008434 ginseng Nutrition 0.000 claims description 8
- GATVIKZLVQHOMN-UHFFFAOYSA-N Chlorodibromomethane Chemical compound ClC(Br)Br GATVIKZLVQHOMN-UHFFFAOYSA-N 0.000 claims description 7
- CYTYCFOTNPOANT-UHFFFAOYSA-N Perchloroethylene Chemical compound ClC(Cl)=C(Cl)Cl CYTYCFOTNPOANT-UHFFFAOYSA-N 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- ZJULYDCRWUEPTK-UHFFFAOYSA-N dichloromethyl Chemical compound Cl[CH]Cl ZJULYDCRWUEPTK-UHFFFAOYSA-N 0.000 claims description 3
- GDSOZVZXVXTJMI-SNAWJCMRSA-N (e)-1-methylbut-1-ene-1,2,4-tricarboxylic acid Chemical compound OC(=O)C(/C)=C(C(O)=O)\CCC(O)=O GDSOZVZXVXTJMI-SNAWJCMRSA-N 0.000 claims 8
- 239000008399 tap water Substances 0.000 abstract description 8
- 235000020679 tap water Nutrition 0.000 abstract description 8
- 238000011897 real-time detection Methods 0.000 abstract description 4
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 34
- 238000004458 analytical method Methods 0.000 description 28
- 229960005070 ascorbic acid Drugs 0.000 description 17
- 235000010323 ascorbic acid Nutrition 0.000 description 17
- 239000011668 ascorbic acid Substances 0.000 description 17
- 241000894006 Bacteria Species 0.000 description 10
- 238000012417 linear regression Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 239000000645 desinfectant Substances 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 235000020188 drinking water Nutrition 0.000 description 4
- 239000003651 drinking water Substances 0.000 description 4
- 230000002779 inactivation Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001580 bacterial effect Effects 0.000 description 2
- DIKBFYAXUHHXCS-UHFFFAOYSA-N bromoform Chemical compound BrC(Br)Br DIKBFYAXUHHXCS-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000001963 growth medium Substances 0.000 description 2
- QWPPOHNGKGFGJK-UHFFFAOYSA-N hypochlorous acid Chemical compound ClO QWPPOHNGKGFGJK-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- VZGDMQKNWNREIO-UHFFFAOYSA-N tetrachloromethane Chemical compound ClC(Cl)(Cl)Cl VZGDMQKNWNREIO-UHFFFAOYSA-N 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 241001017167 Lycium minimum Species 0.000 description 1
- XSTXAVWGXDQKEL-UHFFFAOYSA-N Trichloroethylene Chemical compound ClC=C(Cl)Cl XSTXAVWGXDQKEL-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N ammonia Natural products N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000249 desinfective effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N nitrogen Substances N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 239000006916 nutrient agar Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/50—Treatment of water, waste water, or sewage by addition or application of a germicide or by oligodynamic treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/72—Treatment of water, waste water, or sewage by oxidation
- C02F1/76—Treatment of water, waste water, or sewage by oxidation with halogens or compounds of halogens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- C02F2209/29—Chlorine compounds
-
- 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
- C02F2209/40—Liquid flow rate
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Water Supply & Treatment (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Hydrology & Water Resources (AREA)
- Mathematical Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Computational Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Human Resources & Organizations (AREA)
- Public Health (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Treatment Of Water By Oxidation Or Reduction (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
Abstract
保障长距离输水管网水质生物稳定性的补氯方法，它涉及一种保障长距离输水管网水质生物稳定性的补氯方法。本发明是为了解决现有城乡统筹长距离输水管网末梢水中余氯浓度偏低、异养菌落数偏高的问题。方法如下：通过在输水管网上安装余氯在线检测仪和在线流量计，得到该点的余氯和流量实时检测值，通过余氯衰减模型推算输水管网其它点的余氯值，确定余氯最低浓度限值的区域，根据滤后水中氨氮浓度和余氯衰减模型确定补氯点数量和位置进行补氯。采用本发明的补氯方法解决了现有城乡统筹长距离输水管网末梢水中余氯浓度偏低、异养菌落数偏高的问题，有效保障管网末梢水质生物稳定性，避免投氯量过高导致水中异味较重的发生。本发明属于水处理领域。
Description
技术领域
本发明涉及一种保障长距离输水管网水质生物稳定性的补氯方法。
背景技术
在城乡统筹供水模式下，供水管网的服务范围相对较大，管网的结构也比较复杂，管网中水质分布不均匀，尤其是供水管网末端，水在管道中停留的时间较长，在管道中发生复杂的物理、化学、生物作用从而容易引起水质恶化，使得管网末梢水质得不到有效保障，影响供水管网系统的服务水平；相反，管网中余氯浓度过高，也会导致水中异味较重，不宜饮用。
发明内容
本发明的目的是为了解决现有城乡统筹长距离输水管网末梢水中余氯浓度偏低、异养菌落数偏高的技术问题，提供了一种保障长距离输水管网水质生物稳定性的补氯方法。
保障长距离输水管网水质生物稳定性的补氯方法按照以下步骤进行：
一、选定所在地区的目标输水管网，分析其水中余氯和HPC间的相关性，确定输水管网保障其水质生物稳定性的水中余氯最低浓度限值；
二、取水厂清水池出水，建立余氯衰减模型和DBPs生成消耗模型，并于配水干管取样口上取样检测给水水质对水质模型进行检验和优化；
三、以水厂滤后水作为对象，测定滤后水的氨氮浓度并采用折点氯化法进行验证，确定原水中氨氮的存在对消毒产生的影响以及一定氨氮浓度条件下氯的最优投加量；
四、根据折点氯化法的分析结果，设计消毒方式的实验，并进行比较，确定不同消毒方式在保证给水水质时的区别，确定氯胺消毒为最合适的消毒工艺，并通过减小投氯量使其浓度小于清水池进水氨氮浓度的5倍；
五、通过在输水管网上安装余氯在线检测仪和在线流量计，得到该点的余氯和流量实时检测值，根据流量判断该时刻水力工况，通过余氯衰减模型推算输水管网其它点的余氯值，确定低于保障输水管网水质生物稳定性的水中余氯最低浓度限值的区域，并根据滤后水中氨氮浓度和余氯衰减模型确定补氯点数量和位置对其进行补氯，即完成补氯。
步骤二中所述建立余氯衰减模型的方法如下：
