反硝化滤池的数值模拟与模型校正

邹宗森 ,施汉昌 *,李鑫玮 (.清华大学环境学院,环境模拟与污染控制国家重点联合实验室,北京 00084；.北京城市排水集团有限责任公司,北京 000)

随着环境污染的日益加剧与环保技术的不断发展,以及对于环境保护的要求日益提高,相应的污染物排放标准也日趋严格.根据北京市最新颁布的《城镇污水处理厂水污染物排放标准》[1]的A标准,对TN的排放提出了更高的要求:TN <10mg/L,而传统的一、二级处理显然不能达标,故需要增加污水深度处理设施加强对 TN的去除.反硝化滤池是一种固定床生物膜反应器,具有占地面积小、运行管理方便、出水水质高等优点,在污水深度脱氮处理方面具有较强的优势,目前已得到广泛应用[2-5].

污水处理工艺过程复杂,传统的工艺优化往往依靠工程经验,调整周期长,成本高,且存在一定风险.数值模拟方法是一种基于数学模型的模拟方法,广泛应用于包括污水处理工艺的模拟等许多领域[6].通过构建污水处理工艺的数学模型,经模型校准与验证后,可以对反应器中的反应过程等进行快速有效地模拟,从而得到不同工艺条件下的处理效果,用于指导污水处理厂工艺的设计和运行优化,近年来日益得到重视与发展.目前较为成熟且应用最为广泛的是国际水协(IWA)系列活性污泥模型,包括ASM模型(ASM1、ASM2、ASM2D、ASM3)和ADM模型,可描述活性污泥系统中碳氧化、硝化、反硝化、生物除磷及厌氧消化等多个过程,全面体现了活性污泥系统的主要功能[7].而随着IWA系列模型的不断改进与发展,除了可模拟传统的活性污泥系统外,也广泛应用于其他污水处理过程的模拟,体现出较强的适用性.Fenu等[8]应用ASM模型对MBR工艺进行模拟,并重点探讨了对MBR中进水组分、可溶性微生物产物及生物动力学的模拟.Sperandio等[9]应用ASM模型对浸没式MBR进行模拟,并对特定参数进行校正,得到了较好的模拟结果.Ni等[10]则应用 ASM 模型解释了硝化及反硝化系统中N2O的反应过程,为寻找更佳的污水脱氮工艺奠定了基础.

在IWA系列模型得到广泛应用的基础上,研究人员开发了污水处理厂的计算机模拟软件,如GPS-X、STOAT、WEST 和 BioWin等.其中BioWin软件是一种典型的污水处理厂全流程模拟软件,由加拿大 Envirosim 联合公司研制,BioWin中采用的生物反应模型是IWA活性污泥模型中的 AS/AD(活性污泥/厌氧消化)模型,同时此软件还集成了pH平衡、气体转移和化学沉淀等其他模型,可描述污水处理过程中50种组分及作用于这些组分的80个物理、化学和生物反应过程,能够模拟整个污水处理厂的全部流程.经过十几年的不断完善开发,已在北美和澳大利亚等地得到了广泛的应用[11].EwaLiwarska- Bizukojc等[12]应用 BioWin软件来模拟活性污泥系统,并进行灵敏度分析,从而得到对活性污泥工艺处理效果影响最为显著的参数.Eldyasti等[13]采用BioWin软件对循环流化床生物反应器(CFBBR)进行模拟,并建立了一套CFBBR工艺BioWin模型的校准方法,可使校准模型的模拟结果平均误差维持在20%以内.

本研究以反硝化滤池中试系统为研究对象,通过在不同工况条件下的实际运行来考察其反硝化处理效果.构建反硝化滤池中试系统的BioWin概化模型,基于实际运行数据,对其进行模拟.探讨了基于两种灵敏度分析方法的模型校正方法,并验证了校正模型的有效性.最终提出了一套能对反硝化滤池工艺进行有效模拟的BioWin模型和模型校正方法.

1 研究方法

1.1 反硝化滤池中试系统

反硝化滤池由圆柱形的有机玻璃制成,总高度3.5m,出水口高3.35m,直径30cm,共分3段,以法兰连接.滤池内从下向上依次为:水层1,缓冲层,滤料层,水层2,滤池柱层参数如表1所示.

