KR100683476B1 - 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법 - Google Patents

하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법 Download PDF

Info

Publication number
KR100683476B1
KR100683476B1 KR1020050110496A KR20050110496A KR100683476B1 KR 100683476 B1 KR100683476 B1 KR 100683476B1 KR 1020050110496 A KR1020050110496 A KR 1020050110496A KR 20050110496 A KR20050110496 A KR 20050110496A KR 100683476 B1 KR100683476 B1 KR 100683476B1
Authority
KR
South Korea
Prior art keywords
tank
anaerobic
pao
pha
aut
Prior art date
Application number
KR1020050110496A
Other languages
English (en)
Inventor
김현욱
이인규
임홍래
진서형
김정래
최민식
올리버 제이 하오
Original Assignee
효성에바라엔지니어링 주식회사
주식회사 효성
김현욱
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 효성에바라엔지니어링 주식회사, 주식회사 효성, 김현욱 filed Critical 효성에바라엔지니어링 주식회사
Priority to KR1020050110496A priority Critical patent/KR100683476B1/ko
Application granted granted Critical
Publication of KR100683476B1 publication Critical patent/KR100683476B1/ko

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/30—Aerobic and anaerobic processes
    • C02F3/308—Biological phosphorus removal
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/02—Aerobic processes
    • C02F3/10—Packings; Fillings; Grids
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/02—Aerobic processes
    • C02F3/12—Activated sludge processes
    • C02F3/1205—Particular type of activated sludge processes
    • C02F3/1215—Combinations of activated sludge treatment with precipitation, flocculation, coagulation and separation of phosphates
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/02—Aerobic processes
    • C02F3/12—Activated sludge processes
    • C02F3/20—Activated sludge processes using diffusers
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00—Biological treatment of water, waste water, or sewage
    • C02F3/30—Aerobic and anaerobic processes
    • C02F3/302—Nitrification and denitrification treatment
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00—Technologies for wastewater treatment
    • Y02W10/10—Biological treatment of water, waste water, or sewage

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Microbiology (AREA)
  • Organic Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Purification Treatments By Anaerobic Or Anaerobic And Aerobic Bacteria Or Animals (AREA)

Abstract

본 발명은 하수의 고도 처리 시스템 및 이를 이용한 고도 처리 방법에 관한 것으로, 보다 상세하게는, 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와, 상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와, 간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와, 상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및 상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지며, 상기 호환조(3)의 폭기 주기가, 활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고 상기 17개의 각 단위 공정에 대해 11개의 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응속도식을 각각 독립적으로 모사하되, 상기 17개의 각 단위 공정, 상기 11개의 상태변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응속도식은 첨부된 하기의 표에 의해 결정되는 모듈형 모델을 이용한 예측에 기반하여 최적화되는 것임을 특징으로 하는 하수의 고도 처리 시스템 및 이를 이용한 하수의 고도 처리 방법에 관한 것이다.
[표]
Figure 112006092260593-pat00012
(여기서, SA: 아세트산, SF: 발효성 유기물질(fermentable organics), SNH4: 암모니아성 질소, SNO3: 질산염(nitrate), SPO4: 인산염인(phosphate), XS: 입자성 유기물질, XH: 종속 영양 미생물, XPAO: 인 축적 미생물, XPP: 입자성 인산염인, XPHA: 유기물 입자(organic particles), XAUT: 독립 영양 미생물(질산화 미생물), iNXS: XS의 N함량, iNBM: XH,XPAO,XAUT의 N함량, iPXS: XS의 P함량, iPBM: XH,XPAO,XAUT의 P함량, YH: XH의 증식 계수, YPO4: XPAO의 저장된 PHA(polyhydroxy-alkanoate)당 요구되는 PP(polyphosphate), YPHA: XPAO의 PP저장을 위해 요구되는 PHA, Kh: XS의 가수분해 상수, ηNO3: 무산소상태의 가수분해 감소 계수, ηfe: XS의 혐기 가수분해 감소 계수, μH: XH의 최대 성장률, qfe: XH의 최대 발효율, bH: XH의 사멸률, qPHA: XPHA 저장 상수, qPP: XPP 저장 상수, μPAO: XPAO의 최대 성장률, bPAO: XPAO 사멸률, bpp: XPP 자분해율, bPHA: XPHA 자분해율, uAUT: XAUT의 최대 성장률, bAUT: XAUT의 사멸률이고,
Figure 112006092260593-pat00013
,
Figure 112006092260593-pat00014
)
본 발명의 하수의 고도 처리 시스템에 의하면, 혐기조와 호환조 사이에 완충조가 마련되어 있어, 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공할 수 있으며, 무산소조와 호기조로 사용이 가능한 간헐 폭기 방식의 호환조를 설치하여 운전의 유연성을 확보할 수 있으며, 그 호환조의 폭기 주기를 모델, 바람직하게는 간단한 모듈형 모델을 이용한 예측에 기반하여 최적화하므로, 질소 및 인 제거에 있어 안정성을 제고하고, 에너지 절약 및 노동력 절감의 운전비를 줄일 수 있다.
완충조, 간헐 폭기, 모듈형 모델.

Description

하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리 방법{ADVANCED WASTEWATER TREATMENT SYSTEM AND PROCESS OF USING THEREOF}
도 1은 본 발명의 하수 고도 처리 시스템의 실시 태양의 하나를 나타내는 개략도.
도 2는 호환조의 폭기 주기를 최적화하는 제어 방법을 본 발명의 하수 고도 처리 시스템과 결합하여 나타낸 개략도.
도 3은 모듈형 ASM 2d 모델을 정도 보정한 것을 이용하여, 본 발명의 하수 고도 처리 시스템 중 호기조 내의 수질 항목을 예측한 결과를 나타내는 그래프.
도 4는 모듈형 ASM 2d 모델을 이용한 예측에 기반하여, 본 발명의 하수 고도 처리 시스템 중 호환조의 폭기 주기를 최적화한 때의, 유출수의 일별 암모니아성 질소 농도를 나타내는 그래프.
[도면의 주요 부분에 대한 부호의 설명]
1...혐기조 2...완충조
3...호환조 4...호기조
5...침전조 6, 7, 8...교반 장치
9...고정상 메디아 10...유입수
11...처리수 12, 13...산기 장치
14...내부 반송 장치 15...슬러지 반송 장치
16...잉여 슬러지 배출 장치 17...송풍기
본 발명은 하수의 고도 처리 시스템 및 이를 이용한 고도 처리 방법에 관한 것으로, 보다 상세하게는, 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와, 상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와, 간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와, 상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및 상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지며, 상기 호환조(3)는 그 폭기 주기가, 활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고 상기 17개의 각 단위 공정에 대해 11개의 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응속도식을 각각 독립적으로 모사하되, 상기 17개의 각 단위 공정, 상기 11개의 상태변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응속도식은 첨부된 하기의 표에 의해 결정되는 모듈형 모델을 이용한 예측에 기반하여 최적화되는 것임을 특징으로 하는 하수의 고도 처리 시스템 및 이를 이용한 하수의 고도 처리 방법에 관한 것이다.
[표]
Figure 112006092260593-pat00015