取水厂清水池出水，量取50mL加入到50mL具塞比色管中，得到多份样品，处理不同样品测定余氯浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄，
在建立余氯衰减模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
建立余氯衰减模型，对于水样中的余氯根据一级反应性质得到式1-1：
式中：c(Cl2)——水中余氯浓度，mg/L；
t——水龄，h，以向水体中投加液氯的时刻为时间原点；
k1——余氯衰减反应的速率常数，h-1；
计算得到式1-2：
式中：c(Cl2)0——水中余氯的投加浓度(mg/L)。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl3基础模型如式1-3所示：
式中：c(CHCl3)——水中CHCl3浓度，μg/L；
s(CHCl3)——CHCl3生成量与余氯消耗量的比值；
1.45——CHCl3初始浓度，μg/L。
由于s(CHCl3)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHCl3基础模型如式1-4所示：
再以CHCl3基础模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-5所示：
式中：k2——CHCl3消耗反应的速率常数，h-1；
计算出CHCl3消耗量并入CHCl3基础模型，得到CHCl3一次迭代模型如式1-6所示：
再以CHCl3一次迭代模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-7所示：
计算出CHCl3消耗量并入CHCl3一次迭代模型，得到CHCl3二次迭代模型如式1-8所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl3)＝18.525μg/L，k1＝0.128h-1，k2＝0.000588h-1，tt＝4.734h，四个待定参数预测值的标准误差分别为0.283mg/L、0.013h-1、0.000062h-1和0.682h，相对标准误差分别为1.5％、10.1％、10.5％和14.4％，将四个待定参数的预测值代入CHCl3生成消耗模型，得到所取水样CHCl3浓度的预测模型如式1-9所示：
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl2Br基础模型如式1-10所示：
式中：c(CHCl2Br)——水中CHCl2Br浓度，μg/L；
s(CHCl2Br)——CHCl2Br生成量与余氯消耗量的比值；
0.5——CHCl2Br初始浓度，μg/L；
由于s(CHCl2Br)和c(Cl2)0均为待定参数，对其进行简化，以sc表示其乘积，所以CHCl2Br基础模型如式1-11所示：
再以CHCl2Br基础模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-12所示：
式中：k2——CHCl2Br消耗反应的速率常数，h-1；
计算出CHCl2Br消耗量并入CHCl2Br基础模型，得到CHCl2Br一次迭代模型如式1-13所示：
再以CHCl2Br一次迭代模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-14所示：
计算出CHCl2Br消耗量并入CHCl2Br一次迭代模型，得到CHCl2Br二次迭代模型如式1-15所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl2Br)＝14.126μg/L，k1＝0.106h-1，k2＝0.000391h-1，tt＝4.186h，四个待定参数预测值的相对标准误差分别为1.8％、9.4％、15.0％和20.7％，将四个待定参数的预测值代入CHCl2Br生成消耗模型，得到所取水样CHCl2Br浓度的预测模型如式1-16所示：
y＝-14.230e-0.106t+0.00000112t2-0.01146t+14.730(1-16)
式中：y——水中CHCl2Br浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHClBr2基础模型如式1-17所示：
式中：c(CHClBr2)——水中CHClBr2浓度，μg/L；
s(CHClBr2)——CHClBr2生成量与余氯消耗量的比值；
0.15——CHClBr2初始浓度，μg/L；
由于s(CHClBr2)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHClBr2基础模型如式1-18所示：
再以CHClBr2基础模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-19所示：
式中：k2——CHClBr2消耗反应的速率常数，h-1；
计算出CHClBr2消耗量并入CHClBr2基础模型，得到CHClBr2一次迭代模型如式1-20所示：
再以CHClBr2一次迭代模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-21所示：
计算出CHClBr2消耗量并入CHClBr2一次迭代模型，得到CHClBr2二次迭代模型如式1-22所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHClBr2)＝2.819μg/L，k1＝0.097h-1，k2＝0.000563h-1，tt＝6.327h，四个待定参数预测值的相对标准误差分别为1.7％、10.3％、12.1％和14.0％，将四个待定参数的预测值代入CHClBr2生成消耗模型，得到所取水样CHClBr2浓度的预测模型如式1-23所示：
y＝-2.852e-0.09t+0.0000047t2-0.00355t+3.002(1-23)
式中：y——水中CHClBr2浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到C2Cl4基础模型如式1-24所示：
式中：c(C2Cl4)——水中C2Cl4浓度，μg/L；
s(C2Cl4)——C2Cl4生成量与余氯消耗量的比值；
0.008——C2Cl4初始浓度，μg/L；
由于s(C2Cl4)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以C2Cl4基础模型如式1-25所示：
再以C2Cl4基础模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-26所示：
式中：k2——C2Cl4消耗反应的速率常数，h-1；
计算出C2Cl4消耗量并入C2Cl4基础模型，得到C2Cl4一次迭代模型如式1-27所示：
再以C2Cl4一次迭代模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-28所示：
计算出C2Cl4消耗量并入C2Cl4一次迭代模型，得到C2Cl4二次迭代模型如式1-29所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(C2Cl4)＝0.609μg/L，k1＝0.304h-1，k2＝0.00185h-1，tt＝4.268h，四个待定参数预测值的相对标准误差分别为2.8％、47.7％、6.7％和54.8％，将四个待定参数的预测值代入C2Cl4生成消耗模型，得到所取水样C2Cl4浓度的预测模型如式1-30所示：
y＝-0.616e-0.304t+0.00000106t2-0.00229t+0.624(1-30)
式中：y——水中C2Cl4浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DCAA基础模型如式1-31所示：
式中：c(DCAA)——水中DCAA浓度，μg/L；
s(DCAA)——DCAA生成量与余氯消耗量的比值；
0.23——DCAA初始浓度，μg/L；
由于s(DCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DCAA基础模型如式1-32所示：
再以DCAA基础模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-33所示：
式中：k2——DCAA消耗反应的速率常数，h-1；
计算出DCAA消耗量并入DCAA基础模型，得到DCAA一次迭代模型如式1-34所示：
再以DCAA一次迭代模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-35所示：
计算出DCAA消耗量并入DCAA一次迭代模型，得到DCAA二次迭代模型如式1-36所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DCAA)＝2.489μg/L，k1＝0.072h-1，k2＝0.001986h-1，tt＝2.993h，四个待定参数预测值的相对标准误差分别为2.5％、9.7％、4.3％和19.9％，将四个待定参数的预测值代入DCAA生成消耗模型，得到所取水样DCAA浓度的预测模型如式1-37所示：
y＝-2.628e-0.072t+0.00000536-0.01094t+2.858(1-37)
式中：y——水中DCAA浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，定时向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到TCAA基础模型如式1-38所示：
式中：c(TCAA)——水中TCAA浓度，μg/L；
s(TCAA)——TCAA生成量与余氯消耗量的比值；
0.216——TCAA初始浓度，μg/L；
由于s(TCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-39所示：
再以TCAA基础模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-40所示：
式中：k2——TCAA消耗反应的速率常数，h-1；
计算出TCAA消耗量并入TCAA基础模型，得到TCAA一次迭代模型如式1-41所示：
再以TCAA一次迭代模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-42所示：
计算出TCAA消耗量并入TCAA一次迭代模型，得到TCAA二次迭代模型如式1-43所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(TCAA)＝1.973μg/L，k1＝0.132h-1，k2＝0.000572h-1，tt＝2.013h，四个待定参数预测值的相对标准误差分别为2.2％、11.4％、15.9％和24.2％，将四个待定参数的预测值代入TCAA生成消耗模型，得到所取水样TCAA浓度的预测模型如式1-44所示：
