CN111356655A - 确定用于处理原水的凝结剂的剂量的方法 - Google Patents
确定用于处理原水的凝结剂的剂量的方法 Download PDFInfo
- Publication number
- CN111356655A CN111356655A CN201980005722.7A CN201980005722A CN111356655A CN 111356655 A CN111356655 A CN 111356655A CN 201980005722 A CN201980005722 A CN 201980005722A CN 111356655 A CN111356655 A CN 111356655A
- Authority
- CN
- China
- Prior art keywords
- water
- raw water
- dose
- parameter
- coagulant
- 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 335
- 239000000701 coagulant Substances 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 98
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 34
- 239000011707 mineral Substances 0.000 claims abstract description 34
- 238000005345 coagulation Methods 0.000 claims description 85
- 230000015271 coagulation Effects 0.000 claims description 83
- 238000002835 absorbance Methods 0.000 claims description 39
- 239000005416 organic matter Substances 0.000 claims description 36
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 28
- 239000002253 acid Substances 0.000 claims description 15
- 239000003795 chemical substances by application Substances 0.000 claims description 15
- 229910052799 carbon Inorganic materials 0.000 claims description 14
- 238000009833 condensation Methods 0.000 claims description 13
- 230000005494 condensation Effects 0.000 claims description 12
- 239000003153 chemical reaction reagent Substances 0.000 claims description 8
- 229910001415 sodium ion Inorganic materials 0.000 claims description 7
- 102100022002 CD59 glycoprotein Human genes 0.000 claims description 6
- 101000897400 Homo sapiens CD59 glycoprotein Proteins 0.000 claims description 6
- 239000003513 alkali Substances 0.000 claims description 6
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 5
- FKNQFGJONOIPTF-UHFFFAOYSA-N Sodium cation Chemical compound [Na+] FKNQFGJONOIPTF-UHFFFAOYSA-N 0.000 claims description 5
- -1 silicate ion Chemical class 0.000 claims description 5
- 101100462298 Arabidopsis thaliana ORG3 gene Proteins 0.000 claims description 4
- 239000012972 dimethylethanolamine Substances 0.000 claims description 4
- 150000002500 ions Chemical class 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- BHPQYMZQTOCNFJ-UHFFFAOYSA-N Calcium cation Chemical compound [Ca+2] BHPQYMZQTOCNFJ-UHFFFAOYSA-N 0.000 claims description 3
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 claims description 3
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 3
- 229910001424 calcium ion Inorganic materials 0.000 claims description 3
- 229910001425 magnesium ion Inorganic materials 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 2
- UEEJHVSXFDXPFK-UHFFFAOYSA-N N-dimethylaminoethanol Chemical compound CN(C)CCO UEEJHVSXFDXPFK-UHFFFAOYSA-N 0.000 claims 1
- 230000001112 coagulating effect Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 47
- 230000008569 process Effects 0.000 description 14
- 239000000126 substance Substances 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000004062 sedimentation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000009533 lab test Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 239000003643 water by type Substances 0.000 description 4
- QJZYHAIUNVAGQP-UHFFFAOYSA-N 3-nitrobicyclo[2.2.1]hept-5-ene-2,3-dicarboxylic acid Chemical compound C1C2C=CC1C(C(=O)O)C2(C(O)=O)[N+]([O-])=O QJZYHAIUNVAGQP-UHFFFAOYSA-N 0.000 description 3
- 229910021578 Iron(III) chloride Inorganic materials 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 125000003118 aryl group Chemical group 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004021 humic acid Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- VSCWAEJMTAWNJL-UHFFFAOYSA-K aluminium trichloride Chemical compound Cl[Al](Cl)Cl VSCWAEJMTAWNJL-UHFFFAOYSA-K 0.000 description 2
- 230000033558 biomineral tissue development Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- RBTARNINKXHZNM-UHFFFAOYSA-K iron trichloride Chemical compound Cl[Fe](Cl)Cl RBTARNINKXHZNM-UHFFFAOYSA-K 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229910000000 metal hydroxide Inorganic materials 0.000 description 2
