KR100912021B1 - 하수 고도 처리 시스템 및 방법 - Google Patents

하수 고도 처리 시스템 및 방법 Download PDF

Info

Publication number
KR100912021B1
KR100912021B1 KR20080046338A KR20080046338A KR100912021B1 KR 100912021 B1 KR100912021 B1 KR 100912021B1 KR 20080046338 A KR20080046338 A KR 20080046338A KR 20080046338 A KR20080046338 A KR 20080046338A KR 100912021 B1 KR100912021 B1 KR 100912021B1
Authority
KR
South Korea
Prior art keywords
aeration
concentration
cycle
tank
equation
Prior art date
Application number
KR20080046338A
Other languages
English (en)
Inventor
송호인
진서형
김정래
최민식
장광언
김현욱
이인규
기문봉
Original Assignee
효성에바라엔지니어링 주식회사
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, 김현욱 filed Critical 효성에바라엔지니어링 주식회사
Priority to KR20080046338A priority Critical patent/KR100912021B1/ko
Application granted granted Critical
Publication of KR100912021B1 publication Critical patent/KR100912021B1/ko

Links

Images

Classifications

    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00Biological treatment of water, waste water, or sewage
    • C02F3/30Aerobic and anaerobic processes
    • C02F3/302Nitrification and denitrification treatment
    • C02F3/305Nitrification and denitrification treatment characterised by the denitrification
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00Treatment of sludge; Devices therefor
    • C02F11/12Treatment of sludge; Devices therefor by de-watering, drying or thickening
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00Biological treatment of water, waste water, or sewage
    • C02F3/006Regulation methods for biological treatment
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00Biological treatment of water, waste water, or sewage
    • C02F3/02Aerobic processes
    • C02F3/12Activated sludge processes
    • C02F3/1205Particular type of activated sludge processes
    • C02F3/1215Combinations of activated sludge treatment with precipitation, flocculation, coagulation and separation of phosphates
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F3/00Biological treatment of water, waste water, or sewage
    • C02F3/30Aerobic and anaerobic processes
    • C02F3/308Biological phosphorus removal
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2201/00Apparatus for treatment of water, waste water or sewage
    • C02F2201/002Construction details of the apparatus
    • C02F2201/007Modular design
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2203/00Apparatus and plants for the biological treatment of water, waste water or sewage
    • C02F2203/006Apparatus and plants for the biological treatment of water, waste water or sewage details of construction, e.g. specially adapted seals, modules, connections
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00Controlling or monitoring parameters in water treatment
    • C02F2209/005Processes using a programmable logic controller [PLC]
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00Controlling or monitoring parameters in water treatment
    • C02F2209/08Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00Controlling or monitoring parameters in water treatment
    • C02F2209/15N03-N
    • CCHEMISTRY; METALLURGY
    • C02TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02FTREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2209/00Controlling or monitoring parameters in water treatment
    • C02F2209/18PO4-P
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02WCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W10/00Technologies for wastewater treatment
    • Y02W10/10Biological treatment of water, waste water, or sewage

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Organic Chemistry (AREA)
  • Microbiology (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 하수 고도 처리 시스템 및 방법에 관한 것으로서, 혐기조, 완충조, 호환조, 호기조로 이루어지는 반응조 및 침전조로 구성되는 하수 고도 처리 시스템에 있어서, 간헐 폭기 방식으로 운전되는 호환조의 폭기 주기의 조절은, 수질 자동 측정기기에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, ASM(Activated Sludge Model) 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하고, 예측한 상태변수의 농도와 수질 자동 측정기기에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상태변수의 최대 허용 농도를 산출하며, 예측한 상태변수의 농도 및 산출한 상태변수의 최대 허용 농도를 이용하여 폭기 주기를 매 주기마다 최적화하는 것을 특징으로 하는 하수 고도 처리 시스템 및 방법이 개시된다.
수질자동측정기기, 호환조, 간헐 폭기, ASM 2d 모델

