CN118037513A - 一种下沉式污水处理厂的碳排放核算方法、装置及平台 - Google Patents
一种下沉式污水处理厂的碳排放核算方法、装置及平台 Download PDFInfo
- Publication number
- CN118037513A CN118037513A CN202410417701.9A CN202410417701A CN118037513A CN 118037513 A CN118037513 A CN 118037513A CN 202410417701 A CN202410417701 A CN 202410417701A CN 118037513 A CN118037513 A CN 118037513A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- emission intensity
- sewage treatment
- treatment plant
- carbon
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 270
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 268
- 238000011282 treatment Methods 0.000 title claims abstract description 209
- 239000010865 sewage Substances 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000006243 chemical reaction Methods 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 7
- 239000010802 sludge Substances 0.000 claims description 59
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 44
- 230000029087 digestion Effects 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 14
- 239000001301 oxygen Substances 0.000 claims description 14
- 229910052760 oxygen Inorganic materials 0.000 claims description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 238000011084 recovery Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 239000013043 chemical agent Substances 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000010792 warming Methods 0.000 claims description 7
- 239000013626 chemical specie Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 239000004480 active ingredient Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 238000003763 carbonization Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000002354 daily effect Effects 0.000 description 20
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 16
- 239000005431 greenhouse gas Substances 0.000 description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 11
- 230000009467 reduction Effects 0.000 description 10
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 8
- 229910052757 nitrogen Inorganic materials 0.000 description 8
- 238000005273 aeration Methods 0.000 description 5
- 239000002351 wastewater Substances 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004062 sedimentation Methods 0.000 description 4
- 238000004065 wastewater treatment Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- XUHVCHNJCBBXMP-UHFFFAOYSA-M sodium;10-[(2-hydroxybenzoyl)amino]decanoate Chemical compound [Na+].OC1=CC=CC=C1C(=O)NCCCCCCCCCC([O-])=O XUHVCHNJCBBXMP-UHFFFAOYSA-M 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 241001453382 Nitrosomonadales Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000701 coagulant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- VWTINHYPRWEBQY-UHFFFAOYSA-N denatonium Chemical compound [O-]C(=O)C1=CC=CC=C1.C=1C=CC=CC=1C[N+](CC)(CC)CC(=O)NC1=C(C)C=CC=C1C VWTINHYPRWEBQY-UHFFFAOYSA-N 0.000 description 2