- 150000004692 metal hydroxides Chemical class 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- DIZPMCHEQGEION-UHFFFAOYSA-H aluminium sulfate (anhydrous) Chemical compound [Al+3].[Al+3].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O DIZPMCHEQGEION-UHFFFAOYSA-H 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000005446 dissolved organic matter Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005189 flocculation Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- RUTXIHLAWFEWGM-UHFFFAOYSA-H iron(3+) sulfate Chemical compound [Fe+3].[Fe+3].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O RUTXIHLAWFEWGM-UHFFFAOYSA-H 0.000 description 1
- 229910000360 iron(III) sulfate Inorganic materials 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000003472 neutralizing effect Effects 0.000 description 1
- 238000006385 ozonation reaction Methods 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
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
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5209—Regulation methods for flocculation or precipitation
-
- 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
- C02F2209/001—Upstream control, i.e. monitoring for predictive control
-
- 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
- C02F2209/005—Processes using a programmable logic controller [PLC]
-
- 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
- C02F2209/05—Conductivity or salinity
-
- 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
- C02F2209/06—Controlling or monitoring parameters in water treatment pH
-
- 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
- C02F2209/11—Turbidity
-
- 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
- C02F2209/21—Dissolved organic carbon [DOC]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种确定用于原水的凝结剂的最佳剂量的方法，其包括：‑确定原水的第一有机参数的值的步骤；‑确定原水的第二矿物参数的值的步骤；‑确定原水的水等级的步骤，其中所述水等级由所述第一有机参数的值和所述第二矿物参数的值表征；‑确定原水的第三有机参数的值的步骤；‑定义经澄清的水的第三有机参数的目标值的步骤；‑选择所述第三有机参数和添加的凝结剂剂量之间函数的步骤，其中针对所述水等级和所述原水的第三有机参数的值对所述函数进行选择；‑使用所述函数确定凝结剂的第一剂量以达到所述目标值的步骤。
Description
技术领域
本发明属于水处理领域，更具体地说是用于去除原水中的有机物的凝结(coagulation)领域。具体而言，本发明涉及一种确定待添加到原水中以去除有机物的凝结剂剂量的方法。本发明还涉及实现确定凝结剂剂量的方法的计算机工具。本发明同样也涉及一种通过凝结进行水处理的方法。
背景技术
凝结(或凝结-絮凝)是一种能够去除水中所含的悬浮物和有机物的已知的水处理方法。这种处理可以应用于废水、河水，以及更一般地，任何类型的水。
一般来说，第一步通过向被称为“原水”(EB)的进水中添加凝结剂(通常是金属盐)而实施。通常，将原水引入反应器或水槽(basin)中，并将凝结剂添加到所述反应器或水槽中。然后第二步包括凝聚凝结的颗粒，通常是通过聚合物进行所述凝聚。最后，在第三步进行颗粒沉降，以实现颗粒分离。这些步骤结束后，得到的出水被称为“经澄清的水”(ED)。
然而，由于气候条件或人类活动，原水的品质可能会发生快速变化。这些变化不仅改变水的物理化学性质，也改变有机物的组成。因此，有必要调整待使用的凝结剂剂量，以适应对原水的处理。其原因是待使用的凝结剂剂量取决于浊度和有机物；所述有机物是指有机物质的复合基质，其通常存在于地表水和地下水中，更广泛地存在于所有类型的水中。该基质可能与水的来源有关或者由污染造成，例如由集水水槽排水(catchment basindrainage)造成的污染。此外，季节变化、pH和其它外部参数可能影响有机物的数量或品质。
有机物的去除程度与其品质有关，因此其可变性很大，很难预测。
进行实验室试验(通常是烧杯试验)目前是确定用于去除浊度和有机物的最佳处理条件(尤其是凝结剂剂量和凝结pH)的最可靠的方法。凝结pH是为增强凝结剂的功效而调节的pH。通常在其中引入凝结剂的反应器或水槽中进行pH的调节，通常通过向反应器或水槽中加入酸来进行所述pH的调节。然而，这些试验耗时长，而且为了能够响应运营公司的需求不可能连续进行，尤其是在原水品质快速变化的情况下。
因此，操作者通常使用过大的凝结剂剂量，以保证满足品质目标，即采用安全余量。这种过量使用不利地导致额外的操作费用，包括试剂成本和污泥处理成本(鉴于产生的污泥量较大)。
为了克服这个问题，现有一些就地系统能够确定待注入的凝结剂剂量以获得离开凝结的水的期望的目标品质。这些系统分为两种类型：
-反馈控制系统：相对于离开凝结过程的水的品质调节凝结剂剂量；
-预测系统：相对于进入凝结过程的水的品质定义凝结剂剂量(所用参数：浊度、254nm处的紫外吸光度、总有机碳TOC等)。
反馈控制系统包括利用ζ电势来监控和优化凝结的系统(Critchley等人，Automatic coagulation control at water-treatment plants in the north-westregion of England，1990年)。ζ电势使得水的电荷能够借助于例如SCD(流动电流检测器)分析仪测量。根据凝结的物理化学机制，凝结的最佳点对应于0的ζ电势。然而，流速的快速变化和未优化的混合条件可能导致响应不稳定，因此使结果的可靠性较低。此外，测量对pH和矿化度的变化很敏感，必须经常对分析仪进行校准以补偿这些变化。结果是相对不可靠的系统。最后，该系统没有考虑到在凝结结束时期望的水品质的目标，该目标可能会根据凝结下游的步骤而变化，尤其是根据这些步骤的预期性能水平而变化。
预测系统包括基于数据历史的模型。这些模型可以使用人工智能，例如人工神经网络；其中向该网络供给来自工厂的历史数据，并且任选地供给从传感器获得的数据(通常用于表征处理过程中不同阶段的水的品质的数据)。系统的人工智能从过去的事件中学习，从而使其更新计算规则以从模型中获得最佳响应。
模型包括经典回归模型，涉及经典线性、二次、对数和指数方程。能够计算凝结剂剂量的参数是基于数据历史定义的。然而，这些模型的精确度不是很好，因其基于一次方程，而凝结现象为复杂现象。
模型包括其它更复杂的模型，如Chan Moon Kim和Manukid Parnichkun在Journalof Water Supply,Research and Technology-AQUA-66.1-2017中的出版文章《MLP,ANFIS,and GRNN based real-time coagulant dosage determination and accuracycomparison using full-scale data of a water treatment plant》中所述的。该模型基于从工厂历史获得的一组数千个数据点，以定义能够计算用于去除浊度的最佳凝结剂剂量的最佳统计模型。所研究的人工智能的3种模式(MLP、ANFIS和GRNN)显示出适合于工厂中所观察到的结果的响应，并且这3种工具的组合使得模型的精确度在宽范围的原水浊度(从0到450NTU)内得到提高。
这些基于数据历史的模型的主要缺点是它们是特定于每个地点的。此外，考虑到模型是基于以前的数据而不是基于处理前的水的品质，不可能对凝结剂剂量进行真正的优化。而且，这些基于历史的模型只能再现过去，而无法优化它。它们指示如过去注入的一样的待注入的凝结剂剂量，但不能保证这是用于以最低成本递送合格水(compliant water)的最佳剂量。
其它更复杂的模型可能会利用对各种水进行的实验室测试(例如烧杯试验)的结果。使用这些结果以定义根据进水的品质确定待使用的凝结剂的量的方程常数。