Description

하수 고도 처리 시스템 및 방법{ Waterwaste Treatment System and Method Thereof }
본 발명은 하수 고도 처리 시스템 및 방법에 관한 것으로서, 보다 상세하게는 간략화된 ASM(Activated Sludge Model) 2d 모델을 이용한 상태변수의 농도 예측치와 실시간으로 측정한 유입수 및 유출수의 수질 성분 값을 이용하여 폭기 주기를 최적화하는 하수 고도 처리 시스템 및 방법에 관한 것이다.
최근 사회적 요구와 수질 환경 보전 및 삶의 질 향상을 위해 방류수 수질 기준이 강화되었다. 통상의 BOD(Biochemical Oxygen Demand), SS(Suspended Solids )만을 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 고 효율적이며 안정적인 고도 처리가 가능한 시스템의 개발이 요청되고 있다.
하수의 고 효율적이며 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(Oxidation Reduction Pontention : ORP) 및 pH 센서 등을 이용한 연속 온라인 측정 및 제어 기술은 슬러지(Sludge) 소화, 영양염류제거(Biological Nutrient Removal : 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 자동제어기술 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.
최근에는 일간 평균 수질 자료를 이용한 생물 공정 모델링을 적용하여 하수 처리 공정을 제어하는 기술도 개발되었다. 하지만 일 단위로 시행되는 수동 측정에 의존한 공정 제어 기법이어서, 매 순간 변화하는 유입수의 특성에 따른 하수 처리 공정 제어를 수행하는 데는 한계가 있다.
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 발명의 목적은 기존 설비의 개량을 최소화하면서도 유입수의 급격한 변화에 능동적으로 대처하여 고 효율 및 안정적으로 하수를 고도 처리할 수 있는 하수 고도 처리 시스템 및 방법을 제공하는 데 있다.
본 발명의 다른 목적은 간헐 폭기 방식으로 운전되는 호환조의 폭기 주기를 최적화함에 있어서, 유입수 및 유출수의 수질 성분을 온 라인 측정기기를 이용하여 실시간으로 측정하고 이를 자동으로 반영하여 모델 예측을 보정함으로써, 하수 고도 처리 공정 제어의 자동화를 실현할 수 있는 하수 고도 처리 시스템 및 방법을 제공하는 데 있다.
상기 문제점을 해결하기 위해 고안된 본 발명의 하수 고도 처리 시스템의 바람직한 실시예는, 피처리 하수 및 침전조로부터 반송되는 활성 슬러지(Sludge)를 유입받아 인 방출을 행하는 혐기조와, 상기 혐기조의 처리수 및 호기조로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조로의 산소 유입을 차단하는 완충조와, 간헐 폭기 방식으로 운전되며, 상기 완충조의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉 섭취를 행하고, 비폭기 상태에서는 탈질을 행하는 호환조와, 상기 호환조의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조와, 상기 호기조의 처리수를 유입받아 고체와 액체를 분리하는 침전조와, 상기 혐기조로 유입되는 피처리 하수 및 상기 침전조로부터 나오는 유출수의 수질 성분을 실시간으로 측정하는 수질 자동 측정기기와, 상기 수질 자동 측정기기에서 실시간으로 측정하는 수질 성분 값 및 ASM(Activated Sludge Model) 2d의 선형화된 모듈형 모델의 예측값을 이용하여 상기 호환조의 폭기 주기를 매 주기마다 최적화하는 폭기 주기 조절 장치를 포함하여 이루어진다.
여기서, 상기 ASM 2d의 선형화된 모듈형 모델은,
활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고, 상기 17개의 각 단위 공정에 대해 11개의 상태변수를 설정하며, 상기 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응 속도식을 각각 독립적으로 모사하되,
상기 17개의 각 단위 공정, 상기 11개의 상태 변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응 속도식은 하기의 표에 의해 결정되는 모듈형 모델인 것을 특징으로 한다.
(표)
Figure 112008035406303-pat00001
여기서, SA : 아세트산, SF : 발효성 유기물질(Fermentable Organics), SNH4 : 암모니아성 질소, SNO3 : 질산염(Nitrate) SPO4 : 인산염 인(Phosphate), XS : 입자성 유기물질, XH : 종속 영양 미생물, XPAO : 인 축적 미생물, XPP : 입자성 인산염 인, XPHA : 유기물 입자(Organic Particles), XAUT : 독립 영양 미생물(질산화 미생물), iNXS : XS의 N 함량, iNBM : XH, XPAO , XAUT의 N 함량, iPXS : XS의 P 함량, iPBM : XH, XPAO , XAUT의 P 함량, YH : XH의 증식 계수, YPO4 : XPAO의 저장된 PHA(Polyhydroxy-Alkanoate)당 요구되는 PP(Polyphosphate), YPHA : XPAO의 PP 저장을 위해 요구되는 PHA, Kh : XS의 가수분해 상수, ηNO3 : 무산소 상태의 가수분해 감소 계수, ηfe : XS의 혐기 가수분해 감소 계수, μH : XH의 최대 성장률, qfe : XH의 최대 발효율, bH : XH의 사멸률, qPHA : XPHA의 저장 상수, qPP : XPP의 저장 상수, μPAO : XPAO의 최대 성장률, bPAO : XPAO의 사멸률, bpp : XPP의 자분해율, bPHA : XPHA의 자분해율, μAUT : XAUT의 최대 성장률, bAUT : XAUT의 사멸률이고,
Figure 112008035406303-pat00002
를 나타낸다.
또한, 상기 폭기 주기 조절 장치는, 상기 수질 자동 측정기기에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, 상기 ASM 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하는 선형화 모델부와, 상기 선형화 모델부가 예측한 상태변수의 농도와 상기 수질 자동 측정기기에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상기 상태변수의 최대 허용 농도를 산출하는 보정부와, 상기 선형화 모델부가 예측한 상태변수의 농도 및 상기 보정부가 산출한 상태변수의 최대 허용 농도를 이용하여 상기 폭기 주기를 매 주기마다 최적화하는 폭기 주기 최적화부를 포함하여 이루어지는 것을 특징으로 한다.
이때, 상기 호환조의 폭기 주기를 최적화하기 위해 이용되는 상태 변수는 상기 유출수 중의 암모니아성 질소 농도 및 인산염 농도 중 적어도 어느 하나인 것을 특징으로 한다.
또한, 상기 수질 자동 측정기기가 측정하는 수질 성분은, 상기 혐기조로 유입되는 피처리 하수 및 상기 유출수의 총 COD, NH4 +-N, NO3 --N, PO4 3 --P인 것을 특징으로 하는 하수 고도 처리 시스템.
또한, 상기 호환조의 폭기 주기의 최적화는, 하기의 수학식 1 내지 수학식 5를 만족하는 것을 폭기 주기로 하는 것을 특징으로 한다.
(수학식 1)
NH4 +-N ≤ NH4 +-Nmax
(수학식 2)
fa×tc ≥ t1
(수학식 3)
(1-fa)×tc ≥ t2
(수학식 4)
fa×tc ≤ t3
(수학식 5)
(1-fa)×tc ≤ t4
여기서, NH4 +-N는 유출수 중의 암모니아성 질소 농도, NH4 +-Nmax 는 배출되는 암모니아성 질소 농도의 최대 허용 농도, fa는 상기 호환조의 폭기 시간의 분율, tc는 폭기 주기, t1은 1 주기당 폭기 시간의 최소값, t2 는 1 주기당 비폭기 시간의 최소값, t3는 1 주기당 폭기 시간의 최대값, t4 는 1 주기당 비폭기 시간의 최대값을 나타낸다.
