反硝化濾池的數值模擬與模型校正

鄒宗森 ,施漢昌 *,李鑫瑋 (.清華大學環境學院,環境模擬與污染控制國家重點聯合實驗室,北京 00084；.北京城市排水集團有限責任公司,北京 000)

隨著環境污染的日益加劇與環保技術的不斷發展,以及對于環境保護的要求日益提高,相應的污染物排放標準也日趨嚴格.根據北京市最新頒布的《城鎮污水處理廠水污染物排放標準》[1]的A標準,對TN的排放提出了更高的要求:TN <10mg/L,而傳統的一、二級處理顯然不能達標,故需要增加污水深度處理設施加強對 TN的去除.反硝化濾池是一種固定床生物膜反應器,具有占地面積小、運行管理方便、出水水質高等優點,在污水深度脫氮處理方面具有較強的優勢,目前已得到廣泛應用[2-5].

污水處理工藝過程復雜,傳統的工藝優化往往依靠工程經驗,調整周期長,成本高,且存在一定風險.數值模擬方法是一種基于數學模型的模擬方法,廣泛應用于包括污水處理工藝的模擬等許多領域[6].通過構建污水處理工藝的數學模型,經模型校準與驗證后,可以對反應器中的反應過程等進行快速有效地模擬,從而得到不同工藝條件下的處理效果,用于指導污水處理廠工藝的設計和運行優化,近年來日益得到重視與發展.目前較為成熟且應用最為廣泛的是國際水協(IWA)系列活性污泥模型,包括ASM模型(ASM1、ASM2、ASM2D、ASM3)和ADM模型,可描述活性污泥系統中碳氧化、硝化、反硝化、生物除磷及厭氧消化等多個過程,全面體現了活性污泥系統的主要功能[7].而隨著IWA系列模型的不斷改進與發展,除了可模擬傳統的活性污泥系統外,也廣泛應用于其他污水處理過程的模擬,體現出較強的適用性.Fenu等[8]應用ASM模型對MBR工藝進行模擬,并重點探討了對MBR中進水組分、可溶性微生物產物及生物動力學的模擬.Sperandio等[9]應用ASM模型對浸沒式MBR進行模擬,并對特定參數進行校正,得到了較好的模擬結果.Ni等[10]則應用 ASM 模型解釋了硝化及反硝化系統中N2O的反應過程,為尋找更佳的污水脫氮工藝奠定了基礎.

在IWA系列模型得到廣泛應用的基礎上,研究人員開發了污水處理廠的計算機模擬軟件,如GPS-X、STOAT、WEST 和 BioWin等.其中BioWin軟件是一種典型的污水處理廠全流程模擬軟件,由加拿大 Envirosim 聯合公司研制,BioWin中采用的生物反應模型是IWA活性污泥模型中的 AS/AD(活性污泥/厭氧消化)模型,同時此軟件還集成了pH平衡、氣體轉移和化學沉淀等其他模型,可描述污水處理過程中50種組分及作用于這些組分的80個物理、化學和生物反應過程,能夠模擬整個污水處理廠的全部流程.經過十幾年的不斷完善開發,已在北美和澳大利亞等地得到了廣泛的應用[11].EwaLiwarska- Bizukojc等[12]應用 BioWin軟件來模擬活性污泥系統,并進行靈敏度分析,從而得到對活性污泥工藝處理效果影響最為顯著的參數.Eldyasti等[13]采用BioWin軟件對循環流化床生物反應器(CFBBR)進行模擬,并建立了一套CFBBR工藝BioWin模型的校準方法,可使校準模型的模擬結果平均誤差維持在20%以內.

本研究以反硝化濾池中試系統為研究對象,通過在不同工況條件下的實際運行來考察其反硝化處理效果.構建反硝化濾池中試系統的BioWin概化模型,基于實際運行數據,對其進行模擬.探討了基于兩種靈敏度分析方法的模型校正方法,并驗證了校正模型的有效性.最終提出了一套能對反硝化濾池工藝進行有效模擬的BioWin模型和模型校正方法.