- 239000000645 desinfectant Substances 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 238000010992 reflux Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001546 nitrifying effect Effects 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- 239000001272 nitrous oxide Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000026683 transduction Effects 0.000 description 1
- 238000010361 transduction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000003403 water pollutant Substances 0.000 description 1
Landscapes
- Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)
Abstract
本发明提出一种下沉式污水处理厂的碳排放核算方法、装置及平台，包括：S1、计算下沉式污水处理厂的直接碳排放强度：计算方法包括分别计算CO2类碳排放强度、CH4类碳排放强度、N2O类碳排放强度，然后相加得到直接碳排放强度；其中N2O转化率通过机器学习模型模拟预测得到；S2、计算下沉式污水处理厂的间接碳排放强度：计算方法包括分别计算电耗碳排放强度，以及物耗碳排放强度，然后相加得到间接碳排放强度；S3、将所述直接碳排放强度和所述间接碳排放强度相加，得到下沉式污水处理厂的总碳排放强度。本发明更方便、更直观地核算污水处理厂的碳排放情况，以便对污水处理厂实现低碳化管理，有助于减少污水处理厂的碳排放。
Description
技术领域
本发明属于环保技术领域，特别是涉及到一种下沉式污水处理厂的碳排放核算方法、装置及平台。
背景技术
碳排放是关于温室气体排放的一个总称或简称。目前，废水处理领域的研究人员和专业人员面临的挑战集中在温室气体减排。研究人员和专业人员重点关注两个目标：一是减少污染物排放（包括温室气体）；二是保持所需的处理废水质量。为了实现这些目标，许多研究者开始研究建立准确估算污水处理厂WWTPs温室气体排放量的工具。在这方面，数学模型是估算不同运行条件、系统配置和影响特征下污水处理厂（尤其是下沉式污水处理厂）直接和间接温室气体排放量的有力工具。
多年来本领域提出并应用了几种建模方法：
（1）基于排放系数的经验模型：宋宝木等人以某典型污水处理厂为例，根据月变化的进出水水质、污水处理量、耗电量、药剂使用量等基础数据，利用混合的排放系数法估算逐月的碳排放，并分析影响碳排放动态变化的关键因子。Kyung等人将一个简单而全面的模型与实际的温室气体测量数据相结合，建立模型，并进行了校准和比较，以估计污水处理厂全面运行期间的现场和场外温室气体排放。但是由于系统配置、操作设置和大气条件也都影响温室气体的释放，所有这些都难以在简单模型中解释。
（2）与质量平衡有关的简单的综合过程模型：Bani Shahabadi等人提出了一个基于质量平衡和动力学关系的模型，量化了WWTPs内部和外部（由于污泥处置和化学品）的温室气体排放。而Gori等人提出了一个基于化学需氧量(COD)分馏和质量平衡的精确模型，以评估污水处理厂（全厂范围）的碳和能量足迹。然而，Bani Shahabadi等人和Gori等人在建模方法中没有考虑N2O排放的作用，尽管WWTPs产生的N2O数量低于CO2和CH4，但其高的全球升温潜能值(GWP=298 tCO2/tN2O)，使得在估算WWTPs温室气体排放量时必须将N2O包括在内。
（3）与生命周期评估(LCA)相关的处理单元或全厂范围的动态模型：夏天虹等人基于生命周期评价理论，针对小城镇城市污水处理厂建造、运行、拆除过程中碳排放情况进行分析，探讨减少污水处理厂碳排放的途径。Paweł Zawartka等人开发一个计算生命周期的温室气体排放,以评估废水收集、运输和处理系统的环境影响，在国家层面上应用LCA模型来计算系统的碳排放量，从而能够确定所分析的废水管理系统的碳足迹。但是基于动态过程的模型复杂，需要高计算能力和大量数据进行校准，难以快速估算WWTPs的温室气体排放量。
如上所述，现有技术中提出的多种模型都存在缺陷，不能更方便、更直观地核算污水处理厂的碳排放情况，影响对污水处理厂实现低碳化管理。透过污水处理厂的运作提高能源效益，有助于减少污水处理厂的碳排放，从而节省能源，降低污水处理厂的处理成本，同时亦减少营运活动对环境的影响。
发明内容
针对背景技术中的问题，本发明提出一种下沉式污水处理厂的碳排放核算方法、装置及平台，可以更方便、更直观地核算污水处理厂的碳排放情况，以便对污水处理厂实现低碳化管理。透过污水处理厂的运作提高能源效益，有助于减少污水处理厂的碳排放，从而节省能源，降低污水处理厂的处理成本，同时亦减少营运活动对环境的影响。
为达到上述目的，本发明的技术方案是这样实现的：
一种下沉式污水处理厂的碳排放核算方法，包括：
S1、计算下沉式污水处理厂的直接碳排放强度：计算方法包括分别计算生物处理工段的CO2类碳排放强度、生物处理工段和厌氧消化工段的CH4类碳排放强度、生物处理工段的N2O类碳排放强度，然后相加得到直接碳排放强度；其中N2O类碳排放强度的计算中，N2O转化率通过机器学习模型模拟预测得到；
S2、计算下沉式污水处理厂的间接碳排放强度：计算方法包括分别计算所有工段的电耗碳排放强度，以及生物处理工段、深度处理工段、污泥浓缩工段、污泥脱水工段的物耗碳排放强度，然后相加得到间接碳排放强度；
S3、将所述直接碳排放强度和所述间接碳排放强度相加，得到下沉式污水处理厂的总碳排放强度。
进一步的，步骤S1具体包括：
S101、所述CO2类碳排放强度的计算方法包括：
；
式中：
--CO2类碳排放强度；
——脱氮过程中外加碳源(以氧当量计)的CO2理论转化率；