한편, 상기 하수 고도 처리 시스템을 이용한 하수 고도 처리 방법의 바람직한 실시예는, (a) 선형화 모델부가 상기 수질 자동 측정기기에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, 상기 ASM 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하는 단계와, (b) 보정부가 상기 선형화 모델부가 예측한 상태변수의 농도와 상기 수질 자동 측정기기에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상기 상태변수의 최대 허용 농도를 산출하는 단계와, (c) 폭기 주기 최적화부가 상기 선형화 모델부가 예측한 상태변수의 농도 및 상기 보정부가 산출한 상태변수의 최대 허용 농도를 이용하여 상기 폭기 주기를 매 주기마다 최적화하는 단계를 포함하여 이루어진다.
또한, 상기 (a) 단계에서, 폭기 주기를 최적화하기 위해 이용되는 상태 변수는 상기 유출수 중의 암모니아성 질소 농도 및 인산염 농도 중 적어도 어느 하나인 것을 특징으로 한다.
또한, 상기 (a) 단계에서, 상기 수질 자동 측정 기기에서 실시간으로 측정하는 수질 성분은 상기 유입수 및 상기 유출수의 총 COD, NH4 +-N, NO3 --N, PO4 3 --P인 것을 특징으로 한다.
또한, 상기 (c) 단계에서 상기 폭기 주기의 최적화는, 하기의 수학식 6 내지 수학식 10을 만족하는 것을 폭기 주기로 하는 것을 특징으로 한다.
(수학식 6)
NH4 +-N ≤ NH4 +-Nmax
(수학식 7)
fa×tc ≥ t1
(수학식 8)
(1-fa)×tc ≥ t2
(수학식 9)
fa×tc ≤ t3
(수학식 10)
(1-fa)×tc ≤ t4
여기서, NH4 +-N는 유출수 중의 암모니아성 질소 농도, NH4 +-Nmax 는 배출되는 암모니아성 질소 농도의 최대 허용 농도, fa는 상기 호환조의 폭기 시간의 분율, tc는 폭기 주기, t1은 1 주기당 폭기 시간의 최소값, t2 는 1 주기당 비폭기 시간의 최소값, t3는 1 주기당 폭기 시간의 최대값, t4 는 1 주기당 비폭기 시간의 최대값을 나타낸다.
또한, 상기 (c) 단계에서 상기 폭기 주기를 최적화하는 단계는, 호환조가 비폭기 상태에 있는 경우, (c-1) fa × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조건 모델식을 실행시키고, 상기 호기 조건 모델식으로부터 상기 fa × tc 시간의 평균 NH4 +-N 농도를 구하는 단계와, (c-2) (1-fa) × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소 및 혐기 조건 모델식을 실행시키고, 상기 무산소 및 혐기 조건 모델식으로부터 (1-fa) × tc 시간의 평균 NH4 +-N 농도를 구하는 단계와, (c-3) 상기 fa × tc 시간의 평균 NH4 +-N 농도와 상기 (1-fa) × tc 시간의 평균 NH4 +-N 농도를 이용하여 한 주기 동안의 평균 NH4 +-N 농도를 구하고, 상기 한 주기 동안의 평균 NH4 +-N 농도 값이 하기의 수학식 11을 만족하는지를 확인하여, 하기의 수학식 11을 만족하면 종료하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
(수학식 11)
한 주기 동안의 평균 NH4 +-N ≤ NH4 +-Nmax
또한, 상기 (c) 단계에서 상기 폭기 주기를 최적화하는 단계는, 호환조가 폭기 상태에 있는 경우, (c-1) (1-fa) × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소 및 혐기 조건 모델식을 실행시키고, 상기 무산소 및 혐기 조건 모델식으로부터 (1-fa) × tc시간의 평균 NH4 +-N 농도를 구하는 단계와, (c-2) fa × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조건 모델식을 실행시키고, 상기 호기 조건 모델식으로부터 fa × tc시간의 평균 NH4 +-N 농도를 구하는 단계와, (c-3) 상기 (1-fa) × tc시간의 평균 NH4 +-N 농도와 상기 fa × tc 시간의 평균 NH4 +-N 농도를 이용하여 한 주기 동안의 평균 NH4 +-N 농도를 구하고, 상기 한 주기 동안의 평균 NH4 +-N 농도 값이 하기의 수학식 12를 만족하는지를 확인하여, 하기의 수학식 12를 만족하면 종료하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
(수학식 12)
한 주기 동안의 평균 NH4 +-N ≤ NH4 +-Nmax
또한, 상기 (b) 단계에서, 상태변수의 최대 허용 농도의 산출은, 하기의 수 학식 13에 의하는 것을 특징으로 한다.
(수학식 13)
(NH4 +-Nmax)d+1 = (NH4 +-Nmax)d - (ΔNH4 +-N)d
여기서, (ΔNH4 +-N)d는 제 d주기에서의 암모니아성 질소 농도의 실제 측정치와 ASM 2d의 선형화된 모듈형 모델의 예측치와의 차이를 나타내고, (NH4 +-Nmax)d는 제 d주기의 유출수 암모니아성 질소 농도의 최대 허용 농도를 나타내며, (NH4 +-Nmax)d+ 1는 제 d +1 주기에서 암모니아성 질소 농도의 최대 허용 농도를 나타낸다.
본 발명의 하수 고도 처리 시스템에 의하면, 혐기조와 호환조 사이에 완충조가 마련되어 있어 혐기조에의 산소 유입을 차단하고 충분한 혐기 시간을 제공할 수 있다.
또한 본 발명에 의하면, 무산소조와 호기조로 사용이 가능한 간헐 폭기 방식의 호환조를 설치하여 운전의 유연성을 확보할 수 있고, 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 유입/유출수의 수질자동측정기기의 측정값을 바탕으로 매 주기마다 최적화 됨으로써, 질소 및 인 제거에 있어 안정성을 제고하고, 에너지 절약 및 노동력 절감의 운전비를 줄일 수 있다.
즉, 본 발명에 의하면, 매 주기마다 폭기 주기를 최적화할 수 있으므로, 유입수의 변동이 있다 하더라도 유연하게 대응할 수 있고 안정적으로 하수를 고도 처리할 수 있게 된다. 또한, 종전에는 운전자들이 유입수 및 유출수의 수질 성분을 하루에 한 번씩 수작업으로 분석해야 했으나, 본 발명에서는 수질 자동 측정기기를이용하여 실시간으로 수질성분을 측정하고 이를 ASM 2d의 선형화된 모듈형 모델과 연계함으로써, 하수 고도 처리 공정 제어를 자동화할 수 있게 된다.
즉, 종전에는 수분석을 통해 ASM 2d의 선형화된 모듈형 모델의 교정을 시도하였으나, 본 발명에서는 수질 자동 측정기기를 이용하여 매 주기마다 모델 교정이 자동적으로 이루어지도록 한다.
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.
이하, 도 1 및 도 2를 참조하여 본 발명의 하수 고도 처리 시스템 및 방법에 대해 상세히 설명한다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이 다.
하수 고도 처리에 있어서, 질소 및 인 제거 공정에 적용할 수 있는 모델로서는 IWA(International Water Association)의 업무추진그룹에서 개발한 ASM(Activated Sludge Model) 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 17개의 모델 방정식과 46개의 변수들이 포함되어 있어, 방정식을 적절하게 통합하기 위한 많은 계산적인 노력을 필요로 한다.
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 범위 내에서 활성 슬러지 공정을 모사하면서, 동시에 공정의 실시간 최적화를 위한 제어에 사용할 수 있는 간단한 모델의 개발이 요청되었다.
본 발명의 시스템에서 간헐 폭기 방식으로 운전되는 호환조의 폭기 주기를 최적화하기 위하여 이용하는 제어 공정 모델은, 바람직하기로는 IWA의 ASM 2d 모델 중의 비선형 모노드 텀(Monod term)들을 선형화한 모델로서, 특히 생물 반응을 혐 기, 무산소, 호기의 조건별로 각각 독립적으로 모사하는 모듈형의 모델이다. 이하, 이를 ‘ASM 2d의 선형화된 모듈형 모델’이라 한다.
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.
도 1은 본 발명의 하수 고도 처리 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명의 하수 고도 처리 시스템은 혐기조(1), 완충조(2), 호환조(3), 호기조(4)로 구성되는 일련의 반응조와 침전조(5)로 이루어진다.
상기 혐기조(1), 완충조(2) 및 호환조(3)에는 교반을 위한 교반 장치(6, 7, 8)가 각각 설치되어 있으며, 상기 호환조(3)와 호기조(4)에는 송풍기(18)로부터 공기를 공급하기 위한 산기 장치(11, 12)가 각각 형성되어 있다.
