CN117079730A - 一种a2o生物池工艺的全流程优化数学模型建立方法 - Google Patents
一种a2o生物池工艺的全流程优化数学模型建立方法 Download PDFInfo
- Publication number
- CN117079730A CN117079730A CN202311113750.5A CN202311113750A CN117079730A CN 117079730 A CN117079730 A CN 117079730A CN 202311113750 A CN202311113750 A CN 202311113750A CN 117079730 A CN117079730 A CN 117079730A
- Authority
- CN
- China
- Prior art keywords
- model
- water quality
- water
- analysis
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000008569 process Effects 0.000 title claims abstract description 82
- 238000013178 mathematical model Methods 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 177
- 239000010865 sewage Substances 0.000 claims abstract description 57
- 238000010992 reflux Methods 0.000 claims abstract description 18
- 238000005273 aeration Methods 0.000 claims abstract description 17
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 17
- 238000005094 computer simulation Methods 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims abstract description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 60
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 40
- 229910052698 phosphorus Inorganic materials 0.000 claims description 40
- 239000011574 phosphorus Substances 0.000 claims description 40
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 229910052757 nitrogen Inorganic materials 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 23
- 239000010802 sludge Substances 0.000 claims description 23
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 19
- 229910052799 carbon Inorganic materials 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 19
- 238000004088 simulation Methods 0.000 claims description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 13
- 231100000719 pollutant Toxicity 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000011112 process operation Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000005206 flow analysis Methods 0.000 claims description 3
- 238000013442 quality metrics Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 241000894006 Bacteria Species 0.000 description 36
- 230000012010 growth Effects 0.000 description 31
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 24
- 238000004062 sedimentation Methods 0.000 description 16
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 14
- 239000005014 poly(hydroxyalkanoate) Substances 0.000 description 13
- 229920000903 polyhydroxyalkanoate Polymers 0.000 description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 12
- 229910052760 oxygen Inorganic materials 0.000 description 12
- 239000001301 oxygen Substances 0.000 description 12
- 239000002245 particle Substances 0.000 description 12
- 229910002651 NO3 Inorganic materials 0.000 description 11
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 11
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 11
- 239000005416 organic matter Substances 0.000 description 11
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 10