1 研究方法

1.1 反硝化濾池中試系統

反硝化濾池由圓柱形的有機玻璃制成,總高度3.5m,出水口高3.35m,直徑30cm,共分3段,以法蘭連接.濾池內從下向上依次為:水層1,緩沖層,濾料層,水層2,濾池柱層參數如表1所示.

表1 中試反硝化濾池柱層參數Table 1 Parameters of the pilot-scale DNBF

反硝化濾池的進水為北京市某污水處理廠 A的二沉池出水,該污水處理廠采用 A/O 工藝,日處理量為 5×105m3/d.濾池采用自下而上的進水方式,投加甲醇作為外加碳源,在濾速 8m/h,進水 C/N=4和濾速8m/h,進水C/N=5兩種工況下運行,每個工況運行時間約為一個月.每天反沖洗一次,反沖洗步驟為:(1)氣洗 5min;(2)氣水聯合沖洗 5min;(3)水洗9min,其中:氣洗流量15L/m2.s,水洗流量6L/m2.s.反硝化濾池中試系統的裝置圖如圖1所示.

圖1 反硝化濾池中試系統裝置Fig.1 Configuration of DNBF pilot system

1.2 檢測方法

所有水質指標的檢測均按照《水和廢水監測分析方法》[14]中的標準方法進行,監測的水質指標包括:COD、NH3-N、TN、、TP、TSS、pH值、DO和堿度.

1.3 反硝化濾池中試系統的模型

根據反硝化濾池中試系統的實際工藝參數,應用BioWin軟件構建了如圖2所示的BioWin概化模型.以多個生物反應器串連的方式模擬反硝化濾池內流體的推流狀態,從下向上依次為:水層 1;緩沖層(緩沖層(下),緩沖層(上));濾料層(濾料層1,濾料層2,濾料層3);水層2;甲醇于濾池進水處投加,與污水處理廠二沉池出水混合后共同進入濾池;應用點沉淀池和反沖洗出水組合的方式模擬濾池反沖洗過程,去除進水中及濾池內生物膜脫落產生的TSS,點沉淀池是BioWin軟件中一個理想狀態的沉淀池,其體積為零,只用于去除TSS,結合濾池反沖洗主要用于去除濾池內的TSS及點沉淀池自身的特點,其可被用于模擬生物濾池的反沖洗過程.在此基礎上,選擇 AS/AD模型、pH平衡模型和氣體傳輸模型作為生物反應單元的數學模型,選擇 Vesilind修正模型作為二沉池的數學模型.

圖2 反硝化濾池中試系統BioWin模型Fig.2 Modeling of the pilot-scale DNBF based on BioWin software

1.4 靈敏度分析

基于所構建的反硝化濾池中試系統 BioWin模型及濾速8m/h,進水C/N=5條件下的運行數據,運用常規靈敏度分析法(Si,j)和均方根靈敏度分析法()[15-16],考察了8項水質指標(yi):NH3-N,,, 總凱氏氮(TKN), TN, TP, TSS,COD,隨參數數值(xj)變化其模擬出水濃度值的變化情況,從而對BioWin中412個參數進行靈敏度分析,找出對反硝化濾池的模擬結果影響較大,即靈敏度較高的參數.

常規靈敏度分析法(Si,j)的定義如式(1)所示,可用于指示特定參數(xj)對于特定水質指標(yi)的影響情況.本研究中,設定參數數值改變的百分比為 10%,來計算Si,j的值.靈敏度判定原則為:Si,j<<0.25,參數對輸出結果沒有顯著影響;0.25≤Si,j<1,參數對輸出結果有影響;1≤Si,j<2,參數對輸出結果有較大影響;Si,j≥2,參數對輸出結果影響很大.