상기 호기조(4)에는 상기 완충조(2)로 질산화된 혼합액을 이송하기 위한 내부 반송 장치(13)가 형성되어 있고, 상기 침전조(19)에는 상기 혐기조(1)로 농축된 슬러지(Sludge)를 반송하기 위한 슬러지 반송 장치(14)와, 증식된 슬러지를 외부로 배출하는 잉여 슬러지 배출 장치(15)가 형성되어 있다.
또한, 유입부(16)와 유출부(17)에는 유입수 및 유출수의 수질 성분 예를 들 면, COD(Chemical Oxygen Demand), NH4 +-N, NO3 --N, PO4 3 --P 등을 분석하는 수질 자동측정기기(9, 10)가 각각 설치되어 있다.
이와 같이 구성된 하수 고도 처리 시스템에 있어서, 상기 혐기조(1)는 피처리 하수 즉 유입부(16)로부터 유입되는 유입수 및 상기 침전조(5)로부터 반송되는 활성 슬러지를 유입받아 인 방출을 행한다.
상기 완충조(2)는 상기 혐기조(1)의 처리수 및 상기 호기조(4)로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행한다. 그리고 상기 완충조(2)는 상기 혐기조(1)로의 산소 유입을 차단하여 충분한 혐기 시간을 제공한다.
상기 호환조(3)는 수온 및 유입 하수 특성에 따라 호기 혹은 무 산소조로 변환되는 간헐 폭기 방식으로 운전되며, 상기 완충조(2)의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉섭취를 행하고, 비폭기 상태에서는 탈질을 행한다.
이때, 상기 호환조(3)의 폭기 주기는 폭기 주기 조절 장치(미도시)를 통해, ASM 2d의 선형화된 모듈형 모델을 이용한 예측치 및 상기 수질 자동측정기기(9, 10)의 측정값을 바탕으로 매 주기마다 자동으로 최적화된다.
상기 호기조(4)는 상기 호환조(3)의 처리수를 유입받아 질산화 및 인 과잉 섭취를 행한다.
상기 침전조(5)는 상기 호기조(4)의 처리수를 유입받아 고체와 액체를 분리한다.
이와 같이, 본 발명의 하수 고도 처리 시스템에서는 간헐 폭기 방식으로 운전되는 상기 호환조(3)의 폭기 주기가, 유입부(16) 및 유출부(17)에 각각 설치된 수질 자동측정장치(9, 10)의 측정값 및 ASM 2d의 선형화된 모듈형 모델을 이용한 예측치에 기반하여 매 주기마다 자동으로 최적화되는 것임을 특징으로 한다.
본 발명에 의하면, 비 안정적인 유입수 상황하에서도 능동적으로 대처가 가능하므로, 경험에 의한 간헐 폭기 주기 결정 방식과 비교하여 운전비 감소 및 유출수 수질 유지를 보증할 수 있다.
[본 발명에서 이용하는 ASM 2d의 선형화된 모듈형 모델의 기본 구성]
이하, 본 발명에서 이용하는 ASM 2d의 선형화된 모듈형 모델을 상세하게 설명한다. 하기 표 1에서, 본 발명에서 이용하는 ASM 2d의 선형화된 모듈형 모델의 화학양론계수(Stoichiometry) 및 반응 속도식(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 반응 속도식이 다르게 주어진다.
Figure 112008035406303-pat00003
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 가리킨다. 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× J5 : 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× 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× J5 : 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× J 10× 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×J8PAO×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 [j=1~11]
상기 수학식 1에서, dCin/dt는 상태변수 Ci의 반응조(n) 중의 농도 변화율을 나타내고, HRTn는 반응조(n)에서의 체류시간을 나타내며, SBcxxx(i,j)에 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 한다.
Figure 112008035406303-pat00004
Figure 112008035406303-pat00005
Figure 112008035406303-pat00006
Figure 112008035406303-pat00007
Figure 112008035406303-pat00008
Figure 112008035406303-pat00009
상기 물질수지식을 이용한 적분에 의해, 각 상태변수의 시간 (t)에서의 농도를 예측할 수 있다. 즉, 본 발명의 상기 ASM 2d의 선형화된 모듈형 모델에 포함되는 수질 항목(농도)을, 상기 물질수지식의 적분에 의해 예측할 수 있다.
도 2는 본 발명의 폭기 주기 최적화를 위한 하수 고도 처리 시스템을 개략적으로 나타낸 도면이다. 본 발명의 하수 고도 처리 시스템은 호환조의 폭기 주기를 최적화하기 위해, 폭기 주기 조절 장치(100)를 포함하여 이루어진다.
도 1 및 도 2를 참조하면, 상기 폭기 주기 조절 장치(100)는 수질 자동 측정기기(9, 10)에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, ASM 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하는 선형화 모델부(110)와, 상기 선형화 모델부(110)가 예측한 상태변수의 농도와 상기 수질 자동 측정기기(9, 10)에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상기 상태변수의 최대 허용 농도를 산출하는 보정부(120)와, 상기 선형화 모델부(110)가 예측한 상태변수의 농도 및 상기 보정부(120)가 산출한 상태변수의 최대 허용 농도를 이용하여 상기 폭기 주기를 최적화하는 폭기 주기 최적화부(120)를 포함하여 이루어진다.
여기서, 폭기 주기의 최적 제어에 이용하는 상태변수(또는 수질 항목)의 예측치로서는, 유출수 중의 암모니아성 질소 농도(NH4 +-N) 및 인산염 농도(PO4 3 --P) 중 적어도 어느 하나의 수질 항목의 예측치가 바람직하며, 특히 유출수 중의 암모니아성 질소 농도의 예측치를 이용하는 것이 바람직하다.
유출수 중의 인산염 농도의 예측치를 이용해도 효율적인 폭기 주기의 제어가 가능하나, 우리나라 하수의 특성상, 인산염 농도가 암모니아성 질소 농도보다 낮고, 또 암모니아의 독성이 더 강하므로, 실용적인 면에서는 암모니아성 질소 농도의 예측치를 이용한 제어가 더 널리 이용될 수 있다.
한편, 간헐 폭기 공정이 포함된 MLE(Modified Ludzack - Ettinger) 공정의 운전 최적화를 위한 제어 인자는 총 HRT 중 폭기 시간의 분율(fa)이다. 이를 수학식 2에서 나타내었다.
fa = ta / tc
여기서, ta: 간헐 폭기조에서의 1 주기당 폭기 시간을 나타내고, tc: 간헐 폭기조에서의 1 주기(1 주기당 폭기 시간과 1 주기당 비폭기 시간의 합)를 나타낸다.
하수처리장 운전비용 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 유출수 중 암모니아성 질소의 주기 평균 배출 농도를 예측하기 위하여, 가장 최근의 측정값들을 이용하며, 또한 하수 고도 처리 시스템에 대한 상기 ASM 2d의 선형화된 모듈형 모델을 이용한다. 또, 얻어진 예측치를 바탕으로 최적의 tc 와 fa를 도출한다.
상기 선형화 모델부(110)로의 유입수와 유출수의 입력값은 실시간 수질 자동측정기기(9, 10)의 측정값을 입력 값으로 한다. 이때, 입력되는 분석 항목은, 예를 들어 유출수 암모니아성 질소 농도의 예측에 기반하여 폭기 주기를 최적화하는 경우에, 유입수 및 유출수의 총 COD, NH4 +-N, NO3 --N, PO4 3 --P 이다.
이때, 수질 자동측정기기의 분석 기간은 임의로 정할 수 있다. 예를 들어 수질 자동측정기기가 1주기를 단위로 측정값을 분석하는 경우에는, 수질 자동측정기기의 분석치를 바탕으로 매 주기의 운전 조건에 대한 tc 와 fa를 설정할 수 있다.
이에 의하면, 수질 자동 측정기기를 통하여 실시간으로 매 주기마다 폭기 주기를 최적화할 수 있으므로, 하수 고도처리 공정 제어의 자동화를 기대할 수 있고, 운전자들이 매일 수질을 측정해야 하는 번거로움을 피할 수 있게 된다.