- 241001453382 Nitrosomonadales Species 0.000 description 10
- 241001074903 Methanobacteria Species 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 9
- 230000007062 hydrolysis Effects 0.000 description 9
- 238000006460 hydrolysis reaction Methods 0.000 description 9
- 239000007787 solid Substances 0.000 description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 description 8
- 229910019142 PO4 Inorganic materials 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 7
- 230000001546 nitrifying effect Effects 0.000 description 7
- 125000001477 organic nitrogen group Chemical group 0.000 description 7
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 6
- 238000012937 correction Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 101100436085 Caenorhabditis elegans asm-3 gene Proteins 0.000 description 5
- 229920000388 Polyphosphate Polymers 0.000 description 5
- 229910021529 ammonia Inorganic materials 0.000 description 5
- 230000029087 digestion Effects 0.000 description 5
- 238000000855 fermentation Methods 0.000 description 5
- 244000005700 microbiome Species 0.000 description 5
- 239000001205 polyphosphate Substances 0.000 description 5
- 235000011176 polyphosphates Nutrition 0.000 description 5
- 238000001179 sorption measurement Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 206010021143 Hypoxia Diseases 0.000 description 4
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 4
- 230000001651 autotrophic effect Effects 0.000 description 4
- 230000004151 fermentation Effects 0.000 description 4
- 230000003834 intracellular effect Effects 0.000 description 4
- 230000031852 maintenance of location in cell Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000010452 phosphate Substances 0.000 description 4
- 230000035484 reaction time Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 230000009603 aerobic growth Effects 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 3
- 238000005842 biochemical reaction Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 230000001684 chronic effect Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 235000014113 dietary fatty acids Nutrition 0.000 description 3
- 229930195729 fatty acid Natural products 0.000 description 3
- 239000000194 fatty acid Substances 0.000 description 3
- 150000004665 fatty acids Chemical class 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 229920000642 polymer Polymers 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229920002527 Glycogen Polymers 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006065 biodegradation reaction Methods 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- XBDQKXXYIPTUBI-UHFFFAOYSA-N dimethylselenoniopropionate Natural products CCC(O)=O XBDQKXXYIPTUBI-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229940096919 glycogen Drugs 0.000 description 2
- 230000007954 hypoxia Effects 0.000 description 2