举例来说，澳大利亚水质和处理合作研究中心(Australian CooperativeResearch Centre for Water Quality and Treatment)在本国开发了一个名为mEnCo(增强凝结的模型化,Modelization of ENhanced COagulation)的优化模型。数学方程给出了溶解有机碳(DOC)和凝结剂剂量之间的关系。必须使用由各种澳大利亚水获得的烧杯试验结果来确定这些方程中的积分常数。尽管mEnCo模型在许多澳大利亚工厂中提供了很好的结果，但事实仍然是，该模型仍然高度特定于一个工厂，或者至少特定于一种原水。
Edwards在Journal–American Water Works Association,89(5),78-89,1997的出版文章《Predicting DOC removal during enhanced coagulation》中描述了另一种类型的预测模型，该文章给出了一种基于应用于有机物去除的吸附定律的凝结模型。该模型的算法描述了凝结期间的物理化学现象。Kastl等人(2004年)改进了Edwards模型，他们将有机物分为3个部分：
-不可吸附在金属氢氧化物上的部分(对凝结呈惰性的部分)；
-可以根据凝结剂剂量和凝结pH通过凝结去除的极性部分；
-可以只根据凝结剂剂量通过凝结去除的非极性部分。
该模型基于5个方程，其具有用于确定使模型运行的常数的5个未知参数：最大吸附容量、吸附常数、腐殖酸的分数、非极性分数和腐殖酸的pKa。这5个参数通过在特定条件(凝结剂剂量和凝结pH)下进行烧杯试验来确定。这5个参数取决于有机基质(电荷、疏水性、大小、类型等)，因此必须针对每种类型的有机基质来确定。
输入和输出数据如下所述，有两种可能的选择：
-输入：原水的有机物含量(DOC)+凝结pH+经澄清的水中待达到的DOC目标＝>输出：凝结剂剂量；
-输入：原水的有机物含量(DOC)+凝结pH+凝结剂剂量＝>输出：经澄清的水的DOC含量。
然而，Edwards和Kastl模型存在以下缺点：模型特定于每个地点，并且使模型适应不同情况的常数必须通过耗时的实验室试验来确定。
由这些不同的实例，可以理解：
-或者所述模型基于用于定义使得可以计算凝结剂剂量的方程中的常数的数据历史的统计研究：在这种情况下，不存在可能的优化；
-或者所述模型基于用于定义使得可以计算所述剂量的方程中的常数的实验室试验：在这种情况下，模型的实施是耗时的。
此外，这些模型通常特定于一个工厂，或者至少特定于一种原水。
最后，这些系统通常缺乏精确性。
因此，开发了一种更精确的系统，如专利申请WO2009002192中所述，该专利申请描述了计算用于处理原水的化学剂量的方法，该方法将所述水的浊度考虑作为微粒含量的量度，并且将所述水的紫外吸光度(UV吸光度)和溶解有机碳(DOC)考虑作为溶解在原水中的有机物的量度。通过这些测量，可以预测待加入所述水中的化学品的剂量，特别是使用颗粒含量和溶解有机物含量的总和进行所述预测。
然而，这些方法的精确性需要改进以使用尽可能少量的凝结剂同时获得最大凝结效果。
此外，这种方法仍然缺乏精确性，因为模型中的常数是根据经验和/或通过实验确定的，而不是通过化学方法确定的。事实上，它们没有考虑到所有对估计所述水的品质至关重要的参数，这些参数尤其影响凝结性能水平。
本发明旨在克服现有技术中用于凝结剂投配的方法和系统的缺点。
本发明涉及这样一种方法，该方法能够优化待用于处理所述水的凝结剂的量，换句话说，能够确定最佳凝结剂剂量同时特别避免凝结剂过量。
因此，寻找的是这样一种方法，该方法能够获得用于原水中的更精确、可靠和最佳的凝结剂量，该方法快速、简单和有效，并且不特定于一个地点和/或一种给定的原水。
发明内容
本发明的第一主题是一种确定用于原水的凝结剂的最佳剂量的方法，所述方法包括以下步骤：
-确定所述原水的第一有机参数的值的步骤，其中该第一有机参数用于提供关于水凝结能力的信息；
-确定所述原水的第二矿物参数的值的步骤，其中该第二矿物参数用于提供关于水的矿物负荷的信息；
-根据所述原水的所确定的第一有机参数的值和第二矿物参数的值，确定所述原水的水等级的步骤，其中水等级以所述第一有机参数的值的第一范围和所述第二矿物参数的值的第二范围表征；
-确定所述原水的第三有机参数的值的步骤，其中所述第三参数用于提供关于水中有机物数量的信息；
-定义经澄清的水的第三有机参数的目标值的步骤；
-选择用于建立第三有机参数和添加到原水中的凝结剂的剂量之间的关系的函数的步骤，其中针对所述原水的所确定的水等级和所述原水的所确定的第三有机参数的值对所述函数进行选择；
-使用所选择的函数以确定对应于经澄清的水的所定义的第三有机参数的目标值的凝结剂的第一剂量的步骤。
在这种情况下，最佳凝结剂剂量是第一凝结剂剂量。
在整个说明书中，原水(EB)被定义为凝结过程的进水(上游)，经澄清的水(ED)被定义为凝结过程的出水(下游)。
在整个说明书中，有机物是指溶解的有机物，与浊度相反，浊度是指水中的颗粒含量或悬浮物。
因此，本发明涉及一种通过以下方式确定最佳凝结剂剂量的方法：
-通过整合凝结过程下游步骤(例如，臭氧化或颗粒活性炭过滤步骤)的性能水平，然后通过定义为了在经澄清的水中达到目标“严格”必要的剂量；
-通过考虑原水的至少一个有机参数和至少一个矿物参数；
-通过使用水等级，其中每个水等级由至少一个第一有机参数(提供关于水凝结能力的信息)的值的至少一个第一范围和至少一个第二矿物参数(提供关于水的矿物负荷的信息)的值的第二范围表征；
-通过根据所述有机和矿物参数确定原水的水等级；
-通过针对所确定的水等级，使用能够实现第一凝结剂剂量和原水中存在的有机物之间的联系的函数，以在经澄清的水中达到目标。
在每个水等级中，所述函数优选地可在至少一个数据库中获得，该数据库能够提供每个水等级和原水的第三有机参数的给定值的函数，该函数能够建立第三有机参数和添加到原水中的凝结剂剂量之间的关系。
在本说明书中，数据库被定义为存储空间(容器(container)、存储器等)。
该数据库可提供有对各种水的试验。
它可以在方法的使用期间提供。
根据用于确定这些水等级的标准，水等级将原水分为基本上定义明确的类别。
水等级至少考虑原水的至少一个矿化度参数。
此外，如下文所解释的，该方法可以包括凝结pH的影响。
而且，该方法可以包括对试剂组合的研究(特别是凝结剂剂量和粉状活性炭剂量和/或酸剂量之间的组合)，其对于实现设定目标来说是成本最低的，如下文所解释的。
确定水等级可以包括使用已经确定的水等级，例如已经存储在数据库中的。
根据本发明的方法能够获得用于原水中的更精确和更准确的凝结剂量，该量不特定于一个地点，而是根据待处理的水的特性而确立的。
根据一个实施方案，至少一个第一有机参数选自紫外吸光度(优选在254nm处的紫外吸光度)、溶解有机碳、紫外吸光度(优选在254nm处的紫外吸光度)和DOC(溶解有机碳)之间的比率、或所述参数的组合。紫外吸光度的测量更简单，而且通常比DOC的测量更有成本效益。
根据一个实施方案，该方法包括紫外吸光度的测量与DOC的确定的组合。
根据一个实施方案，至少一个第二矿物参数选自完全碱量滴定度、氯离子浓度、钠离子浓度、硫酸根离子浓度、钙离子浓度、镁离子浓度、硅酸根离子浓度、电导率、或所述参数的组合。
第二矿物参数优选包括几个矿物参数，通常是完全碱量滴定度、氯离子浓度和/或钠离子浓度。
根据一个实施方案，第三有机参数选自紫外吸光度(优选在254nm处的紫外吸光度)或DOC。紫外吸光度的测量更简单，而且通常比DOC的测量更有成本效益。
根据一个有利的实施方案，该方法还包括确定凝结pH的步骤，其中还针对凝结pH对该函数进行选择。
这样，通过模拟不同的凝结pH值就能获得第一最佳凝结剂剂量，进而获得(尤其是)最佳凝结pH。
如果所述函数可以从至少一个数据库获得，则该数据库能够为每个水等级、原水的第三有机参数的给定值和凝结pH值提供一个函数，用于建立第三有机参数和添加到原水的凝结剂剂量之间的关系。
根据一个实施方案，该方法还包括确定多个水等级的初步步骤，其中每个水等级由至少一个用于提供关于水凝结能力的信息的第一有机参数的值的至少一个第一范围和至少一个用于提供关于水的矿物负荷的信息的第二矿物参数的值的第二范围表征。
当水等级被存储在数据库中时，因此可以在该方法的使用期间提供所述数据库。
水等级CLi是例如这样的原水的集合，其中原水的不可凝结有机物和原水的第三有机参数(PORG3)的值(PORG3_EB)之间的关系由第一线性关系式Ri1的集合定义。
水等级CLi也是例如这样的原水的集合，其中水的不可凝结有机物和凝结Ph pHC之间的关系由第二线性、指数或多项式关系式Ri2定义，例如二次多项式。
水等级CLi也是例如这样的原水的集合，其中DMEA和原水的第三有机参数PORG3的值之间的关系由第三线性关系式Ri3的集合来定义，并且DMEA独立于凝结pH pHC。
在本说明书中，DMEA被定义为凝结剂剂量，基于该剂量，在通过凝结减少等量有机物的情况下，用凝结剂处理的成本开始大于用通常更昂贵的替代试剂(例如粉状活性炭“CAP”)处理的成本，其中有机物的减少用紫外吸光度表示。
该方法的各种步骤——尤其是下面描述的各种步骤——优选地在程序中实现，从而提供快速、简单和有效的方法，该方法提供实时计算的正确的凝结剂剂量，甚至允许在线调节最佳的凝结剂剂量。
根据一个优选实施方案，函数是用于下列类型水等级集合的指数函数：
y＝Ae-B[x]+C；
其中y是第三有机参数，x是凝结剂的量，并且
其中系数A、B和C可以根据水等级、针对原水的第三有机参数的值并针对凝结pH通过给定的关系来确定。
换句话说，函数对于所有等级都是相同的类型，但是这个函数的系数根据等级的不同而不同。此外，对于一个水等级，这些系数是由这样的关系式确定的，所述关系式根据原水的特性和/或凝结pH给出所述系数。
根据一个特定实施方案，系数C被定义为针对原水的第三有机参数的给定值以及给定的凝结pH的不可凝结有机物的值。