즉, 본 발명에 의하면, 매 주기마다 폭기 주기를 최적화할 수 있으므로, 유입수의 변동이 있다하더라도 유연하게 대응할 수 있고 안정적으로 하수를 고도 처리할 수 있게 된다.
또한, 종전에는 운전자들이 유입수 및 유출수의 수질 성분을 수작업으로 분석하여 하루에 한 번 모델을 교정할 수 있었으나, 본 발명에서는 수질 자동 측정기기를 이용하여 실시간으로 수질성분을 측정하고 이를 ASM 2d의 선형화된 모듈형 모델과 연계함으로써, 하수 고도 처리 공정 제어를 자동화할 수 있게 된다.
즉, 종전에는 폭기 주기의 사이클이 6시간이라고 하였을 때, 연구원이 6시간 동안 매 30여분 마다 유입수 및 유출수의 COD, NH4 +-N, NO3 --N, PO4 3--P 등의 수질 성분을 채취하고 수분석을 행한 후, ASM 2d의 선형화된 모듈형 모델에 입력하여 모델을 교정하였다.
그러나 본 발명에서는 수질 자동 측정 기기를 통해 매 순간 측정되는 실시간 자료를 이용하여 ASM 2d의 선형화된 모듈형 모델을 자동으로 교정할 수 있기 때문에 정확한 예측을 보장하고 최적의 운영을 할 수 있게 된다.
또한, 종전에는 하루에 한 번 상기 모델을 보정하였기 때문에, 폭기 주기의 사이클이 6시간이라고 하였을 때, 4주기가 지난 후에야 해당 모델에 의한 예측값을 보정할 수 있으나, 본 발명에 의하면 폭기 주기의 매 주기마다 해당 모델에 의한 예측값을 보정할 수 있게 된다.
한편, 유출수 암모니아성 질소 농도의 예측에 기반하여 폭기 주기를 최적화하는 하는 경우, 2개의 제어 변수인 tc와 fa는 하기의 수학식 3 내지 수학식 7을 만족하여야 한다.
즉, tc와 fa는 유출수의 암모니아성 질소 농도 허용 기준을 만족시켜야 한다(수학식 3). 수학식 3에서 NH4 +-Nmax는 주기평균 암모니아 배출 농도 중에서 허용 가능한 최대 농도를 나타낸다. 이와 동시에 2개의 제어 변수인 tc와 fa는 폭기에 투여되는 에너지 사용 비용을 최소화하도록 조작된다.
NH4 +-N ≤ NH4 +-Nmax
fa×tc ≥ t1
(1-fa)×tc ≥ t2
fa×tc ≤ t3
(1-fa)×tc ≤ t4
상기 수학식 4 내지 수학식 7에서 t1은 1주기당 폭기 시간의 최소값을 나타내고, t2는 1주기당 비폭기 시간의 최소값을 나타내며(예를 들면, t2 = t3 = 0.25시간), t3은 1주기당 폭기 시간의 최대값을 나타내고, t4는 1주기당 비폭기 시간의 최대값이라는 시간적 제한을 나타낸다(예를 들면, t3 = t4 = 4시간).
이와 같이 폭기 및 비폭기 시간의 최소값, 최대값을 두어야 하는 이유는 최 소값을 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 되어버리기 때문이다.
상기 폭기 주기 최적화부(120)는 상기 수학식 3 내지 수학식 7을 만족하는 fa 및 tc를 이하와 같은 최적화 루틴을 거쳐 구할 수 있다.
현재 호환조(3)가 비폭기 상태에 있다면, 아래 [1]를 수행하고, 폭기 상태에 있다면, 아래 [2]를 수행한다.
[1] 비폭기 상태에 있는 경우
(1) fa × tc(폭기 시간)의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조건 모델식을 실행시키고, 그 모델식으로부터 해당 폭기 시간 동안의 평균 NH4 +-N 농도를 구한다.
(2) 이후 (1-fa) × tc(비폭기 시간)의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소/혐기 조건 모델식을 실행시키고, 그 모델식으로부터 해당 비폭기 시간 동안의 평균 NH4 +-N 농도를 구한다.
(3) 상기 폭기 시간 동안의 평균 NH4 +-N 농도와 비폭기 시간 동안의 평균 NH4 +-N 농도로부터 한 주기 동안의 평균 NH4 +-N 농도를 구한다. 이때, 한 주기 동안 의 평균 NH4 +-N ≤ NH4 +-Nmax를 만족하면 종료하고, 만족하지 않는다면 만족할 때까지 fa 및 tc를 변화시키면서 상기 과정을 반복한다.
[2] 폭기 상태에 있는 경우
(1) (1-fa) × tc(비폭기 시간)의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소/혐기 조건 모델식을 실행시키고, 그 모델식으로부터 구해지는 해당 비폭기 시간 동안의 평균 NH4 +-N 농도를 구한다.
(2) 이후 fa × tc(폭기 시간)의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조건 모델식을 실행시키고, 그 모델식으로부터 해당 폭기 시간 동안의 평균 NH4 +-N 농도를 구한다.
(3) 상기 비폭기 시간 동안의 평균 NH4 +-N 농도와 폭기 시간 동안의 평균 NH4 +-N 농도로부터 한 주기 동안의 평균 NH4 +-N 농도를 구한다. 이때, 한 주기 동안의 평균 NH4 +-N ≤ NH4 +-Nmax를 만족하면 종료하고, 만족하지 않는다면 만족할 때까지 fa 및 tc를 변화시키면서 상기 과정을 반복한다.
또한, 상기 폭기 주기 제어를 위한 ASM 2d의 선형화된 모듈형 모델을 사용하는 데에 있어서 고려해야 할 필요가 있는 중요한 문제점 중 하나는, 모델의 예측치 와 실제 측정치 간의 오차이다. 따라서 본 발명에서는 보정부(120)를 통하여 이러한 오차 문제를 해결한다. 즉, 다음과 같이, 오차의 피드백을 적용함으로써 이를 해결할 수 있다.
예를 들어 설명하면, 먼저 운전 제d주기에, 상기 수학식 3 내지 7로부터 (tc)d 및 (fa)d을 결정한다. 이 값들을 반응조에 적용하게 될 때, 제d주기 동안 채집한 유출수를 분석하여 얻은 실제의 NH4 +-N, 즉, (NH4 +-Nreal)d 과 본 발명의 선형화 모델에 의해서 예측된 값, 즉, (NH4 +-Nprediction)d이 다르게 된다. 암모니아성 질소 농도의 실측치와 본 발명의 선형화 모델에 의한 예측치의 차이를 하기 수학식 8에 의해 정의한다.
ΔNH4 +-N = NH4 +-Nreal - NH4 +-Nprediction
이러한 오차를 보상하기 위하여, 상기 보상부(120)는 NH4 +-Nreal이 NH4 +-Nmax과 같아지도록, 시스템 운전 제d주기의 유출수 암모니아성 농도의 최적치(= 최대 허용치)인 (NH4 +-Nmax)d로부터 운전 제d주기의 ΔNH4 +-N인 (ΔNH4 +-N)d을 빼서, 그 차분을 운전 제d+1주기에 있어서의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값, 즉, (NH4 +- Nmax)d+1로 설정하여 폭기 주기 최적화부(130)로 출력한다. 이를 수학식 9에 나타내었다.
(NH4 +-Nmax)d+1 = (NH4 +-Nmax)d - (ΔNH4 +-N)d
예를 들면, 만약 운전 제d주기의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값이 1.0 mg/L이고, NH4 +-Nprediction이 1 mg/L이고 NH4 +-Nreal이 0.8 mg/L라고 할 때, 상기 수학식 8 및 9에 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+1주기에 있어서의 최적화를 위한 시뮬레이션의 NH4 +-N 제한값인 (NH4 +-Nmax)d+1은 1.2 mg/L로 설정된다.
이러한 피드백을 확고하게 만들고, 주기변동에 대하여 너무 급격하게 반응하는 것을 피하기 위해서, 상기 수학식 9 중 (ΔNH4 +-N)d를, 제d주기에 계산된 불일치값(ΔNH+ 4-N)d과 그 전주기, 즉 제d-1주기에 계산된 불일치값(ΔNH+ 4-N)d-1의 지수적 가중 이동 평균인 δ 코렉션(correction), 즉, δNH+ 4-N|d 로 대체해도 좋다. 이를 수학식 10에 나타내었다.
δNH+ 4-N|d = 0.5×(ΔNH+ 4-N)d + 0.5×(ΔNH+ 4-N)d-1
종전에는 모델의 보정도 수작업에 의한 수질 성분 분석으로 이루어졌기 때문에 자주 수행하지 못하였으나, 본 발명에 의하면 모델의 보정도 매 주기마다 자동으로 실행할 수 있게 된다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명의 하수 고도 처리 시스템을 개략적으로 나타낸 도면.
도 2는 본 발명의 폭기 주기 최적화를 위한 하수 고도 처리 시스템을 개략적으로 나타낸 도면.
* 도면의 주요 부분에 대한 부호의 설명 *
100 : 폭기 주기 조절 장치 110 : 선형화 모델부
120 : 보정부 130 : 폭기 주기 최적화부