——外加碳源投加量；
——外加碳源有效成分；
——外加碳源的氧当量；
S102、所述CH4类碳排放强度的计算方法包括：
；
式中：
——CH4碳排放量；
——污水处理厂日进水水量；
——污水处理厂日平均进水CODCr浓度；
——污水处理厂日平均出水CODCr浓度；
SG——污水处理厂日产生的干污泥量；
——污水处理厂日干污泥的有机分；
——污泥中的有机物与CODCr的转化系数；
——厌氧过程降解单位CODCr时CH4的产率系数；
MCF——污水处理过程CH4修正因子；
——CH4温室效应指数；
0.717——标准状况（1个标准大气压和0℃）下CH4的密度；
——污水处理厂日CH4回收体积；计算方法如下：
；
其中：
SG——污水处理厂日产生的干污泥量；
MF——厌氧消化产CH4因子；
——厌氧消化CH4逸散率；
S103、所述N2O类碳排放强度的计算方法包括：
；
——N2O类碳排放强度；
——N2O转化率；
——生物处理单元进水水量；
——生物处理单元的进水TN浓度；
——生物处理单元的出水TN浓度；
——N2O温室效应指数。
更进一步的，步骤S103中N2O转化率通过人工神经网络模型ANN或支持向量机模型SVM模拟预测，模型输入包括进水NH4 +-N、进水NO2 --N、进水NO3 --N、出水NH4 +-N、出水NO2 --N、出水NO3 --N、水力停留时间HRT、酸碱度pH、温度T、溶解氧DO、总N2O排放量MN2O；选取不少于1000组数据样本作为模型训练的数据集，在数据集中进行随机设置，选择70%为训练集，选择15%为测试集，剩余的15%为验证集。
进一步的，步骤S2具体包括：
S201、所述电耗碳排放强度的计算方法包括：
；
；
式中：
——消耗电力产生的 CO2当量碳排放量；
——年耗电量；
——电力 CO2排放因子；
K——日处理规模；
——CO2全球增温潜势值；
——日处理量；
S202、所述物耗碳排放强度的计算方法包括：
；
Ec——物耗碳排放强度；
——第g种化学药剂的CO2排放因子；
——每天使用第g种化学药剂的质量；
g——化学药剂种类代号；
m——化学药剂种类数量。
本发明另一方面还提出了一种下沉式污水处理厂的碳排放核算装置，包括：
直接碳排放计算模块：计算下沉式污水处理厂的直接碳排放强度：计算方法包括分别计算生物处理工段的CO2类碳排放强度、生物处理工段和厌氧消化工段的CH4类碳排放强度、生物处理工段的N2O类碳排放强度，然后相加得到直接碳排放强度；其中N2O类碳排放强度的计算中，N2O转化率通过机器学习模型模拟预测得到；
间接碳排放计算模块：计算下沉式污水处理厂的间接碳排放强度：计算方法包括分别计算所有工段的电耗碳排放强度，以及生物处理工段、深度处理工段、污泥浓缩工段、污泥脱水工段的物耗碳排放强度，然后相加得到间接碳排放强度；
总碳排放计算模块：将所述直接碳排放强度和所述间接碳排放强度相加，得到下沉式污水处理厂的总碳排放强度。
进一步的，直接碳排放计算模块包括：
CO2类碳排放强度计算单元：计算公式如下，
；
式中：
--CO2类碳排放强度；
——脱氮过程中外加碳源(以氧当量计)的CO2理论转化率；
——外加碳源投加量；
——外加碳源有效成分；
——外加碳源的氧当量；
CH4类碳排放强度计算单元：计算公式如下，
；
式中：
——CH4碳排放量；
——污水处理厂日进水水量；
——污水处理厂日平均进水CODCr浓度；
——污水处理厂日平均出水CODCr浓度；
SG——污水处理厂日产生的干污泥量；
——污水处理厂日干污泥的有机分；
——污泥中的有机物与CODCr的转化系数；
——厌氧过程降解单位CODCr时CH4的产率系数；
MCF——污水处理过程CH4修正因子；
——CH4温室效应指数；
0.717——标准状况（1个标准大气压和0℃）下CH4的密度；
——污水处理厂日CH4回收体积；计算方法如下：
；
其中：
SG——污水处理厂日产生的干污泥量；
MF——厌氧消化产CH4因子；
——厌氧消化CH4逸散率；
N2O类碳排放强度计算单元：计算公式如下，
；
——N2O类碳排放强度；
——N2O转化率；
——生物处理单元进水水量；
——生物处理单元的进水TN浓度；
——生物处理单元的出水TN浓度；
——N2O温室效应指数。
更进一步的，所述N2O类碳排放强度计算单元中包括N2O转化率预测单元：将N2O转化率通过人工神经网络模型ANN或支持向量机模型SVM模拟预测，模型输入包括进水NH4 +-N、进水NO2 --N、进水NO3 --N、出水NH4 +-N、出水NO2 --N、出水NO3 --N、水力停留时间HRT、酸碱度pH、温度T、溶解氧DO、总N2O排放量MN2O；选取不少于1000组数据样本作为模型训练的数据集，在数据集中进行随机设置，选择70%为训练集，选择15%为测试集，剩余的15%为验证集。
进一步的，间接碳排放计算模块包括：
电耗碳排放强度计算单元：计算公式为，
；
；
式中：
——消耗电力产生的 CO2当量碳排放量；
——年耗电量；
——电力 CO2排放因子；
K——日处理规模；
——CO2全球增温潜势值；
——日处理量；
物耗碳排放强度计算单元：计算公式为，
；
Ec——物耗碳排放强度；
——第g种化学药剂的CO2排放因子；
——每天使用第g种化学药剂的质量；
g——化学药剂种类代号；
m——化学药剂种类数量。
本发明另外还提出了一种下沉式污水处理厂的碳排放核算平台，所述碳排放核算平台包括：
E-R图模块：建立碳排放核算E-R图，所述碳排放核算E-R图包括污水处理厂E-R图、生物处理单元E-R图、污泥E-R图、碳排放系数E-R图；
转化模块：将碳排放核算E-R图转化为关系模型，并依据关系模型在数据库中建立数据表，包括污水处理厂全厂信息表、生物处理单元进出水水质表、碳排放系数表、污泥情况表；
采集模块：构建图形用户界面采集数据存储入所述数据表；
计算及呈现模块：根据上述的碳排放核算方法,提取数据表中数据进行计算，并将计算得到的碳排放核算结果基于Grafana工具将计算得到的碳排放核算数据可视化呈现。
与现有技术相比，本发明具有如下的有益效果：
本发明可以高效地计算污水处理厂的碳排放量，并且可以进行多种污水处理厂及不同时间的碳排放进行计算，同时可以对污水处理厂碳排放情况进行可视化监控与分析，及时了解碳排放情况与趋势，具有易于使用、数据准确性高、计算效率快等优点，可以为污水处理厂的碳排放管理提供有力的支持
附图说明
图1是本发明实施例的下沉式污水处理厂的碳排放核算边界示意图；