(여기서, SA: 아세트산, SF: 발효성 유기물질(fermentable organics), SNH4: 암모니아성 질소, SNO3: 질산염(nitrate), SPO4: 인산염인(phosphate), XS: 입자성 유기물질, XH: 종속 영양 미생물, XPAO: 인 축적 미생물, XPP: 입자성 인산염인, XPHA: 유기물 입자(organic particles), XAUT: 독립 영양 미생물(질산화 미생물), iNXS: XS의 N함량, iNBM: XH,XPAO,XAUT의 N함량, iPXS: XS의 P함량, iPBM: XH,XPAO,XAUT의 P함량, YH: XH의 증식 계수, YPO4: XPAO의 저장된 PHA(polyhydroxy-alkanoate)당 요구되는 PP(polyphosphate), YPHA: XPAO의 PP저장을 위해 요구되는 PHA, Kh: XS의 가수분해 상수, ηNO3: 무산소상태의 가수분해 감소 계수, ηfe: XS의 혐기 가수분해 감소 계수, μH: XH의 최대 성장률, qfe: XH의 최대 발효율, bH: XH의 사멸률, qPHA: XPHA 저장 상수, qPP: XPP 저장 상수, μPAO: XPAO의 최대 성장률, bPAO: XPAO 사멸률, bpp: XPP 자분해율, bPHA: XPHA 자분해율, uAUT: XAUT의 최대 성장률, bAUT: XAUT의 사멸률이고,
Figure 112006092260593-pat00016
,
Figure 112006092260593-pat00017
)
최근 사회적 요구와 수환경 보전 및 삶의 질 향상을 위해 방류수 수질 기준이 강화되었다. 통상의 BOD, SS만을 제거하는 2차 처리를 통해서는 강화된 수질 기준을 만족시킬 수 없기 때문에, 유기물뿐만 아니라 질소 및 인까지도 함께 제거할 수 있는 고도 처리 공법을 적용해야 한다. 기존의 하수 처리장 및 신설 하수 처리장이 강화된 방류수 수질 기준을 맞추기 위해서는, 기존 처리 공정에 대한 처리 공정 개선 또는 고도 처리 시설의 도입 및 개선이 이루어져야 한다. 따라서 기존의 하수처리장을 간단히 개량하여 제작할 수 있으면서 동시에 고효율적이며 안정적인 고도 처리가 가능한 시스템의 개발이 요청되고 있다.
하수의 고효율적이며 안정적인 고도 처리를 위한 방법으로서, 처리 공정의 주요 오염물질 혹은 화합물질에 대한 실시간 모니터링을 통한 실시간 제어 방법과 모델 예측을 통한 공정 운전의 최적화가 상당히 주목받고 있다.
현재 질소/인 등 영양염류, 용존산소, 산화/환원전위(ORP) 및 pH 센서 등을 이용한 연속 온라인 측정 및 제어 기술은 슬러지 소화, 영양 염류 제거(BNR) 등에서 실용적인 공정 제어 방법으로 이용되고 있다. 이러한 기술을 통해서 공정의 장기 성능을 향상시킬 뿐만 아니라, 시스템 이상을 즉시 알 수 있으며, 에너지 및 화학약품의 사용량에 있어서도 상당한 절감을 도모하고 있다. 하지만 앞에 기술한 장점에도 불구하고, 센서를 이용한 기법의 경우 잦은 센서 관리가 요구되어 실제 현장에서는 적절히 이용되고 있지 않다.
하수처리 공정의 주요 상태변수들 (예: COD, NH4+, NO3- 등)이 각 공정별로 어떻게 변화하는지를 예측하여 제어하는 모델 예측 기반 제어 시스템 (Model Predictive Control, MPC)에 대한 관심도 증가하고 있다. 이 방법을 통해서는 장기 시스템의 효율을 모사할 수 있을 뿐만 아니라, 운전자가 유출수 수질기준에 따라 능동적으로 방류수의 수질을 제어할 수 있는 장점이 있다. 최근 자동 제어 기술 발달과 시뮬레이션 기법의 발달로 인해 GPS-X, Biowin, Biomass와 같은 생물 공정 모델링 프로그램이 개발되어 현장에 적용되고 있다. 그러나, 상기의 모델링 프로그램은 입력할 자료가 방대하고 그 자료를 처리하여 적당한 값이 도출되기까지는 많은 시간이 소요되고 있는 실정이다.
따라서, 보다 간단하게 공정을 모사할 수 있으면서도, 정확 및 신속하게 시스템의 상태변수의 거동을 예측할 수 있는 모델 및, 이를 이용하여 운전 조건을 최적화함으로써 유입수의 급격한 변화에 능동적으로 대처할 수 있도록 하는 하수의 고도 처리 시스템 및 방법의 개발이 요청되고 있다.
본 발명은 기존의 하수처리장을 간단히 개량하여 제작할 수 있으면서도 유입수의 급격한 변화에 능동적으로 대처하여 고효율 및 안정적으로 하수를 고도 처리할 수 있는 시스템 및 이를 이용한 고도 처리 방법을 제공하는 것을 기술적 과제로 한다.
본 발명자들은 기존의 호기조를 간단히 변경하여 호환조를 설치하고 이를 간헐 폭기 방식으로 운전하며, 그 폭기 주기를 모델을 이용한 예측에 기반하여 최적 제어함으로써 이러한 과제를 해결할 수 있음을 알게 되어 본 발명에 이르렀다.
또, 기존의 복잡한 고차의 비선형 활성 슬러지 모델 대신 시스템의 반응조 구성에 따라 간단하게 조합하여 적용할 수 있으며 정확 및 신속하게 예측 및 최적화를 행할 수 있는 모듈형의 모델을 개발하게 되어 본 발명에 이르렀다.
또, 본 발명자들은 혐기조와 호환조 사이에 완충조를 마련하면, 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공할 수 있음을 알게 되어 본 발명에 이르렀다.
본 발명의 하수의 고도 처리 시스템은 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와, 상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와, 간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와, 상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및 상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지며, 상기 호환조(3)의 폭기 주기가, 활성 슬러지 공정을 혐기, 무산소, 호기 조건별로 각각 독립적으로 모사하는 모듈형 모델을 이용한 예측에 기반하여 최적화되는 것을 특징으로 한다.
본 발명의 하수의 고도 처리 시스템의 바람직한 태양은 상기 호기조(4) 중에 고정상 메디아를 추가로 포함하는 것을 특징으로 한다.
본 발명의 하수의 고도 처리 방법은, 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와, 상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와, 간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와, 상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및 상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지는 하수의 고도 처리 시스템을 이용한 고도 처리 방법으로서, 상기 호환조(3)의 폭기 주기를, 활성 슬러지 공정을 혐기, 무산소, 호기 조건별로 각각 독립적으로 모사하는 모듈형 모델을 이용한 예측에 기반하여 최적화하는 것을 특징으로 한다.
이하, 본 발명의 하수의 고도 처리 시스템을 도면에 의거하여 상세히 설명하기로 한다.