Claims (13)

  1. 피처리 하수 및 침전조로부터 반송되는 활성 슬러지(Sludge)를 유입받아 인 방출을 행하는 혐기조;
    상기 혐기조의 처리수 및 호기조로부터 내부 반송되는 질산화된 혼합액을 유입받아 혐기 상태에서 탈질을 행하며, 상기 혐기조로의 산소 유입을 차단하는 완충조;
    간헐 폭기 방식으로 운전되며, 상기 완충조의 처리수를 유입받아, 폭기 상태에서는 질산화 및 인 과잉 섭취를 행하고, 비폭기 상태에서는 탈질을 행하는 호환조;
    상기 호환조의 처리수를 유입받아 질산화 및 인 과잉섭취를 행하는 호기조;
    상기 호기조의 처리수를 유입받아 고체와 액체를 분리하는 침전조; 및
    상기 혐기조로 유입되는 피처리 하수 및 상기 침전조로부터 나오는 유출수의 수질 성분을 실시간으로 측정하는 수질 자동 측정기기; 및
    상기 수질 자동 측정기기에서 실시간으로 측정하는 수질 성분 값을 통해 ASM(Activated Sludge Model) 2d의 선형화된 모듈형 모델의 예측값을 보정한 후, 상기 호환조의 폭기 주기를 매 주기마다 자동으로 최적화하는 폭기 주기 조절 장치를 포함하여 이루어지며,
    상기 수질 자동 측정기기가 측정하는 수질 성분은, 상기 혐기조로 유입되는 피처리 하수 및 상기 유출수의 총 COD, NH4 +-N, NO3 --N, PO4 3--P 중에서 적어도 하나 이상인 것을 특징으로 하는 하수 고도 처리 시스템.
  2. 제1항에 있어서,
    상기 ASM 2d의 선형화된 모듈형 모델은,
    활성 슬러지 공정을 17개의 각 단위 공정으로 분류하고, 상기 17개의 각 단위 공정에 대해 11개의 상태변수를 설정하며, 상기 상태변수에 따른 각 화학양론계수 및 혐기, 무산소, 호기 조건별로의 반응 속도식을 각각 독립적으로 모사하되,
    상기 17개의 각 단위 공정, 상기 11개의 상태 변수에 따른 각 화학양론계수 및 상기 혐기, 무산소, 호기 조건별로의 반응 속도식은 하기의 표에 의해 결정되는 모듈형 모델인 것을 특징으로 하는 하수 고도 처리 시스템.
    (표)
    Figure 112008035406303-pat00010
    여기서, SA : 아세트산, SF : 발효성 유기물질(Fermentable Organics), SNH4 : 암모니아성 질소, SNO3 : 질산염(Nitrate) SPO4 : 인산염 인(Phosphate), XS : 입자성 유기물질, XH : 종속 영양 미생물, XPAO : 인 축적 미생물, XPP : 입자성 인산염 인, XPHA : 유기물 입자(Organic Particles), XAUT : 독립 영양 미생물(질산화 미생물), iNXS : XS의 N 함량, iNBM : XH, XPAO , XAUT의 N 함량, iPXS : XS의 P 함량, iPBM : XH, XPAO , XAUT의 P 함량, YH : XH의 증식 계수, YPO4 : XPAO의 저장된 PHA(Polyhydroxy-Alkanoate)당 요구되는 PP(Polyphosphate), YPHA : XPAO의 PP 저장을 위해 요구되는 PHA, Kh : XS의 가수분해 상수, ηNO3 : 무산소 상태의 가수분해 감소 계수, ηfe : XS의 혐기 가수분해 감소 계수, μH : XH의 최대 성장률, qfe : XH의 최대 발효율, bH : XH의 사멸률, qPHA : XPHA의 저장 상수, qPP : XPP의 저장 상수, μPAO : XPAO의 최대 성장률, bPAO : XPAO의 사멸률, bpp : XPP의 자분해율, bPHA : XPHA의 자분해율, μAUT : XAUT의 최대 성장률, bAUT : XAUT의 사멸률이고,
    Figure 112008035406303-pat00011
    를 나타낸다.
  3. 제2항에 있어서,
    상기 폭기 주기 조절 장치는,
    상기 수질 자동 측정기기에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, 상기 ASM 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하는 선형화 모델부;
    상기 선형화 모델부가 예측한 상태변수의 농도와 상기 수질 자동 측정기기에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상기 상태변수의 최대 허용 농도를 산출하는 보정부; 및
    상기 선형화 모델부가 예측한 상태변수의 농도 및 상기 보정부가 산출한 상태변수의 최대 허용 농도를 이용하여 상기 폭기 주기를 매 주기마다 최적화하는 폭기 주기 최적화부를 포함하여 이루어지는 것을 특징으로 하는 하수 고도 처리 시스템.
  4. 제3항에 있어서,
    상기 호환조의 폭기 주기를 최적화하기 위해 이용되는 상태 변수는 상기 유출수 중의 암모니아성 질소 농도 및 인산염 농도 중 적어도 어느 하나인 것을 특징으로 하는 하수 고도 처리 시스템.
  5. 삭제
  6. 제1항에 있어서,
    상기 호환조의 폭기 주기의 최적화는, 하기의 수학식 1 내지 수학식 5를 만족하는 것을 폭기 주기로 하는 것을 특징으로 하는 하수 고도 처리 시스템.
    (수학식 1)
    NH4 +-N ≤ NH4 +-Nmax
    (수학식 2)
    fa×tc ≥ t1
    (수학식 3)
    (1-fa)×tc ≥ t2
    (수학식 4)
    fa×tc ≤ t3
    (수학식 5)
    (1-fa)×tc ≤ t4
    여기서, NH4 +-N는 유출수 중의 암모니아성 질소 농도, NH4 +-Nmax 는 배출되는 암모니아성 질소 농도의 최대 허용 농도, fa는 상기 호환조의 폭기 시간의 분율, tc는 폭기 주기, t1은 1 주기당 폭기 시간의 최소값, t2 는 1 주기당 비폭기 시간의 최소값, t3는 1 주기당 폭기 시간의 최대값, t4 는 1 주기당 비폭기 시간의 최대값을 나타낸다.
  7. 제3항의 하수 고도 처리 시스템을 이용한 하수 고도 처리 방법은,
    (a) 선형화 모델부가 상기 수질 자동 측정기기에서 실시간으로 측정되는 유입수 및 유출수의 수질 성분 측정값을 입력받아, 상기 ASM 2d의 선형화된 모듈형 모델을 이용하여 상태변수의 농도를 예측하는 단계;
