CN114751534A - 一种曝气吹脱加催化燃烧的氨气处理方法 - Google Patents

一种曝气吹脱加催化燃烧的氨气处理方法 Download PDF

Info

Publication number
CN114751534A
CN114751534A CN202210672013.8A CN202210672013A CN114751534A CN 114751534 A CN114751534 A CN 114751534A CN 202210672013 A CN202210672013 A CN 202210672013A CN 114751534 A CN114751534 A CN 114751534A
Authority
CN
China
Prior art keywords
stripping
wastewater
treatment
gas
catalytic combustion
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
Application number
CN202210672013.8A
Other languages
English (en)
Inventor
吴天添
杨苏川
徐星宇
李俐俐
陈晓伟
秦翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu New Bee Environmental Protection And Technology Co ltd
Original Assignee
Jiangsu New Bee Environmental Protection And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu New Bee Environmental Protection And Technology Co ltd filed Critical Jiangsu New Bee Environmental Protection And Technology Co ltd
Priority to CN202210672013.8A priority Critical patent/CN114751534A/zh
Publication of CN114751534A publication Critical patent/CN114751534A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F7/00—Aeration of stretches of water
    • 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
    • C02F1/02—Treatment of water, waste water, or sewage by heating
    • 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
    • C02F1/20—Treatment of water, waste water, or sewage by degassing, i.e. liberation of dissolved gases
    • 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
    • C02F1/34—Treatment of water, waste water, or sewage with mechanical oscillations
    • C02F1/36—Treatment of water, waste water, or sewage with mechanical oscillations ultrasonic vibrations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
    • F23G—CREMATION FURNACES; CONSUMING WASTE PRODUCTS BY COMBUSTION
    • F23G7/00—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals
    • F23G7/06—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals of waste gases or noxious gases, e.g. exhaust gases
    • F23G7/07—Incinerators or other apparatus for consuming industrial waste, e.g. chemicals of waste gases or noxious gases, e.g. exhaust gases in which combustion takes place in the presence of catalytic material
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2101/00—Nature of the contaminant
    • C02F2101/10—Inorganic compounds
    • C02F2101/16—Nitrogen compounds, e.g. ammonia
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Water Supply & Treatment (AREA)
  • Organic Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Physical Water Treatments (AREA)

Abstract

本发明公开了一种曝气吹脱加催化燃烧的氨气处理方法，该处理方法包括以下步骤：S1、利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；S2、利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值；S3、基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断；S4、利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中。本发明采用超声吹脱与催化燃烧相结合的技术不仅可以有效地提高氨气的处理效果及效率，避免二次污染情况的发生，而且还可以有效地降低氨气的处理成本。