도 1은 본 발명의 하수의 고도 처리 시스템의 1 실시 태양의 개략도로서, 이 시스템은 혐기조(1), 완충조(2), 호환조(3), 호기조(4)로 구성되는 일련의 반응조 및 침전조(5)로 이루어져 있다. 도면 중 혐기조(1), 완충조(2)와 호환조(3)에는 교반을 위한 교반장치(6, 7, 8)가 마련되어 있으며, 호환조(3) 와 호기조(4)에는 송풍기(17)로부터 공기를 공급하기 위한 산기 장치(12, 13)가 마련되어 있으며, 상기 호기조(4)에는 상기 완충조(2)로의 질산화된 혼합액을 이송하기 위한 내부 반송 장치(14)가 마련되어 있으며, 침전조(10)에는 상기 혐기조(1)로 농축된 슬러지를 반송하기 위한 슬러지 반송 장치(15)와 증식된 슬러지를 외부로 배출하는 잉여 슬 러지 배출 장치(16)가 마련되어 있다.
도 1에 나타낸 하수의 고도 처리 시스템은 혐기조(1)와 호환조(3) 사이에 완충조(2)를 구비하고 있어, 이에 의해 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공할 수 있다.
또한, 도 1에 나타나 있는 바와 같이, 호기조(4) 중에 고정상 메디아(9)를 포함시키면, 생물량을 증가시키고 안정적 처리 수질 확보 및 내생 탈질에 기인하는 동시에 질산화/탈질이 가능해져, 저부하인 국내 하수 조건에서 높은 질소제거 효율을 유도할 수 있다. 이러한 고정상 메디아로는 특히 로프형의 미생물 접촉재가 바람직하다.
본 발명의 하수의 고도 처리 시스템에 있어서, 상기 호환조는 수온 및 유입 하수 특성에 따라 호기 혹은 무산소조로 변환되는 간헐 폭기 방식으로 운전되는 반응조로서, 그 폭기 주기가 모델을 이용한 예측에 기반하여 최적화되는 것임을 특징으로 하는데, 이렇게 함으로써 비안정적인 유입수 상황하에서도 능동적으로 대처가 가능하여, 경험에 의한 간헐 폭기 주기 결정 방식과 비교하여 운전비 감소 및 유출수 수질 유지를 보증할 수 있다.
질소 및 인 제거 공정에 적용할 수 있는 모델로서는 IWA의 업무추진그룹에서 개발한 ASM 2d 모델이 있다. 이 모델은 ASM 1과 ASM 2를 통합한 모델로서, 생물학적 영양물질 제거 공정에서 나타나는 유기물질의 산화, 질산화, 탈질, 인의 방출 및 섭취 등과 같은 다양한 미생물들의 반응들을 수학적으로 모델화한 것이다. 그러나 기존의 ASM 2d 모델은 비선형 모델로서, 매우 복잡한 고차방정식으로 된 17개 의 모델 방정식과 46개의 변수들이 포함되어 있어, 방정식을 적절하게 통합하기 위한 많은 계산적인 노력을 필요로 한다. 따라서 기존의 ASM 2d 모델(이하, 이러한 기존의 ASM 2d 모델을 본 발명에서 이용하는 모델과 구분하여, 'ASM 2d 풀(full) 모델'이라 한다)에 의하면, 공정의 모사는 가능하지만, 이를 공정의 실시간 최적화를 위한 제어에 사용하기에는 어려움이 있다. 따라서 합리적인 오차 범위내에서 활성 슬러지 공정을 모사하면서, 동시에 공정의 실시간 최적화를 위한 제어에 사용할 수 있는 간단한 모델의 개발이 요청되었다.
본 발명의 시스템에서 호환조의 폭기 주기를 최적화하기 위하여 이용하는 공정 모델은, 바람직하기로는 IWA의 ASM 2d 모델 중의 비선형 모노드 텀(Monod term)들을 선형화한 모델로서, 특히 생물 반응을 혐기, 무산소, 호기의 조건별로 각각 독립적으로 모사하는 모듈형의 모델이다.
여기서 '모듈형'의 모델이란, 블럭 형태로 조합하여 사용할 수 있는 모델이라는 의미로서, 모델을 이루는 각 모듈을 이용하면 각 단위 공정별 상태를 모사할 수 있고, 그 모듈을 단순히 조합함에 의해, 시스템 전체 공정을 간단히 모사할 수 있게 해 주는 모델을 말한다.
[본 발명에서 이용하는 모듈형 모델의 기본 구성]
이하 본 발명에서 이용하는 모듈형 모델을 상세하게 설명한다. 하기 표 1에, 본 발명에서 이용하는 모듈형 모델의 화학양론계수(stoichiometry) 및 반응속도식(process rate equations)을 기재하였다. 본 발명에서 이용하는 모델은 활성 슬러지 공정을 혐기, 무산소, 호기의 3개의 조건별로 각각 독립적으로 모사하는 모듈형 모델로서, 혐기, 무산소, 호기의 3개의 조건별로 반응속도식이 다르게 주어진다.
표 1: 본 발명에서 이용하는 선형화된 모듈형 ASM 2d 모델의 화학양론계수 및 반응속도식
Figure 112005066305784-pat00001
상기 모델은 11개의 상태변수, 17개의 공정, 3개의 모듈로 이루어진 것이다.
11개의 상태변수는 이하와 같다.
1) SA: 아세트산
2) SF: 발효성 유기물질(fermentable organics)
3) SNH4: 암모니아성 질소
4) SNO3: 질산염(nitrate)
5) SPO4: 인산염(phosphate)
6) XS: 입자성 유기물질
7) XH: 종속 영양 미생물
8) XPAO: 인 축적 미생물
9) XPP: 입자성 인산염
10) XPHA: 유기물 입자(organic particles)
11) XAUT: 독립 영양 미생물(질산화 미생물)
17개의 반응은 상기 표 1에 나타난 바와 같다.
이하에는, 본 발명에서 이용하는, 혐기, 무산소 또는 호기의 각 상태별로 적용되는 모듈형 모델을 매트릭스형으로 표현했을 때의 행렬 인자인 SBcxxx(i,j) 및 그 의미를 기술한다. SBcxxx(i,j)에서 xxx는 혐기, 무산소 또는 호기의 각 조건을 가리 킨다. 이 행렬 인자는 아래에 나타나 있는 바와 같이, 화학양론계수 및 반응속도식의 곱으로 이루어지는 것이다.
No. 1 : 아세테이트(S A )에 관한 물질 수지 및 동력학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(1,1) = -μh×J3 XH 성장에 따른 소비
SBcair(1,10) = bPHA PHA(유기물 입자) 분해에 따른 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(1,1) = -μH×ηNO3×J5 XH 성장에 따른 소비
SBcano(1,10) = bPHA PHA 분해에 따른 증가
-혐기 조건 모델에 이용되는 인자들
SBcana(1,1) = -qPHA×J7 PHA 축적에 따른 소비
SBcana(1,2) = qfe×J6 발효에 의한 증가
SBcana(1,10) = bPHA PHA 분해에 따른 증가
No. 2 : 발효성 유기물(S F )에 관한 물질 수지 및 동력학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(2,2) = -μH×J2 XH 성장에 따른 소비
SBcair(2,6) = KH×J1 XS의 가수분해에 의한 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(2,2) = -μH×ηNO3×J4 XH 성장에 따른 소비
SBcano(2,6) = KH×ηNO3×J1 XS의 무산소 가수분해에 의한 증가
-혐기 조건 모델에 이용되는 인자들
SBcana(2,2) = -qfe×J6 혐기 발효에 의한 손실
SBcana(2,6) = KH×ηfe×J1 XS의 혐기 가수분해에 의한 증가
No. 3: 암모니아성 질소(S NH4 )에 관한 물질 수지 및 동력학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(3,1) = -0.07 × YH SA를 이용한 XH 성장에 따른 소비
SBcair(3,2) = -0.07 × YH SF를 이용한 XH 성장에 따른 소비
SBcair(3,3) = -0.086-μAUT×J10 XAUT 성장에 따른 소비
SBcair(3,6) = 0.01×KH×J1 XS의 가수분해에 의한 증가
SBcair(3,7) = 0.031×bH XH의 분해에 따른 증가
SBcair(3,8) = 0.031×bPAO XPAO의 분해에 따른 증가