图2是本发明实施例的E-R图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
为使本发明专利的目的、特征更明显易懂，下面结合附图对本发明专利的具体实施方式作进一步的说明。
本发明针对下沉式污水处理厂的碳排放，首先需要确定核算边界，如图1所示，整个碳排放核算主要包括污水处理厂内发生的污水处理环节与污泥处理环节。其中污水处理过程由于生化反应过程中会产生温室气体直接排放，污泥处理环节会产生甲烷的碳排放，同时在该阶段的沼气利用可实现一定的碳减排。整个污水处理过程中会存在电力消耗和化学药剂消耗，这些会导致间接碳排放。污泥处置一般是污水处理厂以外的行业进行，其碳排放量超出本发明的范围，不予考虑。
污水处理厂运行过程中，水线涉及的工段包括预处理工段、生物处理工段、二沉池、深度处理，泥线涉及的工段包括污泥浓缩、厌氧消化、污泥脱水工段。污水处理厂各处理单元的碳排放清单见表1。
表1 污水处理厂各处理单元碳排放清单分析
污水处理厂直接碳排放来自通过生物废水处理过程产生的二氧化碳(CO2)、甲烷(CH4)和一氧化二氮(N2O)的排放。二氧化碳排放主要来自生物处理过程，废水的有机碳一方面并入生物质，一方面氧化成CO2。N2O排放是由硝化和反硝化过程产生的，用于去除废水中的含氮化合物。硝化细菌在好氧或缺氧条件下产生N2O的活性污泥法中最常见。在缺氧条件下，氨氧化菌和亚硝酸盐氧化菌都产生N2O，而氨氧化菌只在好氧条件下产生N2O。CH4的排放主要来自厌氧消化过程及其相关的工艺单元，如污泥浓缩器、离心机、消化污泥的缓冲池和脱水污泥的储罐。
污水处理厂间接碳排放主要来自电耗和物料。为了提高污水处理工艺的安全性，污水处理厂通常为重力流设计。但有时需要设计末端抽水站，将污水输送至滤水厂的入口。二次/生物处理工艺（曝气、混合液回流和回流）、常规和特别先进的厌氧消化（加热）消耗的能量最大。污泥泵送、污泥厌氧消化、污泥脱水，特别是干化的污泥处理设备，都是能源密集型的过程。在需要膜生物反应器、氧化、消毒等先进处理的地方，能源需求将大幅增加。另外，污水处理需要消耗大量药剂，间接排放大量温室气体。污水处理厂需要添加药剂的环节主要是污水处理阶段的生物处理阶段和污泥处理阶段。在污水生物处理阶段需要外加碳源，污水深度处理阶段需要投加混凝剂、消毒剂等，污泥处理过程需要投加脱水药剂。
采用厌氧消化处理方法处理现场产生的和从其他场地进口的污泥，可以提高污泥处理过程中的沼气产量，将这部分沼气回收，实现能量回收，进而实现污水处理厂的碳减排。沼气可用于现场热电联产发动机(CHP)产生可再生能源。沼气的其他用途还包括燃气到电网的应用。
基于上述分析，本发明提出的碳排放核算的方法具体包括：
一、直接碳排放计算：
1、CO2类碳排放强度的计算：
计算公式为：
；
式中：
--CO2类碳排放强度；
——脱氮过程中外加碳源(以氧当量计)的CO2理论转化率，为0.675kgCO2/kgBOD；
——外加碳源投加量，kg/d；
——外加碳源有效成分，%；
——外加碳源的氧当量。
2、CH4类碳排放强度的计算：
污水处理过程CH4直接排放主要发生在初沉池、生物处理、厌氧消化等单元存在的厌氧过程中，CH4类碳排放计算公式为：
；
式中:
——CH4碳排放强度，kgCO2/d；
——污水处理厂日进水水量，m3；
——污水处理厂日平均进水CODCr浓度，mg/L；
——污水处理厂日平均出水CODCr浓度，mg/L；
SG——污水处理厂日产生的干污泥量，kgDS/d；
——污水处理厂日干污泥的有机分，%；
——污泥中的有机物与CODCr的转化系数，取值为1.42 kgCODCr/kgDS；
——厌氧过程降解单位CODCr时CH4的产率系数，取值为0.25kgCH4/kgCODCr；
MCF——污水处理过程CH4修正因子。当初沉池正常刮泥排泥、厌氧和缺氧区充分混合搅拌、曝气池好氧区曝气均匀时，各构筑物内无污泥淤积，MCF 取值 0.003；当存在初沉池刮泥排泥不正常、厌氧或缺氧区搅拌不充分、曝气池好氧区曝气不均匀等状况时，构筑物内存在污泥淤积，MCF取值0.03；
——CH4温室效应指数，取值为2 kgCO2/kgCH4；
——污水处理厂日CH4回收体积，m³/d；
0.717——标准状况（1个标准大气压和0℃）下CH4的密度，kgCH4/m³。
污水处理厂日CH4回收体积的计算公式：
；
式中：
——污水处理厂日CH4回收体积，m³/d；
SG——污水处理厂日产生的干污泥量，kgDS/d；
MF——厌氧消化产CH4因子，取0.341 m3/kg；
——厌氧消化CH4逸散率，取5 %。
3、N2O类碳排放强度的计算：
根据IPCC 2014年气候变化综合报告，CH4和N2O的GWP分别是CO2的28倍和265倍。尽管N2O是一种排放量较少的温室气体，但其致热效应较强，全球增温潜能大。生物脱氮（BNR）工艺中的N2O排放量占传统废水处理工艺碳足迹的50%-80%，大大超过CH4和CO2的占比。
N2O类碳排放强度的计算公式如下：
；
式中：
——N2O碳排放强度，kgCO2/d；
——N2O转化率；
——生物处理单元进水水量，m3/d；
——生物处理单元的进水TN浓度，mg/L；
——生物处理单元的出水TN浓度，mg/L；
——N2O温室效应指数，取值为265 kgCO2/kgN2O。
其中至关重要的一个参数为N2O转化率，一般认为其默认值是0.04 kgN2O/kgTN。但是微生物脱氮不可能是一个固定值，N2O转化率会随着工艺、环境条件，微生物种类不同二变化，故在核算N2O类碳排放量的时候，本发明采用机器学习模型准确地预测N2O转化率，促使污水处理技术和整体管理更加精准化和智能化，这对降低水体污染物水平和提高水环境质量有重要意义。其中N2O转化率的模拟预测方法说明如下：
（1）机器模型的选择：
人工神经网络模型（ANN）是以数学模型模拟大脑神经网络结构和功能而建立的一种信息处理系统。其依靠系统的复杂程度，利用简单神经元组成模拟生物神经的系统对真实世界物体所作出交互反应。同时，ANN通过调整内部大量节点之间相互连接的关系来构建网络。
支持向量机模型（SVM）利用内积核函数最大程度简化了分类和回归等问题，实现了高效的从训练样本到预报样本的“转导推理”。每个模型使用相同的输入数据、训练集、测试集和验证集。然后，再利用误差最小化算法调整网络权值，预测NRR。