- 230000001146 hypoxic effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000001450 methanotrophic effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013386 optimize process Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 239000002846 particulate organic matter Substances 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- WHBMMWSBFZVSSR-UHFFFAOYSA-N 3-hydroxybutyric acid Chemical compound CC(O)CC(O)=O WHBMMWSBFZVSSR-UHFFFAOYSA-N 0.000 description 1
- 241000276484 Gadus ogac Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005903 acid hydrolysis reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- CAMXVZOXBADHNJ-UHFFFAOYSA-N ammonium nitrite Chemical compound [NH4+].[O-]N=O CAMXVZOXBADHNJ-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000003301 hydrolyzing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000543 intermediate Substances 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 229920000137 polyphosphoric acid Polymers 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 235000019260 propionic acid Nutrition 0.000 description 1
- IUVKMZGDUIUOCP-BTNSXGMBSA-N quinbolone Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H]([C@]4(C=CC(=O)C=C4CC3)C)CC[C@@]21C)C1=CCCC1 IUVKMZGDUIUOCP-BTNSXGMBSA-N 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Analytical Chemistry (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明涉及污水领域技术领域，具体涉及一种A2O生物池工艺的全流程优化数学模型建立方法，包括：建立工艺模型，确定模型进水组分，对工艺模型进行敏感性分析，对工艺模型进行校准，对工艺模型进行静态及动态模拟，确定工艺模型，在确定的工艺模型中加入数学模型计算的结果，运用工艺模型模拟出加入数学模型后的出水水质数据，并将工艺模型模拟出来的出水水质数据与实际出水水质数据进行比较。本发明能预测出水水质，提前预测水质的好坏，保证出水水质稳定达标，精确计算药量、曝气量、回流量，从而达到降低能耗，节约成本的目的。
Description
技术领域
本发明涉及污水领域技术领域，具体涉及一种A2O生物池工艺的全流程优化数学模型建立方法。
背景技术
随着社会发展的需要，污水处理智能化发展成为必然趋势，污水处理厂是一个环保行业，在整个微生物处理有机质过程就是一个二氧化碳排放的过程，污水处理需要投入各种能源和投加各种药剂。在保证污水处理达标的情况下，有效的提升污水处理厂处理效率的方向有两个，一个方向是挖掘工艺的潜能，自1916年世界上第一座活性污泥工艺的水厂诞生至今，过去的100多年是人类科技、文明飞速发展的黄金时期，活性污泥已经诞生出数10种变种工艺，各类研究已经逼近极限，近些年关于工艺挖掘的各种研究和论文已经非常少见，工艺的挖掘空间已经非常有限。另一个方向是提升控制水平，目前来说可提升的空间还非常巨大。为了提高污水厂运行效益，降低污水处理厂的能耗，节约运行成本，保证水质达标，国际水协(IAWQ)推出了ASM系列模型。在此模型基础上开发了众多模拟软件，这类模型能够模拟污水厂主体工艺的运行，在不同的原型条件下，模拟出出水水质后根据模拟的出水水质，去通过经验控制水厂的药量，曝气量，回流量，不能精确控制碳源投加量，曝气量、回流量，并且大部分现存智能系统核心控制理念均属于经验控制。A2O生物池工艺的全流程优化数学模型建立方法运用生物反应机理，优化工艺参数和控制信号，将优化的工艺参数和控制信号放入建立的工艺模型模拟出放入数学模型计算的工艺参数和控制信号后的水质变化，并根据工艺模型模拟出的出水水质去不断优化调整工艺参数和控制信号，找到最优的工艺参数和控制信号，该技术提高污水厂的运行效率，达到节能降耗的目的，为现场技术人员提供可视化数据展示，工作人员可以了解每时每刻的数据变化，让工作人员做到一切情况了然于胸，真正实现前馈控制，具有非常好的预测性，也让模型计算的控制信号更具说服力。
发明内容
本发明的目的在于提供一种A2O生物池工艺的全流程优化数学模型建立方法，本发明结合A2O生物池污水处理厂历史运行数据及实时运行数据，以单组各项进水水质指标的年平均值作为输入值建立出以数学模型计算结果为核心的全流程优化污水处理厂出水水质的数学模型控制方法；真正意义上解决精确投加的药量、曝气量、回流量的问题，并在精确投加药，曝气，回流后预测出曝气结果，全流程处理结果清晰直观。
为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：
一种A2O生物池工艺的全流程优化数学模型建立方法，包括以下步骤：
S1：建立A2O工艺模型。根据污水厂的工艺及反应池参数建立模型，确定模型需要建立的反应单元；
S2：确定模型的进水组分，进水组分包括但不限于COD、氮组分、磷组分、碱度、SS；
S3：模型敏感性分析，模型进行稳态模拟，模拟出出水水质结果，比较模拟出的出水水质结果与实际出水结果，采用常规灵敏度分析法对模型参数进行校正；
S4：对模型进行静态模拟及动态分析，敏感性分析后，在稳态下对模型进行校正，对模型的动力学参数进行调整，参数调整后将进水水质水量导入模型进行模拟，将实际出水水质与模拟出水水质结果进行动态模拟分析，各模拟出水水质与实际出水水质相近，变化趋势一致；
S5：在A2O工艺模型中加入数学模型，在已构建的A2O工艺模型加入数学模型计算出的精确的碳源投加量、回流量、曝气量、对污水厂的水质进行全流程优化；
S6：比较模拟出水水质结果与实际出水结果。将模拟的出水水质显示出来，若预测的出水水质不理想可立即调整。对调整后的数据进行调整，然后将预测出水水质结果与实际出水水质结果进行比较，实际结果与预测结果拟合，增加模型的可信度。