SBcair(3,11) = 0.031×bAUT XAUT의 분해에 따른 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(3,1) = -0.07×YH SA를 이용한 XH 성장에 따른 소비
SBcano(3,2) = -0.07×YH SF를 이용한 XH 성장에 따른 소비
SBcano(3,6) = 0.01×KH×ηNO3×J1 XS의 무산소 가수분해에 의한 증가
SBcano(3,7) = 0.031×bH XH의 분해에 따른 증가
SBcano(3,8) = 0.031×bPAO XPAO의 분해에 따른 증가
SBcano(3,11) = 0.031×bAUT XAUT의 분해에 따른 증가
-혐기 조건 모델에 이용되는 인자들
SBcana(3,6) = 0.01×KH×ηfe×J1 XS의 혐기 가수분해에 의한 증가
SBcana(3,7) = 0.031×bH XH의 분해에 따른 증가
SBcana(3,8) = 0.031×bPAO XPAO의 분해에 따른 증가
SBcana(3,11) = 0.031×bAUT XAUT의 분해에 따른 증가
No. 4: 질산염(S NO3 )에 관한 물질 수지 및 동력학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(4,3) = 1×μAUT×J10×Ya 질산화에 의한 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(4,2) = -(1-Yh)/2.86YH×μH×ηNO3×J4 SF를 이용한 XH 무산소 성장에 따른 소비
SBcano(4,1) = -(1-Yh)/2.86YH×μH×ηNO3×J5 SA를 이용한 XH 무산소 성장에 따른 소비
No. 5: 인산염(S po )에 관한 물질 수지 및 동력학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(5,1) = -0.02×YH SA를 이용한 XH 성장에 따른 소비
SBcair(5,2) = -0.02×YH SF를 이용한 XH 성장에 따른 소비
SBcair(5,5) = -qPP×J8-0.02×μPAO×J9 입자성 인산염 축적에 따른 소비
SBcair(5,7) = 0.01×bH XH의 분해에 따른 증가
SBcair(5,8) = 0.01×bPAO XPAO의 분해에 따른 증가
SBcair(5,11) = 0.01×bAUT XAUT의 분해에 따른 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(5,1) = -0.02×YH SA를 이용한 XH 성장에 따른 소비
SBcano(5,2) = -0.02×YH SF를 이용한 XH 성장에 따른 소비
SBcano(5,5) = -qPP×J8-0.02×μPAO×J9 SF를 이용한 XH 성장에 따른 소비
SBcano(5,7) = 0.01×bH XH의 분해에 따른 증가
SBcano(5,8) = 0.01×bPAO XPAO의 분해에 따른 증가
SBcano(5,11) = 0.01×bAUT XAUT의 분해에 따른 증가
-혐기 조건 모델에 이용되는 인자들
SBcana(5,1) = Ypo×qPHA×J7 과잉 인방출로 인한 증가
SBcana(5,7) = 0.01×bH XH의 분해에 따른 증가
SBcana(5,8) = 0.01×bPAO XPAO의 분해에 따른 증가
SBcana(5,11) = 0.01×bAUT XAUT의 분해에 따른 증가
No. 6: 입자성 유기물질(XS )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(6,6) = -KH×J1 호기성 가수분해에 따른 소비
SBcair(6,7) = bH XH의 분해에 따른 증가
SBcair(6,8) = bPAO XPAO의 분해에 따른 증가
SBcair(6,11) = bAUT XAUT로 인한 증가
-무산소 조건 모델에 이용되는 인자들
SBcano(6,6) = -KH×ηNO3×J1 무산소 가수분해에 따른 소비
SBcano(6,7) = bH XH의 분해에 따른 증가
SBcano(6,8) = bPAO XPAO의 분해에 따른 증가
SBcano(6,11) = bAUT XAUT의 분해에 따른 증가
-혐기 조건 모델에 이용되는 인자들
SBcana(6,6) = -KH×nfe×J1 혐기성 가수분해에 따른 소비
SBcana(6,7) = bH XH의 분해에 따른 증가
SBcana(6,8) = bPAO XPAO의 분해에 따른 증가
SBcana(6,11) = bAUT XAUT의 분해에 따른 증가
No. 7: 종속 영양 미생물(XH )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(7,2) = YH×μH×J2 SA를 이용한 XH의 호기성 성장
SBcair(7,1) = YH×μH×J3 SF를 이용한 XH의 호기성 성장
SBcair(7,7) = -bH XH의 사멸
-무산소 조건 모델에 이용되는 인자들
SBcano(7,1) = YH×μH×ηNO3×J5 SA를 이용한 XH의 무산소 성장
SBcano(7,2) = YH×μH×ηNO3×J4 SF를 이용한 XH의 무산소 성장
SBcano(7,7) = -bH XH의 사멸
-혐기 조건 모델에 이용되는 인자들
SBcana(7,7) = -bH XH의 사멸
No. 8: 인 축적 미생물(X PAO )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(8,5) = Yh×μPAO×J9 PHA를 이용한 XPAO의 호기 성장
SBcair(8,8) = -bPAO 호기 조건하에서 XPAO의 사멸
-무산소 조건 모델에 이용되는 인자들
SBcano(8,8) = -bPAO 무산소 조건하에서 XPAO의 사멸
-혐기 조건 모델에 이용되는 인자들
SBcana(8,8) = -bPAO 혐기 조건하에서 XPAO의 사멸
No. 9: 입자성 인산염(X PP )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(9,5) = qPP×J8 호기 상태에서의 XPP의 축적
SBcair(9,9) = -bPP XPP의 호기 상태에서의 사멸
-무산소 조건 모델에 이용되는 인자들
SBcano(9,9) = -bPP XPP의 무산소 상태에서의 사멸
-혐기 조건 모델에 이용되는 인자들
SBcana(9,1) = -Ypo×qPP×J7 XPP의 혐기 조건에서의 소비
SBcana(9,9) = -bPP XPP의 혐기 조건에서의 사멸
No. 10: 유기물 입자(organic particles)(X PHA )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(10,5) = -YPHA×qPHA×J8-μPAO×J9/Yh PHA를 이용한 XPAO에 따른 소비
SBcair(10,10) = -bPHA 호기성 조건에서 PHA 분해에 의한 소멸
-무산소 조건 모델에 이용되는 인자들
SBcano(10,10) = -bPHA 무산소 조건에서 PHA 분해에 의한 소멸
-혐기 조건 모델에 이용되는 인자들
SBcana(10,1) = qPHA×J7 혐기 조건에서 PHA의 축적
SBcana(10,10) = -bPHA 혐기 조건에서 PHA의 소멸
No. 11: 독립영양 미생물(X AUT )에 관한 물질 수지 및 동역학 인자들
-호기 조건 모델에 이용되는 인자들
SBcair(11,3) = Ya×μAUT SNH4를 이용한 XAUT의 호기성 성장
SBcair(11,11)= -bAUT 호기 조건에서의 XAUT의 소멸
-무산소 조건 모델에 이용되는 인자들
SBcano(11,11)= -bAUT 무산소 조건에서의 XAUT의 소멸