Description

一种曝气吹脱加催化燃烧的氨气处理方法
技术领域
本发明涉及氨气处理技术领域，具体来说，涉及一种曝气吹脱加催化燃烧的氨气处理方法。
背景技术
氨气是一种刺激性有毒气体。氨气轻度中毒能灼伤人的皮肤、眼睛、呼吸器官的粘膜，人体重度中毒能引起肺肿胀，导致死亡。氨气主要的排放源来自农业用肥，此外工业用氨、垃圾焚烧、污水处理厂以及垃圾填埋场均排放大量的氨气。氨气排入空气会直接和间接导致诸多的大气污染问题，包括酸雨、雾霾以及温室效应等。
氨气呈弱碱性，排入空气后将使水体向空气中释放的二氧化硫等酸性气体总量增加，同时pH值的提高还加速了空气中二氧化硫的进一步氧化；氨气排入大气将先后被氧化为氮氧化物及硝酸，进而加剧大气的酸雨问题及温室效应，2015年我国酸雨中硫酸盐及硝酸盐分别占阴离子总量的24.7％及8.5％。氨气的排放还与PM2.5的形成密切相关，我国华北平原、长江及珠江三角洲地区，由氨气排放所产生的PM2.5占其总量的8-11％。因此，氮气应作为空气污染防治的重点监控对象，对氨气的排放进行严格控制，尽量减少氨气的排放。
然而，传统的氨气处理方法存在处理成本高、效率低下及存在二次污染的问题，因此，本发明提供了一种曝气吹脱加催化燃烧的氨气处理方法。
发明内容
针对相关技术中的问题，本发明提出一种曝气吹脱加催化燃烧的氨气处理方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
一种曝气吹脱加催化燃烧的氨气处理方法，该处理方法包括以下步骤：
S1、利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
S2、利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值；
S3、基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断；
S4、利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中。
进一步的，所述S1中利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S11、将高氨氮废水与碱液送入管道混合器内进行混合，调节pH为10~13，得到碱混废水；
S12、对所述碱混废水进行加热处理，并将加热后的所述碱混废水加入吹脱塔内进行超声吹脱处理；
S13、同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
S14、将所述吹脱废水由所述吹脱塔底端的废水出口排出，所述吹脱废气由所述吹脱塔顶端的废气出口排出。
进一步的，所述S13中同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S131、利用所述吹脱塔内底部的曝气管道及曝气头对加热后的碱混废水进行初次曝气处理，吹脱碱混废水中的氨气；
S132、利用所述吹脱塔内部的若干接触曝气板上的曝气孔对碱混废水进行再次曝气处理；
S133、开启所述曝气板两端的超声波发生器进行超声空化处理，分别得到吹脱废水及吹脱废气。
进一步的，所述加热处理的温度为40℃，所述超声吹脱处理的时间为60min，所述超声吹脱处理的功率为80W。
进一步的，所述S2中利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值包括以下步骤：
S21、利用预设的若干气敏传感器采集已知氨氮浓度废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
S22、利用所述气敏传感器相应信号的特征值构建改进的BP小波神经网络预测模型；
S23、利用若干所述气敏传感器采集所述吹脱废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
S24、利用所述改进的BP小波神经网络预测模型对所述特征值进行计算，得到所述吹脱废水的氨氮浓度值。
进一步的，所述气敏传感器相应信号的特征值包括气敏传感器的响应时间、气敏传感器的响应曲线积分值及气敏传感器的稳态值中的至少一种。
进一步的，所述改进的BP小波神经网络预测模型的构建包括以下步骤：
结合小波类型、时频参数及训练样本数据设置输入层到隐含层权值
Figure 172663DEST_PATH_IMAGE001
、隐含层神经元阈值
Figure 497465DEST_PATH_IMAGE002
及小波伸缩平移参数；
通过引进隐含层饱和度构建新的误差函数，建立改进的BP小波神经网络预测模型，其中，所述新的误差函数的公式如下：
Figure 867266DEST_PATH_IMAGE003
；
式中，P表示全部输入样本数，p表示样本，m表示输出层的节点数量，j表示输出层各节点，l表示隐含层的节点数量，k表示隐含层各节点，N表示偶数，tp表示期望输出，yp表示实际输出，
Figure 446278DEST_PATH_IMAGE004
表示隐含层饱和度比例因子，EA表示第A个样本误差，EB表示第B个样本误差。
进一步的，所述输入层到隐含层权值
Figure 243332DEST_PATH_IMAGE001
的表达式如下：
Figure 789851DEST_PATH_IMAGE005
；
式中，
Figure 963344DEST_PATH_IMAGE006
表示输入层到隐含层权值
Figure 160976DEST_PATH_IMAGE001
进行逐一归一化处理，并乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子的权值，ximax表示输入层第i个神经元中的样本最大值，ximin表示输入层第i个神经元中的样本最小值；
所述隐含层神经元阈值
Figure 128932DEST_PATH_IMAGE002
的表达式如下：
Figure 225064DEST_PATH_IMAGE007
；
式中，
Figure 874351DEST_PATH_IMAGE008
表示隐含层神经元阈值
Figure 739539DEST_PATH_IMAGE002
乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子的阈值；