表1 中试反硝化滤池柱层参数Table 1 Parameters of the pilot-scale DNBF

反硝化滤池的进水为北京市某污水处理厂 A的二沉池出水,该污水处理厂采用 A/O 工艺,日处理量为 5×105m3/d.滤池采用自下而上的进水方式,投加甲醇作为外加碳源,在滤速 8m/h,进水 C/N=4和滤速8m/h,进水C/N=5两种工况下运行,每个工况运行时间约为一个月.每天反冲洗一次,反冲洗步骤为:(1)气洗 5min;(2)气水联合冲洗 5min;(3)水洗9min,其中:气洗流量15L/m2.s,水洗流量6L/m2.s.反硝化滤池中试系统的装置图如图1所示.

图1 反硝化滤池中试系统装置Fig.1 Configuration of DNBF pilot system

1.2 检测方法

所有水质指标的检测均按照《水和废水监测分析方法》[14]中的标准方法进行,监测的水质指标包括:COD、NH3-N、TN、、TP、TSS、pH值、DO和碱度.

1.3 反硝化滤池中试系统的模型

根据反硝化滤池中试系统的实际工艺参数,应用BioWin软件构建了如图2所示的BioWin概化模型.以多个生物反应器串连的方式模拟反硝化滤池内流体的推流状态,从下向上依次为:水层 1;缓冲层(缓冲层(下),缓冲层(上));滤料层(滤料层1,滤料层2,滤料层3);水层2;甲醇于滤池进水处投加,与污水处理厂二沉池出水混合后共同进入滤池;应用点沉淀池和反冲洗出水组合的方式模拟滤池反冲洗过程,去除进水中及滤池内生物膜脱落产生的TSS,点沉淀池是BioWin软件中一个理想状态的沉淀池,其体积为零,只用于去除TSS,结合滤池反冲洗主要用于去除滤池内的TSS及点沉淀池自身的特点,其可被用于模拟生物滤池的反冲洗过程.在此基础上,选择 AS/AD模型、pH平衡模型和气体传输模型作为生物反应单元的数学模型,选择 Vesilind修正模型作为二沉池的数学模型.

图2 反硝化滤池中试系统BioWin模型Fig.2 Modeling of the pilot-scale DNBF based on BioWin software

1.4 灵敏度分析

基于所构建的反硝化滤池中试系统 BioWin模型及滤速8m/h,进水C/N=5条件下的运行数据,运用常规灵敏度分析法(Si,j)和均方根灵敏度分析法()[15-16],考察了8项水质指标(yi):NH3-N,,, 总凯氏氮(TKN), TN, TP, TSS,COD,随参数数值(xj)变化其模拟出水浓度值的变化情况,从而对BioWin中412个参数进行灵敏度分析,找出对反硝化滤池的模拟结果影响较大,即灵敏度较高的参数.

常规灵敏度分析法(Si,j)的定义如式(1)所示,可用于指示特定参数(xj)对于特定水质指标(yi)的影响情况.本研究中,设定参数数值改变的百分比为 10%,来计算Si,j的值.灵敏度判定原则为:Si,j<<0.25,参数对输出结果没有显著影响;0.25≤Si,j<1,参数对输出结果有影响;1≤Si,j<2,参数对输出结果有较大影响;Si,j≥2,参数对输出结果影响很大.

均方根灵敏度分析法()的定义如式(2)所示,可用于指示特定参数(xj)对于出水水质指标整体的影响情况.灵敏度判定原则为:值越大,参数对模拟结果影响越大;如果为0,则该参数对模拟结果没有影响.

2 结果与讨论

2.1 反硝化滤池中试系统运行结果

添加甲醇作为外加碳源,使反硝化滤池中试系统在两种工况条件下分别运行一个月:滤速8m/h,进水 C/N=4和滤速 8m/h,进水 C/N=5,考察其反硝化处理效果,运行结果如表2所示.