本发明选择ANN模型和SVM模型对N2O转化率进行预测，并与实验数据进行比较。设置11个输入参数，分别是进水NH4 +-N、进水NO2 --N、进水NO3 --N、出水NH4 +-N、出水NO2 --N、出水NO3 --N、水力停留时间HRT、酸碱度pH、温度T、溶解氧DO、总N2O排放量MN2O。
为了减少预测误差，避免数据不收敛，应选取不少于1000组数据样本。在数据集中进行随机设置，选择70%为训练集，选择15%为测试集，剩余的15%被为验证集。
（2）预测比较：
针对生物处理工段可采用的三种不同的生物处理工艺PNA、SNAD和PDA，本发明分别采用ANN模型和SVM模型对这三种不同的生物处理工艺的N2O转化率进行预测，如下表2所示，在ANN模型中的预测R2分别为0.85、0.99和0.98, 在SVM模型中的预测R2分别为0.94、0.99和0.99。SVM模型的均方根误差(RMSE)、均方误差 (MSE) 和均绝对误差(MAE) 分别为0.0051、0.0003和0.0021，远远低于ANN模型。在PNA工艺中，由于不同模型R2差值较大，故PNA工艺的N2O排放量更适合用SVM模型模拟。在SNAD工艺和PDA工艺中，ANN模型和SVM模型的R2相差不大，同时预测速度和训练时间各有优劣。因此，可以使用ANN和SVM模型来模拟SNAD和PDA过程的N2O排放，并且可以通过比较其他参数来选择最佳模型。
表2 机器学习模型输出的指标
表2中ANN0and SVM0是输入所有的数据进行预测；ANN1and SVM1是剔除环境因素进行预测。
机器学习模型计算出的N2O转化率在0.002到0.079 kgN2O/kgTN之间，与N2O类碳排放强度的计算公式中的默认值0.04 kgN2O/kgTN有较大差别，说明机器学习模拟预测的必要性。
表3 机器学习模拟的不同生物脱氮工艺的N2O转化率
| 生物脱氮过程 | N2O转化率(kgN2O/kgTN) |
| 全程硝化反硝化 | 0.008-0.067 |
| 短程硝化反硝化 | 0.011-0.117 |
| 一段式短程硝化-厌氧氨氧化 | 0.004-0.013 |
| 两段式短程硝化-厌氧氨氧化 | 0.025-0.066 |
| 同步硝化反硝化 | 0.041-0.079 |
| 同步硝化-厌氧氨氧化-反硝化 | 0.005-0.018 |
| 短程反硝化-厌氧氨氧化 | 0.002-0.022 |
4、直接碳排放强度计算：
直接碳排放计算公式为：
；
式中：
Ed——直接碳排放强度，kgCO2/d；
——N2O碳排放强度，kgCO2/d；
——CH4碳排放强度，kgCO2/d；
——CO2排放强度，kgCO2/d。
二、间接碳排放计算：
1、电耗碳排放强度计算：
电耗引起的碳排放计算公式为：
；
；
式中:
——电耗碳排放强度；
——年耗电量，MWha-1 ；
——电力 CO2排放因子，取 0.8587tCO2MWh-1;
K——日处理规模，104m3d-1(的值大于30时K直接取 1.10) ;
GWPco2——CO2全球增温潜势值，取值为 1；
——日处理量，m3/d。
2、物耗碳排放强度
污水处理厂需要添加药剂的环节主要是污水处理阶段的生物处理阶段和污泥处理阶段。消耗的药剂为污水处理厂生产运行过程中消耗的混凝剂、絮凝剂、碳源、消毒剂以及清洗剂等化学药剂。药剂引起的碳排放计算公式为：
；
Ec——物耗碳排放强度；
——第g种化学药剂的CO2排放因子，单位为kgCO2/kg，主要化学药剂的CO2排放因子详见表4；
——每天使用第g种化学药剂的质量，kg/d；
g——化学药剂种类代号；
m——化学药剂种类数量。
表4化学药剂种类及其CO2排放因子
3、间接碳排放强度
间接碳排放强度计算公式：
；
式中：
——间接碳排放强度，kgCO2/d；
——电耗碳排放强度，kgCO2/d；
——物耗碳排放强度，kgCO2/d。
三、总碳排放强度：
总碳排放强度计算公式：
；
式中：
——碳排放强度，kgCO2/d；
——直接碳排放强度，kgCO2/d；
——间接碳排放强度，kgCO2/d。
四、碳减排量：
污泥厌氧消化回收甲烷可以抵消污水处理厂内的能源消耗，假设回收的甲烷全部用来发电。本实施例中，CH4发电效率参考其他研究数据，选择2.30 kWh/m3，污水处理厂的碳减排量计算公式为：
；
式中：
E减排——碳减排强度，kgCO2/d；
——污水处理厂日CH4回收体积，m³；
——CH4发电效率，2.30kWh/m3
——电耗碳排放因子，kgCO2/(kW·h)，不同区域能源结构不同，电力排放因子也不同。2015年度电力平均排放因子为0.6101 kg/（kW·h），本发明按照2022年最新修订的0.5839 kg/（kW·h）计算（较2015年下降约4.3%）。
本实施例中还应用上述方法构建了下沉式污水处理厂的碳排放核算平台，平台的构建说明如下：
1、构建下沉式污水处理厂的碳排放核算E-R图，如图2所示，包括污水处理厂E-R图、生物处理单元E-R图、污泥E-R图、碳排放系数E-R图；
2、将E-R图转化为关系模型，如下：
污水处理厂（污水处理厂名称，核算时间，进水水量，出水水量，进水COD，出水COD，进水BOD，出水BOD，进水总氮，出水总氮，总耗电量，外加碳源量，外加PAC量，外加PAM量，外加FeCl3量，外加CaO量，其他物料量，CH4碳排放量，N2O碳排放量，CO2碳排放量，直接碳排放量，电耗产生的碳排量，物耗产生的碳排量，间接碳排放量，总碳排放量，碳减排量）；
生物处理单元（污水处理厂名称，核算时间，进水水量，出水水量，进水COD，出水COD，进水BOD，出水BOD，进水总氮，出水总氮）；
碳排放系数（系数名称，符号，系数值，单位）；
污泥（污水处理厂名称，核算时间，日均干污泥产生量，污泥有机分，日均污泥处理量，日均CH4回收体积）；
优化关系模型：
第三范式为：
（污水处理厂名称，核算时间，进水水量，出水水量，进水COD，出水COD，进水BOD，出水BOD，进水总氮，出水总氮，总耗电量，外加碳源量，外加PAC量，外加PAM量，外加FeCl3量，外加CaO量，其他物料量，CH4碳排放量，N2O碳排放量，CO2碳排放量，直接碳排放量，电耗产生的碳排量，物耗产生的碳排量，间接碳排放量，总碳排放量，碳减排量）；
（污水处理厂名称，核算时间，进水水量，出水水量，进水COD，出水COD，进水BOD，出水BOD，进水总氮，出水总氮）；
（系数名称，符号，系数值，单位）；
（污水处理厂名称，核算时间，日均干污泥产生量，污泥有机分，日均污泥处理量，日均CH4回收体积）；
3、根据上述关系模型基于MYSQL数据库设计表结构，分别为污水处理厂全厂信息表、生物处理单元进出水水质表、碳排放系数表、污泥情况表。