y＝-1.990e-0.132t+0.00000036t2-0.00251t+2.206(1-44)
式中：y——水中TCAA浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到BCAA基础模型如式1-45所示：
式中：c(BCAA)——水中BCAA浓度，μg/L；
s(BCAA)——BCAA生成量与余氯消耗量的比值；
0.177——BCAA初始浓度，μg/L；
由于s(BCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-46所示：
再以BCAA基础模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-47所示：
式中：k2——BCAA消耗反应的速率常数，h-1；
计算出BCAA消耗量并入BCAA基础模型，得到BCAA一次迭代模型如式1-48所示：
再以BCAA一次迭代模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-49所示：
计算出BCAA消耗量并入BCAA一次迭代模型，得到BCAA二次迭代模型如式1-50所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(BCAA)＝2.557μg/L，k1＝0.073h-1，k2＝0.002020h-1，tt＝4.723h，四个待定参数预测值的相对标准误差分别为4.0％、16.4％、6.8％和27.4％，将四个待定参数的预测值代入BCAA生成消耗模型，得到所取水样BCAA浓度的预测模型如式1-51所示：
y＝-2.700e-0.073t+0.00000558t2-0.01119t+2.877(1-51)
式中：y——水中BCAA浓度，μg/L。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DBAA基础模型如式1-52所示：
式中：c(DBAA)——水中DBAA浓度，μg/L；
s(DBAA)——DBAA生成量与余氯消耗量的比值；
0.027——DBAA初始浓度，μg/L；
由于s(DBAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DBAA基础模型如式1-53所示：
再以DBAA基础模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-54所示：
式中：k2——DBAA消耗反应的速率常数，h-1；
计算出DBAA消耗量并入DBAA基础模型，得到DBAA一次迭代模型如式1-55所示：
再以DBAA一次迭代模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-56所示：
计算出DBAA消耗量并入DBAA一次迭代模型，得到DBAA二次迭代模型如式1-57所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DBAA)＝1.143μg/L，k1＝0.101h-1，k2＝0.001806h-1，tt＝4.315h，四个待定参数预测值的相对标准误差分别为2.4％、12.9％、5.4％和20.4％，将四个待定参数的预测值代入DBAA生成消耗模型，得到所取水样DBAA浓度的预测模型如式1-58所示：
y＝-1.184e-0.101t+0.00000191t2-0.00426t+1.211(1-58)
式中：y——水中DBAA浓度，μg/L。
采用本发明的补氯方法解决了现有城乡统筹长距离输水管网末梢水中余氯浓度偏低、异养菌落数偏高的技术问题，本发明能有效保障长距离管网末梢水质生物稳定性，避免投氯量过高导致水中异味较重，不宜饮用情况的发生。
附图说明
图1是实验一步骤一中8个采样点春季水中自由余氯平均值与HPC平均值的对应关系曲线图；图2是实验一步骤一中8个采样点夏季水中自由余氯平均值与HPC平均值的对应关系曲线图；图3是实验一步骤一中8个采样点秋季水中自由余氯平均值与HPC平均值的对应关系曲线图；图4是实验一步骤一中8个采样点冬季水中自由余氯平均值与HPC平均值的对应关系曲线图；图5是实验一步骤二中采用DBPs预测模型预测CHCl3浓度与实际浓度的对比图；图6是实验一步骤二中采用DBPs预测模型预测CHCl2Br浓度与实际浓度的对比图；图7是实验一步骤二中采用DBPs预测模型预测DCAA浓度与实际浓度的对比图；图8是实验一步骤二中采用DBPs预测模型预测TCAA浓度与实际浓度的对比图；图9是实验一步骤二中采用优化的DBPs预测模型预测CHCl3浓度的线性回归分析图；图10是实验一步骤二中采用优化的DBPs预测模型预测CHCl2Br浓度的线性回归分析图；图11是实验一步骤二中采用优化的DBPs预测模型预测DCAA浓度的线性回归分析图；图12是实验一步骤二中采用优化的DBPs预测模型预测TCAA浓度的线性回归分析图；图13是实验一步骤二中采用经过修正后的DBPs预测模型预测CHCl3浓度的线性回归分析图；图14是实验一步骤二中采用经过修正后的DBPs预测模型预测CHCl2Br浓度的线性回归分析图；图15是实验一步骤二中采用经过修正后的DBPs预测模型预测DCAA浓度的线性回归分析图；图16是实验一步骤二中采用经过修正后的DBPs预测模型预测TCAA浓度的线性回归分析图；图17是实验一步骤二中实际测定和模型预测的余氯衰减情况对比图；图18是实验一步骤二中实际测定和以公式预测的CHCl3浓度随时间变化曲线；图19是实验一的步骤三中不同投氯量时余氯浓度和余氯损耗量的关系曲线图；图20是实验一步骤四中不同消毒方式下DBPs生成情况对比图；图21是实验一步骤四中使用氯胺消毒二次加氯前和消毒结束后DBPs浓度对比图；图22是实验一中不同采样点余氯的检测结果图；图23是实验一中不同采样点的HPC的变化图；图24是实验一中不同采样点的总大肠菌群的变化图。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式，还包括各具体实施方式间的任意组合。
具体实施方式一：本实施方式保障长距离输水管网水质生物稳定性的补氯方法按照以下步骤进行：
一、选定所在地区的目标输水管网，分析其水中余氯和HPC间的相关性，确定输水管网保障其水质生物稳定性的水中余氯最低浓度限值；
二、取水厂清水池出水，建立余氯衰减模型和DBPs生成消耗模型，并于配水干管取样口上取样检测给水水质对水质模型进行检验和优化；
三、以水厂滤后水作为对象，测定滤后水的氨氮浓度并采用折点氯化法进行验证，确定原水中氨氮的存在对消毒产生的影响以及一定氨氮浓度条件下氯的最优投加量；
四、根据折点氯化法的分析结果，设计消毒方式的实验，并进行比较，确定不同消毒方式在保证给水水质时的区别，确定氯胺消毒为最合适的消毒工艺，并通过减小投氯量使其浓度小于清水池进水氨氮浓度的5倍；
五、通过在输水管网上安装余氯在线检测仪和在线流量计，得到该点的余氯和流量实时检测值，根据流量判断该时刻水力工况，通过余氯衰减模型推算输水管网其它点的余氯值，确定低于保障输水管网水质生物稳定性的水中余氯最低浓度限值的区域，并根据滤后水中氨氮浓度和余氯衰减模型确定补氯点数量和位置对其进行补氯，即完成补氯。
具体实施方式二：本实施方式与具体实施方式一不同的是步骤二中所述建立余氯衰减模型的方法如下：
取水厂清水池出水，量取50mL加入到50mL具塞比色管中，得到多份样品，处理不同样品测定余氯浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄，
在建立余氯衰减模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
建立余氯衰减模型，对于水样中的余氯根据一级反应性质得到式1-1：
式中：c(Cl2)——水中余氯浓度，mg/L；
t——水龄，h，以向水体中投加液氯的时刻为时间原点；
k1——余氯衰减反应的速率常数，h-1；
计算得到式1-2：
式中：c(Cl2)0——水中余氯的投加浓度(mg/L)。
其他与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl3基础模型如式1-3所示：
式中：c(CHCl3)——水中CHCl3浓度，μg/L；
s(CHCl3)——CHCl3生成量与余氯消耗量的比值；
1.45——CHCl3初始浓度，μg/L。
由于s(CHCl3)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHCl3基础模型如式1-4所示：
再以CHCl3基础模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-5所示：
式中：k2——CHCl3消耗反应的速率常数，h-1；
计算出CHCl3消耗量并入CHCl3基础模型，得到CHCl3一次迭代模型如式1-6所示：
再以CHCl3一次迭代模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-7所示：
计算出CHCl3消耗量并入CHCl3一次迭代模型，得到CHCl3二次迭代模型如式1-8所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl3)＝18.525μg/L，k1＝0.128h-1，k2＝0.000588h-1，tt＝4.734h，四个待定参数预测值的标准误差分别为0.283mg/L、0.013h-1、0.000062h-1和0.682h，相对标准误差分别为1.5％、10.1％、10.5％和14.4％，将四个待定参数的预测值代入CHCl3生成消耗模型，得到所取水样在实验条件下CHCl3浓度的预测模型如式1-9所示：
其他与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl2Br基础模型如式1-10所示：
式中：c(CHCl2Br)——水中CHCl2Br浓度，μg/L；
s(CHCl2Br)——CHCl2Br生成量与余氯消耗量的比值；
0.5——CHCl2Br初始浓度，μg/L；
由于s(CHCl2Br)和c(Cl2)0均为待定参数，对其进行简化，以sc表示其乘积，所以CHCl2Br基础模型如式1-11所示：
再以CHCl2Br基础模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-12所示：
式中：k2——CHCl2Br消耗反应的速率常数，h-1；
计算出CHCl2Br消耗量并入CHCl2Br基础模型，得到CHCl2Br一次迭代模型如式1-13所示：
再以CHCl2Br一次迭代模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-14所示：
计算出CHCl2Br消耗量并入CHCl2Br一次迭代模型，得到CHCl2Br二次迭代模型如式1-15所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl2Br)＝14.126μg/L，k1＝0.106h-1，k2＝0.000391h-1，tt＝4.186h，四个待定参数预测值的相对标准误差分别为1.8％、9.4％、15.0％和20.7％，将四个待定参数的预测值代入CHCl2Br生成消耗模型，得到所取水样CHCl2Br浓度的预测模型如式1-16所示：