进一步的，所述步骤S1收集污水厂基础数据，主要包含：污水厂概况：主要构筑物尺寸、处理工艺、受纳水量。
进一步的，所述步骤S2具体包括以下子步骤：
S2.1：对污染物比例进行分析，分析污水可生化性及污染物去除难易度；
S2.2：历史检测数据分析：进水水量分析、进出水主要水质指标分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N与温度；
S2.3：分析污水厂全流程运行现状，通过对污染物指标的沿程变化特征的分析，判断各工艺运行环节是否处于最佳运行状况，提出需重点优化改造主体单元。主要包含：
S2.4：取样点的设置与水质指标的测试；
S2.5：水质指标全流程变化分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N，温度，分析其变化规律，分析各主体单元运行状态；
S2.6：功能区活性污泥性能分析，利用实验计算污泥中各菌群活性，确定功能区是否正常运作。
本发明的有益效果：
1.模型建立与优化：通过建立A2O工艺模型，考虑到污水处理厂的工艺和反应池参数，确定模型需要建立的反应单元。在模型建立的过程中，需要准确收集和整理污水厂的基础数据，包括污水厂概况、主要构筑物尺寸、处理工艺和受纳水量等。根据这些数据，建立模型的结构和参数，并对模型进行稳态模拟和敏感性分析。通过与实际出水结果的比较，对模型参数进行校正，提高模型的准确性和可靠性。
2.进水组分分析与优化：在建立模型的过程中，需要对进水组分进行详细分析。除了COD、氮组分、磷组分、碱度和SS等主要指标外，还需要考虑其他可能对工艺运行和水质影响的指标，如有机氮、总磷、温度、pH等。通过对进水组分的综合分析，可以了解污水的可生化性和污染物去除的难易程度，从而调整模型的参数和结构，以优化A2O工艺的效果和水质的稳定性。
3.全流程优化与水质预测：在建立的A2O工艺模型中，加入数学模型，通过精确计算碳源投加量、回流量和曝气量等参数，实现对污水厂水质的全流程优化。通过数学模型的精确计算和模拟，可以预测出水水质的变化趋势，并及时调整参数以确保水质的达标。这种全流程优化和水质预测能够提高水质的稳定性和一致性，降低出水水质的变动性，增加模型的可信度。
4.数据分析与操作指导：本发明通过收集污水厂的基础数据，并进行历史检测数据分析、取样点设置与水质指标测试、水质指标全流程变化分析等方法，对污水厂的全流程运行现状进行分析。通过这些数据分析和操作指导，可以帮助运行人员了解污水处理过程中的关键环节和问题点，指导他们进行合理的操作和调整，提高整个处理过程的效率和稳定性。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明的整体流程图；
图2为本发明的工艺流程图；
图3为本发明的沿程取样分布图；
图4为本发明活性污泥模型部分封装图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1-4所示
本实施例所述的一种A2O生物池工艺的全流程优化数学模型建立方法，包括以下步骤：
S1：建立A2O工艺模型。根据污水厂的工艺及反应池参数建立模型，确定模型需要建立的反应单元；
S2：确定模型的进水组分，进水组分包括但不限于COD、氮组分、磷组分、碱度、SS；
S3：模型敏感性分析，模型进行稳态模拟，模拟出出水水质结果，比较模拟出的出水水质结果与实际出水结果，采用常规灵敏度分析法对模型参数进行校正；
S4：对模型进行静态模拟及动态分析，敏感性分析后，在稳态下对模型进行校正，对模型的动力学参数进行调整，参数调整后将进水水质水量导入模型进行模拟，将实际出水水质与模拟出水水质结果进行动态模拟分析，各模拟出水水质与实际出水水质相近，变化趋势一致；
S5：在A2O工艺模型中加入数学模型，在已构建的A2O工艺模型加入数学模型计算出的精确的碳源投加量、回流量、曝气量、对污水厂的水质进行全流程优化；
S6：比较模拟出水水质结果与实际出水结果。将模拟的出水水质显示出来，若预测的出水水质不理想可立即调整。对调整后的数据进行调整，然后将预测出水水质结果与实际出水水质结果进行比较，实际结果与预测结果拟合，增加模型的可信度。
在本实施例中，所述步骤S1收集污水厂基础数据，主要包含：污水厂概况：主要构筑物尺寸、处理工艺、受纳水量。
在本实施例中，所述步骤S2具体包括以下子步骤：
S2.1：对污染物比例进行分析，分析污水可生化性及污染物去除难易度；
S2.2：历史检测数据分析：进水水量分析、进出水主要水质指标分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N与温度；
S2.3：分析污水厂全流程运行现状，通过对污染物指标的沿程变化特征的分析，判断各工艺运行环节是否处于最佳运行状况，提出需重点优化改造主体单元。主要包含：
S2.4：取样点的设置与水质指标的测试；
S2.5：水质指标全流程变化分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N，温度，分析其变化规律，分析各主体单元运行状态；
S2.6：功能区活性污泥性能分析，利用实验计算污泥中各菌群活性，确定功能区是否正常运作。
实施例2
如图1-4所示
本实施例所述的一种A2O生物池工艺的全流程优化数学模型建立方法，包括以下步骤：
S1：建立A2O工艺模型。根据污水厂的工艺及反应池参数建立模型，确定模型需要建立的反应单元；
S2：确定模型的进水组分，进水组分包括但不限于COD、氮组分、磷组分、碱度、SS；
S3：模型敏感性分析，模型进行稳态模拟，模拟出出水水质结果，比较模拟出的出水水质结果与实际出水结果，采用常规灵敏度分析法对模型参数进行校正；
S4：对模型进行静态模拟及动态分析，敏感性分析后，在稳态下对模型进行校正，对模型的动力学参数进行调整，参数调整后将进水水质水量导入模型进行模拟，将实际出水水质与模拟出水水质结果进行动态模拟分析，各模拟出水水质与实际出水水质相近，变化趋势一致；
S5：在A2O工艺模型中加入数学模型，在已构建的A2O工艺模型加入数学模型计算出的精确的碳源投加量、回流量、曝气量、对污水厂的水质进行全流程优化；
S6：比较模拟出水水质结果与实际出水结果。将模拟的出水水质显示出来，若预测的出水水质不理想可立即调整。对调整后的数据进行调整，然后将预测出水水质结果与实际出水水质结果进行比较，实际结果与预测结果拟合，增加模型的可信度。