4、使用Python自带的tkinter 模块，搭建图形用户界面（GUI）框架，生成软件计算界面，输入污水处理厂相关的基本信息存储入数据库（即上述数据表中的各数据项），使用前述碳排放核算方法，调用表中数据，计算碳排放。
5、基于Grafana工具将碳排放量计算结果可视化呈现，使用的可视化面板有Graph（old）、Gaugh（规矩）、Text（文本）、Table（表）、Pie chart（饼图）、Histogram（直方图）、Stat（统计）、Bargauge这几种方式。
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 (9)
1.一种下沉式污水处理厂的碳排放核算方法，其特征在于，包括：
S1、计算下沉式污水处理厂的直接碳排放强度：计算方法包括分别计算生物处理工段的CO2类碳排放强度、生物处理工段和厌氧消化工段的CH4类碳排放强度、生物处理工段的N2O类碳排放强度，然后相加得到直接碳排放强度；其中N2O类碳排放强度的计算中，N2O转化率通过机器学习模型模拟预测得到；
S2、计算下沉式污水处理厂的间接碳排放强度：计算方法包括分别计算所有工段的电耗碳排放强度，以及生物处理工段、深度处理工段、污泥浓缩工段、污泥脱水工段的物耗碳排放强度，然后相加得到间接碳排放强度；
S3、将所述直接碳排放强度和所述间接碳排放强度相加，得到下沉式污水处理厂的总碳排放强度。
2.根据权利要求1所述的碳排放核算方法，其特征在于，步骤S1具体包括：
S101、所述CO2类碳排放强度的计算方法包括：
；
式中：
--CO2类碳排放强度；
——脱氮过程中外加碳源的CO2理论转化率；
——外加碳源投加量；
——外加碳源有效成分；
——外加碳源的氧当量；
S102、所述CH4类碳排放强度的计算方法包括：
；
式中：
——CH4碳排放量；
——污水处理厂日进水水量；
——污水处理厂日平均进水CODCr浓度；
——污水处理厂日平均出水CODCr浓度；
SG——污水处理厂日产生的干污泥量；
——污水处理厂日干污泥的有机分；
——污泥中的有机物与CODCr的转化系数；
——厌氧过程降解单位CODCr时CH4的产率系数；
MCF——污水处理过程CH4修正因子；
——CH4温室效应指数；
0.717——标准状况1个标准大气压和0℃下CH4的密度；
——污水处理厂日CH4回收体积；计算方法如下：
；
其中：
SG——污水处理厂日产生的干污泥量；
MF——厌氧消化产CH4因子；
——厌氧消化CH4逸散率；
S103、所述N2O类碳排放强度的计算方法包括：
；
——N2O类碳排放强度；
——N2O转化率；
——生物处理单元进水水量；
——生物处理单元的进水TN浓度；
——生物处理单元的出水TN浓度；
——N2O温室效应指数。
3.根据权利要求2所述的碳排放核算方法，其特征在于，步骤S103中N2O转化率通过人工神经网络模型ANN或支持向量机模型SVM模拟预测，模型输入包括进水NH4 +-N、进水NO2 --N、进水NO3 --N、出水NH4 +-N、出水NO2 --N、出水NO3 --N、水力停留时间HRT、酸碱度pH、温度T、溶解氧DO、总N2O排放量MN2O；选取不少于1000组数据样本作为模型训练的数据集，在数据集中进行随机设置，选择70%为训练集，选择15%为测试集，剩余的15%为验证集。
4.根据权利要求1所述的碳排放核算方法，其特征在于，步骤S2具体包括：
S201、所述电耗碳排放强度的计算方法包括：
；
；
式中：
——消耗电力产生的 CO2当量碳排放量；
——年耗电量；
——电力 CO2排放因子；
K——日处理规模；
——CO2全球增温潜势值；
——日处理量；
S202、所述物耗碳排放强度的计算方法包括：
；
Ec——物耗碳排放强度；
——第g种化学药剂的CO2排放因子；
——每天使用第g种化学药剂的质量；
g——化学药剂种类代号；
m——化学药剂种类数量。
5.一种下沉式污水处理厂的碳排放核算装置，其特征在于，包括：
直接碳排放计算模块：计算下沉式污水处理厂的直接碳排放强度：计算方法包括分别计算生物处理工段的CO2类碳排放强度、生物处理工段和厌氧消化工段的CH4类碳排放强度、生物处理工段的N2O类碳排放强度，然后相加得到直接碳排放强度；其中N2O类碳排放强度的计算中，N2O转化率通过机器学习模型模拟预测得到；
间接碳排放计算模块：计算下沉式污水处理厂的间接碳排放强度：计算方法包括分别计算所有工段的电耗碳排放强度，以及生物处理工段、深度处理工段、污泥浓缩工段、污泥脱水工段的物耗碳排放强度，然后相加得到间接碳排放强度；
总碳排放计算模块：将所述直接碳排放强度和所述间接碳排放强度相加，得到下沉式污水处理厂的总碳排放强度。
6.根据权利要求5所述的碳排放核算装置，其特征在于，直接碳排放计算模块包括：
CO2类碳排放强度计算单元：计算公式如下，
；
式中：
--CO2类碳排放强度；
——脱氮过程中外加碳源的CO2理论转化率；
——外加碳源投加量；
——外加碳源有效成分；
——外加碳源的氧当量；
CH4类碳排放强度计算单元：计算公式如下，
；
式中：
——CH4碳排放量；
——污水处理厂日进水水量；
——污水处理厂日平均进水CODCr浓度；
——污水处理厂日平均出水CODCr浓度；
SG——污水处理厂日产生的干污泥量；
——污水处理厂日干污泥的有机分；
——污泥中的有机物与CODCr的转化系数；
——厌氧过程降解单位CODCr时CH4的产率系数；
MCF——污水处理过程CH4修正因子；
——CH4温室效应指数；
0.717——标准状况1个标准大气压和0℃下CH4的密度；
——污水处理厂日CH4回收体积；计算方法如下：
；
其中：
SG——污水处理厂日产生的干污泥量；
MF——厌氧消化产CH4因子；
——厌氧消化CH4逸散率；
N2O类碳排放强度计算单元：计算公式如下，
；
——N2O类碳排放强度；
——N2O转化率；
——生物处理单元进水水量；
——生物处理单元的进水TN浓度；
——生物处理单元的出水TN浓度；
——N2O温室效应指数。
7.根据权利要求6所述的碳排放核算装置，其特征在于，所述N2O类碳排放强度计算单元中包括N2O转化率预测单元：将N2O转化率通过人工神经网络模型ANN或支持向量机模型SVM模拟预测，模型输入包括进水NH4 +-N、进水NO2 --N、进水NO3 --N、出水NH4 +-N、出水NO2 --N、出水NO3 --N、水力停留时间HRT、酸碱度pH、温度T、溶解氧DO、总N2O排放量MN2O；选取不少于1000组数据样本作为模型训练的数据集，在数据集中进行随机设置，选择70%为训练集，选择15%为测试集，剩余的15%为验证集。