y＝-14.230e-0.106t+0.00000112t2-0.01146t+14.730(1-16)
式中：y——水中CHCl2Br浓度，μg/L。其他与具体实施方式一或二相同。
具体实施方式五：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHClBr2基础模型如式1-17所示：
式中：c(CHClBr2)——水中CHClBr2浓度，μg/L；
s(CHClBr2)——CHClBr2生成量与余氯消耗量的比值；
0.15——CHClBr2初始浓度，μg/L；
由于s(CHClBr2)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHClBr2基础模型如式1-18所示：
再以CHClBr2基础模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-19所示：
式中：k2——CHClBr2消耗反应的速率常数，h-1；
计算出CHClBr2消耗量并入CHClBr2基础模型，得到CHClBr2一次迭代模型如式1-20所示：
再以CHClBr2一次迭代模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-21所示：
计算出CHClBr2消耗量并入CHClBr2一次迭代模型，得到CHClBr2二次迭代模型如式1-22所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHClBr2)＝2.819μg/L，k1＝0.097h-1，k2＝0.000563h-1，tt＝6.327h，四个待定参数预测值的相对标准误差分别为1.7％、10.3％、12.1％和14.0％，将四个待定参数的预测值代入CHClBr2生成消耗模型，得到所取水样CHClBr2浓度的预测模型如式1-23所示：
y＝-2.852e-0.09t+0.0000047t2-0.00355t+3.002(1-23)
式中：y——水中CHClBr2浓度，μg/L。其他与具体实施方式一或二相同。
具体实施方式六：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到C2Cl4基础模型如式1-24所示：
式中：c(C2Cl4)——水中C2Cl4浓度，μg/L；
s(C2Cl4)——C2Cl4生成量与余氯消耗量的比值；
0.008——C2Cl4初始浓度，μg/L；
由于s(C2Cl4)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以C2Cl4基础模型如式1-25所示：
再以C2Cl4基础模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-26所示：
式中：k2——C2Cl4消耗反应的速率常数，h-1；
计算出C2Cl4消耗量并入C2Cl4基础模型，得到C2Cl4一次迭代模型如式1-27所示：
再以C2Cl4一次迭代模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-28所示：
计算出C2Cl4消耗量并入C2Cl4一次迭代模型，得到C2Cl4二次迭代模型如式1-29所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(C2Cl4)＝0.609μg/L，k1＝0.304h-1，k2＝0.00185h-1，tt＝4.268h，四个待定参数预测值的相对标准误差分别为2.8％、47.7％、6.7％和54.8％，将四个待定参数的预测值代入C2Cl4生成消耗模型，得到所取水样C2Cl4浓度的预测模型如式1-30所示：
y＝-0.616e-0.304t+0.00000106t2-0.00229t+0.624(1-30)
式中：y——水中C2Cl4浓度，μg/L。其他与具体实施方式一或二相同。
具体实施方式七：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DCAA基础模型如式1-31所示：
式中：c(DCAA)——水中DCAA浓度，μg/L；
s(DCAA)——DCAA生成量与余氯消耗量的比值；
0.23——DCAA初始浓度，μg/L；
由于s(DCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DCAA基础模型如式1-32所示：
再以DCAA基础模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-33所示：
式中：k2——DCAA消耗反应的速率常数，h-1；
计算出DCAA消耗量并入DCAA基础模型，得到DCAA一次迭代模型如式1-34所示：
再以DCAA一次迭代模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-35所示：
计算出DCAA消耗量并入DCAA一次迭代模型，得到DCAA二次迭代模型如式1-36所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DCAA)＝2.489μg/L，k1＝0.072h-1，k2＝0.001986h-1，tt＝2.993h，四个待定参数预测值的相对标准误差分别为2.5％、9.7％、4.3％和19.9％，将四个待定参数的预测值代入DCAA生成消耗模型，得到所取水样DCAA浓度的预测模型如式1-37所示：
y＝-2.628e-0.072t+0.00000536-0.01094t+2.858(1-37)
式中：y——水中DCAA浓度，μg/L。其他与具体实施方式一或二相同。
具体实施方式八：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到TCAA基础模型如式1-38所示：
式中：c(TCAA)——水中TCAA浓度，μg/L；
s(TCAA)——TCAA生成量与余氯消耗量的比值；
0.216——TCAA初始浓度，μg/L；
由于s(TCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-39所示：
再以TCAA基础模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-40所示：
式中：k2——TCAA消耗反应的速率常数，h-1；
计算出TCAA消耗量并入TCAA基础模型，得到TCAA一次迭代模型如式1-41所示：
再以TCAA一次迭代模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-42所示：
计算出TCAA消耗量并入TCAA一次迭代模型，得到TCAA二次迭代模型如式1-43所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(TCAA)＝1.973μg/L，k1＝0.132h-1，k2＝0.000572h-1，tt＝2.013h，四个待定参数预测值的相对标准误差分别为2.2％、11.4％、15.9％和24.2％，将四个待定参数的预测值代入TCAA生成消耗模型，得到所取水样TCAA浓度的预测模型如式1-44所示：
y＝-1.990e-0.132t+0.00000036t2-0.00251t+2.206(1-44)
式中：y——水中TCAA浓度，μg/L。其他与具体实施方式一或二相同。
具体实施方式九：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，定时向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到BCAA基础模型如式1-45所示：
式中：c(BCAA)——水中BCAA浓度，μg/L；
s(BCAA)——BCAA生成量与余氯消耗量的比值；
0.177——BCAA初始浓度，μg/L；
由于s(BCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-46所示：
再以BCAA基础模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-47所示：
式中：k2——BCAA消耗反应的速率常数，h-1；
计算出BCAA消耗量并入BCAA基础模型，得到BCAA一次迭代模型如式1-48所示：
再以BCAA一次迭代模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-49所示：
计算出BCAA消耗量并入BCAA一次迭代模型，得到BCAA二次迭代模型如式1-50所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(BCAA)＝2.557μg/L，k1＝0.073h-1，k2＝0.002020h-1，tt＝4.723h，四个待定参数预测值的相对标准误差分别为4.0％、16.4％、6.8％和27.4％，将四个待定参数的预测值代入BCAA生成消耗模型，得到所取水样BCAA浓度的预测模型如式1-51所示：
y＝-2.700e-0.073t+0.00000558t2-0.01119t+2.877(1-51)
式中：y——水中BCAA浓度，μg/L。其他与具体实施方式一或二不同相同。
具体实施方式十：本实施方式与具体实施方式一或二不同的是步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DBAA基础模型如式1-52所示：
式中：c(DBAA)——水中DBAA浓度，μg/L；
s(DBAA)——DBAA生成量与余氯消耗量的比值；
0.027——DBAA初始浓度，μg/L；
由于s(DBAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DBAA基础模型如式1-53所示：
再以DBAA基础模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-54所示：
式中：k2——DBAA消耗反应的速率常数，h-1；
计算出DBAA消耗量并入DBAA基础模型，得到DBAA一次迭代模型如式1-55所示：
再以DBAA一次迭代模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-56所示：
计算出DBAA消耗量并入DBAA一次迭代模型，得到DBAA二次迭代模型如式1-57所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DBAA)＝1.143μg/L，k1＝0.101h-1，k2＝0.001806h-1，tt＝4.315h，四个待定参数预测值的相对标准误差分别为2.4％、12.9％、5.4％和20.4％，将四个待定参数的预测值代入DBAA生成消耗模型，得到所取水样DBAA浓度的预测模型如式1-58所示：