所述小波伸缩平移参数ak和bk的表达式如下：
Figure 563882DEST_PATH_IMAGE009
；
式中，t*表示小波时域中心为，
Figure 147310DEST_PATH_IMAGE010
表示半径。
进一步的，所述S3中基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断包括以下步骤：
S31、获取所述吹脱废水的氨氮浓度值及预设氨氮浓度指标值，并计算所述氨氮浓度值与预设氨氮浓度指标值之间的差值；
S32、判断所述差值是否超出预设氨氮浓度指标值的阈值范围，若是，则判断所述吹脱废水不合格，若否，则判断所述吹脱废水合格。
进一步的，所述S4中利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中包括以下步骤：
S41、将所述吹脱废气通入预设的过滤设备进行预过滤处理；
S42、对预设的催化燃烧装置进行预热，当温度达到氨气的燃烧温度时将所述吹脱废气通入催化燃烧装置内进行催化燃烧；
S43、利用预设的热量回收装置对燃烧产生的热量进行回收，用于催化燃烧装置的预热，将热量回收后的尾气排放至大气中。
本发明的有益效果为：
1）通过利用超声吹脱法对高氨氮废水进行超声吹脱处理，可以有效地提高废水中的氨氮去除效果，并结合氨气催化燃烧技术对吹脱后的废气进行催化燃烧处理，从而可以有效地提高吹脱废气中的氨气处理效果，相比于传统的氨气处理方法，本发明采用超声吹脱与催化燃烧相结合的技术不仅可以有效地提高氨气的处理效果及效率，避免二次污染情况的发生，而且还可以有效地降低氨气的处理成本。
2）通过利用改进的BP小波神经网络预测模型可以实现吹脱废水中的氨氮浓度的自动检测，使得整个检测周期无需人工干预，既消除了人为操作的误差，又实现了在线自动监测的功能，从而可以结合预设氨氮浓度指标值来对吹脱废水的超声吹脱处理结果进行评估判断，进而可以快速的实现对超声吹脱处理工艺是否合格进行判断，可以更好地满足于氨气的处理需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种曝气吹脱加催化燃烧的氨气处理方法的流程示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种曝气吹脱加催化燃烧的氨气处理方法。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的一种曝气吹脱加催化燃烧的氨气处理方法，该处理方法包括以下步骤：
S1、利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
其中，所述S1中利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S11、将高氨氮废水与碱液送入管道混合器内进行混合，调节pH为10~13，得到碱混废水；
S12、对所述碱混废水进行加热处理，并将加热后的所述碱混废水加入吹脱塔内进行超声吹脱处理；
S13、同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
具体的，所述S13中同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S131、利用所述吹脱塔内底部的曝气管道及曝气头对加热后的碱混废水进行初次曝气处理，吹脱碱混废水中的氨气；
S132、利用所述吹脱塔内部的若干接触曝气板上的曝气孔对碱混废水进行再次曝气处理；
S133、开启所述曝气板两端的超声波发生器进行超声空化处理，分别得到吹脱废水及吹脱废气。
S14、将所述吹脱废水由所述吹脱塔底端的废水出口排出，所述吹脱废气由所述吹脱塔顶端的废气出口排出。
具体的，所述加热处理的温度为40℃，所述超声吹脱处理的时间为60min，所述超声吹脱处理的功率为80W。
S2、利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值；
其中，所述S2中利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值包括以下步骤：
S21、利用预设的若干气敏传感器采集已知氨氮浓度废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
具体的，所述气敏传感器相应信号的特征值包括气敏传感器的响应时间、气敏传感器的响应曲线积分值及气敏传感器的稳态值中的至少一种。
S22、利用所述气敏传感器相应信号的特征值构建改进的BP小波神经网络预测模型；
具体的，所述改进的BP小波神经网络预测模型的构建包括以下步骤：
因神经网络的逼近和收敛能力与初始参数的选择有关，于是结合小波类型、时频参数及训练样本数据设置输入层到隐含层权值
Figure 334709DEST_PATH_IMAGE001
、隐含层神经元阈值
Figure 319982DEST_PATH_IMAGE002
及小波伸缩平移参数；
使得小波神经网络的逼近和收敛能力得以提高，选用Morlet为小波函数，其表达式如下：
Figure 629741DEST_PATH_IMAGE011
；
通过引进隐含层饱和度构建新的误差函数，建立改进的BP小波神经网络预测模型，其中，所述新的误差函数的公式如下：
Figure 887416DEST_PATH_IMAGE003
；
式中，P表示全部输入样本数，p表示样本，m表示输出层的节点数量，j表示输出层各节点，l表示隐含层的节点数量，k表示隐含层各节点，N表示偶数，tp表示期望输出，yp表示实际输出，
Figure 878505DEST_PATH_IMAGE004
表示隐含层饱和度比例因子，EA表示第A个样本误差，EB表示第B个样本误差。
通过引进隐层饱和度到新误差函数中，可同步使得EA、EB极小，以防隐含层和输出层神经元达到饱和。此外，对EA还具有双重控制作用，当EB较大时，可使EB达到极小，EB可以适当减弱隐层饱和度陷人局部极小，当EA较小时，可减小
Figure 718286DEST_PATH_IMAGE004
或者增大N（N必须是偶数），从而减弱EB对网络的影响，可以有效避免训练振荡使BP算法收敛速度加快。
其中，所述输入层到隐含层权值