-혐기 조건 모델에 이용되는 인자들
SBcana(11,11)= -bAUT 혐기 조건에서의 XAUT의 소멸
[물질수지식의 도출 및 수질 항목의 예측]
완전 혼합 반응조를 가정할 때, 각 반응조에서의 상기 모델에 의해 도출되는 물질수지식의 기본 형태는 다음과 같다.
dCin/dT = {상태변수 Ci의 반응조(n)에의 유입량/HRTn}
- {상태변수 Ci의 반응조(n)으로부터의 유출량/HRTn}
+ ∑ SBcxxx(i,j)Cin [i, j=1∼11] ……식(1)
상기 식(1)에서, dCin/dt는 상태변수 Ci의 반응조(n) 중의 농도 변화율, HRTn는 반응조(n)에서의 체류시간을 나타내며, SBcxxx(i,j)이 나타내는 바에 대해서는 상술한 바와 같다.
혐기 공정 및 간헐 폭기 공정을 포함하는 활성 슬러지 공정의 경우, 혐기 공정에 대해서는 혐기 모듈을, 간헐 폭기 공정의 폭기 OFF 상태에 대해서는 무산소 모듈을, 간헐 폭기 공정의 폭기 ON 상태에 대해서는 호기 모듈을 적용하여, 물질수지식을 표현할 수 있다. 각 상태변수의 각 반응조로의 유입량 및 각 반응조로부터의 유출량에 있어서는, 시스템의 반응조 내부 순환 또는 슬러지 반송 등이 있는 경우 이에 의한 유입분 및 유출분도 고려되어야 함은 물론이다.
Figure 112005066305784-pat00002
Figure 112005066305784-pat00003
Figure 112005066305784-pat00004
Figure 112005066305784-pat00005
Figure 112005066305784-pat00006
Figure 112005066305784-pat00007
상기 물질수지식을 이용한 적분에 의해, 각 상태변수의 시간 (t)에서의 농도를 예측할 수 있다.
즉, 본 발명의 상기 모델에 포함되는 수질 항목(농도)을, 모델에 의하여 주어지는 물질수지식의 적분에 의해 예측할 수 있다.
[폭기 주기의 최적화]
이하에서는 상기 얻어진 수질 항목(농도)의 예측치에 기반하여 간헐 폭기조의 폭기 주기를 최적 제어하는 단계를 설명한다.
폭기 주기의 최적 제어에 이용하는 수질 항목의 예측치로서는, 유출수 중의 암모니아성 질소 농도 및 인산염인 농도 중 적어도 어느 하나의 수질 항목의 예측치가 바람직하며, 그 중 유출수 중의 암모니아성 질소 농도의 예측치가 특히 바람직하다. 유출수 중의 인산염인 농도의 예측치를 이용해도 효율적인 폭기 주기의 제어가 가능하나, 우리나라 하수의 특성상, 인산염인 농도가 암모니아성 질소 농도보다 낮고, 또 암모니아의 독성이 더 강하므로, 실용적인 면에서는 암모니아성 질소 농도의 예측치를 이용한 제어가 더 널리 이용될 수 있다.
간헐 폭기 공정이 포함된 MLE 공정의 운전 최적화를 위한 제어 인자는 총 HRT 중 폭기 시간의 분율(fa)이다.
fa = ta / tc
ta: 간헐 폭기조에서의 1주기당 폭기 시간
tc: 간헐 폭기조에서의 1주기(1주기당 폭기 시간과 1주기당 비폭기 시간의 합)
하수처리장 운전 비용 중 상당 부분이 폭기에 소요되기 때문에, 방류수의 허용 NH4 +-N 및 PO4 3 --P를 충족시키면서 폭기에 소요되는 에너지를 최소화시킬 수 있는 최적의 tc 및 fa를 결정해야 한다.
최적화 루틴에 있어서는 가장 최근의 이용 가능한 측정값들을 이용하여 유출수 중 암모니아성 질소의 일평균 배출 농도를 예측하기 위하여, 시스템에 대한 상기 모델을 이용한다. 또, 얻어진 예측치를 바탕으로 최적 tc 와 fa를 도출한다.
공정 관리인은 소정의 기간마다 유입수와 유출수의 조성을 분석하여 이를 입력해야 한다. 입력하는 분석 항목은, 예를 들어 유출수 암모니아성 질소 농도의 예측에 기반하여 폭기 주기를 최적화하는 경우에는, 유입수 및 유출수의 총 COD, 용존 COD, NH4 +, 총킬달질소(TKN), NO2 -, NO3 - 이다.
상기 소정의 기간은 임의로 정할 수 있으나, 예를 들어 1일 1회 유입수와 유출수의 조성을 분석하는 경우에는, 전일의 분석치를 바탕으로 당일 운전 조건에 대한 tc 와 fa를 설정하면 된다.
이하에서는 유출수 암모니아성 질소 농도의 예측에 기반하여 폭기 주기를 최적화하는 방법의 예를 상세히 설명한다.
2개의 제어 변수인 tc 와 fa는 유출수의 암모니아성 질소 농도 허용 기준을 만족시켜야 한다(하기 식(3)). 하기 식(3)에서 NH4 +-Nmax는 일평균 암모니아 배출 농도 중에서 허용 가능한 최대 농도를 나타낸다. 이와 동시에 2개의 제어 변수인 tc 와 fa는 폭기에 투여되는 에너지 사용 비용을 최소화하도록 조작된다(하기 식 (2)). 식(2)에서는, 운전 비용은 오직 폭기 시간에 비례하는 것으로 가정하였으며, 하수의 펌핑 및 교반 등과 관련된 다른 비용들은 무시되었다.
최소화{fa×tc} ……식(2)
NH4 +-N ≤ NH4 +-Nmax ……식(3)
fa×tc ≥ t1 ……식(4)
(1-fa)×tc ≥ t2 ……식(5)
fa×tc ≤ t3 ……식(6)
(1-fa)×tc ≤ t4 ……식(7)
상기 식(4)∼(7)에서 t1은 1주기당 폭기 시간의 최소값, t2는 1주기당 비폭기 시간의 최소값을 나타내며(예를 들면, t1 = t2 = 0.25시간), t3은 1주기당 폭기 시간의 최대값, t4는 1주기당 비폭기 시간의 최대값이라는 시간적 제한을 나타낸다(예를 들면, t3 = t4 = 4시간). 이와 같이 폭기 및 비폭기 시간의 최소값, 최대값을 두어야 하는 이유는, 최소값을 두지 않을 경우, 최적화 루틴이 폭기 시간을 최소화하여 결과적으로 0시간의 폭기 시간을 갖게 되어 질산화 미생물의 성장을 저해하게 되어버리고, 최대값을 두지 않을 경우, 반응의 주기적 교체가 일어나지 않게 되어 버리기 때문이다.
목적을 만족하는 fa 및 tc는 이하와 같은 최적화 루틴을 거쳐 구할 수 있다.
현재 간헐 폭기조가 비폭기 상태에 있다면, 아래 [1]를 수행하고, 폭기 상태에 있다면, 아래 [2]를 수행한다.
[1] 비폭기 상태에 있는 경우
(1) fa × tc의 시간동안 상기 모듈형 모델 중 호기 조건 모델식을 실행시키고 그 모델식으로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다.
(2) 이후 (1-fa) × tc의 시간동안 상기 모듈형 모델 중 무산소/혐기 조건 모델식을 실행시키고 그 모델식으로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다.
이상 (1) 및 (2)의 과정을 24/tc 회 반복하여, 그로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다. NH4 +-N(누적) / 24 ≤ NH4 +-Nmax를 만족하면 종료하고, 만족하지 않는다면 만족할 때까지 fa 및 tc를 변화시키면서 이상을 반복한다.
[2] 폭기 상태에 있는 경우
(1) (1-fa) × tc의 시간동안 상기 모듈형 모델 중 무산소/혐기 조건 모델식을 실행시키고 그 모델식으로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다.
(2) 이후 fa × tc의 시간동안 상기 모듈형 모델 중 호기 조건 모델식을 실 행시키고 그 모델식으로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다.