均方根靈敏度分析法()的定義如式(2)所示,可用于指示特定參數(xj)對于出水水質指標整體的影響情況.靈敏度判定原則為:值越大,參數對模擬結果影響越大;如果為0,則該參數對模擬結果沒有影響.

2 結果與討論

2.1 反硝化濾池中試系統運行結果

添加甲醇作為外加碳源,使反硝化濾池中試系統在兩種工況條件下分別運行一個月:濾速8m/h,進水 C/N=4和濾速 8m/h,進水 C/N=5,考察其反硝化處理效果,運行結果如表2所示.

由表2可見,添加甲醇作為外加碳源,隨著進水C/N的增大,濾池出水TN的濃度下降較大,C/N=4時的出水TN濃度約為14.52mg/L,而C/N=5時約為7.14mg/L,能夠滿足TN<10mg/L的最新標準,說明外加碳源促進了濾池的反硝化作用,進行了反硝化深度脫氮處理.C/N=4時濾池出水COD濃度約為 45.42mg/L,C/N=5時約為 55.92mg/L,前者較二沉池出水中COD濃度有所降低,后者則有所升高.說明C/N=4時,外加碳源提高了濾池內的微生物活性,在利用外加碳源的同時也消耗掉一部分二沉出水中的COD;而C/N=5時,由于外加碳源量過多,超出微生物的最大利用量,使得出水中 COD濃度反而有所升高.綜合考慮TN和COD的去除情況,可以推斷最佳的碳源投加量應在 C/N=4～5之間尋找.對于其他污染物,進水 TSS的濃度波動性比較大,但出水效果比較好,說明反硝化濾池而 TSS沖擊負荷的能力較強;NH3-N和TP的去除效果不明顯,但由于進水濃度比較低,故出水濃度也可基本滿足排放要求.

表2 反硝化濾池運行結果Table 2 Operation results of DNBF

2.2 靈敏度分析

利用濾速8m/h, C/N=5條件下的進水數據作為靈敏度分析的數據(表2).

根據常規靈敏度分析對BioWin軟件中412個參數的分析結果,將Si,j≥0.25,即對輸出結果有影響,可認定為靈敏度較高的參數列出,由于TKN和TSS中所有Si,j均小于0.25,故此二項指標的Si,j沒有列出,具體如表3所示.

如表3所示,有14個參數可認為是靈敏度較高的參數,而其中對模擬結果影響較為突出的是3個與甲基營養菌有關的計量學參數,以及 7個與生物膜有關的參數.甲基營養菌,是一類利用一碳甲基化合物作為碳源和能源進行生長的革蘭氏陰性菌.本研究中反硝化濾池外加碳源為甲醇,為一碳甲基化合物,而甲醇的投加對于反硝化作用的影響非常重要,因此與甲基營養菌有關的計量學參數,如缺氧產率系數,對濾池反硝化處理效果影響較大.而且反硝化濾池是一種生物膜反應器,生物膜的特性對反硝化處理效果影響至關重要,所以與生物膜有關的參數,如擴散系數、生物膜表面積/填料表面積等,對反硝化處理的效果影響也較為顯著.因此,常規靈敏度分析結果與實際情況相符,說明此分析結果有效.

表3 常規靈敏度分析結果(Si,j)Table 3 Analysis results of normalized sensitivity coefficient measure (Si,j)

表4 均方根靈敏度分析結果)Table 4 Analysis results of mean square sensitivity measure ()

表4 均方根靈敏度分析結果)Table 4 Analysis results of mean square sensitivity measure ()

參數jδmsqr甲基營養菌:產率系數(缺氧)甲基營養菌:生物質中P含量生物膜常規參數:擴散常數生物膜常規參數:傳質表面生物膜最大覆蓋率甲基營養菌:生物質中N含量有效擴散系數:磷酸鹽異養菌:COD:VSS比曝氣參數:工藝水DO濃度/純水DO濃度胞外聚合物強度系數:難生物降解COD(顆粒)切換參數:缺氧NO2半飽和常數0.3948 0.2805 0.2309 0.2309 0.2200 0.1889 0.1291 0.1287 0.1208 0.1911