Figure 887361DEST_PATH_IMAGE001
的设置包括以下步骤：
输入层到隐含层权值
Figure 117485DEST_PATH_IMAGE001
为随机产生在[-1,1]区间上的均匀分布随机数；
对输入层到隐含层权值
Figure 974583DEST_PATH_IMAGE001
进行逐一归一化：
Figure DEST_PATH_IMAGE012
；
乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子：
Figure 855820DEST_PATH_IMAGE013
；
式中，d表示传递函数相关联的因子，通过多次学习和实践可知Morlet小波比较合适的值为2.3~2.6；
建立与学习样本关系，设在输入层第i个神经元中样本最大值为ximax，最小值为ximin，即得到：
Figure 445064DEST_PATH_IMAGE005
；
所述隐含层神经元阈值
Figure 107690DEST_PATH_IMAGE002
的设置包括以下步骤：
隐含层神经元阈值
Figure 627533DEST_PATH_IMAGE002
的初始值为随机产生在[-1,1]区间上的均匀分布随机数；
乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子：
Figure 176326DEST_PATH_IMAGE014
；
建立学习样本以及输入层到隐含层权值
Figure 890467DEST_PATH_IMAGE001
的关系：
Figure 157500DEST_PATH_IMAGE015
；
所述小波伸缩平移参数的设置包括以下步骤：
假设小波时域中心为t*，半径为
Figure 543351DEST_PATH_IMAGE010
，则小波伸缩系区域在时域中区间为：
Figure 884333DEST_PATH_IMAGE016
；
为让小波伸缩系包含在全部输入向量范畴内，设置伸缩平移参数ak、bk，表达式如下：
Figure 143276DEST_PATH_IMAGE017
；
进一步求解得到：
Figure 583092DEST_PATH_IMAGE009
；
基于小波时频参数的定义，计算小波函数Morlet小波的时域中心t*=0，半径
Figure 257787DEST_PATH_IMAGE010
=0.7071。
S23、利用若干所述气敏传感器采集所述吹脱废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
S24、利用所述改进的BP小波神经网络预测模型对所述特征值进行计算，得到所述吹脱废水的氨氮浓度值。
S3、基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断；
其中，所述S3中基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断包括以下步骤：
S31、获取所述吹脱废水的氨氮浓度值及预设氨氮浓度指标值，并计算所述氨氮浓度值与预设氨氮浓度指标值之间的差值；
S32、判断所述差值是否超出预设氨氮浓度指标值的阈值范围，若是，则判断所述吹脱废水不合格，若否，则判断所述吹脱废水合格。
S4、利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中。
其中，所述S4中利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中包括以下步骤：
S41、将所述吹脱废气通入预设的过滤设备进行预过滤处理；
S42、对预设的催化燃烧装置进行预热，当温度达到氨气的燃烧温度时将所述吹脱废气通入催化燃烧装置内进行催化燃烧；
S43、利用预设的热量回收装置对燃烧产生的热量进行回收，用于催化燃烧装置的预热，将热量回收后的尾气排放至大气中。
综上所述，借助于本发明的上述技术方案，通过利用超声吹脱法对高氨氮废水进行超声吹脱处理，可以有效地提高废水中的氨氮去除效果，并结合氨气催化燃烧技术对吹脱后的废气进行催化燃烧处理，从而可以有效地提高吹脱废气中的氨气处理效果，相比于传统的氨气处理方法，本发明采用超声吹脱与催化燃烧相结合的技术不仅可以有效地提高氨气的处理效果及效率，避免二次污染情况的发生，而且还可以有效地降低氨气的处理成本。
此外，通过利用改进的BP小波神经网络预测模型可以实现吹脱废水中的氨氮浓度的自动检测，使得整个检测周期无需人工干预，既消除了人为操作的误差，又实现了在线自动监测的功能，从而可以结合预设氨氮浓度指标值来对吹脱废水的超声吹脱处理结果进行评估判断，进而可以快速的实现对超声吹脱处理工艺是否合格进行判断，可以更好地满足于氨气的处理需求。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，该处理方法包括以下步骤：
S1、利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
S2、利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值；
S3、基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断；
S4、利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中。
2.根据权利要求1所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述S1中利用超声吹脱法对高氨氮废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S11、将高氨氮废水与碱液送入管道混合器内进行混合，调节pH为10~13，得到碱混废水；
S12、对所述碱混废水进行加热处理，并将加热后的所述碱混废水加入吹脱塔内进行超声吹脱处理；
S13、同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气；
S14、将所述吹脱废水由所述吹脱塔底端的废水出口排出，所述吹脱废气由所述吹脱塔顶端的废气出口排出。