在本实施例中，步骤2中历史检测数据分析：进水水量分析、进出水主要水质指标分析，如COD、BOD5、SS、TN、TP、NH3-N；化学需氧量COD(ChemicalOxygenDemand)是一个重要的有机物污染参数。它表示了污水中能被强氧化剂氧化的物质(一般为有机物)的氧当量，是通过化学方法测量水样中需要被氧化的还原性物质的量。当COD值越高时，则说明水中有机物含量越高，水体受有机物的污染越严重。测量污水厂进水中的COD，还可以判断供生化处理段利用的碳源是否充足。微生物主要通过硝化反应和反硝化反应两个过程进行污水的脱氮处理。在好氧池内，硝化细菌(氨氧化细菌和亚硝酸盐硝化细菌)将NH3-N氧化为氧化态氮(主要为硝态氮)；反硝化菌在缺氧条件下利用进水碳源将回流混合液中的NO3--N还原为N2，从而实现污水中氮的去除。为调整污水厂内回流，测定好氧段NH3-N和NO3--N的含量，对比好氧末端和缺氧末端的NO3--N含量，根据缺氧段前后的NO3--N含量变化，可以判断污水处理厂的反硝化效果。生物除磷是指聚磷菌(PAOs)厌氧释磷和好氧吸磷，然后排出剩余污泥，有效去除污水中的磷。厌氧释磷的主要过程是：挥发性脂肪酸被PAOs所吸收，利用聚磷水解和细胞内多糖水解的能量，被运输到细胞内后同化合成聚-β-羟基丁酸(PHB)，同时细胞原生质内聚磷颗粒中的磷酸盐也被释放出来。好氧吸磷过程所需的能量则为厌氧条件下合成的PHB所提供的；有效的厌氧释磷反应可以保障好氧状态下的过量吸磷，最后通过排放吸收大量磷的污泥实现对磷的高效去除。
活性污泥污泥模型，污水生物处理主要是依靠菌群的作用来完成的，许多外界因素都会影响着这些菌群的活性。活性污泥模型涉及多种菌群、有机底物的降解及微生物增长的生化反应。
①普通异养菌(OHOs)的生长与衰减OHOs在缺氧及好氧条件下有12个生化反应来体现微生物的生产和衰减过程，包含水解半饱和系数、好氧/厌氧衰减等17个相关参数。OHOs生长基质主要包括丙酸、醋酸、甲醇及快速易降解有机物。在特定环境下，OHOs利用的生长底物也是特定的，诸如缺氧条件下甲醇只能被甲醇菌利用，活性污泥工艺中反硝化与COD消耗的过程通常通过以上反应进行描述。其基本速率是最大比生长速率、细菌浓度与采用莫诺特公式来描述的生长基质的乘积。
式中，μ表示微生物比增长速率，μmax表示微生物最大比增长速率，KS表示半饱和常数，S表示有机物浓度。利用基本速率乘以各项反映菌群生长条件的修正系数，来应对环境因素的改变。OHOs生存pH在4～10之间，当pH为上下限值时，OHOs生长速率下降50％。厌氧发酵时，生长的氮源为氨，此时OHOs生存pH为5.5～8.5，适宜pH范围相对较窄。故在缺氧条件下，OHOs生长速率应乘上缺氧生长减少因子。
②甲醇菌的生长与衰减
当污水厂出水总氮要求较严格时，一般会在缺氧池中投加一定量的甲醇作为碳源来促进反硝化氮的去除作用。但由于甲醇只能够被甲醇菌所利用，投加量如果过多，会导致在污泥量增加的同时运行成本也随之提高，因此，甲醇投加量可根据甲醇菌的生长特征来进行调整。在缺氧条件下，甲醇菌通过对甲醇的利用把硝酸盐或亚硝酸盐反硝化为氮气。甲醇菌生长的基本速率的公式为甲醇浓度与最大比生长速率以及甲醇菌浓度的乘积，反应甲醇菌真实速率则应为基本速率与这些不同环境条件的修正项。在软件中默认甲醇菌优先对亚硝酸盐进行利用，不同的环境因素也会影响到甲醇菌的衰减速率。
③氨氧化菌(AOB)和亚硝酸盐氧化菌(NOB)的生长与衰减软件中硝化反应主要包括以下两个反应过程：亚硝酸盐氧化为硝酸盐和氨氧化为硝酸盐。AOB依靠氨氧化为亚硝酸盐，此过程中把无机碳合成为有机物。AOB的真实生长基本速率应为最大比生长速率与氨氧化菌浓度、氨浓度的乘积再乘以影响到AOB的不同环境条件的修正系数。软件中默认氨作为AOB的氮源。NOB是依靠亚硝酸盐氨氧化为硝酸盐，无机碳进一步被合成为有机物，其氮源同样为氨。NOB的真实生长基本速率为最大比生长速率与氨氧化菌浓度、氨浓度的乘积再乘以影响到NOB的不同环境条件下的修正系数。不同的环境因素同样会影响AOB和NOB的衰减速率。
④聚磷菌(PAOs)的生长与衰减软件中PAOs在各反应池中的生长与衰减共有15个工艺反应。PAOs的好氧生长：在O2或者NO3等外来电子受体存在的前提下，贮存的PHA被PAOs利用作为碳源和能量以满足生物细胞的生长，同时实现好氧吸磷，最终合成糖原。在好氧条件下的反应如下：
C2H4O2+1.2O2+0.16NH4 ++0.2PO4 3-
→0.16C5H7NO2+1.2CO2+0.2HPO3(聚磷)+0.44OH-+1.44H2O
PAOs氧化分解自身储存的有机物来获得能量，实现生物吸磷，并合成磷酸盐。当磷酸盐含量充足时，PAOs会吸收多种离子(如磷酸盐和Mg2+和K+等)以保证自身细胞的生长。PAOs生长过程的基本速率是最大比生长速率、PAOs浓度和PAOs浓度与PHA浓度比值的Monod公式的乘积。再乘以反应PAOs生长的不用环境因素的修正系数。PAOs的缺氧生长：在缺氧条件下，仍与好氧条件下相似，亚硝酸盐或硝酸盐被作用为电子受体。其基本速率为好氧条件下的基本速率与缺氧条件下的减少因子的乘积。在缺氧条件下的反应如下：
C2H4O2+0.96NO3 -+0.16NH4 ++0.2PO4 3-
→0.16C5H7NO2+1.2CO2+0.2HPO3(磷)+1.4OH-+0.96H2O+0.48N2
挥发性脂肪酸(VFA)的吸收与储存：在厌氧条件下，可发酵COD被OHOs利用转化为VFA，PAOs吸收转化形成的VFA，并将其以聚羟基脂肪酸脂(PHA)的形式储存在体内。PAOs对VFA的最大吸收速率、PAOs浓度以及VFA浓度的Monod公式的乘积即为该反应的基本速率。在厌氧条件下的反应如下：
2C2H4O2+HPO3(聚磷)+H2O→(C2H4O2)2+PO4 3-+3H+
PAOs的衰减：PAOs的衰减分为PAOs的好氧衰减以及厌氧/缺氧衰减两种。PHA的储存与聚合磷酸盐的水解反应与PAOs的衰减反应过程一同发生，其水解速率与衰减速率成正比。
⑤胶体性有机物的吸附、颗粒有机物的水解、可溶性有机氮的氨化、亚硝酸盐与硝酸盐的同化反硝化，胶体性有机物的吸附：胶体有机物具有吸附性能。胶体性有机物吸附速率常数、胶体性有机物浓度和OHOs以及PAOs质量总和的乘积即为其吸附速率的表达式。颗粒有机物的水解：颗粒有机物水解的基本速率的算法在缺氧和厌氧条件下采用不同的效率系数。其表达式为水解速率常数、OHOs以及PAOs质量总和与颗粒有机物与菌群质量之比的Monod公式的乘积。可溶性有机氮的氨化：氨化速率可表述为：可溶性有机氮的氨化速率常数乘以可溶性有机氮浓度和OHOs以及PAOs质量总和的Monod公式。亚硝酸盐与硝酸盐的同化反硝化：菌群的氮源通常来源于氮，而当氮浓度较低这种少数情况发生时，菌群就会通过同化，将亚硝酸盐和硝酸盐转化成氨来代替作为氮源。同化反硝化的反应速率为同化速率常数乘以OHOs和PAOs浓度之和，再乘以反应其生长的不同环境生长因素的特定修正系数。
(3)厌氧消化模型，厌氧消化产甲烷是一个由多种菌群共同参与生化、物化的较为繁杂的过程。厌氧消化涉及庞杂的有机物降解转化、中间产物以及多生物种类。现业内较为公认的理论是厌氧消化三阶段理论，分别为水解发酵阶段、产氢产甲烷阶段以及产甲烷阶段。软件中的厌氧消化模型是建立在异养菌、丙酸利用菌、酸甲烷菌以及氢甲烷菌四种菌群的概念基础之上的。