根據均方根靈敏度分析對 BioWin軟件中412個參數的分析結果,將參數按照值大小降序排列,選取值最大的10個參數將其列出,結果如表4所示.由表4可知,在10個參數中,共有 7個參數屬于與甲基營養菌有關的計量學參數及與生物膜有關的參數,且包括值最大的6個參數.分析的結果與Si,j的分析結果相一致,進一步證明這兩類參數是對反硝化濾池處理效果影響最為顯著的參數.

2.3 模型校正

根據靈敏度分析結果,找出對反硝化濾池中試系統的 BioWin模擬結果影響最為顯著,即靈敏度最高的參數,通過調整參數值,對模型進行校正,直到模擬結果與實測結果相符合為止.所選擇的校正參數及其校正結果如表 5所示,模型校正依然利用濾速8m/h,進水C/N=5條件下的進水數據,如表2所示.

表5 反硝化濾池中試系統模型校正參數及其校正結果Table 5 Calibrated values of the most sensitive parameters of DNBF pilot-system

利用校正后的模型,對濾速8m/h,進水C/N=5條件下每一天的運行結果進行模擬,對比模擬結果與實測結果,驗證校正模型對此工況條件模擬的有效性.如表6所示,整體的模擬結果與實測結果吻合較好.為進一步說明此校正模型的有效性,對比每一天各種出水水質指標的模擬結果與實測結果,如圖3所示.由圖3a、3b、3d和3e可知,除去個別天模擬值與實測值存在一定的偏差,COD、NH3-N、TP和TSS每一天的模擬出水與實測出水濃度的吻合度均較好;由圖 3c可知,雖然 TN每天的模擬出水與實測出水濃度存在一定的偏差,模擬結果與實測結果的整體趨勢是一致的,且由表 6可知,偏差均在允許的范圍內.因此,由表6和圖3可以證明此校正模型可對濾速8m/h,進水C/N=5條件下的反硝化濾池中試系統的運行結果進行有效模擬.

表6 反硝化濾池中試系統校正模型的模擬結果(濾速8m/h,進水C/N=5)Table 6 Simulation results of calibrated model (filtration velocity=8m/h and influent C/N=5)

圖3 濾速8m/h, 進水C/N=5每天模擬結果與實測結果比較Fig.3 Comparison of daily simulation and experiment results (filtration velocity=8m/h, influent C/N=5)

2.4 模型驗證

模型驗證是指如果校正后的模型同樣可以有效地模擬除校正工況以外其他工況的運行結果,則認為該模型是有效的.因此,模型校正完成后,應用校正模型對濾速8m/h,進水C/N=4時的工況條件進行模擬,對比模擬結果與實測結果,來驗證校準后的模型是否有效,校正結果如表7所示.

表7 反硝化濾池中試系統校正模型的驗證結果(濾速8m/h,進水C/N=4)Table 7 Simulation results of calibrated model (filtration velocity=8m/h, influent C/N=4)

由表7可知,NH3-N、TN、TP及TSS的模擬結果與實測結果均吻合較好,可以有效反映實際的出水水質.而 COD的模擬值比實測值要低,可能的原因是:濾池進水采用的是實際污水廠二沉池出水,在C/N=4工況的運行過程中,曾出現幾次濾池進水不穩定的情況,進水 COD濃度波動較大,對實際反硝化濾池的運行造成了影響.總體來說,校正模型可以較好地反映濾速=8m/h,C/N=4工況條件下的運行結果,因此可以認為該模型是有效的.

3 結論

3.1 基于所構建的反硝化濾池中試系統BioWin模型及濾速8m/h,進水C/N=5條件下的運行數據,運用常規靈敏度分析法(Si,j)和均方根靈敏度分析法(),對BioWin中的412個參數進行靈敏度分析.結果表明,對反硝化濾池中試系統的 BioWin模擬結果影響最為顯著,即靈敏度最高的兩類參數為:與甲基營養菌(methylotrophs)有關的計量學參數及與生物膜有關的參數,與實際情況相符合.