根据一个特定实施方案，系数C通过第一线性关系与原水的第三有机参数的值相关。
根据一个特定实施方案(替代或补充前述实施方案)，系数C通过第二线性、多项式或指数关系与凝结pH相关。
根据一个特定实施方案，系数A等于原水的所确定的第三有机参数的值减去系数C。
根据一个特定实施方案，系数B从函数的二阶导数值、系数A和原水的所确定的第三有机参数的值推导出。例如，函数的二阶导数值在0.0001和0.0009之间。
根据一个特定实施方案，对于等于最大经济允许剂量的凝结剂剂量，获得函数的二阶导数值，其中所述最大经济允许剂量是这样的凝结剂剂量，即基于该剂量，用凝结剂处理的成本开始大于用替代试剂处理的成本，而且所述最大经济允许剂量可以通过第三线性关系根据原水的所确定的第三有机参数的值来确定。
对于每个水等级，第一和/或第二关系和/或第三关系优选地可从数据库中获得。
所述数据库可提供有对各种水的试验。
它可以在方法的使用期间提供。
根据一个实施方案，原水的第一有机参数、第二矿物参数和第三有机参数的值通过对原水的测量来确定，例如通过以下方式来确定：通过溶解有机碳传感器(优选具有预过滤步骤)、紫外传感器(优选具有预过滤步骤)、电导率传感器执行的在线测量，或者由完全碱量滴定度分析仪、离子浓度分析仪执行的采样测量，或者这些测量的组合。
所述传感器还可以有利地在整个水处理过程中监测水的品质(不仅是用于原水，也可以用于经澄清的水，甚至用于经处理过的水，如以下在本说明书中所解释的)。
计算出的最佳剂量可以在通过凝结/沉降而进行的处理过程中自动添加。
根据一个实施方案，该方法还包括：确定第二试剂(例如粉状活性炭或酸)、或者甚至另一种凝结剂的剂量，以及确定存在第二试剂情况下的待添加以获得经澄清的水的所定义的第三有机参数的目标值的第一凝结剂剂量。
有利地，该方法包括将存在第二试剂时确定的第一凝结剂剂量与不存在第二试剂时确定的第一凝结剂剂量进行比较的步骤。这可以使得人们获悉添加第二试剂、或施用更多凝结剂是否更有利，并且可以使得人们获悉如何计算凝结剂和第二试剂之间的最佳平衡。
根据一个有利的实施方案，该方法进一步包括：
-定义经澄清的水的目标浊度值的步骤；
-确定待添加到原水中以获得经澄清的水的目标浊度值的第二凝结剂剂量的步骤；
-确定待添加到原水中的最佳凝结剂剂量的步骤，包括对第一凝结剂剂量和第二凝结剂剂量进行比较，其中所述最佳凝结剂剂量是第一凝结剂剂量和第二凝结剂剂量之间的最大剂量。
其优点是适应原水品质的变化，无论有机物还是浊度是主要的。
相对于现有技术中已知的用于确定最佳凝结剂剂量的方法(其中凝结剂剂量是浊度和有机物的函数)，根据本发明的这种实施方案的方法确定了严格必要的凝结剂剂量，换句话说，既无过量使用，也能够在凝结结束时满足水品质的目标。
发明人已经确定该方法能够同时降低原水的浊度和有机物。原因是它同时利用了凝结剂的以下两种化学功能：
-对于浊度：中和表面电荷(技术人员熟知的)；
-对于溶解有机物：用金属氢氧化物吸附(例如先前引用的“Edwards and Kastl”出版物中描述的)。
本发明的第二主题是实现根据本发明第一主题的用于确定最佳凝结剂剂量的方法的计算机工具。
本发明的第三主题是一种原水处理方法，所述方法包括至少一个原水凝结的步骤，其中加入的凝结剂剂量是最佳凝结剂剂量，由根据本发明第一主题的用于确定最佳凝结剂剂量的方法确定。
附图说明
在阅读作为示例而非限制性地给出的具体实施方式后，将更好地理解本发明，并且其它优点将变得显而易见，所述具体实施方式由附图示例说明，其中：
-图1示例说明了用于确定最佳凝结剂剂量的本发明方法的第一实施方案；
-图2示出了能够根据注入的凝结剂剂量计算水的紫外吸光度的函数；
-图3示出了将水划分为不同水等级的实例，其中水等级根据氯离子和钠离子浓度、完全碱量滴定度(TAC)和UV254nm/DOC比率(SUVA)定义；
-图4A和4B示出了能够根据原水的紫外吸光度和凝结pH计算一个水等级的不可凝结有机物的值的第一和第二关系式；
-图5示意性地示出了计算凝结剂的最大经济允许剂量(DMEA)的方法；
-图6示出了能够根据原水的紫外吸光度计算一个水等级的DMEA的一系列第三线性关系式；
-图7示出了包括凝结步骤和下游步骤的水处理过程；
-图8A和8B示出了用于确定能够结合其它试剂的第一凝结剂剂量的方法的一个特定实施方案；
-图9示出了用于确定最佳凝结剂剂量的本发明方法的第二实施方案；
-图10示出了能够确定第二凝结剂剂量的第四关系式；
-图11示出了第二实施方案。
具体实施方式
在说明书中，以原水为例描述了本发明。然而，本发明可以应用于任何其它含有有机物和浊度的液体。
图1示例说明了用于确定待添加到原水中的凝结剂的最佳剂量的方法的第一实施方案，该方法包括以下步骤，这些步骤也将随后描述：
-确定原水的第一有机参数(PORG1)的值(PORG1_EB)的步骤110，该第一有机参数用于提供关于水凝结能力的信息；
-确定原水的第二矿物参数(PMIN2)的值(PMIN2_EB)的步骤120，该第二矿物参数用于提供关于水的矿物负荷的信息；
-根据原水的所确定的第一有机参数和第二矿物参数的值，确定原水的水等级(CLEB)的步骤130，其中水等级以第一有机参数(PORG1)的值的第一范围和第二矿物参数(PMIN2)的值的第二范围表征；
-确定原水的第三有机参数(PORG3)的值(PORG3_EB)的步骤140，所述第三参数用于提供关于水中有机物数量的信息；
-定义经澄清的水的第三有机参数(PORG3)的目标值(PORG3_ED)的步骤150；
-选择用于建立第三有机参数(PORG3)和添加到原水中的凝结剂的剂量([COAG])之间的关系的函数(fi)的步骤160，其中针对原水的所确定的水等级(CLEB)和原水的所确定的第三有机参数(PORG3)的值(PORG3_EB)对所述函数进行选择；
-使用所选择的函数(fi)以确定对应于经澄清的水的所定义的第三有机参数(PORG3)的目标值(PORG3_ED)的凝结剂的第一剂量([COAG1])的步骤170。
根据该实施方案，最佳剂量是第一凝结剂剂量。
根据一个具体实施方案实例，第三有机参数PORG3是经澄清的水在254nm处的紫外吸光度，用m-1表示。在整个说明书中，它可以被称为“UV”。
紫外吸光度(通常为在254nm处的UV)是一种物理测量，用于评估水中所含的芳香族有机物。紫外吸光度通过紫外光度计(通常在254nm处)测量，其中将样本置于紫外光透明的石英池中，所述石英池的厚度在厘米范围内，例如为1cm、3cm、5cm或10cm。该测量比TOC(总有机碳)的测量以及甚至比DOC(溶解有机碳)的测量更简单，并且通常更有成本效益。这种通过光度测定法进行的方法给出以m-1计的结果，对应于透过厚度为1cm的池中的水样在选定波长(通常为254nm)下的发光强度损失。这样检测到的有机物含有芳香环和双键，例如，特别是，腐殖酸。这些芳香族有机物质通过凝结能够特别有效地去除。
根据另一个实施方案实例，可以测量DOC，它也是凝结剂剂量的函数。
对于每个水等级CLi，UV或DOC是凝结剂剂量的函数(fi)。
为了便于阅读，说明书的其余部分将使用术语紫外吸光度或UV，前提条件是所讨论的测量可以或是DOC的测量或是另一第三有机参数的测量。
各种步骤将在说明书中更后面进行描述。
另外，可以有确定多个水等级的初步步骤105。
此外，可以有确定凝结pH的步骤145，其中另外还针对凝结pH对函数fi进行选择。
可以添加图1中未示出的其它步骤。在说明书的其余部分中对它们进行了特别的描述。
图2示例说明了这样的优选实施方案，其中在选择步骤160期间选择的函数fi是指数函数：
UV或
其中COAG是添加的凝结剂剂量，以ppm表示。
选择函数fi的步骤160然后包括确定系数Ai、Bi、Ci的步骤。
系数Ci对应于：当凝结剂剂量达到最大效率阈值时，通常当凝结剂剂量大于溶液的200ppm(以市售溶液的ppm表示)时，以紫外吸光度(在本说明书中也称为“残余UV”或“不可凝结UV”)表示的残余有机物。
Ai对应于：当凝结剂剂量达到最大效率阈值时，通常当凝结剂剂量大于溶液的200ppm(以市售溶液的ppm表示)时，通过凝结去除的例如用紫外吸光度表示的有机物。
此外，Ai、Ci和UVEB通过以下等式相关：
UVEB＝Ai+Ci (2)
其中UVEB是原水中的有机物，用紫外吸光度表示。
Bi是给出指数函数的性质的系数。
Ai、Bi和Ci通过针对每个水等级CLi给定的关系式获得，并且这些关系式Ri1、Ri2和Ri3使得Ai、Bi和Ci能够由凝结pH(pHC)和原水中的有机物(UVEB)中推导出，以紫外吸光度表示。这些关系式优选地能够从与水等级相关联的数据库中获得。
为了选择函数fi，尤其是为了在公式(1)的指数函数的情况下确定系数，有必要确定(确定步骤130)原水所属的水等级。
根据一个优选实施方案实例，通过分析以下有机和矿物基质，将原水在水等级中识别：
-有机基质由以下参数定义：SUVA[即254nm处的紫外吸光度(用m-1表示)与DOC(用mg/l表示)之间的比率]和任选存在的通过液相色谱进行的DOC的测量[即液相色谱-有机碳检测(LC-OCD)]；
-矿物基质由以下参数定义：完全碱量滴定度(TAC)、氯离子和/或钠离子的浓度，以及任选存在的电导率、硅酸根离子浓度、钙离子浓度、镁离子浓度、硫酸根离子浓度和离子平衡。
有机和矿物基质的参数的值可以通过在线分析或通过取样来确定(确定步骤110和120)，或者可以包括回收待处理的原水的已有数据。
根据优选实施方案实例，第一有机参数(PORG1)因此至少包括SUVA，第二矿物参数(PMIN2)因此至少包括TAC、以及氯离子和/或钠离子的浓度。
图3或下表1示出了水等级的矿物和有机基质的实例，其中所述水等级根据氯离子和/或钠离子浓度、TAC和UV254 nm/DOC比率(SUVA)定义。
水等级根据以下阈值定义：
表1：各个水等级的矿物和有机基质的实例