이상 (1) 및 (2)의 과정을 24/tc회 반복하여, 그로부터 구해지는 NH4 +-N를 NH4 +-N(누적)로 한다. NH4 +-N(누적) / 24 ≤ NH4 +-Nmax를 만족하면 종료하고, 만족하지 않으면 만족할 때까지 fa 및 tc를 변화시키면서 이상을 반복한다.
[모델의 보정]
제어를 위한 선형 모델을 사용하는 데에 있어서 고려해야 할 필요가 있는 중요한 문제점 중 하나인, 모델의 예상치와 실제 공정의 측정치 간의 오차는 다음과 같이 오차의 피드백을 적용함으로써 해결할 수 있다.
운전 제d일에, 상기 식(3)∼(7)으로부터 (tc)d 및 (fa)d을 결정한다. 이 값들을 반응조에 적용하게 될 때, 제d일 동안 채집한 유출수를 분석하여 얻은 실제의 NH4 +-N, 즉, (NH4 +-Nreal)d 과 선형 모델에 의해서 예측된 값, 즉, (NH4 +-Nprediction)d이 다르게 된다. 암모니아성 질소 농도의 실측치와 모델에 의한 예측치의 차이를 하기 식(8)에 의해 정의한다.
ΔNH4 +-N = NH4 +-Nreal - NH4 +-Nprediction ……식(8)
공정 모델의 불일치를 보상하기 위하여, NH4 +-Nreal이 NH4 +-Nmax과 같아지도록, 시스템 운전 제d일의 유출수 암모니아성 농도의 최적치(= 최대 허용치)인 (NH4 +-Nmax)d로부터 운전 제d일의 ΔNH4 +-N인 (ΔNH4 +-N)d을 빼서, 그 차분을 운전 제d+1일에 있어서의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값, 즉, (NH4 +-Nmax)d+1로 설정한다.
(NH4 +-Nmax)d+1 = (NH4 +-Nmax)d - (ΔNH4 +-N)d ……식(9)
예를 들면, 만약 운전 제d일차의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값이 1.0 mg/L이고, NH4 +-Nprediction이 1 mg/L이고 NH4 +-Nreal이 0.8 mg/L라고 할 때, 상기 식(8) 및 (9)에 의해,
(ΔNH4 +-N)d = (NH4 +-Nreal)d - (NH4 +-Nprediction)d = 0.8 - 1 = -0.2 (mg/L),
(NH4 +-Nmax)d+1 = (NH4 +-Nmax)d - (ΔNH4 +-N)d = 1 - (-0.2) = 1.2 (mg/L)과 같이 연산되어, 운전 제d+1일에 있어서의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값인 (NH4 +-Nmax)d+1은 1.2 mg/L로 설정된다.
이러한 피드백을 확고하게 만들고, 일변동에 대하여 너무 급격하게 반응하는 것을 피하기 위해서, 상기 식(9) 중 (ΔNH4 +-N)d를, 제d일에 계산된 불일치값(ΔNH+ 4-N)d과 그 전일, 즉 제d-1일에 계산된 불일치값(ΔNH+ 4-N)d-1의 지수적 가중 이동 평균인 δ 코렉션(correction), 즉, δNH+ 4-N|d 로 대체해도 좋다.
δNH+ 4-N|d = 0.5×(ΔNH+ 4-N)d + 0.5×(ΔNH+ 4-N)d-1 ……식(10)
도 2에 이상에서 설명한 본 발명의 제어 방법의 모식도를 나타내었다.
도 3은 본 발명의 모듈형 ASM 2d 모델을 정도 보정한 것을 이용하여, 도 1의 시스템 중 호기조 내의 수질 항목(NH4 +-N, NO3 --N, PO4 3--P 농도)을 예측한 결과를 나타내는 그래프이다. 도 3에서 알 수 있듯이, 이 모듈형 모델은 호기조 내의 NH4 +, NO3 -, PO4 3-의 거동을 잘 예측하고 있다. 작은 변동폭이지만, 전단의 MLE 공정내의 간헐 폭기 공정의 영향 때문에 전체 공정의 폭기/비폭기 주기가 달라지고, 그 폭기/비폭기 주기에 따라서, 영양 염류들이 변동하는 것을 알 수 있다.
도 4는 모듈형 ASM 2d 모델을 이용한 예측에 기반하여, 도 1에 나타낸 구성으로 된 시스템 중 호환조의 폭기 주기를 최적화한 때의, 유출수의 일별 암모니아 성 질소 농도를 나타내는 그래프이다. 각 반응조내의 체류시간은 혐기조 1시간, 완충조 0.5시간, 호환조 3시간, 호기조 1시간으로 하였다. 도 4에서 알 수 있듯이, NH4 +-N값이 요구되는 제한값을 좀처럼 위반하지 않았다.
이상에서 기술한 바와 같이, 본 발명의 하수의 고도 처리 시스템 및 이를 이용한 고도 처리 방법에 의하면, 모듈형 모델을 이용함에 의해, 간단하면서도 정확하게 공정의 수질 항목을 예측할 수 있고, 그 예측에 기반하여 간헐 폭기 공정의 폭기 주기를 최적화하여 유입수 수질 변화에 능동적으로 대처할 수 있음을 알 수 있다.
이하의 표 2는 본 발명의 간략화된 ASM 2d 모델과 ASM 2d 풀 모델을 이용하는 상용 프로그램 간의 장단점을 비교하여 나타낸 것이다. 비교에 사용한 컴퓨터의 사양은 펜티엄 4(Pentium 4) 516 Mbyte 메모리, 운전체제는 Window XP였다.
표 2: ASM 2d 풀 모델을 이용한 상용 프로그램 GPS-X(캐나다 하이드로맨틱(Hydromantics)사제)과 본 발명의 모델 간의 성능 비교
상용 프로그램 본 발명의 모델
장점 1) 풀 모델(Full model)을 사용하기 때문에 풀 모델 중에 제시된 모든 변수들의 거동을 모사할 수 있다. 2) 정확성이 상대적으로 높다. 3) 기존 공정의 장기 운전 계획에 활용될 수 있다. 1) 계산 시간이 짧다. 2) 파라미터의 정도 보정이 쉽다(10개의 선형화 파라미터만을 수정하면 된다) 3) 전문적인 모델에 대한 지식이 없이도 시뮬레이션이 가능하다. 4) 공정제어 기법에 응용이 가능하다.
단점 1) 계산 시간이 길다. 2) 45개의 모델 동력학 파라미터의 보정이 어렵다. 3) 긴 계산 시간과 정도 보정 요구 때문에 유입수 변화에 대해서 즉각적 대응이 필요한 공정 제어에 응용될 수 없다. 4) 모델링 전문가의 참여가 필수적이다. 5) 공정에 대한 높은 이해도가 필요하다. 1) 간략화로 인하여, 예측의 정확도가 풀 모델에 비해서는 떨어진다.
계산 시간 시뮬레이션당 5 내지 10분이 소요되고 최적 fa와 tc를 구하기 위해서는 100회 이상의 시뮬레이션을 필요로 하므로, 총 500-1000분의 계산 시간이 소요된다. 따라서 공정을 예측할 뿐 최적제어에 이용할 수 없다. 시뮬레이션당 2-3초가 소요되고 최적 fa와 tc를 구하기 위해서는 100회 이상의 시뮬레이션을 필요로 하므로, 총 3-5분의 계산 시간이 소요된다. 따라서 공정을 예측할 뿐만 아니라 최적제어에도 이용할 수 있다.
모델 오차 범위 10%이내 15% 이내의 오차범위를 가지나, 오차의 피드백을 통해 보정 가능하다.
본 발명의 하수의 고도 처리 시스템에 의하면, 혐기조와 호환조 사이에 완충조가 마련되어 있어 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공할 수 있다.
또한 본 발명의 하수의 고도 처리 시스템에 의하면, 무산소조와 호기조로 사용이 가능한 간헐 폭기 방식의 호환조를 설치하여 운전의 유연성을 확보할 수 있 고, 그 호환조의 폭기 주기가, 바람직하게는 활성 슬러지 공정을 혐기, 무산소, 호기 조건별로 각각 독립적으로 모사하는 간단한 모듈형 모델의 각 모델을 조합하여 형성된 모델에 의한 예측을 기반으로 최적화됨으로써, 질소 및 인 제거에 있어 안정성을 제고하고, 에너지 절약 및 노동력 절감의 운전비를 줄일 수 있다.
본 발명의 하수의 고도 처리 시스템 및 고도 처리 방법은, 기존의 하수처리장을 고도 처리 공법으로 용이하게 업그레이드하거나, 또는 하수처리장의 신규 건설에도 쉽게 도입될 수 있어 그 적용성이 크다.