    (b) 보정부가 상기 선형화 모델부가 예측한 상태변수의 농도와 상기 수질 자동 측정기기에서 실제 측정한 상태변수의 농도 간의 차이를 보정하여 상기 상태변수의 최대 허용 농도를 산출하는 단계;
    (c) 폭기 주기 최적화부가 상기 선형화 모델부가 예측한 상태변수의 농도 및 상기 보정부가 산출한 상태변수의 최대 허용 농도를 이용하여 상기 폭기 주기를 매 주기마다 자동으로 최적화하는 단계를 포함하여 이루어지며,
    상기 수질 자동 측정기기가 측정하는 수질 성분은, 상기 혐기조로 유입되는 피처리 하수 및 상기 유출수의 총 COD, NH4 +-N, NO3 --N, PO4 3--P 중에서 적어도 하나 이상인 것을 특징으로 하는 하수 고도 처리 방법.
  8. 제7항에 있어서,
    상기 (a) 단계에서, 폭기 주기를 최적화하기 위해 이용되는 상태 변수는 상 기 유출수 중의 암모니아성 질소 농도 및 인산염 농도 중 적어도 어느 하나인 것을 특징으로 하는 하수 고도 처리 방법.
  9. 삭제
  10. 제7항에 있어서,
    상기 (c) 단계에서 상기 폭기 주기의 최적화는,
    하기의 수학식 6 내지 수학식 10을 만족하는 것을 폭기 주기로 하는 것을 특징으로 하는 하수 고도 처리 방법.
    (수학식 6)
    NH4 +-N ≤ NH4 +-Nmax
    (수학식 7)
    fa×tc ≥ t1
    (수학식 8)
    (1-fa)×tc ≥ t2
    (수학식 9)
    fa×tc ≤ t3
    (수학식 10)
    (1-fa)×tc ≤ t4
    여기서, NH4 +-N는 유출수 중의 암모니아성 질소 농도, NH4 +-Nmax 는 배출되는 암모니아성 질소 농도의 최대 허용 농도, fa는 상기 호환조의 폭기 시간의 분율, tc는 폭기 주기, t1은 1 주기당 폭기 시간의 최소값, t2 는 1 주기당 비폭기 시간의 최소값, t3는 1 주기당 폭기 시간의 최대값, t4 는 1 주기당 비폭기 시간의 최대값을 나타낸다.
  11. 제10항에 있어서,
    상기 (c) 단계에서 상기 폭기 주기를 최적화하는 단계는, 호환조가 비폭기 상태에 있는 경우,
    (c-1) fa × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조 건 모델식을 실행시키고, 상기 호기 조건 모델식으로부터 상기 fa × tc 시간의 평균 NH4 +-N 농도를 구하는 단계;
    (c-2) (1-fa) × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소 및 혐기 조건 모델식을 실행시키고, 상기 무산소 및 혐기 조건 모델식으로부터 (1-fa) × tc 시간의 평균 NH4 +-N 농도를 구하는 단계; 및
    (c-3) 상기 fa × tc 시간의 평균 NH4 +-N 농도와 상기 (1-fa) × tc 시간의 평균 NH4 +-N 농도를 이용하여 한 주기 동안의 평균 NH4 +-N 농도를 구하고, 상기 한 주기 동안의 평균 NH4 +-N 농도 값이 하기의 수학식 11을 만족하는지를 확인하여, 하기의 수학식 11을 만족하면 종료하는 단계를 포함하여 이루어지는 것을 특징으로 하는 하수 고도 처리 방법.
    (수학식 11)
    한 주기 동안의 평균 NH4 +-N ≤ NH4 +-Nmax
  12. 제10항에 있어서,
    상기 (c) 단계에서 상기 폭기 주기를 최적화하는 단계는, 호환조가 폭기 상태에 있는 경우,
    (c-1) (1-fa) × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 무산소 및 혐기 조건 모델식을 실행시키고, 상기 무산소 및 혐기 조건 모델식으로부터 (1-fa) × tc시간의 평균 NH4 +-N 농도를 구하는 단계;
    (c-2) fa × tc의 시간동안 상기 ASM 2d의 선형화된 모듈형 모델 중 호기 조건 모델식을 실행시키고, 상기 호기 조건 모델식으로부터 fa × tc시간의 평균 NH4 +-N 농도를 구하는 단계;
    (c-3) 상기 (1-fa) × tc시간의 평균 NH4 +-N 농도와 상기 fa × tc 시간의 평균 NH4 +-N 농도를 이용하여 한 주기 동안의 평균 NH4 +-N 농도를 구하고, 상기 한 주기 동안의 평균 NH4 +-N 농도 값이 하기의 수학식 12를 만족하는지를 확인하여, 하기의 수학식 12를 만족하면 종료하는 단계를 포함하여 이루어지는 것을 특징으로 하는 하수 고도 처리 방법.
    (수학식 12)
    한 주기 동안의 평균 NH4 +-N ≤ NH4 +-Nmax
  13. 제7항에 있어서,
    상기 (b) 단계에서, 상태변수의 최대 허용 농도의 산출은,
    하기의 수학식 13에 의하는 것을 특징으로 하는 하수 고도 처리 방법.
    (수학식 13)
    (NH4 +-Nmax)d+1 = (NH4 +-Nmax)d - (ΔNH4 +-N)d
    여기서, (ΔNH4 +-N)d는 제 d주기에서의 암모니아성 질소 농도의 실제 측정치와 ASM 2d의 선형화된 모듈형 모델의 예측치와의 차이를 나타내고, (NH4 +-Nmax)d는 제 d주기의 유출수 암모니아성 질소 농도의 최대 허용 농도를 나타내며, (NH4 +-Nmax)d+1는 제 d +1 주기에서 암모니아성 질소 농도의 최대 허용 농도를 나타낸다.
KR20080046338A 2008-05-19 2008-05-19 하수 고도 처리 시스템 및 방법 KR100912021B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR20080046338A KR100912021B1 (ko) 2008-05-19 2008-05-19 하수 고도 처리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20080046338A KR100912021B1 (ko) 2008-05-19 2008-05-19 하수 고도 처리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR100912021B1 true KR100912021B1 (ko) 2009-08-12