针对原水EB的所确定的水等级CLEB，获得关系式REB1、REB2和REB3，所述关系式是针对所述水等级给出的，并且所述关系式使得可以由凝结pH(pHC)和原水中的有机物(UVEB)推导出系数AEB、BEB和CEB，以紫外吸光度表示。
图4A和图4B表示第一和第二关系式REB1和REB2，由这两个关系式可以计算出针对原水EB的所确定的水等级CLEB的不可凝结有机物的值，其是两个变量的函数：原水的紫外吸光度(曲线形式的关系式针对给定的凝结pH给出)和凝结pH(曲线形式的关系式针对给定的原水紫外吸光度值给出)。这使得可以确定系数CEB。
为了根据原水的紫外吸光度(或DOC)计算不可凝结有机物，可以使用一个或多个第一线性关系式REB1(在所示例说明的实例中为三个)，其中系数a4、a5、a6、b4、b5、b6根据原水的紫外吸光度(UVEB)的阈值(S4、S5)而离散变化。
图4A示出了三个第一线性关系式：
·y＝a4x+b4，小于阈值S4；
·y＝a5x+b5，阈值S4和S5之间；
·y＝a6x+b6，大于阈值S5。
根据水等级，可以有单一的第一线性关系式或至少两个第一线性关系式。
为了根据凝结pH pHC计算不可凝结有机物，根据水等级，还可以使用第二线性、指数或多项式关系式REB2。所述第二关系式具有系数a7、b7、c7，它们也根据水等级给出。
图4B示出了y＝a7x+b7类型的第二线性关系式。
根据水等级，第二关系式可以或者是指数关系式，y＝a7exp(b7x)+c7，或者是多项式，例如二次多项式，y＝a7x2+b7x+c7。
因此，对于所确定的水等级CLEB，对原水的UV(UVEB)(或DOC)和凝结pH(pHC)的确定使得可以确定系数a4、a5、a6、b4、b5、b6、a7、b7、c7，然后确定不可凝结有机物，因而得出CEB。
系数a4、a5、a6、b4、b5、b6是凝结pH的函数。
可以仅确定系数a4、a5、a6、b4、b5、b6，这些系数是针对固定的、未调节的凝结pH给出的。
AEB是通过等式(2)获得的：UVEB＝AEB+CEB。
对原水的UV(UVEB)(或DOCEB)的确定(确定步骤140)以及任选存在的对凝结pH(pHC)的确定(确定步骤145)可通过在线测量或通过取样来进行，和/或可包括回收待处理的原水的已有数据。
还确定了凝结剂的DMEA(最大经济允许剂量)。
DMEA在本说明书中被定义为凝结剂剂量，在该剂量下，在通过凝结减少等量有机物的情况下，用凝结剂处理的成本开始大于用通常更昂贵的替代试剂(例如粉状活性炭CAP)处理的成本，其中有机物的减少用紫外吸光度表示，如图5所示例说明的，图5提供了作为CAP或凝结剂(COAG)剂量的函数的以欧元/立方米原水计的以UV表示的每单位去除的有机物的成本(COST)。虚线对应于CAP，实曲线对应于凝结剂。这两者的交集就是DMEA。
此外，发明人已经发现，DMEA与凝结pH(pHC)无关，而是原水的紫外吸光度(或DOC)的函数，如图6所示。
图6示出了能够根据原水的紫外吸光度(UVEB)(或原水的DOC(DOCEB))计算所确定的水等级CLEB的DMEA(以市售溶液的ppm给出)的一系列第三线性关系式REB3。有许多第三线性关系式，其系数a1、a2、a3、b1、b2、b3根据原水的紫外吸光度的阈值(S1、S2)而离散变化。
确定原水的UV(UVEB)(或DOCEB)能够确定系数a1、a2、a3、b1、b2、b3，然后确定原水的DMEA。
根据本发明的优选实施方案，DMEA是对应于函数fi(1)的拐点的凝结剂剂量：
DMEA在数学上由所述函数的二阶导数的绝对值αi定义，例如在0.0001和0.0009之间，即：
对于给定的水等级CLEB，值αEB根据原水的UV(UVEB)(或DOCEB)值确定，例如根据UVEB的阈值σ确定，如下表2所示：
| UV<sub>EB</sub> | [0-σ<sub>1</sub>] | [σ<sub>1</sub>-σ<sub>2</sub>] | >σ<sub>2</sub> |
| 二阶导数值 | α<sub>EB1</sub> | α<sub>EB2</sub> | α<sub>EB3</sub> |
表2：作为原水的UV的函数的二阶导数值的实例
对于水等级CLEB和原水的UV(UVEB)(或DOCEB)，系数BEB由针对原水表示的关系式(3)确定。
因此，对于原水的所确定的水等级CLEB，以及UVEB和凝结pH pHC，获得指数函数：
其中系数AEB、BEB和CEB是已知的。
利用这个函数fEB，开始可以计算：
-经澄清的水ED中的残余UV(“不可凝结UV”)，其与所施用的凝结剂剂量无关；
-为了达到经澄清的水的紫外吸光度(UVED)的目标值而施用的第一凝结剂剂量。
定义(定义步骤150)经澄清的水的紫外吸光度(UVED)的目标值或经澄清的水的DOC值(DOCEV)，其对应于所需经澄清的水(ED)中残余有机物的最大值。
因此，第一凝结剂剂量由函数fEB推导出(使用步骤170)。
此外，利用第一线性关系式REB1，可以计算当凝结剂剂量等于DMEA时的UV(称为“UVDMEA”)以决定：
-如果UVDMEA≥UVED，则第一凝结剂剂量＝DMEA；
-如果UVDMEA<UVED，则使用该函数fEB以计算第一凝结剂剂量。
对于每种类型的凝结剂，给出了系数Ai、Bi和Ci。
凝结剂可以是基于铝或铁的盐的溶液，并且优选包含以下化合物：硫酸铝；(聚)氯化铝；铝酸盐；氯化铁；硫酸铁；高铁酸钠或钾离子，或所述化合物的组合。市售凝结剂溶液例如是含有8.2％氧化铝Al2O5的硫酸铝，或含有41％FeCl3的氯化铁。
经澄清的水中残余有机物的目标值另外还可以根据凝结过程的下游步骤定义；例如，它可以在步骤300中根据经处理的水(ET)中残余有机物的目标值来定义。经处理的水被定义为在水处理厂的出口处获得的水。
因此，如图7中所示例说明的，如果经处理的水中的残余有机物用紫外吸光度表示，并且由在工厂出口处待达到的目标(UVET)和在凝结后步骤中有机物的去除性能(％POST-COAG)出发，计算经澄清的水中待达到的品质目标：
UVED＝UVET/(1-％POST-COAG)
凝结后性能可以基于在线传感器或对经澄清的水和经处理的水的局部测量来计算。
根据步骤200，经澄清的水ED和经处理的水ET的由UV传感器收集的数据能够计算在凝结后处理步骤中UV的去除百分比。在获悉这个百分比后，可以在步骤300中计算目标澄清UV，以使工厂出口处的目标(经处理的水的UV)得以满足。
在获悉原水中有机物的水平以及凝结结束时待达到的UV目标后，该方法可以计算出为达到设定目标而待施用的最佳凝结剂剂量。
可以通过使用例如工具(例如，计算机、平板电脑、智能手机、云等形式的工具)以设置该方法来实现该方法，而不需要将该工具连接到用于测量原水的参数的在线传感器。在这种情况下，将水的参数的值通过手动输入所述工具中，并且剂量通常不会在凝结/沉降处理过程中自动添加。该工具然后主要只包含用于计算最佳凝结剂剂量的方法步骤。此外，该计算可能发生在凝结过程的实施很久之前。它可以用来计算不同类型的凝结剂和/或酸的添加之间的更好的折衷，以降低凝结pH，如在下面更多解释的。
反之，可以通过将该方法连接到在线传感器或局部测量来实施该方法，其中所述在线传感器或局部测量用于测量原水的参数，用于确定原水的水等级和/或用于确定在处理过程中包含在水中的有机物的量，至少对于原水而言。所述传感器或局部测量可以有利地在整个水处理过程中在线监测水的品质。在这种情况下，可以将计算出的最佳剂量在凝结/沉降处理过程中自动添加。
为了表征所研究的水的矿物基质，可以使用TAC分析仪和/或离子浓度分析仪和/或电导率传感器。
有机物可以通过分析在254nm处的紫外吸光度和/或DOC(溶解有机碳)来定量。所选择的在线传感器优选是UV传感器，它比在线DOC传感器更容易操作。
优选地，安装至少三个在线传感器，用于确定在处理过程中包含在水中的有机物的量：用于测量原水的第一传感器，用于测量在凝结和沉降后的水的第二传感器，以及用于测量最终消毒之前或之后的经处理的水的第三传感器。
可以将来自这些传感器的数据在云系统上进行整理，所述云系统可以容纳实现该方法的计算机工具。
可以将数据的采集过程中的时间间隔参数化。
可以对警报阈值进行定义，以管理和警告传感器漂移。同样可以将这些阈值逐点(on a site-by-site basis)参数化。它们特别能够创建可以通知用户的警报。这使得用户特别知道是否有必要改变凝结剂(或第二试剂)的剂量。
该方法可以进一步包括确定另一种试剂(例如粉状活性炭(CAP))的剂量的步骤，以改善凝结/沉降过程的性能和/或达到用于去除经澄清的水中有机物的目的。
该方法还可以包括计算获得目标凝结pH所需的酸的剂量的步骤。这是因为有可能通过降低凝结pH来改善有机物的去除，通常是通过向凝结水槽或反应器中添加酸。该方法特别能够恢复对应于该新的凝结pH的函数fi的新系数，并因此重新计算待添加的凝结剂的量，以达到用于去除经澄清的水中有机物的目的。
如图8A和8B中所示例说明的，该方法还使得可以显示选择凝结剂、另一种试剂和/或添加的酸的组合的经济效益。
图8A示例说明了作为以下添加剂量的函数的水的UV：
-pH为7时的凝结剂的添加剂量(虚线曲线A)；
-pH为6.2时的凝结剂的添加剂量(连续曲线B)；
-为达到经澄清的水的目标UV，当凝结pH为6.2时加入的凝结剂和PAC的添加剂量(箭头C)。
图8B示出了图8A中所示的每个剂量的比较成本：
-对应于曲线A的柱状图，其中虚线对应于DMEA的限值；高于DMEA限值的是为达到经澄清的水的UV目标而待添加的凝结剂的成本；
-对应于曲线B的柱状图，其中虚线对应于DMEA的限值；超出DMEA限值的是为达到经澄清的水的UV目标而待添加的凝结剂的成本，以及为达到6.2的pH而付出的产品成本(黑色)；
-对应于曲线C的柱状图，加上为达到6.2的pH而付出的产品成本(黑色)和为达到经澄清的水的UV目标而待添加的PAC的成本。