3.根据权利要求2所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述S13中同时开启所述吹脱塔内的曝气装置及超声波发生器对所述碱混废水进行超声吹脱处理，分别得到吹脱废水及吹脱废气包括以下步骤：
S131、利用所述吹脱塔内底部的曝气管道及曝气头对加热后的碱混废水进行初次曝气处理，吹脱碱混废水中的氨气；
S132、利用所述吹脱塔内部的若干接触曝气板上的曝气孔对碱混废水进行再次曝气处理；
S133、开启所述曝气板两端的超声波发生器进行超声空化处理，分别得到吹脱废水及吹脱废气。
4.根据权利要求3所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述加热处理的温度为40℃，所述超声吹脱处理的时间为60min，所述超声吹脱处理的功率为80W。
5.根据权利要求1所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述S2中利用改进的BP小波神经网络预测模型对所述吹脱废水中的氨氮浓度进行自动检测，得到氨氮浓度值包括以下步骤：
S21、利用预设的若干气敏传感器采集已知氨氮浓度废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
S22、利用所述气敏传感器相应信号的特征值构建改进的BP小波神经网络预测模型；
S23、利用若干所述气敏传感器采集所述吹脱废水上方的信号，并提取若干所述气敏传感器相应信号的特征值；
S24、利用所述改进的BP小波神经网络预测模型对所述特征值进行计算，得到所述吹脱废水的氨氮浓度值。
6.根据权利要求5所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述气敏传感器相应信号的特征值包括气敏传感器的响应时间、气敏传感器的响应曲线积分值及气敏传感器的稳态值中的至少一种。
7.根据权利要求5所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述改进的BP小波神经网络预测模型的构建包括以下步骤：
结合小波类型、时频参数及训练样本数据设置输入层到隐含层权值
Figure 452387DEST_PATH_IMAGE001
、隐含层神经元阈值
Figure 111907DEST_PATH_IMAGE002
及小波伸缩平移参数；
通过引进隐含层饱和度构建新的误差函数，建立改进的BP小波神经网络预测模型，其中，所述新的误差函数的公式如下：
Figure 163040DEST_PATH_IMAGE003
；
式中，P表示全部输入样本数，p表示样本，m表示输出层的节点数量，j表示输出层各节点，l表示隐含层的节点数量，k表示隐含层各节点，N表示偶数，tp表示期望输出，yp表示实际输出，
Figure 773756DEST_PATH_IMAGE004
表示隐含层饱和度比例因子，EA表示第A个样本误差，EB表示第B个样本误差。
8.根据权利要求7所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述输入层到隐含层权值
Figure 998064DEST_PATH_IMAGE001
的表达式如下：
Figure 997244DEST_PATH_IMAGE005
；
式中，
Figure 406229DEST_PATH_IMAGE006
表示输入层到隐含层权值
Figure 444854DEST_PATH_IMAGE001
进行逐一归一化处理，并乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子的权值，ximax表示输入层第i个神经元中的样本最大值，ximin表示输入层第i个神经元中的样本最小值；
所述隐含层神经元阈值
Figure 288832DEST_PATH_IMAGE002
的表达式如下：
Figure 595048DEST_PATH_IMAGE007
；
式中，
Figure 348503DEST_PATH_IMAGE008
表示隐含层神经元阈值
Figure 372960DEST_PATH_IMAGE002
乘以和隐含层节点数l、输入层节点数n以及传递函数相关联的因子的阈值；
所述小波伸缩平移参数ak和bk的表达式如下：
Figure 624556DEST_PATH_IMAGE009
；
式中，t*表示小波时域中心为，
Figure 926224DEST_PATH_IMAGE010
表示半径。
9.根据权利要求1所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述S3中基于所述氨氮浓度值结合预设氨氮浓度指标值对所述吹脱废水的超声吹脱处理结果进行评估判断包括以下步骤：
S31、获取所述吹脱废水的氨氮浓度值及预设氨氮浓度指标值，并计算所述氨氮浓度值与预设氨氮浓度指标值之间的差值；
S32、判断所述差值是否超出预设氨氮浓度指标值的阈值范围，若是，则判断所述吹脱废水不合格，若否，则判断所述吹脱废水合格。
10.根据权利要求1所述的一种曝气吹脱加催化燃烧的氨气处理方法，其特征在于，所述S4中利用氨气催化燃烧技术对所述吹脱废气进行催化燃烧处理，并将处理后的尾气排放至大气中包括以下步骤：
S41、将所述吹脱废气通入预设的过滤设备进行预过滤处理；
S42、对预设的催化燃烧装置进行预热，当温度达到氨气的燃烧温度时将所述吹脱废气通入催化燃烧装置内进行催化燃烧；
S43、利用预设的热量回收装置对燃烧产生的热量进行回收，用于催化燃烧装置的预热，将热量回收后的尾气排放至大气中。
CN202210672013.8A 2022-06-15 2022-06-15 一种曝气吹脱加催化燃烧的氨气处理方法 Pending CN114751534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210672013.8A CN114751534A (zh) 2022-06-15 2022-06-15 一种曝气吹脱加催化燃烧的氨气处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210672013.8A CN114751534A (zh) 2022-06-15 2022-06-15 一种曝气吹脱加催化燃烧的氨气处理方法