在本实施例中，所述步骤2的确定模型组分，进水组分影响出水水质的变化，污水厂的地理位置不同，进水的特性的差别会由地理位置的不同而具有较大差异。模型运行的准确性会因为进水组分的而受到较大影响。分析污水厂全流程运行现状，通过对污染物指标的沿程变化特征的分析，判断各工艺运行环节是否处于最佳运行状况，提出需重点优化改造主体单元。主要包含：
(1)取样点的设置与水质指标的测试；
(2)水质指标全流程变化分析，如COD、BOD5、SS、TN、TP、NH3-N等，分析其变化规律，分析各主体单元运行状态；
(3)功能区活性污泥性能分析：利用小试实验计算污泥中各菌群活性，确定功能区是否正常运作。
(4)进水组分分析：对污染物比例进行分析，分析污水可生化性及污染物去除难易度。A2O生物池工艺的全流程优化数学模型控制方法，其特征在于步骤2进水组分大致分为COD、氮组分、以及磷组分。
1)COD组分
根据生物降解性，COD可分为可生物降解COD和不可生物降解COD。通过进一步划分，前者又可以根据其降解速率分为快速生物降解有机物SS和慢速生物降解有机XS；后者则可以根据其溶解性分为溶解性不可生物降解有机物SI和颗粒性不可生物降解有机物XI。其中，快速生物降解有机物SS又可以细分为两种：可发酵易生物降解有机物SF、可溶极易降解有机物(挥发性脂肪酸)SA。即
CODtot＝SF+SA+SI+XS+XI。
本研究中，通过采用五点pH值滴定法(5P-VFA)来确定SA；SI采用STOWA的出水近似法，通过0.45μm滤膜过滤后测得溶解性COD，
SI＝0.9×CODEFF,SOL，
SS＝CODEFF,SOL-SI，
SF＝SS-SA。
根据众多研究结果显示，城市污水的极限生物需氧量BODU为生物降解COD(BCOD)的88％，一般BODU中约70％为BOD5，本研究通过BOD5来推测XS，即XS＝BODU/0.88-SS＝BOD5/0.616-SS。
XI＝CODtot-SS-SI-XS。
2)氮组分
进水总氮一般可分为无机氮和凯氏氮，凯氏氮又可细分为氨氮及总有机氮。实际情况中，认为凯氏氮浓度近似于总氮浓度，这是由于进水氧化态无机氮含量极低。本研究中测定无机态氮及总氮后，作差求得凯氏氮，并测定氨氮的浓度推算出总有机氮的浓度。
3)磷组分
根据溶解性，污水中总磷可分为溶解性磷和颗粒态磷，前者包括正磷酸盐、聚磷酸盐以及溶解性的有机磷。在模型中，一般默认有机磷含量近似为0，正磷酸盐浓度近似于溶解性磷的浓度。本研究中，污水厂进水磷组分主要通过测定正磷酸盐浓度以及总磷浓度来表示。根据相关文献查阅及部分测试可调整进水组分，对模型影响较小的组分可直接用文献推荐的经验值。
其中，所述步骤3的灵敏度分析，本发明使用常规灵敏度分析(Si,j)来对工艺模型参数进行校正。
式中，Si,j为灵敏度系数，yi为出水水质指标，xj为系统设定参数。
当灵敏度系数Si,j<0.25，表示该参数对模型输出结果无显著影响；当0.25≤Si,j<1，
表示该参数对模型输出结果有影响；1≤Si,j<2，表示该参数对模型输出结果有较大影响；Si,j≥2，表示该参数对模型输出结果有显著影响。调整模型中所有化学计量学参数以及动力学参数数值的10％，计算各参数对输出的出水指标的灵敏度。
在本实施例中，所述步骤4的对模型进行静态模拟校准。通过敏感性分析，在稳态模拟状态下对模型进行校正。结合国内外相关文献及案例，对模型的化学计量学参数不作调整。经校准后，模拟出水水质与实际出水水质基本一致，误差较小，对模型进行动态分析，各项模拟出水指标与实测出水指标相近，变化趋势基本一致。软件对该污水厂稳态模拟，其模拟值与实测值相对误差均小于10％；进行动态模拟，其模拟值与实测值相对误差均小于20％。模拟出水与实际出水指标拟合较好。
在本实施例中，步骤5所述的数学模型是根据ASM2D活性污泥模型和物质数量模型的建模原则建立的。
物料平衡方程：进入量-排出量+反应量＝积累量；
物质数量模型的建模原则：
(式中：V为反应器体积，单位为m3；pj为组分j的质量浓度，单位为g/m3；qv,in为进入流量，单位为m3/d；qv,out为流出流量，单位为m3/d；rj,n为组分j在第n个反应中浓度的变化速率。)
A2O工艺生物池模型包含厌氧池、缺氧池、好氧池三种数学模型：厌氧池数学模型包含以下微分方程：
上述公式中，q0为生反池进水流量，qr1为污泥回流量，q1为厌氧池出水量，其中：q1＝q0+qr1,V1表示厌氧池体积，t为反应时间，SO2(溶解氧)、SF(可发酵的易生物降解有机物)、SA(发酵产物)、ANH4(铵态氮和氨氮)、SNO3(硝酸盐氮和亚硝酸盐氮)、SPO4(溶解性无机磷)均为溶解性组分；XI(惰性颗粒有机物质)、XS(慢性可降解基质)、XH(异养菌)、XPAO(聚磷菌PAO)、XPP(聚磷酸盐)、XPHA(聚磷菌的细胞内贮存物)、XAUT(硝化菌)均为颗粒组分；p1～p19表示ASM2D模型中的反应速率。SF、SA、XI、XS、XH、XPAO、XPP、XPHA的下标逗号后的0表示生物池，下标逗号的1表示厌氧池，4表示二沉池；p1～p19过程速率采用IWA颁布的系数表。缺氧池数学模型包含以下微分方程：
上述公式中，q1为厌氧池出水量，qr2为污泥回流量，q2为缺氧池出水量，其中：q2＝q1+qr2，V2表示缺氧池体积，t为反应时间，SO2(溶解氧)、SF(可发酵的易生物降解有机物)、SA(发酵产物)、SNH4(铵态氮和氨氮)、SNO3(硝酸盐氮和亚硝酸盐氮)、SPO4(溶解性无机磷)均为溶解性组分；XI(惰性颗粒有机物质)、XS(慢性可降解基质)、XH(异养菌)、XPAO(聚磷菌PAO)、XPP(聚磷酸盐)、XPHA(聚磷菌的细胞内贮存物)、XAUT(硝化菌)均为颗粒组分；p1～p19表示ASM2D模型中的反应速率。SF、SA、XI、XS、XH、XPAO、XPP、XPHA的下标逗号后的0表示生物池，下标逗号的2表示缺氧池，3表示好氧池；p1～p19过程速率采用IWA颁布的系数表。
好氧池数学模型包含以下微分方程：
上述公式中，q2为缺氧池出水量，qr1，qr2为污泥回流量，q3为好氧池出水量，qw为二沉池排泥量,其中：q3＝q2-qr1-qr2+qw，V3表示好氧池体积，t为反应时间，KLa为溶解氧传质系数，SO2(溶解氧)、SF(可发酵的易生物降解有机物)、SA(发酵产物)、SNH4(铵态氮和氨氮)、SNO3(硝酸盐氮和亚硝酸盐氮)、SPO4(溶解性无机磷)均为溶解性组分；XI(惰性颗粒有机物质)、XS(慢性可降解基质)、XH(异养菌)、XPAO(聚磷菌PAO)、XPP(聚磷酸盐)、XPHA(聚磷菌的细胞内贮存物)、XAUT(硝化菌)均为颗粒组分；p1～p19表示ASM2D模型中的反应速率。SF、SA、XI、XS、XH、XPAO、XPP、XPHA的下标逗号的2表示缺氧池，3表示好氧池；p1～p19过程速率采用IWA颁布的系数表。二沉池内主要发生内源呼吸反应，而ASM3数学模型是基于更为先进的內源呼吸理论，因此二沉池的生化反应模型采用了ASM3数学模型。根据步骤5所述的二沉池ASM3的数学模型包含以下微分方程：