在这种情况下，为了达到经澄清的水的UV目标，为达到经澄清的水的UV目标的总成本(包括PAC和酸)较低。
当添加酸以降低凝结pH时，该方法使得可以通过重新计算为达到去除经澄清的水中有机物的目的而待添加的凝结剂的量来计算待添加的凝结剂的量的下降、这种差异的益处，并与添加酸的成本进行比较。以这种方式，开始可能知道添加酸更有利，还是施用更多的凝结剂更有利，或者开始可能计算这两者之间的最佳折衷。
此外，在添加粉状活性炭的情况下，该方法使得可以通过重新计算为以达到用于去除经澄清的水中有机物的目的而待添加的凝结剂的量来计算待添加的凝结剂的量的下降、这种差异的益处，并与添加CAP的成本进行比较。以这种方式，开始可能知道添加CAP更有利，还是施用更多的凝结剂更有利，或者开始可能计算这两者之间的最佳折衷。
还可以另外将添加CAP和添加酸结合起来，并计算在添加CAP和酸时的经济效益(或损失)。
图9示例了该方法的另一个实施方案。在所示例的实施方案中，该方法还包括以下步骤：
-定义经澄清的水的目标浊度值(TURB_ED)的步骤180；
-确定为获得经澄清的水的目标浊度值(TURB_ED)而待添加到原水(EB)中的第二凝结剂剂量([COAG2])的步骤190；
-确定待添加到原水中的最佳凝结剂剂量([COAG]OPT)的步骤200，包括对第一凝结剂剂量([COAG1])和第二凝结剂剂量([COAG2])进行比较，其中所述最佳剂量是第一凝结剂剂量([COAG1])和第二凝结剂剂量([COAG2])之间的最大剂量。
根据该实施方案，第三有机参数优选是UV。
图10示例了能够确定第二凝结剂剂量的第四关系式。第四关系式给出了为了在经澄清的水中获得至少小于5NTU且优选小于3NTU的浊度值而待添加的凝结剂剂量。
第四关系式取决于原水的浊度(TURBEB)和原水的温度(TEB)。
因此，图10示例了两个第四多项式关系式，例如四次多项式关系式，其将为获得至少小于5NTU且优选小于3NTU的经澄清的水的浊度所需的凝结剂剂量与原水的浊度(TURBEB)联系起来，其系数作为原水的温度(TEB)的函数而变化：
-当原水的温度低于阈值θ时，方程式y＝a8x4+b8x3+c8x2+d8x+e8(虚线曲线)；
-当原水的温度大于阈值θ时，方程式y＝a9x4+b9x3+c9x2+d9x+e9(连续曲线)。
第二凝结剂剂量通过以下方式获得：通过在线浊度传感器或手动测量来测量原水的浊度，并通过温度传感器或手动测量来测量温度，以及通过使用上面定义的函数来定义为去除浊度所需的凝结剂剂量。
图11示例了第二实施方案，在这种情况下为实现经澄清的水中有机物的目标而计算的第一凝结剂剂量[COAG1](以UV表示)大于为降低经澄清的水的浊度目标而计算的第二凝结剂剂量[COAG2]。在这种情况下的最佳剂量是第一凝结剂剂量，其能够根据设定的目标降低有机物和浊度。
本发明的方法因此能够计算为满足在工厂出口处和/或在凝结/沉降结束时的品质目标而待施用的凝结剂的适当剂量、以及甚至一种或多种其它试剂的适当剂量。
该方法能够获得用于原水中的更精确和更准确的凝结剂量，该量不特定于一个地点，而是根据待处理的水的特性而确立的。
通过定义例如在工厂出口处的品质目标，该方法能够考虑凝结下游的步骤。这使得可以获得最正确的剂量投配。
该方法还能够定义待添加的凝结剂剂量和/或待添加的粉状活性炭剂量和/或待添加的酸剂量之间的最佳平衡，以降低凝结pH，而在工厂出口处和/或在凝结/沉降结束时达到品质的目标。
该方法另外还能够使得操作者会收到在原水或工厂中产生的任何变化和/或问题的通知。这使得所述操作者特别能够知道是否有必要改变凝结剂(或第二试剂)的剂量。
最后，全部计算结果，以及对水的品质的在线监测，可以呈现在仪表板上，该仪表板可以适用于任何类型的介质(计算机、平板电脑、智能手机、云)。
监控系统此外可以实现用于调节凝结剂(或第二试剂)剂量的装置(例如，至少一个计量泵)的远程激活。
Claims (18)
1.确定用于原水(EB)的凝结剂的最佳剂量([COAG]OPT)的方法，包括以下步骤：
-确定所述原水的第一有机参数(PORG1)的值(PORG1_EB)的步骤，其中所述第一有机参数用于提供关于水凝结能力的信息；
-确定所述原水的第二矿物参数(PMIN2)的值(PMIN2_EB)的步骤，其中所述第二矿物参数用于提供关于水的矿物负荷的信息；
-根据所述原水的所确定的所述第一有机参数的值和所述第二矿物参数的值，确定所述原水的水等级(CLEB)的步骤，其中水等级以所述第一有机参数(PORG1)的值的第一范围和所述第二矿物参数(PMIN2)的值的第二范围表征；
-确定所述原水的第三有机参数(PORG3)的值(PORG3_EB)的步骤，其中所述第三参数用于提供关于水中有机物数量的信息；
-定义经澄清的水的所述第三有机参数(PORG3)的目标值(PORG3_ED)的步骤；
-选择用于建立所述第三有机参数(PORG3)和添加到所述原水的凝结剂剂量([COAG])之间的关系的函数(fi)的步骤，其中针对所述原水的所确定的所述水等级(CLEB)和所述原水的所确定的所述第三有机参数(PORG3)的所述值(PORG3_EB)对所述函数进行选择；
-使用所选择的函数(fi)以确定对应于所述经澄清的水的所定义的所述第三有机参数(PORG3)的所述目标值(PORG3_ED)的凝结剂的第一剂量([COAG1])的步骤。
2.根据权利要求1所述的方法，包括确定多个水等级(CLi)的初步步骤，其中每个水等级均由用于提供关于水凝结能力的信息的至少一个第一有机参数(PORG1)的值的至少一个第一范围和用于提供关于水的矿物负荷的信息的至少一个第二矿物参数(PMIN2)的值的第二范围表征。
3.根据权利要求1或2所述的方法，其中所述至少一个第一有机参数(PORG1)选自紫外吸光度(优选在254nm处的紫外吸光度)、溶解有机碳(DOC)、紫外吸光度(优选在254nm处的紫外吸光度)与溶解有机碳(DOC)之间的比率(SUVA)、或所述参数的组合。
4.根据权利要求1-3中任一项所述的方法，其中所述至少一个第二矿物参数(PMIN2)选自完全碱量滴定度(TAC)、氯离子浓度、钠离子浓度、硫酸根离子浓度、钙离子浓度、镁离子浓度、硅酸根离子浓度、电导率或所述参数的组合。
5.根据权利要求1-4中任一项所述的方法，其中所述第三有机参数(PORG3)选自紫外吸光度(优选在254nm处的紫外吸光度)或溶解有机碳(DOC)。
6.根据权利要求1-5中任一项所述的方法，还包括确定凝结pH(pHC)的步骤，其中针对所述凝结pH(pHC)对所述函数(fi)进行进一步选择。
7.根据权利要求1-6中任一项所述的方法，其中所述函数(fi)是所有水等级的指数函数，使得：
其中系数Ai、Bi和Ci可以由关系式(Ri1、Ri2、Ri3)来确定，所述关系式是根据所述水等级(CLi)针对所述原水的所述第三有机参数(PORG3)的给定值(PORG3_EB)并针对凝结pH(pHC)给出的。
8.根据权利要求7所述的方法，其中所述系数Ci被定义为针对所述原水的所述第三有机参数的所述给定值(PORG3_EB)以及给定凝结pH(pHC)的不可凝结有机物的值。
9.根据权利要求8所述的方法，其中所述系数Ci通过第一线性关系式Ri1与所述原水的所述第三有机参数的所述值(PORG3_EB)相关。
10.根据权利要求8和9中任一项所述的方法，其中所述系数Ci通过第二线性、多项式或指数关系式Ri2与所述凝结pH(pHC)相关。
11.根据权利要求7-10中任一项所述的方法，其中所述系数Ai等于所述原水的所确定的所述第三有机参数的所述值(PORG3_EB)减去所述系数Ci。
12.根据权利要求11所述的方法，其中所述系数Bi基于所述函数(fi)的二阶导数值αi、所述系数Ai和所述原水的所确定的所述第三有机参数(PORG3)的所述值(PORG3_EB)计算。
13.根据权利要求12所述的方法，其中针对等于最大经济允许剂量(DMEA)的凝结剂剂量([COAG])，获得所述函数(fi)的所述二阶导数值αi，其中所述最大经济允许剂量是这样的凝结剂剂量，即基于所述剂量，用所述凝结剂处理的成本开始大于用替代试剂处理的成本，而且所述最大经济允许剂量可以通过第三线性关系式Ri3根据所述原水的所确定的所述第三有机参数的所述值(PORG3_EB)来确定。
14.根据权利要求1-13中任一项所述的方法，其中所述原水的所述第一有机参数(PORG1)、所述第二矿物参数(PMIN2)和所述第三有机参数(PORG3)的所述值通过对所述原水的测量来确定，例如通过以下方式来确定：使用溶解有机碳传感器、紫外传感器、电导率传感器进行的在线测量，或者由完全碱量滴定度(TAC)分析仪、离子浓度分析仪执行的采样测量，或者所述测量的组合。
15.根据前述权利要求中任一项所述的方法，还包括：确定第二试剂(REAC)的剂量，所述第二试剂(REAC)例如为粉状活性炭或酸；以及确定存在所述第二试剂情况下的待添加以获得所述经澄清的水的所定义的所述第三有机参数(PORG3)的所述目标值(PORG3_ED)的所述第一凝结剂剂量([COAG]1)。
16.根据前述权利要求中任一项所述的方法，还包括：
-定义所述经澄清的水的目标浊度值(TURB_ED)的步骤；
-确定待添加到所述原水(EB)中以获得所述经澄清的水的所述目标浊度值(TURB_ED)的第二凝结剂剂量([COAG2])的步骤；
-确定待添加到所述原水中的所述最佳凝结剂剂量([COAG]OPT)的步骤，包括比较所述第一凝结剂剂量([COAG1])和所述第二凝结剂剂量([COAG2])，其中所述最佳剂量是所述第一凝结剂剂量([COAG1])和所述第二凝结剂剂量([COAG2])之间的最大剂量。
17.在计算机介质上实现的方法，其用于执行根据权利要求1-16中任一项所述的方法的步骤。