3.2 根據靈敏度分析結果,選取靈敏度最高的參數,利用濾速 8m/h,進水 C/N=5條件下的運行數據,通過調整參數值進行模型校正,利用校正模型對濾速8m/h,進水C/N=4條件下的運行結果進行模擬,結果表明模擬值與實測值能夠較好吻合.由此得出結論,本研究構建的反硝化濾池中試系統BioWin模型及基于靈敏度分析的模型校正方法是可行的,可用于實際反硝化濾池工藝的模擬,進而指導實際運行.

[1]DB11/890-2012 城鎮污水處理廠水污染物排放標準 [S].

[2]Westman P W, Bicudo J R, Kantardjieff A.Upflow biological aerated filters for the treatment of flushed swine manure [J].Bioresource Technology, 2000,74:181-190.

[3]Pujol R, Hamon M, Kandel X, et al. Biofilters–flexible, reliable biological reactors [J]. Water Science and Technology, 1994,29:10-11.

[4]宋慧敏,周小紅,施漢昌,等.基于微電極技術的反硝化濾池生物膜特性分析 [J]. 中國環境科學, 2012,32(5):850-854.

[5]孫同喜,蔣軼峰,鄭萌璐,等.活化沸石曝氣生物濾池預處理微污染源水的研究 [J]. 中國環境科學, 2011,31(3):377-383.

[6]尤 宏,陳其偉,劉 婷,等.內循環流化床光催化反應器的數值模擬與結構優化 [J]. 中國環境科學, 2009,29(5):481-485.

[7]Handuc H L, Rieger A, Oehmen M C M, et al. Critical review of activated sludge modeling: State of process knowledge, modeling concepts, and limitations [J]. Biotechnology and Bioengineering,2013,110(1):24-46.

[8]Fenu A G, Guglielmi J, Jimenez M, et al. Activated sludge model(ASM) based modeling of membrane bioreactor (MBR) processes:A critical review with special regard to MBR specificities [J].Water Research, 2010,44:4272-4294.

[9]Sperandio M, Espinosa M C. Modelling an aerobic submerged membrane bioreactor with ASM models on a large range of sludge retention time [J]. Desalination, 2008.231:82-90.

[10]Ni Bing-Jie, CarlesPellicer-Nacher MaelRuscalleda, Smets Barth F. Modeling nitrous oxide production during biological nitrogen removal via nitrification and denitrification: Extensions to the General ASM Models [J]. Environmental Science and Technology,2011,45:7768-7776.

[11]沈童剛,邱 勇,施漢昌,等.污水處理廠模擬軟件 BioWIN 的應用 [J]. 給水排水, 2009,35(增刊):459-462.

[12]EwaLiwarska-Bizukojc, RafalBiernacki. Indentification of the most sensitive parameter in the activated sludge model implemented in BioWinsoftware [J]. Bioresource Technology,2010, 101:7278-7285.

[13]Eldyasti Ahmed, Nakhla George, Zhu Jesse. Development of a calibration protocol and identification of the most sensitive parameters for the particulate biofilm models used in biological wastewater treatment [J]. Bioresource Technology, 2012,111:111-121.

[14]國家環境保護總局《水和廢水監測分析方法》編委會.水和廢水監測分析方法 [M]. 4版.北京:中國環境科學出版社, 2002.

[15]US EPA.QUAL2E-The enhanced stream water quality model EPA/823/B-95/003. Environmental Research Laboratory, Athens,GA, USA, 1987.

[16]Petersen B, Gernaey K, Henze M, et al. Calibration of activated sludge models: A critical review of experimental designs [M].Biotechnology for the Environment: Wastewater Treatment and Modelling. Waste Gas Handling, 2003,3C:101-186.