上述公式中q3为好氧池出水量，q4为二沉池出水量，q3＝q2-qr1-qr2-qw；V4表示二沉池体积，t为反应时间，SO2(溶解氧)、SI(惰性溶解性有机物)、SS(易生物降解有机底物)、SNH4(铵态氮和氨氮)、SN2(氮气)、SNOX(硝酸盐氮加亚硝酸盐氮)、XALK(污水碱度)；XI、XS、XH、XSTO、XA、XSS、XAUT均均为颗粒性组分，它们分别表示惰性颗粒性有机物质、慢速可生物降解底物、异养菌、异养菌的胞内贮存产物、硝化菌、悬浮固体；下标逗号的1、2、3、4分别表示厌氧池、缺氧池、好氧池和二沉池。p1～p2过程速率采用IWA颁布的系数表。
二沉池建模过程：
在将二沉池垂一维分层后，液态假定完全混合，在第i层内固体颗粒浓度Xi随时间的变化速率dxi/dt与单位时间内流入量及单位时间流出量有关。第i层内固体颗粒进、出的原因，是水流拖曳及重力沉降。
水流拖曳有三种情况：进水口以上各层水流方向向上，水流拖曳固体颗粒向上运动；进水口以下水流方向向下，水流拖曳固体颗粒向下运动；在进水口水流既有向上也有向下，拖曳固体颗粒在两个方向运动。若二沉池深为h,截面积为A，出水流量为qv,in＝qv,u+qv,w+qv,r,进水口及以下各层固体颗粒浓度随时间的变化速率分别为：
上述式子中：m、n、p为脚注，分别表示水流向上，水流向下及拖曳作用。
重力沉降速率VS用双指数学模型描述：
综合水流拖曳及重力沉降作用，可导出描述二沉池各层固体颗粒量随时间变化的数学模型。
进水口以上各层：
进水口以下各层：
进水口层：
顶层：
底层：
而将二沉池垂直一维分成10层，因此二沉池数学模型包含10个微分方程。这样，连同反应池的68个微分方程，A2O流程数学模型总共包括78个微分方程。
ASM3将活性污泥过程分解成13个组分，12个子过程。可溶组分分为：溶解氧(So)、惰性有机碳(Si)、易降解有机碳(Ss)、氨氮(Snh)、溶解氮(Sn)、硝态氮(Sno)、碱度(Salk)、。颗粒组分分为：颗粒惰性有机碳(Xi)、缓慢降解有机碳(Xs)、异养菌(Xbh)、异养菌胞内聚合物(XSTO)、包括聚羟基脂肪酸酯(PHA)、糖原、自养菌(Xba)、总悬浮固体(XTSS)。
ASM3子过程为：
缓慢降解有机碳Xs水解：易降解有机碳Ss好氧储存：/>
易降解有机碳Ss缺氧储存：
异养菌Xbh好氧生长：
异养菌Xbh缺氧生长：
异养菌Xbh好氧内源呼吸：
异养菌Xbh缺氧内源呼吸：
胞内聚合物XSTO好氧内源呼吸：
胞内聚合物XSTO缺氧内源呼吸：
自养菌Xba好氧生长：
自养菌Xba好氧内源呼吸：
自养菌Xba缺氧内源呼吸：
综上所述，本发明针对A2O生物池工艺的全流程优化数学模型控制方法在控制过程中全流程对污水处理结果进行跟踪并显示出水水质，并根据预测的出水结果用经验判断是否需要加药、加曝气，增加回流等，不能精确投加多少药量、曝气量，回流量。本发明真正意义上解决精确投加的药量、曝气量、回流量的问题，并在精确投加药，曝气，回流后预测出曝气结果，全流程处理结果清晰直观。
本发明可以更好的将理论与实践结合，将模型预测的出水水质数据与实时出水水质数据进行比较，两数据据基本吻合，就可以用该模型对水厂出水水质进行预测。数学模型能更精确指导药量，曝气量、回流量的投加，工作人员也能提前捕捉并及时进行异常情况处理，以便实现出水水质稳定达标，节能降耗，辅助工作人员了解自己要做什么，应该做什么，给工作人员操作安全感。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (4)
1.一种A2O生物池工艺的全流程优化数学模型建立方法，其特征在于，包括以下步骤：
S1：建立A2O工艺模型。根据污水厂的工艺及反应池参数建立模型，确定模型需要建立的反应单元；
S2：确定模型的进水组分，进水组分包括但不限于COD、氮组分、磷组分、碱度、SS；
S3：模型敏感性分析，模型进行稳态模拟，模拟出出水水质结果，比较模拟出的出水水质结果与实际出水结果，采用常规灵敏度分析法对模型参数进行校正；
S4：对模型进行静态模拟及动态分析，敏感性分析后，在稳态下对模型进行校正，对模型的动力学参数进行调整，参数调整后将进水水质水量导入模型进行模拟，将实际出水水质与模拟出水水质结果进行动态模拟分析，各模拟出水水质与实际出水水质相近，变化趋势一致；
S5：在A2O工艺模型中加入数学模型，在已构建的A2O工艺模型加入数学模型计算出的精确的碳源投加量、回流量、曝气量、对污水厂的水质进行全流程优化；
S6：比较模拟出水水质结果与实际出水结果。将模拟的出水水质显示出来，若预测的出水水质不理想可立即调整。对调整后的数据进行调整，然后将预测出水水质结果与实际出水水质结果进行比较，实际结果与预测结果拟合，增加模型的可信度。
2.如权利要求1所述的A2O生物池工艺的全流程优化数学模型建立方法，其特征在于：所述步骤S1收集污水厂基础数据，主要包含：污水厂概况：主要构筑物尺寸、处理工艺、受纳水量。
3.如权利要求1所述的A2O生物池工艺的全流程优化数学模型建立方法，其特征在于：所述步骤S2具体包括以下子步骤：
S2.1：对污染物比例进行分析，分析污水可生化性及污染物去除难易度；
S2.2：历史检测数据分析：进水水量分析、进出水主要水质指标分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N与温度；
S2.3：分析污水厂全流程运行现状，通过对污染物指标的沿程变化特征的分析，判断各工艺运行环节是否处于最佳运行状况，提出需重点优化改造主体单元。主要包含：
S2.4：取样点的设置与水质指标的测试；
S2.5：水质指标全流程变化分析，包括但不限于COD、BOD5、SS、TN、TP、NH3-N，温度，分析其变化规律，分析各主体单元运行状态；
S2.6：功能区活性污泥性能分析，利用实验计算污泥中各菌群活性，确定功能区是否正常运作。
4.如权利要求1-3任一项所述方法于污水工艺优化的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311113750.5A CN117079730A (zh) | 2023-08-31 | 2023-08-31 | 一种a2o生物池工艺的全流程优化数学模型建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311113750.5A CN117079730A (zh) | 2023-08-31 | 2023-08-31 | 一种a2o生物池工艺的全流程优化数学模型建立方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117079730A true CN117079730A (zh) | 2023-11-17 |
Family
ID=88702190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311113750.5A Pending CN117079730A (zh) | 2023-08-31 | 2023-08-31 | 一种a2o生物池工艺的全流程优化数学模型建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117079730A (zh) |