18.原水处理方法，至少包括凝结所述原水的步骤，其中加入的凝结剂剂量是最佳凝结剂剂量([COAGOPT])，所述最佳凝结剂剂量([COAGOPT])通过根据权利要求1-16中任一项所述的确定方法来确定。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1856456A FR3083868B1 (fr) | 2018-07-13 | 2018-07-13 | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute |
| FR1856456 | 2018-07-13 | ||
| FR1859025 | 2018-09-28 | ||
| FR1859025A FR3083869B1 (fr) | 2018-07-13 | 2018-09-28 | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute |
| PCT/EP2019/068899 WO2020012022A1 (fr) | 2018-07-13 | 2019-07-12 | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111356655A true CN111356655A (zh) | 2020-06-30 |
Family
ID=65200905
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980005717.6A Pending CN111655631A (zh) | 2018-07-13 | 2019-07-12 | 确定用于处理原水的凝结剂剂量的方法 |
| CN201980005722.7A Pending CN111356655A (zh) | 2018-07-13 | 2019-07-12 | 确定用于处理原水的凝结剂的剂量的方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980005717.6A Pending CN111655631A (zh) | 2018-07-13 | 2019-07-12 | 确定用于处理原水的凝结剂剂量的方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US12071358B2 (zh) |
| EP (1) | EP3820824A1 (zh) |
| JP (1) | JP7443265B2 (zh) |
| CN (2) | CN111655631A (zh) |
| AU (1) | AU2019300360B2 (zh) |
| FR (2) | FR3083868B1 (zh) |
| WO (1) | WO2020012017A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11505478B2 (en) * | 2021-03-22 | 2022-11-22 | Marmac Water Llc | Automated methods and systems for optimized zeta potential chemical dosing in water treatment systems |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6408227B1 (en) * | 1999-09-29 | 2002-06-18 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
| AU2007355782A1 (en) * | 2007-06-22 | 2008-12-31 | Lutra Limited | A method of calculating a water treatment chemical dose |
| CN101385912A (zh) * | 2007-09-10 | 2009-03-18 | 北京格维恩科技有限公司 | 一种自动化混凝投药系统 |
| CN101983933A (zh) * | 2010-08-06 | 2011-03-09 | 中国科学院生态环境研究中心 | 基于前驱体形态和絮凝剂形态匹配的消毒副产物控制方法 |
| CN102531121A (zh) * | 2012-02-28 | 2012-07-04 | 天津大学 | 水处理混凝剂最佳投量预测系统及预测方法 |
| CN102774979A (zh) * | 2011-05-10 | 2012-11-14 | 中国科学院生态环境研究中心 | 确定饮用水强化混凝处理中溶解性有机物最大去除率、混凝剂投药量及出水pH值的方法 |
| WO2013093217A1 (fr) * | 2011-12-23 | 2013-06-27 | Degremont | Procédé pour améliorer l'exploitation d'une installation de dessalement d'eau, en particulier par osmose inverse |
| WO2014186167A1 (en) * | 2013-05-17 | 2014-11-20 | Ecolab Usa Inc. | Automatic control system for ozone dosing in the combination of ozone and biotreatment process |
| WO2014208871A1 (ko) * | 2013-06-25 | 2014-12-31 | 한국건설기술연구원 | 이동형 정수 시스템 및 이를 장착한 이동형 정수 차량 |
| KR101523471B1 (ko) * | 2014-10-24 | 2015-05-28 | 주식회사 효성 | 응집제 주입량 자동제어장치 및 이를 이용한 응집제 주입량 자동제어방법 |
| KR101600271B1 (ko) * | 2014-11-04 | 2016-03-07 | 삼보과학 주식회사 | 전하밀도 보상 응집제 투입률 자동 제어 시스템 및 그 방법 |
| CN107148567A (zh) * | 2014-10-29 | 2017-09-08 | 堀场仪器株式会社 | 基于吸光度和荧光确定水处理参数 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5840456B2 (ja) | 2011-10-28 | 2016-01-06 | 株式会社明電舎 | 薬品注入制御方法及び薬品注入制御装置 |
| JP6250431B2 (ja) * | 2014-02-21 | 2017-12-20 | メタウォーター株式会社 | 水処理プロセスの制御方法及び制御装置 |
-
2018
- 2018-07-13 FR FR1856456A patent/FR3083868B1/fr not_active Expired - Fee Related
- 2018-09-28 FR FR1859025A patent/FR3083869B1/fr active Active
-
2019
- 2019-07-12 WO PCT/EP2019/068892 patent/WO2020012017A1/fr active Application Filing
- 2019-07-12 AU AU2019300360A patent/AU2019300360B2/en active Active
- 2019-07-12 EP EP19737148.7A patent/EP3820824A1/fr active Pending
- 2019-07-12 US US17/259,189 patent/US12071358B2/en active Active
- 2019-07-12 CN CN201980005717.6A patent/CN111655631A/zh active Pending
- 2019-07-12 CN CN201980005722.7A patent/CN111356655A/zh active Pending
- 2019-07-12 JP JP2020573017A patent/JP7443265B2/ja active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6408227B1 (en) * | 1999-09-29 | 2002-06-18 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
| AU2007355782A1 (en) * | 2007-06-22 | 2008-12-31 | Lutra Limited | A method of calculating a water treatment chemical dose |
| CN101385912A (zh) * | 2007-09-10 | 2009-03-18 | 北京格维恩科技有限公司 | 一种自动化混凝投药系统 |
| CN101983933A (zh) * | 2010-08-06 | 2011-03-09 | 中国科学院生态环境研究中心 | 基于前驱体形态和絮凝剂形态匹配的消毒副产物控制方法 |
| CN102774979A (zh) * | 2011-05-10 | 2012-11-14 | 中国科学院生态环境研究中心 | 确定饮用水强化混凝处理中溶解性有机物最大去除率、混凝剂投药量及出水pH值的方法 |