Family

ID=41209769

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20080046338A KR100912021B1 (ko) 2008-05-19 2008-05-19 하수 고도 처리 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR100912021B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105129985A (zh) * 2015-08-21 2015-12-09 浦华环保有限公司 一种生化池进水分配系统
KR20190125025A (ko) * 2018-04-27 2019-11-06 주식회사 유앤유 개선된 뉴턴-랩슨 기법이 적용된 하수처리공정 모의 장치 및 방법
CN110498510A (zh) * 2019-09-19 2019-11-26 曹佩 动态一体式污水处理装置
WO2021047033A1 (zh) * 2019-09-12 2021-03-18 南京大学 一种污水中微生物类溶解性有机氮的预测模型建立方法及其应用
CN117699999A (zh) * 2024-02-06 2024-03-15 深圳市深水龙岗水务集团有限公司 一种用于供水厂处理工艺的溶氧曝气监控系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07275882A (ja) * 1994-04-13 1995-10-24 Yaskawa Electric Corp 下水処理制御装置
JP2000107796A (ja) 1998-09-30 2000-04-18 Toshiba Corp 下水処理プロセスシミュレータシステム
JP2001252691A (ja) * 2000-03-10 2001-09-18 Toshiba Corp 下水処理場の水質制御装置
JP2006075749A (ja) 2004-09-10 2006-03-23 Yaskawa Electric Corp 汚水処理システム
KR100683476B1 (ko) * 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법
KR100683477B1 (ko) 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07275882A (ja) * 1994-04-13 1995-10-24 Yaskawa Electric Corp 下水処理制御装置
JP2000107796A (ja) 1998-09-30 2000-04-18 Toshiba Corp 下水処理プロセスシミュレータシステム
JP2001252691A (ja) * 2000-03-10 2001-09-18 Toshiba Corp 下水処理場の水質制御装置
JP2006075749A (ja) 2004-09-10 2006-03-23 Yaskawa Electric Corp 汚水処理システム
KR100683476B1 (ko) * 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법
KR100683477B1 (ko) 2005-11-18 2007-02-16 효성에바라엔지니어링 주식회사 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
논문:JFE TECHNICAL REPORT
논문:상하수도학회지
논문:한국환경과학회지

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105129985A (zh) * 2015-08-21 2015-12-09 浦华环保有限公司 一种生化池进水分配系统
KR20190125025A (ko) * 2018-04-27 2019-11-06 주식회사 유앤유 개선된 뉴턴-랩슨 기법이 적용된 하수처리공정 모의 장치 및 방법
KR102070753B1 (ko) 2018-04-27 2020-03-02 주식회사 유앤유 개선된 뉴턴-랩슨 기법이 적용된 하수처리공정 모의 장치 및 방법
WO2021047033A1 (zh) * 2019-09-12 2021-03-18 南京大学 一种污水中微生物类溶解性有机氮的预测模型建立方法及其应用
CN110498510A (zh) * 2019-09-19 2019-11-26 曹佩 动态一体式污水处理装置
CN117699999A (zh) * 2024-02-06 2024-03-15 深圳市深水龙岗水务集团有限公司 一种用于供水厂处理工艺的溶氧曝气监控系统
CN117699999B (zh) * 2024-02-06 2024-04-26 深圳市深水龙岗水务集团有限公司 一种用于供水厂处理工艺的溶氧曝气监控系统

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
Rieger et al. Improving nutrient removal while reducing energy use at three Swiss WWTPs using advanced control
Baeten et al. Modelling aerobic granular sludge reactors through apparent half-saturation coefficients
Fernández et al. Reduction of aeration costs by tuning a multi-set point on/off controller: A case study
Zaborowska et al. Strategies for mitigating nitrous oxide production and decreasing the carbon footprint of a full-scale combined nitrogen and phosphorus removal activated sludge system
Baeza et al. Improving the nitrogen removal efficiency of an A2/O based WWTP by using an on-line knowledge based expert system
CN101364083A (zh) 污水处理控制设备和方法及污水处理系统
KR100912021B1 (ko) 하수 고도 처리 시스템 및 방법
KR100683477B1 (ko) 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법
JP2012187587A (ja) 脱窒プロセス及び脱窒装置
Lu et al. Automatic control and optimal operation for greenhouse gas mitigation in sustainable wastewater treatment plants: A review
Kim et al. Control of an alternating aerobic–anoxic activated sludge system—Part 2: optimization using a linearized model
KR100912032B1 (ko) 활성 슬러지 공정을 위한 제어 장치 및 방법
KR20120000858A (ko) 하폐수 처리 공정의 규칙기반 실시간 제어 방법 및 시스템
Kim et al. Optimization of biological nutrient removal in a SBR using simulation-based iterative dynamic programming
Kim et al. Optimization of modified ABA2 process using linearized ASM2 for saving aeration energy
KR102041326B1 (ko) 하모니서치 알고리즘을 이용한 활성슬러지 공정의 산소공급량 제어 시스템
JP2017113725A (ja) 下水処理場の運転支援装置及び運転支援方法
Mehrani et al. Performance evaluation and model-based optimization of the mainstream deammonification in an integrated fixed-film activated sludge reactor
Simon-Várhelyi et al. Dairy wastewater processing and automatic control for waste recovery at the municipal wastewater treatment plant based on modelling investigations
KR100683476B1 (ko) 하수의 고도 처리 시스템 및 이 시스템을 이용한 고도 처리방법
Cema et al. Start-up, modelling and simulation of the anammox process in a membrane bioreactor
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
CN104787875B (zh) 一种序批式活性污泥法的曝气控制方法及系统
KR101108031B1 (ko) 사전 예측 제어 기반 하·폐수 처리 시스템 및 하·폐수 처리 방법

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130710

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20140703

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150812

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160608

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20180625

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20200128

Year of fee payment: 12