Claims (5)

  1. 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와,
    상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와,
    간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와,
    상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및
    상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지며,
    상기 호환조(3)는 그 폭기 주기가,
    활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고 상기 17개의 각 단위 공정에 대해 11개의 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응속도식을 각각 독립적으로 모사하되, 상기 17개의 각 단위 공정, 상기 11개의 상태변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응속도식은 첨부된 하기의 표에 의해 결정되는 모듈형 모델을 이용한 예측에 기반하여 최적화되는 것을 특징으로 하는 하수의 고도 처리 시스템.
    [표]
    Figure 112006092260593-pat00018
    (여기서, SA: 아세트산, SF: 발효성 유기물질(fermentable organics), SNH4: 암모니아성 질소, SNO3: 질산염(nitrate), SPO4: 인산염인(phosphate), XS: 입자성 유기물질, XH: 종속 영양 미생물, XPAO: 인 축적 미생물, XPP: 입자성 인산염인, XPHA: 유기물 입자(organic particles), XAUT: 독립 영양 미생물(질산화 미생물), iNXS: XS의 N함량, iNBM: XH,XPAO,XAUT의 N함량, iPXS: XS의 P함량, iPBM: XH,XPAO,XAUT의 P함량, YH: XH의 증식 계수, YPO4: XPAO의 저장된 PHA(polyhydroxy-alkanoate)당 요구되는 PP(polyphosphate), YPHA: XPAO의 PP저장을 위해 요구되는 PHA, Kh: XS의 가수분해 상수, ηNO3: 무산소상태의 가수분해 감소 계수, ηfe: XS의 혐기 가수분해 감소 계수, μH: XH의 최대 성장률, qfe: XH의 최대 발효율, bH: XH의 사멸률, qPHA: XPHA 저장 상수, qPP: XPP 저장 상수, μPAO: XPAO의 최대 성장률, bPAO: XPAO 사멸률, bpp: XPP 자분해율, bPHA: XPHA 자분해율, uAUT: XAUT의 최대 성장률, bAUT: XAUT의 사멸률이고,
    Figure 112006092260593-pat00019
    ,
    Figure 112006092260593-pat00020
    )
  2. 제1항에 있어서,
    상기 호기조(4) 중에 고정상 메디아를 추가로 포함하는 것을 특징으로 하는
    하수의 고도 처리 시스템.
  3. 삭제
  4. 피처리 하수 및 침전조로부터 반송된 활성 슬러지를 유입받아 인 방출을 행하는 혐기조(1)와,
    상기 혐기조의 처리수 및 하기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조(1)에의 산소 유입을 차단하고 충분한 혐기 시간을 제공하는 완충조(2)와,
    간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고 비폭기 상태에서는 탈질을 행하는 호환조(3)와,
    상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조(4)로 구성되는 일련의 반응조 및
    상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리하는 침전조(5)로 이루어지는 하수의 고도 처리 시스템을 이용한 고도 처리 방법으로서,
    상기 호환조(3)의 폭기 주기는,
    활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고 상기 17개의 각 단위 공정에 대해 11개의 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응속도식을 각각 독립적으로 모사하되, 상기 17개의 각 단위 공정, 상기 11개의 상태변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응속도식은 첨부된 하기의 표에 의해 결정되는 모듈형 모델을 이용한 예측에 기반하여 최적화되는 것을 특징으로 하는 하수의 고도 처리 방법.
    [표]
    Figure 112006092260593-pat00021
    (여기서, SA: 아세트산, SF: 발효성 유기물질(fermentable organics), SNH4: 암모니아성 질소, SNO3: 질산염(nitrate), SPO4: 인산염인(phosphate), XS: 입자성 유기물질, XH: 종속 영양 미생물, XPAO: 인 축적 미생물, XPP: 입자성 인산염인, XPHA: 유기물 입자(organic particles), XAUT: 독립 영양 미생물(질산화 미생물), iNXS: XS의 N함량, iNBM: XH,XPAO,XAUT의 N함량, iPXS: XS의 P함량, iPBM: XH,XPAO,XAUT의 P함량, YH: XH의 증식 계수, YPO4: XPAO의 저장된 PHA(polyhydroxy-alkanoate)당 요구되는 PP(polyphosphate), YPHA: XPAO의 PP저장을 위해 요구되는 PHA, Kh: XS의 가수분해 상수, ηNO3: 무산소상태의 가수분해 감소 계수, ηfe: XS의 혐기 가수분해 감소 계수, μH: XH의 최대 성장률, qfe: XH의 최대 발효율, bH: XH의 사멸률, qPHA: XPHA 저장 상수, qPP: XPP 저장 상수, μPAO: XPAO의 최대 성장률, bPAO: XPAO 사멸률, bpp: XPP 자분해율, bPHA: XPHA 자분해율, uAUT: XAUT의 최대 성장률, bAUT: XAUT의 사멸률이고,
    Figure 112006092260593-pat00022
    ,
    Figure 112006092260593-pat00023
    )
  5. 삭제
KR1020050110496A 2005-11-18 2005-11-18 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법 KR100683476B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020050110496A KR100683476B1 (ko) 2005-11-18 2005-11-18 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050110496A KR100683476B1 (ko) 2005-11-18 2005-11-18 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법