| WO2013093217A1 (fr) * | 2011-12-23 | 2013-06-27 | Degremont | Procédé pour améliorer l'exploitation d'une installation de dessalement d'eau, en particulier par osmose inverse |
| CN102531121A (zh) * | 2012-02-28 | 2012-07-04 | 天津大学 | 水处理混凝剂最佳投量预测系统及预测方法 |
| WO2014186167A1 (en) * | 2013-05-17 | 2014-11-20 | Ecolab Usa Inc. | Automatic control system for ozone dosing in the combination of ozone and biotreatment process |
| WO2014208871A1 (ko) * | 2013-06-25 | 2014-12-31 | 한국건설기술연구원 | 이동형 정수 시스템 및 이를 장착한 이동형 정수 차량 |
| KR101523471B1 (ko) * | 2014-10-24 | 2015-05-28 | 주식회사 효성 | 응집제 주입량 자동제어장치 및 이를 이용한 응집제 주입량 자동제어방법 |
| CN107148567A (zh) * | 2014-10-29 | 2017-09-08 | 堀场仪器株式会社 | 基于吸光度和荧光确定水处理参数 |
| KR101600271B1 (ko) * | 2014-11-04 | 2016-03-07 | 삼보과학 주식회사 | 전하밀도 보상 응집제 투입률 자동 제어 시스템 및 그 방법 |
Non-Patent Citations (1)
| Title |
|---|
| HARSHA RATNAWEERA等: "State of the Art of Online Monitoring and Control of the Coagulation Process", 《WATER》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3820824A1 (fr) | 2021-05-19 |
| JP2021524588A (ja) | 2021-09-13 |
| US20210155510A1 (en) | 2021-05-27 |
| FR3083868A1 (fr) | 2020-01-17 |
| AU2019300360A1 (en) | 2021-02-25 |
| FR3083868B1 (fr) | 2020-07-17 |
| FR3083869A1 (fr) | 2020-01-17 |
| AU2019300360B2 (en) | 2024-05-09 |
| US12071358B2 (en) | 2024-08-27 |
| WO2020012017A1 (fr) | 2020-01-16 |
| FR3083869B1 (fr) | 2020-07-17 |
| JP7443265B2 (ja) | 2024-03-05 |
| CN111655631A (zh) | 2020-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Carré et al. | Estimation of water quality by UV/Vis spectrometry in the framework of treated wastewater reuse | |
| KR101509109B1 (ko) | 가압-침지 조합형 이단 막여과 시스템 및 그 가변제어 방법 | |
| US20230257283A1 (en) | Process, system, and computer readable storage medium for determining optimal coagulant dosage | |
| Khettaf et al. | Optimization of coagulation–flocculation process in the treatment of surface water for a maximum dissolved organic matter removal using RSM approach | |
| Van Leeuwen et al. | Empirical mathematical models and artificial neural networks for the determination of alum doses for treatment of southern Australian surface waters | |
| JP6250431B2 (ja) | 水処理プロセスの制御方法及び制御装置 | |
| Kim et al. | Optimization of coagulation/flocculation for phosphorus removal from activated sludge effluent discharge using an online charge analyzing system titrator (CAST) | |
| CN113039160A (zh) | 测量和控制废水流中的有机物 | |
| KR101334693B1 (ko) | 수질측정기와 회귀모델을 이용한 응집제 주입량 결정방법과 그를 이용한 정수처리시스템 | |
| CN111356655A (zh) | 确定用于处理原水的凝结剂的剂量的方法 | |
| Pandilov et al. | Application of intelligent optimization tools in determination and control of dosing of flocculent in water treatment | |
| Van Leeuwen et al. | Modelling the application of inorganic coagulants and pH control reagents for removal of organic matter from drinking waters | |
| CN113382966B (zh) | 一种去除水性溶液中蓝藻和/或蓝藻代谢物的方法 | |
| CN115605439A (zh) | 用于原水凝结处理的凝结剂的剂量的限定和调节方法 | |
| Yavich et al. | Chemical feed control using coagulation computer models and a streaming current detector | |
| Ratnaweera et al. | Coagulant dosing control–a review | |
| WO2020012022A1 (fr) | Procede de determination d'une dose de coagulant pour le traitement d'une eau brute | |
| Ogwueleka et al. | Optimization of drinking water treatment processes using artificial neural network | |
| Murshed et al. | Modification of jar testing protocol combined with mEnCo model predicted dose to predict dissolved organic matter removal for surface water | |
| Swan | Optimisation of water treatment works using Monte-Carlo methods and genetic algorithms | |
| US20150246834A1 (en) | Method and system for control of an addition rate of a hexavalent chromium control chemical to water | |
| McKelvey | Comparative Modeling Techniques for Prediction of Settled Water Turbidity in Drinking Water Treatment | |
| JAYAWEERA | A COMPREHENSIVE STUDY ON DEVELOPING NEURAL NETWORK MODELS FOR PREDICTING THE COAGULANT DOSAGE AND TREATED WATER QUALITIES FOR A WATER TREATMENT PLANT | |
| Undi et al. | Coagulant Treatment | |
| Ratnaweera et al. | Achieving legislative requirements in wastewater treatment using digital tools |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230630 Address after: Paris France Applicant after: DEGREMONT Address before: Paris France Applicant before: SUEZ GROUPE |