y＝-1.184e-0.101t+0.00000191t2-0.00426t+1.211(1-58)
式中：y——水中DBAA浓度，μg/L。其他与具体实施方式一或二相同。
采用下述实验验证本发明效果：
实验一：
保障长距离输水管网水质生物稳定性的补氯方法按照以下步骤进行：
一、选定宜兴市高塍镇(本发明实验中所选管网的地区)的目标输水管网，分析其水中余氯和HPC间的相关性：
以宜兴市高塍镇示范管线为例，不同季节水中自由余氯平均值与HPC平均值的对应关系，可以直观的表述管网水体中余氯对细菌灭活与细菌生长相互作用的强弱，从图1-图4中可以看出，一年四季，从采样点1到采样点5，管网水体中余氯含量和HPC都是逐渐降低的，且在5个采样点中，采样点5余氯含量和HPC与另外四个采样点相比，基本都是同一时期最低值，其中余氯平均值为0.23-0.3mg/L，HPC为60.8-73.33CFU/mL。这表明在采样点5之前的采样点水体中余氯的浓度所起到的灭活作用要大于管网中细菌的生长作用，即在目前水质和消毒条件下，管网水体中余氯含量大于0.23mg/L以上时，此时管网中余氯处在充足状态，余氯的灭活速率要大于细菌的生长速率，能够持续降低水相中的细菌，维持供水管网的生物稳定性。在随后的采样点6到采样点8，随着管网长度的增加，沿水流方向，管网水体中余氯含量逐渐降低，HPC含量却逐渐增加，且增加速率越来越大。在整条管网的采样点中采样点8余氯含量平均值为同一时期最低值，在0.03-0.14mg/L。HPC含量却是同一时期最高值。这表明在采样点5之后，随着管网水体中余氯含量的进一步衰减，其对细菌的灭活速率小于细菌的生长速率，引起供水管网水中细菌数量增加，导致管网出水水质变差。因此，在目前水质、消毒工艺条件下，目标管网水体中余氯在0.23mg/L以上时，能够持续灭活水相中的细菌，维持供水管网的生物稳定性。
确定输水管网保障其水质生物稳定性的水中余氯最低浓度限值为0.23mg/L；
二、取宜兴市氿滨水厂清水池出水，建立余氯衰减模型和DBPs生成消耗模型，并于配水干管取样口上取样检测给水水质对水质模型进行检验和优化；
水质模型检验：
于示范管网取样口上取样检测给水水质，同时根据流量计检测流量数据计算取样点水龄，取清水池出水检测计算得到给水实际投氯量，取清水池进水测定其DBPFP。
根据实际管网DBPs检测结果发现，配水系统中DBPs浓度小于饮用水国家标准限定值，而且DBPs浓度沿配水管道流向逐渐变大。由于CHBr3、CCl4、C2HCl3、C2Cl4和DBAA浓度较低，DBPs生成消耗模型和pH-温度联合指标响应曲面无法建立，同时CHClBr2和BCAA生成量与投氯量之间的线性关系范围很小，应用受到约束。所以只对CHCl3、CHCl2Br、DCAA和TCAA四种中DBPs进行生成量预测和比较，检验配水管网配水管网DBPs浓度预测模型的适用性。预测结果如图5-图8所示。
由图5-图8可知，模型预测结果均明显小于实际测定值，且存在一定的分布趋势，说明通过DBPs预测模型预测DBPs生成量时会存在一定比例的缩小。对这一情况进行分析，确定这一固定比例缩小应该有对于[投氯量]/[投氯量st]这一项的不适合定量造成。虽然在低投氯量时CHCl3、CHCl2Br、DCAA和TCAA生成量与投氯量之间存在明显的线性关系，但是0.5-5.0mg/L范围内的这四种DBPs浓度随投氯量的变化曲线仍然是一条上凸型曲线，当水体中DBPPs浓度偏低的时候这一情况更加严重，会直接导致[投氯量]/[投氯量st]大于c(Cl2)/c(Cl2)st，所以在采用c(Cl2)/c(Cl2)st替代[投氯量]/[投氯量st]进行定量预测计算时会引起DBPs预测值小于实际值。
水质模型的优化：
为了解决DBPs预测模型预测DBPs生成量时存在一定比例缩小的情况，引入修正量k进行弥补，得到优化的DBPs预测模型如式所示：
[投氯量]/[投氯量st]＝k·c(Cl2)/c(Cl2)st
为了确定出k值，对各种DBPs预测结果进行线性回归，回归结果如图9-图12所示。
虽然在采用c(Cl2)/c(Cl2)st定量代替[投氯量]/[投氯量st]时对于不同投氯量有不同的替代不吻合度，但根据回归分析结果可得，模型预测DBPs时的缩小比例比较相似，线性回归系数均达到0.850。
根据水质模型的检验结果，有必要引入修正量k以弥补DBPPs预测值的固定比例缩小。向预测模型引入的修正量k为模型预测结果回归曲线斜率的倒数，所以向CHCl3、CHCl2Br、DCAA和TCAA预测模型引入的修正量k分别为2.299、3.367、1.410和1.923。所以这四种DBPs的最终预测模型如式所示：
经过修正后的DBPPs预测模型预测结果如图13-图16所示：
由图13-图16可知，修正后的DBPPs预测模型对配水管网中DBPPs浓度具有较好的预测能力，可以进行使用。
步骤二中所述建立余氯衰减模型的方法如下：
取该宜兴市市氿滨水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，处理不同样品测定余氯浓度。以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄。
在建立余氯衰减模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准。
建立余氯衰减模型，对于水样中的余氯根据一级反应性质得到式1-1：
式中：c(Cl2)——水中余氯浓度，mg/L；
t——水龄，h，以向水体中投加液氯的时刻为时间原点；
k1——余氯衰减反应的速率常数，h-1。
计算得到式1-2：
式中：c(Cl2)0——水中余氯的投加浓度(mg/L)；
使用SPSS软件以检测得到的数据按照此模型进行回归分析。由于余氯检测精度较低，且其变化趋势过于简单，使得对模型中两个相互依赖的待确定参数c(Cl2)0和tt的估计存在极大的偏差。直接回归分析得到的结果为c(Cl2)0＝0.687mg/L，k1＝0.062h-1，tt＝4.028h，三个参数的预测相对标准误差分别为159949490％、8.1％和643227159.8％，显然回归分析预测c(Cl2)0和tt值时存在过大误差，结果不可信任。因为预测出的k1和tt值与下文DBPs生成消耗模型中预测出的值较为接近，说明提出的假设具有一定的合理性，因此使用DBPs生成消耗模型中预测出的tt＝4.195h作为限定条件，对余氯衰减模型再进行回归分析，结果如表1所示：
表1余氯衰减模型及回归分析结果
模型预测确定性系数R2达到0.978，说明模型对于余氯随时间变化情况的拟合度非常高，实际测定和模型预测的余氯衰减情况如图17所示，其也更加直观的表现出模型的拟合情况。
步骤二中所述建立DBPs生成消耗模型的方法如下：
取该宜兴市市氿滨水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品。向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后及时按照既定检测方法测定各种DBPs浓度。得到不同水龄水样DBPs浓度。以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄。
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准。
基于数学计算考虑，采用迭代的方式进行模型建立。以建立CHCl3生成消耗模型为例，首先忽略DBPs的消耗，得到CHCl3基础模型如式1-3所示：
式中：c(CHCl3)——水中CHCl3浓度，μg/L；
s(CHCl3)——CHCl3生成量与余氯消耗量的比值；
1.45——CHCl3初始浓度，μg/L。
由于s(CHCl3)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHCl3基础模型如式1-4所示：
再以CHCl3基础模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-5所示：
式中：k2——CHCl3消耗反应的速率常数，h-1；
计算出CHCl3消耗量并入CHCl3基础模型，得到CHCl3一次迭代模型如式1-6所示：
再以CHCl3一次迭代模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-7所示：
计算出CHCl3消耗量并入CHCl3一次迭代模型，得到CHCl3二次迭代模型如式1-8所示：
还能以CHCl3二次迭代模型作为CHCl3消耗速率计算的基础，继续进行迭代得到CHCl3三次迭代模型，回归分析的结果表明二次迭代模型和三次迭代模型得到的曲线非常接近，这是因为CHCl3的消耗量相对于其生成量较小，所以对于消耗量进行的优化迭代次数超过两次后就趋于稳定了，所增加的模型项相对于其他项属于高阶无穷小项。所以使用CHCl3二次迭代模型作为CHCl3生成消耗模型。
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析。回归分析得到的结果为sc(CHCl3)＝18.525μg/L，k1＝0.128h-1，k2＝0.000588h-1，tt＝4.734h。四个待定参数预测值的标准误差分别为0.283mg/L、0.013h-1、0.000062h-1和0.682h，相对标准误差分别为1.5％、10.1％、10.5％和14.4％，说明使用已知数据按照此模型进行回归分析的精密度较好，确定未知参数时不存在明显的波动性和不可预测性。将四个待定参数的预测值代入CHCl3生成消耗模型，得到所取水样在实验条件下CHCl3浓度的预测模型如式1-9所示：
实际测定和以该公式预测的CHCl3浓度随时间变化情况如图18所示：
由图18可得模型较好的表现出了水中CHCl3浓度随时间的变化情况，部分偏差较大的点与实际测定的变化趋势也是不吻合的，说明这是由实验操作和仪器测定共同产生的测定不确定度引起的，与模型适合性无关。
使用相同迭代方式得到各个DBPs生成消耗模型及回归分析结果。
三、以水厂滤后水作为对象，测定滤后水的氨氮浓度为0.111mg/L，向其中加入不同浓度余氯，振荡10min后测定溶液余氯浓度，得到不同投氯量时余氯浓度和余氯损耗量(见图19)，可得当投氯量与氨氮浓度比超过5后会发生如式1-10的反应：
2NH2Cl+HOCl→N2↑+3HCl+H2O(1-10)
造成余氯损耗。
并采用折点氯化法进行验证，确定原水中氨氮的存在对消毒产生的影响以及一定氨氮浓度条件下氯的最优投加量(氨氮和氯最优投加比为1:5)；
四、根据折点氯化法的分析结果，分别采用氯胺和液氯进行消毒实验：，根据水质风险预测和折点氯化实验的结果，进行消毒工艺优化实验。以宜兴市氿滨水厂滤后水作为实验用水，氨氮浓度为0.111mg/L。对三组水样同时进行实验，向第一组水样加入0.5mg/L余氯，由于水样中存在足够的氨氮，所以有效消毒剂为一氯胺，消毒2d之后再像水样中加入0.3mg/L余氯；向第二组水样中加入0.1mg/L氨氮和0.8mg/L余氯，有效消毒剂为一氯胺；向第三组水样中加入1.2mg/L余氯，振荡10min后测定余氯浓度为0.8mg/L，有效消毒剂为HClO。用HCl调节水样pH至7.5，11℃下保存四天后测定水样DBPs浓度，如图20所示。