由表2可见,添加甲醇作为外加碳源,随着进水C/N的增大,滤池出水TN的浓度下降较大,C/N=4时的出水TN浓度约为14.52mg/L,而C/N=5时约为7.14mg/L,能够满足TN<10mg/L的最新标准,说明外加碳源促进了滤池的反硝化作用,进行了反硝化深度脱氮处理.C/N=4时滤池出水COD浓度约为 45.42mg/L,C/N=5时约为 55.92mg/L,前者较二沉池出水中COD浓度有所降低,后者则有所升高.说明C/N=4时,外加碳源提高了滤池内的微生物活性,在利用外加碳源的同时也消耗掉一部分二沉出水中的COD;而C/N=5时,由于外加碳源量过多,超出微生物的最大利用量,使得出水中 COD浓度反而有所升高.综合考虑TN和COD的去除情况,可以推断最佳的碳源投加量应在 C/N=4～5之间寻找.对于其他污染物,进水 TSS的浓度波动性比较大,但出水效果比较好,说明反硝化滤池而 TSS冲击负荷的能力较强;NH3-N和TP的去除效果不明显,但由于进水浓度比较低,故出水浓度也可基本满足排放要求.

表2 反硝化滤池运行结果Table 2 Operation results of DNBF

2.2 灵敏度分析

利用滤速8m/h, C/N=5条件下的进水数据作为灵敏度分析的数据(表2).

根据常规灵敏度分析对BioWin软件中412个参数的分析结果,将Si,j≥0.25,即对输出结果有影响,可认定为灵敏度较高的参数列出,由于TKN和TSS中所有Si,j均小于0.25,故此二项指标的Si,j没有列出,具体如表3所示.

如表3所示,有14个参数可认为是灵敏度较高的参数,而其中对模拟结果影响较为突出的是3个与甲基营养菌有关的计量学参数,以及 7个与生物膜有关的参数.甲基营养菌,是一类利用一碳甲基化合物作为碳源和能源进行生长的革兰氏阴性菌.本研究中反硝化滤池外加碳源为甲醇,为一碳甲基化合物,而甲醇的投加对于反硝化作用的影响非常重要,因此与甲基营养菌有关的计量学参数,如缺氧产率系数,对滤池反硝化处理效果影响较大.而且反硝化滤池是一种生物膜反应器,生物膜的特性对反硝化处理效果影响至关重要,所以与生物膜有关的参数,如扩散系数、生物膜表面积/填料表面积等,对反硝化处理的效果影响也较为显著.因此,常规灵敏度分析结果与实际情况相符,说明此分析结果有效.

表3 常规灵敏度分析结果(Si,j)Table 3 Analysis results of normalized sensitivity coefficient measure (Si,j)

表4 均方根灵敏度分析结果)Table 4 Analysis results of mean square sensitivity measure ()

表4 均方根灵敏度分析结果)Table 4 Analysis results of mean square sensitivity measure ()

参数jδmsqr甲基营养菌:产率系数(缺氧)甲基营养菌:生物质中P含量生物膜常规参数:扩散常数生物膜常规参数:传质表面生物膜最大覆盖率甲基营养菌:生物质中N含量有效扩散系数:磷酸盐异养菌:COD:VSS比曝气参数:工艺水DO浓度/纯水DO浓度胞外聚合物强度系数:难生物降解COD(颗粒)切换参数:缺氧NO2半饱和常数0.3948 0.2805 0.2309 0.2309 0.2200 0.1889 0.1291 0.1287 0.1208 0.1911

根据均方根灵敏度分析对 BioWin软件中412个参数的分析结果,将参数按照值大小降序排列,选取值最大的10个参数将其列出,结果如表4所示.由表4可知,在10个参数中,共有 7个参数属于与甲基营养菌有关的计量学参数及与生物膜有关的参数,且包括值最大的6个参数.分析的结果与Si,j的分析结果相一致,进一步证明这两类参数是对反硝化滤池处理效果影响最为显著的参数.

2.3 模型校正

根据灵敏度分析结果,找出对反硝化滤池中试系统的 BioWin模拟结果影响最为显著,即灵敏度最高的参数,通过调整参数值,对模型进行校正,直到模拟结果与实测结果相符合为止.所选择的校正参数及其校正结果如表 5所示,模型校正依然利用滤速8m/h,进水C/N=5条件下的进水数据,如表2所示.