Publications (1)

Publication Number Publication Date
CN114751534A true CN114751534A (zh) 2022-07-15

Family

ID=82336961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210672013.8A Pending CN114751534A (zh) 2022-06-15 2022-06-15 一种曝气吹脱加催化燃烧的氨气处理方法

Country Status (1)

Country Link
CN (1) CN114751534A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07116650A (ja) * 1993-10-20 1995-05-09 Nitto Kikai Kk 高濃度アンモニア含有水からアンモニアをガス状で分離、処理する方法
JPH08197039A (ja) * 1995-01-27 1996-08-06 Nippon Shokubai Co Ltd アンモニア含有廃水の処理方法
CN101813662A (zh) * 2009-02-19 2010-08-25 清华大学 一种检测水中氨氮含量的方法及其专用装置
CN103130361A (zh) * 2013-03-22 2013-06-05 天津大学 高浓度含氨废水的脱氨方法与装置
CA2836719A1 (en) * 2012-12-13 2014-06-13 Fulvio Antonio De Asmundis Microwave and heating apparatus for sewage treatment
CN105366753A (zh) * 2014-08-25 2016-03-02 成都安捷宜康环保科技有限公司 利用煤气吹脱法处理氨氮废水的方法
CN105461173A (zh) * 2015-12-16 2016-04-06 南京国能环保工程有限公司 一种处理高浓度氨氮废水的除氨氮方法
DE102015006706A1 (de) * 2015-05-23 2016-11-24 Norbert Pautz Kontinuierliches Verfahren zur Entfernung von Mikro-Verunreinigungen aus biologisch geklärtem, kommunalen Abwasser
CN107983083A (zh) * 2017-11-20 2018-05-04 珠海天禾环保工程有限公司 一种新型VOCs处理设备及处理工艺
CN108264186A (zh) * 2017-12-29 2018-07-10 乐山海天水务有限公司 一种对含氮污水进行回收利用的方法
CN109574114A (zh) * 2017-09-28 2019-04-05 南京菱亚汽车技术研究院 一种适用于寒冷天气的具有可持续运行能力的吹脱系统
CN109607927A (zh) * 2019-01-25 2019-04-12 江苏苏纯环保科技有限公司 一种含油危废的炼化油品再利用的方法
CN216377740U (zh) * 2021-11-12 2022-04-26 中冶南方都市环保工程技术股份有限公司 一种高氨氮废水处理及资源化利用系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07116650A (ja) * 1993-10-20 1995-05-09 Nitto Kikai Kk 高濃度アンモニア含有水からアンモニアをガス状で分離、処理する方法
JPH08197039A (ja) * 1995-01-27 1996-08-06 Nippon Shokubai Co Ltd アンモニア含有廃水の処理方法
CN101813662A (zh) * 2009-02-19 2010-08-25 清华大学 一种检测水中氨氮含量的方法及其专用装置
CA2836719A1 (en) * 2012-12-13 2014-06-13 Fulvio Antonio De Asmundis Microwave and heating apparatus for sewage treatment
CN103130361A (zh) * 2013-03-22 2013-06-05 天津大学 高浓度含氨废水的脱氨方法与装置
CN105366753A (zh) * 2014-08-25 2016-03-02 成都安捷宜康环保科技有限公司 利用煤气吹脱法处理氨氮废水的方法
DE102015006706A1 (de) * 2015-05-23 2016-11-24 Norbert Pautz Kontinuierliches Verfahren zur Entfernung von Mikro-Verunreinigungen aus biologisch geklärtem, kommunalen Abwasser
CN105461173A (zh) * 2015-12-16 2016-04-06 南京国能环保工程有限公司 一种处理高浓度氨氮废水的除氨氮方法
CN109574114A (zh) * 2017-09-28 2019-04-05 南京菱亚汽车技术研究院 一种适用于寒冷天气的具有可持续运行能力的吹脱系统
CN107983083A (zh) * 2017-11-20 2018-05-04 珠海天禾环保工程有限公司 一种新型VOCs处理设备及处理工艺
CN108264186A (zh) * 2017-12-29 2018-07-10 乐山海天水务有限公司 一种对含氮污水进行回收利用的方法
CN109607927A (zh) * 2019-01-25 2019-04-12 江苏苏纯环保科技有限公司 一种含油危废的炼化油品再利用的方法
CN216377740U (zh) * 2021-11-12 2022-04-26 中冶南方都市环保工程技术股份有限公司 一种高氨氮废水处理及资源化利用系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
余兰 等: ""改进的BP小波神经网络预测模型应用研究"", 《甘肃科学学报》 *
王惠中 等: "《垃圾渗滤液处理技术及工程示范》", 31 January 2009, 河海大学出版社 *