由图20可知，相同投氯量时氯胺消毒产生的DBPs约为液氯的一半，说明氯胺在减小DBPs生成量方面要优于液氯。同样使用氯胺消毒，二次消毒产生的DBPs要明显高于相同投氯量下的单次消毒，这是因为DBPs在生成的同时也存在自身的消耗。由于投氯量较大，单次消毒在短时间内产生的DBPs量要高于二次消毒，但随着消毒剂的消耗，DBPs生成速率减小至低于其消耗速率，DBPs浓度下降。但由于二次消毒会再次向给水中加入一定量的消毒剂，使得DBPs浓度再次上升并超过单次消毒，所以产生了二次消毒DBPs浓度明显高于单次消毒的现象。但随着水龄的继续增大，两种消毒方式产生的DBPs应该比较接近。
对于二次消毒，在再次投加消毒剂前，即投加0.5mg/L余氯之后2d，测定DBPs浓度，并于最终DBPs浓度对比，结果如图21所示：
由图21可知二次投氯消毒2d会增加CHCl3、DCAA、BCAA和DBAA的浓度，但是对CHCl2Br、CHClBr2、CHBr3、C2Cl4和TCAA的增加量小于其自身消耗量，使得这5种DBPs最终浓度要小于二次投氯前它们的浓度。
相同投氯量时氯胺消毒产生的DBPs约为液氯的一半，说明氯胺在减小DBPs生成量方面要优于液氯。对不同含氯消毒方式进行综合比较，更适合使用氯胺进行消毒。因此在给水系统运行过程中，通过减小投氯量使其浓度小于清水池进水氨氮浓度的5倍，以使用原水中的氨氮和投加的液氯生成氯胺，避免余氯损耗。如果出现原水氨氮浓度过低的情况，可通过人工投加氨氮。需要进行补氯的区域，补氯点补氯后水中的余氯浓度要小于水中氨氮浓度的5倍，避免余氯损耗，如水中氨氮浓度过低，通过人工投加氨氮，以保证管网末端余氯浓度达标，防止配水管网中出现微生物滋生的情况。
五、通过在输水管网上安装余氯在线检测仪和在线流量计，得到该点的余氯和流量实时检测值，根据流量判断该时刻水力工况，通过余氯衰减模型推算输水管网其它点的余氯值，确定低于保障输水管网水质生物稳定性的水中余氯最低浓度限值的区域，并根据滤后水中氨氮浓度和余氯衰减模型确定补氯点数量和位置对其进行补氯，即完成补氯。
以高塍镇示范管线为例，在供水管线上设置8个采样点(考虑到管龄、管材、管径以及管线长度，不同管龄、管材、管径供水管道上最少都设一采样点，采样点间的距离在2公里)，其中1号采样点为在线监测点，8号采样点为管网末梢。某一时刻供水管余氯在线检测仪检测该监测点余氯含量为0.4mg/L，以1号采样点余氯含量的时刻为时间原点，使用供水管上的流量计实时测定管道流量，计算得到各取样点水龄。经过余氯衰减模型计算，得到各点余氯含量见表2：
表2二次加氯前各点余氯含量
由表2可知，这一时刻管网末梢水质存在生物风险(余氯含量<0.23mg/L)，需要进行中途补氯提高其余氯含量。经过优化模型计算，最优的加氯方案是在6号采样点处加氯量为0.43mg/L。在中途加氯间调节加氯机的工作状态，按照优化的加氯量进行投加。
确定补氯措施且补氯后，对输水管网8个采样点的余氯进行检测，各检测点余氯统计结果见图22，测试结果显示，采用补氯的措施后，管网末梢余氯的最大值为0.35mg/L，最小值为0.26mg/L，平均值为0.31mg/L。最小值≥0.05mg/L，满足水质标准，且高于保障其水质生物稳定性的水中余氯最低浓度限值(0.23mg/L)。
不同采样点的HPC的变化如图23所示，HPC作为饮用水微生物特性的指示性指标，能够很好地反应管网水的生物特性。当管网中余氯充足时，能够持续降低水相中的细菌，维持供水管网的生物稳定性。补氯后，随着管网末端水中有效余氯的增加(>0.23mg/L)，管网末端管段水体中HPC相较于未采取措施以前明显减少，8个采样点中HPC最高值为98CFU/mL，满足我国标准要求的菌落总数≦100CFU/mL。相比于《生活饮用水卫生标准》(GB5749-2006)要求的菌落总数的检测方法(营养琼脂培养基，36℃，2d)，HPC检测方法(R2A培养基，22℃，7d)具有培养基、培养温度和培养时间更符合实际管网细菌生长环境，细菌总数检测值高等优势，其能更加真实的反应管网水的生物特性。
大肠菌群各监测点的具体分析结果见图24，《生活饮用水水质卫生规范》中规定饮用水中每100mL不得检出有大肠菌群存在测试结果显示，采用补氯措施后，各采样点大肠菌群检测平均值为0。
Claims (10)
1.保障长距离输水管网水质生物稳定性的补氯方法，其特征在于所述保障长距离输水管网水质生物稳定性的补氯方法按照以下步骤进行：
一、选定所在地区的目标输水管网，分析其水中余氯和HPC间的相关性，确定输水管网保障其水质生物稳定性的水中余氯最低浓度限值；
二、取水厂清水池出水，建立余氯衰减模型和DBPs生成消耗模型，并于配水干管取样口上取样检测给水水质对水质模型进行检验和优化；
三、以水厂滤后水作为对象，测定滤后水的氨氮浓度并采用折点氯化法进行验证，确定原水中氨氮的存在对消毒产生的影响以及一定氨氮浓度条件下氯的最优投加量；
四、根据折点氯化法的分析结果，设计消毒方式的实验，并进行比较，确定不同消毒方式在保证给水水质时的区别，确定氯胺消毒为最合适的消毒工艺，并通过减小投氯量使其浓度小于清水池进水氨氮浓度的5倍；
五、通过在输水管网上安装余氯在线检测仪和在线流量计，得到该点的余氯和流量实时检测值，根据流量判断该时刻水力工况，通过余氯衰减模型推算输水管网其它点的余氯值，确定低于保障输水管网水质生物稳定性的水中余氯最低浓度限值的区域，并根据滤后水中氨氮浓度和余氯衰减模型确定补氯点数量和位置对其进行补氯，即完成补氯。
2.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立余氯衰减模型的方法如下：
取水厂清水池出水，量取50mL加入到50mL具塞比色管中，得到多份样品，处理不同样品测定余氯浓度,以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄,
在建立余氯衰减模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
建立余氯衰减模型，对于水样中的余氯根据一级反应性质得到式1-1：
式中：c(Cl2)——水中余氯浓度，mg/L；
t——水龄，h，以向水体中投加液氯的时刻为时间原点；
k1——余氯衰减反应的速率常数，h-1；
计算得到式1-2：
式中：c(Cl2)0——水中余氯的投加浓度(mg/L)。
3.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl3基础模型如式1-3所示：
式中：c(CHCl3)——水中CHCl3浓度，μg/L；
s(CHCl3)——CHCl3生成量与余氯消耗量的比值；
1.45——CHCl3初始浓度，μg/L；
由于s(CHCl3)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHCl3基础模型如式1-4所示：
再以CHCl3基础模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-5所示：
式中：k2——CHCl3消耗反应的速率常数，h-1；
计算出CHCl3消耗量并入CHCl3基础模型，得到CHCl3一次迭代模型如式1-6所示：
再以CHCl3一次迭代模型作为CHCl3消耗速率计算的基础，得到CHCl3消耗速率如式1-7所示：
计算出CHCl3消耗量并入CHCl3一次迭代模型，得到CHCl3二次迭代模型如式1-8所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl3)＝18.525μg/L，k1＝0.128h-1，k2＝0.000588h-1，tt＝4.734h，四个待定参数预测值的标准误差分别为0.283mg/L、0.013h-1、0.000062h-1和0.682h，相对标准误差分别为1.5％、10.1％、10.5％和14.4％，将四个待定参数的预测值代入CHCl3生成消耗模型，得到所取水样CHCl3浓度的预测模型如式1-9所示：
4.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品,，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHCl2Br基础模型如式1-10所示：
式中：c(CHCl2Br)——水中CHCl2Br浓度，μg/L；
s(CHCl2Br)——CHCl2Br生成量与余氯消耗量的比值；
0.5——CHCl2Br初始浓度，μg/L；
由于s(CHCl2Br)和c(Cl2)0均为待定参数，对其进行简化，以sc表示其乘积，所以CHCl2Br基础模型如式1-11所示：
再以CHCl2Br基础模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-12所示：
式中：k2——CHCl2Br消耗反应的速率常数，h-1；
计算出CHCl2Br消耗量并入CHCl2Br基础模型，得到CHCl2Br一次迭代模型如式1-13所示：
再以CHCl2Br一次迭代模型作为CHCl2Br消耗速率计算的基础，得到CHCl2Br消耗速率如式1-14所示：
计算出CHCl2Br消耗量并入CHCl2Br一次迭代模型，得到CHCl2Br二次迭代模型如式1-15所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHCl2Br)＝14.126μg/L，k1＝0.106h-1，k2＝0.000391h-1，tt＝4.186h，四个待定参数预测值的相对标准误差分别为1.8％、9.4％、15.0％和20.7％，将四个待定参数的预测值代入CHCl2Br生成消耗模型，得到所取水样CHCl2Br浓度的预测模型如式1-16所示：
y＝-14.230e-0.106t+0.00000112t2-0.01146t+14.730(1-16)
式中：y——水中CHCl2Br浓度，μg/L。
5.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到CHClBr2基础模型如式1-17所示：
式中：c(CHClBr2)——水中CHClBr2浓度，μg/L；
s(CHClBr2)——CHClBr2生成量与余氯消耗量的比值；
0.15——CHClBr2初始浓度，μg/L；
由于s(CHClBr2)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以CHClBr2基础模型如式1-18所示：
再以CHClBr2基础模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-19所示：
式中：k2——CHClBr2消耗反应的速率常数，h-1；
计算出CHClBr2消耗量并入CHClBr2基础模型，得到CHClBr2一次迭代模型如式1-20所示：