表5 反硝化滤池中试系统模型校正参数及其校正结果Table 5 Calibrated values of the most sensitive parameters of DNBF pilot-system

利用校正后的模型,对滤速8m/h,进水C/N=5条件下每一天的运行结果进行模拟,对比模拟结果与实测结果,验证校正模型对此工况条件模拟的有效性.如表6所示,整体的模拟结果与实测结果吻合较好.为进一步说明此校正模型的有效性,对比每一天各种出水水质指标的模拟结果与实测结果,如图3所示.由图3a、3b、3d和3e可知,除去个别天模拟值与实测值存在一定的偏差,COD、NH3-N、TP和TSS每一天的模拟出水与实测出水浓度的吻合度均较好;由图 3c可知,虽然 TN每天的模拟出水与实测出水浓度存在一定的偏差,模拟结果与实测结果的整体趋势是一致的,且由表 6可知,偏差均在允许的范围内.因此,由表6和图3可以证明此校正模型可对滤速8m/h,进水C/N=5条件下的反硝化滤池中试系统的运行结果进行有效模拟.

表6 反硝化滤池中试系统校正模型的模拟结果(滤速8m/h,进水C/N=5)Table 6 Simulation results of calibrated model (filtration velocity=8m/h and influent C/N=5)

图3 滤速8m/h, 进水C/N=5每天模拟结果与实测结果比较Fig.3 Comparison of daily simulation and experiment results (filtration velocity=8m/h, influent C/N=5)

2.4 模型验证

模型验证是指如果校正后的模型同样可以有效地模拟除校正工况以外其他工况的运行结果,则认为该模型是有效的.因此,模型校正完成后,应用校正模型对滤速8m/h,进水C/N=4时的工况条件进行模拟,对比模拟结果与实测结果,来验证校准后的模型是否有效,校正结果如表7所示.

表7 反硝化滤池中试系统校正模型的验证结果(滤速8m/h,进水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的模拟结果与实测结果均吻合较好,可以有效反映实际的出水水质.而 COD的模拟值比实测值要低,可能的原因是:滤池进水采用的是实际污水厂二沉池出水,在C/N=4工况的运行过程中,曾出现几次滤池进水不稳定的情况,进水 COD浓度波动较大,对实际反硝化滤池的运行造成了影响.总体来说,校正模型可以较好地反映滤速=8m/h,C/N=4工况条件下的运行结果,因此可以认为该模型是有效的.

3 结论

3.1 基于所构建的反硝化滤池中试系统BioWin模型及滤速8m/h,进水C/N=5条件下的运行数据,运用常规灵敏度分析法(Si,j)和均方根灵敏度分析法(),对BioWin中的412个参数进行灵敏度分析.结果表明,对反硝化滤池中试系统的 BioWin模拟结果影响最为显著,即灵敏度最高的两类参数为:与甲基营养菌(methylotrophs)有关的计量学参数及与生物膜有关的参数,与实际情况相符合.

3.2 根据灵敏度分析结果,选取灵敏度最高的参数,利用滤速 8m/h,进水 C/N=5条件下的运行数据,通过调整参数值进行模型校正,利用校正模型对滤速8m/h,进水C/N=4条件下的运行结果进行模拟,结果表明模拟值与实测值能够较好吻合.由此得出结论,本研究构建的反硝化滤池中试系统BioWin模型及基于灵敏度分析的模型校正方法是可行的,可用于实际反硝化滤池工艺的模拟,进而指导实际运行.

[1]DB11/890-2012 城镇污水处理厂水污染物排放标准 [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,周小红,施汉昌,等.基于微电极技术的反硝化滤池生物膜特性分析 [J]. 中国环境科学, 2012,32(5):850-854.

[5]孙同喜,蒋轶峰,郑萌璐,等.活化沸石曝气生物滤池预处理微污染源水的研究 [J]. 中国环境科学, 2011,31(3):377-383.

[6]尤 宏,陈其伟,刘 婷,等.内循环流化床光催化反应器的数值模拟与结构优化 [J]. 中国环境科学, 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]沈童刚,邱 勇,施汉昌,等.污水处理厂模拟软件 BioWIN 的应用 [J]. 给水排水, 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]国家环境保护总局《水和废水监测分析方法》编委会.水和废水监测分析方法 [M]. 4版.北京:中国环境科学出版社, 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.