-
2023
- 2023-08-31 CN CN202311113750.5A patent/CN117079730A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kaelin et al. | Extension of ASM3 for two-step nitrification and denitrification and its calibration and validation with batch tests and pilot scale data | |
| CN110451661B (zh) | 一种污水中微生物类溶解性有机氮的预测模型及其应用 | |
| Stenstrom et al. | Effects of oxygen transport limitation on nitrification in the activated sludge process | |
| CN1204061C (zh) | 处理废水的方法和设备 | |
| Fuerhacker et al. | Approach for a novel control strategy for simultaneous nitrification/denitrification in activated sludge reactors | |
| CN109110922B (zh) | 一种反硝化深床滤池双碳源投加方法及系统 | |
| CN108414716B (zh) | 一种污水有机质组分的检测装置及方法 | |
| CN105439285B (zh) | 一种污水处理的调控方法 | |
| CN110510740B (zh) | 污水同时硝化反硝化曝气控制系统及曝气方法 | |
| Corsino et al. | Achieving complete nitrification below the washout SRT with hybrid membrane aerated biofilm reactor (MABR) treating municipal wastewater | |
| Pai et al. | Monitoring and assessing variation of sewage quality and microbial functional groups in a trunk sewer line | |
| Boltz et al. | Method to identify potential phosphorus rate-limiting conditions in post-denitrification biofilm reactors within systems designed for simultaneous low-level effluent nitrogen and phosphorus concentrations | |
| Chen et al. | Optimal strategies evaluated by multi-objective optimization method for improving the performance of a novel cycle operating activated sludge process | |
| Isanta et al. | A novel control strategy for enhancing biological N-removal in a granular sequencing batch reactor: A model-based study | |
| Lu et al. | Automatic control and optimal operation for greenhouse gas mitigation in sustainable wastewater treatment plants: A review | |
| Drewnowski et al. | Model based evaluation of plant improvement at a large wastewater treatment plant (WWTP) | |
| WO2015011213A1 (en) | A method and a system for enhancing nitrogen removal in a granular sequencing batch reactor (gsbr) and a computer program product | |
| CN117079730A (zh) | 一种a2o生物池工艺的全流程优化数学模型建立方法 | |
| Kapumbe et al. | Modeling and simulation of membrane bioreactor model based on ASM3 for domestic wastewater treatment. | |
| CN107720975B (zh) | 一种乙醇类物质作为外加碳源的污水处理优化模拟方法 | |
| Knapp | Study of process control strategies for biological nutrient removal in an oxidation ditch | |
| Isaacs et al. | Automatic monitoring of denitrification rates and capacities in activated sludge processes using fluorescence or redox potential | |
| Zhang et al. | Modeling and simulation of the biological process for treating wastewater with a low COD: N ratio under different dissolved oxygen conditions using an extended ASM2d model | |
| CN109534495B (zh) | 一种基于微生物基因和活性酶的污水处理方法及系统 | |
| Izadi et al. | The role of an adequate anaerobic mass fraction on RAS hydrolysis/fermentation for sustainable EBPR process |
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 |