再以CHClBr2一次迭代模型作为CHClBr2消耗速率计算的基础，得到CHClBr2消耗速率如式1-21所示：
计算出CHClBr2消耗量并入CHClBr2一次迭代模型，得到CHClBr2二次迭代模型如式1-22所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(CHClBr2)＝2.819μg/L，k1＝0.097h-1，k2＝0.000563h-1，tt＝6.327h，四个待定参数预测值的相对标准误差分别为1.7％、10.3％、12.1％和14.0％，将四个待定参数的预测值代入CHClBr2生成消耗模型，得到所取水样CHClBr2浓度的预测模型如式1-23所示：
y＝-2.852e-0.09t+0.0000047t2-0.00355t+3.002(1-23)
式中：y——水中CHClBr2浓度，μg/L。
6.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度,得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到C2Cl4基础模型如式1-24所示：
式中：c(C2Cl4)——水中C2Cl4浓度，μg/L；
s(C2Cl4)——C2Cl4生成量与余氯消耗量的比值；
0.008——C2Cl4初始浓度，μg/L；
由于s(C2Cl4)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以C2Cl4基础模型如式1-25所示：
再以C2Cl4基础模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-26所示：
式中：k2——C2Cl4消耗反应的速率常数，h-1；
计算出C2Cl4消耗量并入C2Cl4基础模型，得到C2Cl4一次迭代模型如式1-27所示：
再以C2Cl4一次迭代模型作为C2Cl4消耗速率计算的基础，得到C2Cl4消耗速率如式1-28所示：
计算出C2Cl4消耗量并入C2Cl4一次迭代模型，得到C2Cl4二次迭代模型如式1-29所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(C2Cl4)＝0.609μg/L，k1＝0.304h-1，k2＝0.00185h-1，tt＝4.268h，四个待定参数预测值的相对标准误差分别为2.8％、47.7％、6.7％和54.8％，将四个待定参数的预测值代入C2Cl4生成消耗模型，得到所取水样C2Cl4浓度的预测模型如式1-30所示：
y＝-0.616e-0.304t+0.00000106t2-0.00229t+0.624(1-30)
式中：y——水中C2Cl4浓度，μg/L。
7.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度,得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DCAA基础模型如式1-31所示：
式中：c(DCAA)——水中DCAA浓度，μg/L；
s(DCAA)——DCAA生成量与余氯消耗量的比值；
0.23——DCAA初始浓度，μg/L；
由于s(DCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DCAA基础模型如式1-32所示：
再以DCAA基础模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-33所示：
式中：k2——DCAA消耗反应的速率常数，h-1；
计算出DCAA消耗量并入DCAA基础模型，得到DCAA一次迭代模型如式1-34所示：
再以DCAA一次迭代模型作为DCAA消耗速率计算的基础，得到DCAA消耗速率如式1-35所示：
计算出DCAA消耗量并入DCAA一次迭代模型，得到DCAA二次迭代模型如式1-36所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DCAA)＝2.489μg/L，k1＝0.072h-1，k2＝0.001986h-1，tt＝2.993h，四个待定参数预测值的相对标准误差分别为2.5％、9.7％、4.3％和19.9％，将四个待定参数的预测值代入DCAA生成消耗模型，得到所取水样DCAA浓度的预测模型如式1-37所示：
y＝-2.628e-0.072t+0.00000536-0.01094t+2.858(1-37)
式中：y——水中DCAA浓度，μg/L。
8.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度,得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到TCAA基础模型如式1-38所示：
式中：c(TCAA)——水中TCAA浓度，μg/L；
s(TCAA)——TCAA生成量与余氯消耗量的比值；
0.216——TCAA初始浓度，μg/L；
由于s(TCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-39所示：
再以TCAA基础模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-40所示：
式中：k2——TCAA消耗反应的速率常数，h-1；
计算出TCAA消耗量并入TCAA基础模型，得到TCAA一次迭代模型如式1-41所示：
再以TCAA一次迭代模型作为TCAA消耗速率计算的基础，得到TCAA消耗速率如式1-42所示：
计算出TCAA消耗量并入TCAA一次迭代模型，得到TCAA二次迭代模型如式1-43所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(TCAA)＝1.973μg/L，k1＝0.132h-1，k2＝0.000572h-1，tt＝2.013h，四个待定参数预测值的相对标准误差分别为2.2％、11.4％、15.9％和24.2％，将四个待定参数的预测值代入TCAA生成消耗模型，得到所取水样TCAA浓度的预测模型如式1-44所示：
y＝-1.990e-0.132t+0.00000036t2-0.00251t+2.206(1-44)
式中：y——水中TCAA浓度，μg/L。
9.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到BCAA基础模型如式1-45所示：
式中：c(BCAA)——水中BCAA浓度，μg/L；
s(BCAA)——BCAA生成量与余氯消耗量的比值；
0.177——BCAA初始浓度，μg/L；
由于s(BCAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以TCAA基础模型如式1-46所示：
再以BCAA基础模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-47所示：
式中：k2——BCAA消耗反应的速率常数，h-1；
计算出BCAA消耗量并入BCAA基础模型，得到BCAA一次迭代模型如式1-48所示：
再以BCAA一次迭代模型作为BCAA消耗速率计算的基础，得到BCAA消耗速率如式1-49所示：
计算出BCAA消耗量并入BCAA一次迭代模型，得到BCAA二次迭代模型如式1-50所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(BCAA)＝2.557μg/L，k1＝0.073h-1，k2＝0.002020h-1，tt＝4.723h，四个待定参数预测值的相对标准误差分别为4.0％、16.4％、6.8％和27.4％，将四个待定参数的预测值代入BCAA生成消耗模型，得到所取水样BCAA浓度的预测模型如式1-51所示：
y＝-2.700e-0.073t+0.00000558t2-0.01119t+2.877(1-51)
式中：y——水中BCAA浓度，μg/L。
10.根据权利要求1所述保障长距离输水管网水质生物稳定性的补氯方法，其特征在于步骤二中所述建立DBPs生成消耗模型的方法如下：
取水厂清水池出水，准确量取50mL加入到50mL具塞比色管中，得到多份样品，同时准确量取30mL水样加入到40mL安捷伦螺口样品瓶中，得到多份样品，向不同样品瓶中加入抗坏血酸淬灭DBPs生成反应，然后测定各种DBPs浓度，得到不同水龄水样DBPs浓度，以tt表示清水池的水力停留时间，因为从清水池出水口取水时，水样已存在tt的水龄；
在建立模型提出以下四个假设：
(1)实际消毒时余氯衰减反应和DBPs生成反应是基于余氯浓度的一级反应；
(2)各种DBPs生成量与余氯消耗量之间存在固定的比值s(DBPs)；
(3)各种DBPs消耗反应是基于其浓度的一级反应；
(4)清水池进水的余氯浓度认为0，DBPs浓度c0以长期检测的平均值为准；
采用迭代的方式进行模型建立，首先忽略DBPs的消耗，得到DBAA基础模型如式1-52所示：
式中：c(DBAA)——水中DBAA浓度，μg/L；
s(DBAA)——DBAA生成量与余氯消耗量的比值；
0.027——DBAA初始浓度，μg/L；
由于s(DBAA)和c(Cl2)0均为待定参数，所以对其进行简化，以sc表示其乘积，所以DBAA基础模型如式1-53所示：
再以DBAA基础模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-54所示：
式中：k2——DBAA消耗反应的速率常数，h-1；
计算出DBAA消耗量并入DBAA基础模型，得到DBAA一次迭代模型如式1-55所示：
再以DBAA一次迭代模型作为DBAA消耗速率计算的基础，得到DBAA消耗速率如式1-56所示：
计算出DBAA消耗量并入DBAA一次迭代模型，得到DBAA二次迭代模型如式1-57所示：
使用SPSS软件以余氯衰减模型及回归分析结果数据按照此模型进行回归分析，回归分析得到的结果为sc(DBAA)＝1.143μg/L，k1＝0.101h-1，k2＝0.001806h-1，tt＝4.315h，四个待定参数预测值的相对标准误差分别为2.4％、12.9％、5.4％和20.4％，将四个待定参数的预测值代入DBAA生成消耗模型，得到所取水样DBAA浓度的预测模型如式1-58所示：
y＝-1.184e-0.101t+0.00000191t2-0.00426t+1.211(1-58)
式中：y——水中DBAA浓度，μg/L。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910634852.9A CN110287645A (zh) | 2019-07-15 | 2019-07-15 | 保障长距离输水管网水质生物稳定性的补氯方法 |