Publications (1)

Publication Number Publication Date
KR100683476B1 true KR100683476B1 (ko) 2007-02-16

Family

ID=38103812

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050110496A KR100683476B1 (ko) 2005-11-18 2005-11-18 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법

Country Status (1)

Country Link
KR (1) KR100683476B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100912032B1 (ko) 2008-05-19 2009-08-12 효성에바라엔지니어링 주식회사 활성 슬러지 공정을 위한 제어 장치 및 방법
KR100912021B1 (ko) * 2008-05-19 2009-08-12 효성에바라엔지니어링 주식회사 하수 고도 처리 시스템 및 방법
CN109942083A (zh) * 2019-03-04 2019-06-28 西安建筑科技大学 一种低碳氮比生活污水一体化处理装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020089085A (ko) 2001-05-23 2002-11-29 쌍용건설 주식회사 하폐수의 질소 및 인 처리장치 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020089085A (ko) 2001-05-23 2002-11-29 쌍용건설 주식회사 하폐수의 질소 및 인 처리장치 및 그 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100912032B1 (ko) 2008-05-19 2009-08-12 효성에바라엔지니어링 주식회사 활성 슬러지 공정을 위한 제어 장치 및 방법
KR100912021B1 (ko) * 2008-05-19 2009-08-12 효성에바라엔지니어링 주식회사 하수 고도 처리 시스템 및 방법
CN109942083A (zh) * 2019-03-04 2019-06-28 西安建筑科技大学 一种低碳氮比生活污水一体化处理装置

Similar Documents

Publication Publication Date Title
Lackner et al. Heterotrophic activity compromises autotrophic nitrogen removal in membrane-aerated biofilms: results of a modeling study
Kaelin et al. Extension of ASM3 for two-step nitrification and denitrification and its calibration and validation with batch tests and pilot scale data
Holenda et al. Dissolved oxygen control of the activated sludge wastewater treatment process using model predictive control
Baeza et al. Effect of internal recycle on the nitrogen removal efficiency of an anaerobic/anoxic/oxic (A2/O) wastewater treatment plant (WWTP)
Fernández et al. Reduction of aeration costs by tuning a multi-set point on/off controller: A case study
KR100683477B1 (ko) 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법
Huang et al. Impacts of dissolved oxygen control on different greenhouse gas emission sources in wastewater treatment process
CN103443038B (zh) 水处理系统及其曝气风量控制方法
Kim et al. Control of an alternating aerobic–anoxic activated sludge system—Part 2: optimization using a linearized model
Wu et al. Model predictive control of biological nitrogen removal via partial nitrification at low carbon/nitrogen (C/N) ratio
KR100912021B1 (ko) 하수 고도 처리 시스템 및 방법
Insel et al. A calibration methodology and model‐based systems analysis for SBRs removing nutrients under limited aeration conditions
Kim et al. Optimization of biological nutrient removal in a SBR using simulation-based iterative dynamic programming
KR100912032B1 (ko) 활성 슬러지 공정을 위한 제어 장치 및 방법
Kim et al. SBR system for phosphorus removal: ASM2 and simplified linear model
KR100683476B1 (ko) 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법
Mehrani et al. Performance evaluation and model-based optimization of the mainstream deammonification in an integrated fixed-film activated sludge reactor
Cema et al. Start-up, modelling and simulation of the anammox process in a membrane bioreactor
Luo et al. A novel model-based adaptive control strategy for step-feed SBRs dealing with influent fluctuation
CN111087073A (zh) 一种基于同步硝化反硝化机制的污水处理生化需氧控制系统及方法
Kim et al. SBR system for phosphorus removal: linear model based optimization
CN212425586U (zh) 一种基于同步硝化反硝化机制的生化需氧控制系统
CN115421525A (zh) 曝气量智能控制方法、装置、控制器和存储介质
Westerman et al. Application of mixed and aerated pond for nitrification and denitrification of flushed swine manure
Fuerhacker et al. Relationship between release of nitric oxide and CO2 and their dependence on oxidation reduction potential in wastewater treatment

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130111

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140103

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20150119

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20151216

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20170208

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20180130

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20181212

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20200128

Year of fee payment: 14