8.根据权利要求5所述的碳排放核算装置，其特征在于，间接碳排放计算模块包括：
电耗碳排放强度计算单元：计算公式为，
；
；
式中：
——消耗电力产生的 CO2当量碳排放量；
——年耗电量；
——电力 CO2排放因子；
K——日处理规模；
——CO2全球增温潜势值；
——日处理量；
物耗碳排放强度计算单元：计算公式为，
；
Ec——物耗碳排放强度；
——第g种化学药剂的CO2排放因子；
——每天使用第g种化学药剂的质量；
g——化学药剂种类代号；
m——化学药剂种类数量。
9.一种下沉式污水处理厂的碳排放核算平台，其特征在于，所述碳排放核算平台包括：
E-R图模块：建立碳排放核算E-R图，所述碳排放核算E-R图包括污水处理厂E-R图、生物处理单元E-R图、污泥E-R图、碳排放系数E-R图；
转化模块：将碳排放核算E-R图转化为关系模型，并依据关系模型在数据库中建立数据表，包括污水处理厂全厂信息表、生物处理单元进出水水质表、碳排放系数表、污泥情况表；
采集模块：构建图形用户界面采集数据存储入所述数据表；
计算及呈现模块：根据权利要求1-4任一项所述的碳排放核算方法,提取数据表中数据进行计算，并将计算得到的碳排放核算结果基于Grafana工具将计算得到的碳排放核算数据可视化呈现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410417701.9A CN118037513A (zh) | 2024-04-09 | 2024-04-09 | 一种下沉式污水处理厂的碳排放核算方法、装置及平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410417701.9A CN118037513A (zh) | 2024-04-09 | 2024-04-09 | 一种下沉式污水处理厂的碳排放核算方法、装置及平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118037513A true CN118037513A (zh) | 2024-05-14 |
Family
ID=90989424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410417701.9A Pending CN118037513A (zh) | 2024-04-09 | 2024-04-09 | 一种下沉式污水处理厂的碳排放核算方法、装置及平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118037513A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182344A (zh) * | 2018-01-19 | 2018-06-19 | 西安理工大学 | 一种污水处理厂碳排放量化计算方法 |
| CN117422165A (zh) * | 2023-09-07 | 2024-01-19 | 深圳市水务(集团)有限公司 | 一种基于低碳排放的城市输水系统水量预测方法及系统 |
-
2024
- 2024-04-09 CN CN202410417701.9A patent/CN118037513A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108182344A (zh) * | 2018-01-19 | 2018-06-19 | 西安理工大学 | 一种污水处理厂碳排放量化计算方法 |
| CN117422165A (zh) * | 2023-09-07 | 2024-01-19 | 深圳市水务(集团)有限公司 | 一种基于低碳排放的城市输水系统水量预测方法及系统 |
Non-Patent Citations (8)
| Title |
|---|
| 刘善军等: "济南市某污水处理厂碳排放评估与分析", 《环境污染与防治》, vol. 45, no. 12, 31 December 2023 (2023-12-31), pages 1733 - 1734 * |
| 张岳等: "基于城镇污水处理全流程环节的碳排放模型研究", 《中国给水排水》, vol. 37, no. 9, 31 May 2021 (2021-05-31), pages 67 * |
| 张楠等: "城市污水处理厂污泥处理处置碳排放分析——以淮南市为例", 《安徽理工大学学报(自然科学版)》, 30 September 2023 (2023-09-30) * |
| 徐润泽等: "污水处理系统中N2O的生产利用及数据驱动模拟研究进展", 《环境工程》, vol. 40, no. 6, 30 June 2022 (2022-06-30), pages 112 - 113 * |
| 李知兵: "城镇污水处理常见工艺碳排放核算平台搭建", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, 15 February 2024 (2024-02-15), pages 35 - 54 * |
| 欧阳伊雯等: "重庆市城镇污水处理系统的碳排放特征及减污降碳措施建议", 《环境工程学报》, vol. 17, no. 9, 30 September 2023 (2023-09-30), pages 2843 * |
| 路佳: "CANON 工艺处理高氨氮废水过程中 N2O 释放特性研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, 15 October 2023 (2023-10-15), pages 44 * |
| 鄂大伟等: "数据库应用技术教程-ACCESS关系数据库（2016版）》", 31 July 2022, 厦门大学出版社, pages: 14 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Borzooei et al. | Optimization of the wastewater treatment plant: From energy saving to environmental impact mitigation | |