| CN201910904516.1A CN110502869B (zh) | 2019-07-15 | 2019-09-24 | 保障长距离输水管网水质生物稳定性的补氯方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910634852.9A CN110287645A (zh) | 2019-07-15 | 2019-07-15 | 保障长距离输水管网水质生物稳定性的补氯方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110287645A true CN110287645A (zh) | 2019-09-27 |
Family
ID=68022948
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910634852.9A Pending CN110287645A (zh) | 2019-07-15 | 2019-07-15 | 保障长距离输水管网水质生物稳定性的补氯方法 |
| CN201910904516.1A Active CN110502869B (zh) | 2019-07-15 | 2019-09-24 | 保障长距离输水管网水质生物稳定性的补氯方法 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910904516.1A Active CN110502869B (zh) | 2019-07-15 | 2019-09-24 | 保障长距离输水管网水质生物稳定性的补氯方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN110287645A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111470608A (zh) * | 2020-04-08 | 2020-07-31 | 河海大学 | 一种饮用水长距离输配管网的中途补氯优化方法 |
| CN117405848A (zh) * | 2023-12-14 | 2024-01-16 | 杭州泽天春来科技股份有限公司 | 余氯在线分析系统、方法及计算机可读存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113552245A (zh) * | 2021-05-27 | 2021-10-26 | 浙江工业大学 | 一种基于DBPs减量的长距离供水管网的二次加氯方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102659266B (zh) * | 2012-05-24 | 2013-10-02 | 中国科学院生态环境研究中心 | 一种多点游离氯转化为氯胺的给水处理消毒工艺 |
| CN103288189A (zh) * | 2013-06-20 | 2013-09-11 | 哈尔滨工业大学 | 一种利用过硫酸盐原位产生液氯的管网消毒方法 |
| CN105825047A (zh) * | 2016-03-11 | 2016-08-03 | 广州地理研究所 | 基于gis的管网末梢水质模拟方法 |
| CN108414465B (zh) * | 2018-02-05 | 2020-07-10 | 清华大学 | 一种再生水中氯活性物质及余氯衰减的测定和预测方法 |
| CN109928483B (zh) * | 2019-05-06 | 2019-10-25 | 重庆昕晟环保科技有限公司 | 一种基于智能算法自动控制的二次供水补加氯消毒系统 |
-
2019
- 2019-07-15 CN CN201910634852.9A patent/CN110287645A/zh active Pending
- 2019-09-24 CN CN201910904516.1A patent/CN110502869B/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111470608A (zh) * | 2020-04-08 | 2020-07-31 | 河海大学 | 一种饮用水长距离输配管网的中途补氯优化方法 |
| CN117405848A (zh) * | 2023-12-14 | 2024-01-16 | 杭州泽天春来科技股份有限公司 | 余氯在线分析系统、方法及计算机可读存储介质 |
| CN117405848B (zh) * | 2023-12-14 | 2024-04-12 | 杭州泽天春来科技股份有限公司 | 余氯在线分析系统、方法及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110502869A (zh) | 2019-11-26 |
| CN110502869B (zh) | 2022-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110502869A (zh) | 保障长距离输水管网水质生物稳定性的补氯方法 | |
| Rossman et al. | DBP formation kinetics in a simulated distribution system | |
| Delahaye et al. | An ATP-based method for monitoring the microbiological drinking water quality in a distribution network | |
| CN103018416B (zh) | 供水管网水质在线监测、预测方法 | |
| Sung et al. | Modeling DBP formation | |
| Pick et al. | Assimilable organic carbon cycling within drinking water distribution systems | |
| Rice et al. | Correlation of coliform growth response with other water quality parameters | |
| US20220169532A1 (en) | Methods and System for Evaluating and Maintaining Disinfectant Levels in a Potable Water Supply | |
| CN102306021A (zh) | 基于实时ArcGis的管网水质生物安全保障联调联控方法 | |
| Ammar et al. | Chlorine dioxide bulk decay prediction in desalinated drinking water | |
| Roy et al. | Simplified chemical chloramine decay model for water distribution systems | |
| Sarker et al. | Modelling temperature effects on ammonia-oxidising bacterial biostability in chloraminated systems | |
| Machell et al. | Field studies and modeling exploring mean and maximum water age association to water quality in a drinking water distribution network | |
| Li et al. | Modeling of residual chlorine in water distribution system | |
| Mumtaz et al. | Estimation of bacteriological levels in surface water samples to evaluate their contamination profile | |
| Mao et al. | Joint majorization of waterworks and secondary chlorination points considering the chloric odor and economic investment in the DWDS using machine learning and optimization algorithms | |
| Pieri et al. | Variability of tap water residual chlorine and microbial counts at spatially resolved points of use | |
| KOWALSKA et al. | Simulation of chlorine concentration changes in a real water supply network using epanet 2.0 and watergems software packages | |
| CN106277083B (zh) | 一种在水源切换时保障供水管网水质稳定性的调配方法 | |
| Tsvetanova et al. | The effect of the surface-to-volume contact ratio on the biomass production potential of the pipe products in contact with drinking water | |
| Kohpaei et al. | Effectiveness of parallel second order model over second and first order models | |
| Rosenfeldt et al. | Effect of free chlorine application on microbial quality of drinking water in chloraminated distribution systems | |
| CN110204021B (zh) | 一种基于用户反馈的龙头水水质保障方法 | |
| Kohpaei et al. | Evaluation of second order and parallel second order approaches to model temperature variation in chlorine decay modelling | |
| Duong et al. | Characterization and assessment of organic carbon migration and biomass formation potential of polymeric pipes using modified BioMig |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190927 |