Similar Documents

Publication Publication Date Title
CN106569517B (zh) 焦化废气脱硫过程优化控制方法
CN109978048B (zh) 一种脱硫塔浆液循环泵故障分析与诊断方法
CN101576734B (zh) 基于动态径向基神经网络的溶解氧的控制方法
Jana et al. Optimization of effluents using artificial neural network and support vector regression in detergent industrial wastewater treatment
CN108921364A (zh) 基于人工智能的污水处理厂鼓风机节能降耗方法
CN112417765B (zh) 一种基于改进师生网络模型的污水处理过程故障检测方法
CN110606620A (zh) 污水处理工艺及基于神经网络对其中生化环节控制的方法
CN110232062B (zh) 一种基于kpls和fcm的污水处理过程监测方法
Yaqub et al. Soft computing techniques in prediction Cr (VI) removal efficiency of polymer inclusion membranes
CN114398836A (zh) 基于宽度混合森林回归的mswi过程二噁英排放软测量方法
CN116688754A (zh) 船舶烟气脱硫自动控制系统及其方法
CN112733876A (zh) 基于模块化神经网络的城市固废焚烧过程氮氧化物软测量方法
CN117682682B (zh) 污水处理曝气过程的优化控制系统及方法
CN114330845A (zh) 基于多窗口概念漂移检测的mswi过程二噁英排放预测方法
CN111457392B (zh) 城市生活垃圾焚烧过程风量智能设定方法
CN113175678A (zh) 垃圾焚烧的监控方法及装置
CN117105461A (zh) 基于机器学习的大数据污水预测处理方法
CN116119877A (zh) 一种基于物联网技术的污水自动化处理方法及系统
CN111462835A (zh) 一种基于深度森林回归算法的二噁英排放浓度软测量方法
CN114751534A (zh) 一种曝气吹脱加催化燃烧的氨气处理方法
CN114266461A (zh) 基于可视化分布gan的mswi过程二噁英排放风险预警方法
CN109019717B (zh) 一种火电厂脱硫废水智能处理方法及系统
WO2024146070A1 (zh) 一种基于改进生成对抗网络的二噁英排放浓度软测量方法
CN115849519B (zh) 一种有机模块化电催化氧化处理装置
CN113869359B (zh) 基于模块化神经网络的城市固废焚烧过程氮氧化物预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220715

RJ01 Rejection of invention patent application after publication