| Mannina et al. | Greenhouse gases from wastewater treatment—A review of modelling tools | |
| Di Fraia et al. | A novel energy assessment of urban wastewater treatment plants | |
| Yang et al. | Operational energy performance assessment system of municipal wastewater treatment plants | |
| Barbu et al. | On the evaluation of the global impact of control strategies applied to wastewater treatment plants | |
| Yetilmezsoy et al. | Development of ann-based models to predict biogas and methane productions in anaerobic treatment of molasses wastewater | |
| CN101786721B (zh) | 城市污水处理厂出水有机物浓度的随机过程预测方法 | |
| Lyu et al. | Exploring the cost of wastewater treatment in a chemical industrial Park: Model development and application | |
| Castillo et al. | An integrated knowledge-based and optimization tool for the sustainable selection of wastewater treatment process concepts | |
| Simon-Várhelyi et al. | Reducing energy costs of the wastewater treatment plant by improved scheduling of the periodic influent load | |
| Zou et al. | Characteristic and correlation analysis of influent and energy consumption of wastewater treatment plants in Taihu Basin | |
| Liu et al. | Calculation of carbon emissions in wastewater treatment and its neutralization measures: A review | |
| Rashidi et al. | Life cycle and economic assessments of key emerging energy efficient wastewater treatment processes for climate change adaptation | |
| Li et al. | Assessment of energy use and environmental impacts of wastewater treatment plants in the entire life cycle: A system meta-analysis | |
| CN102249411B (zh) | 一种污水处理工艺的优化方法 | |
| KR102348977B1 (ko) | 바이오가스플랜트 통합운영관리 플랫폼 시스템 | |
| Zhang et al. | The comprehensive measurement method of energy conservation and emission reduction in the whole process of urban sewage treatment based on carbon emission | |
| Lu et al. | Automatic control and optimal operation for greenhouse gas mitigation in sustainable wastewater treatment plants: A review | |
| CN108088974A (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
| Huang et al. | Energy neutrality potential of wastewater treatment plants: A novel evaluation framework integrating energy efficiency and recovery | |
| Su et al. | Water–energy–carbon nexus: greenhouse gas emissions from integrated urban drainage systems in China | |
| Xiong et al. | Geographic distribution of net-zero energy wastewater treatment in China | |
| Xie et al. | Water cost for water purification: Renewability assessment of a typical wastewater treatment plant in China | |
| CN114565154A (zh) | 一种渗滤液生化段碳源投加量的预测方法及优化算法 | |
| Bai et al. | Quantification of greenhouse gas emission from wastewater treatment plants |
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 |