基于碳氮平衡模型评价厨余垃圾厌氧消化工程

史真超,葛恩燕,何品晶,3,彭 伟,章 骅,吕 凡,4*

基于碳氮平衡模型评价厨余垃圾厌氧消化工程

史真超1,葛恩燕2,何品晶1,3,彭 伟1,章 骅1,吕 凡1,4*

(1.同济大学固体废物处理与资源化研究所,上海 200092；2.浙江省城市化发展研究中心,浙江 杭州 310007；3.上海多源固废协同处理和能源化工程技术研究中心,上海 200092；4.上海污染控制与生态安全研究院,上海 200092)

以典型厨余垃圾厌氧消化工程为研究对象,使用碳氮平衡全流程模型计算,分析比较了碳氮物质流模型计算结果与采样实测数据;通过碳氮在固液气三相的全流程分配,评价工程实际运行效能.结果表明,实测数据与模拟结果比较,显示碳氮物质流在厌氧产气部分拟合效果较好(拟合优度0.88),但在固液分离组件环节存在显著缺陷.通过优化消化液含固率(TS)与固液分离分配比的关系,改进了模型的固液分离组件,从而提高了沼液和沼渣含固率的模拟效果,拟合优度分别提高至0.97和0.82;通过嵌入实际产气程度(BMP),提出并应用了一种基于碳氮平衡模型的评估方法,可判别厌氧消化反应器运行状况.

厨余垃圾；厌氧消化；碳氮平衡模型；运行效能

我国2020年城市生活垃圾收运量达2.35亿t[1],按厨余垃圾占生活垃圾57%[2]计算,厨余垃圾产生量近1.3亿t.随着我国垃圾分类规模扩大和垃圾分类水平提高,厨余垃圾中的其他垃圾含量逐渐减少,更适合采用厌氧消化、堆肥、虫体养殖等生物技术处理.厌氧消化因可回收沼气、适合规模处理、碳减排效益显著等特点[3],在我国已建厨余垃圾处理项目中占比达76.1%[4].但这些工程目前普遍存在沼气产量低,消化副产物沼液和沼渣处理难等问题[5-6].

针对提高厌氧消化效率和系统稳定性、改善沼气产量低的问题,可通过建立厌氧消化模型,优化设计参数并评估运行效能[7-8].在现有研究中,厌氧消化模型主要有3类,第1类是基于生化反应过程的理论模型,以ADM1为代表[9-13].赵小飞[14]针对餐饮行业产生的厨余垃圾特性,通过优化ADM1模型结构并校准厌氧消化动力学参数,构建了适合厨余垃圾厌氧消化的稳态和非稳态ADM1-FW模型.但是,厨余垃圾性质与各地饮食习惯及季节有关[5],机理模型使用时需进行动力学参数校核,而ADM1的复杂性导致需要校核较多参数,限制了该类模型的使用[15].第2类是预测沼气产量的经验模型,此类模型对厌氧消化过程进行简化,使用简单明确的假设,降低模型参数获取难度,提高了模型易用性.国内外科研工作者已开发出多种适用不同原料和规模的甲烷产量预测工具[15-16].如爱尔兰环保署于2007开发的畜牧粪便沼气池预测软件,可帮助农场主根据畜牧

养殖数量估算甲烷产量,并提供经济成本分析[15].Moscoviz等[17]使用半经验公式,考虑厌氧消化反应,建立化学计量学模型来预测甲烷产量和挥发性固体(VS)降解量.第3类是统计模型,该类模型不强调模型的理论依据,而是通过数据积累建立输入参数与所需输出参数的关系,采用回归模型[7,18]和人工神经网络模型[19]等,预测甲烷产量和有机物降解.已有的模型研究主要关注甲烷产量,对沼液和沼渣消化残余物预测研究较少,而厌氧消化产生大量消化残余物需要进一步处理和资源化利用[6,20],对厌氧消化设施整体运行效能和减碳效果有较大影响,因此需要对厌氧消化碳氮全流程进行分析.

Bareha等[9]开发了一种基于碳氮质量守恒的经验模型SYS-Metha,该模型适用于生物质厌氧消化,并提供了畜禽粪便、厨余垃圾等多种原料的理化性质数据库.该模型不仅可以计算沼气产量,还可预测消化液以及固液分离后沼液和沼渣的碳氮相关指标.该模型的原理是依据物料的生化产甲烷潜力(BMP)[21]和生化有机氮降解潜力(ANMP)[9,12]来预测厌氧消化过程中碳氮降解转化量,配合固液分离组件和储存组件,从而计算出消化副产物沼液和沼渣的产量.但该模型还存在如下问题: (1)数据库中厨余进料为法国原生厨余垃圾,而我国厨余垃圾性质与国外相差很大[22-23];没有考虑原料经储存[21]、预处理除杂制浆等前处理后理化性质的改变,进而对厌氧产气和消化残余物的影响;(2)固液分离组件采用了最优情况下固定的分离参数[24],并假设其不随消化液性质变化,这与实际运行情况不符;(3)该模型仅以BMP为输入,没有考虑到实际酸氨抑制或温度等因素对厌氧消化效率的影响[25-26].

因此,为了形成可用于预测我国厨余垃圾厌氧消化处理厂碳氮在固、液、气三相产物分布的研究方法,本研究使用碳氮平衡全流程模型,开展以下研究:(1)通过比较某一厨余垃圾厌氧消化厂实测数据,验证该模型并评价该厂运行情况;(2)结合文献中的固液分离数据,优化该模型的固液分离组件,提高模型适用性;(3)基于上述优化模型,分析厌氧产气受到不同程度抑制时,对沼液和沼渣产量和性质可能造成的影响.

1 材料与方法

1.1 碳氮平衡全流程模型

碳氮平衡全流程模型(基于SYS-Metha模型[9])的计算流程如图1所示.该模型主要包括4个模块,分别为:数据库模块、输入模块、转换模块和输出模块.首先在数据库模块中选择厌氧消化原料和操作参数,如厌氧消化水力停留时间(HRT)、固液分离方式、产物储存方式等,输入至模型,即可计算得到沼气产量、消化液物质流和性质,再经过固液分离组件,可得到沼液和沼渣的物质流及性质.

图1 模型计算流程

根据Bareha等[9]重绘

数据库模块涵盖了厌氧消化中常见进料的物化指标.进料可分为5大类:农作物及其废弃物、畜禽粪便、工业有机废弃物(如食品加工、屠宰场等)、厨余垃圾和市政污泥,共46种.除此以外,该模块可添加新的进料.在本研究中,厨余垃圾经预处理制浆后进入厌氧消化,与已有数据库中厨余垃圾性质相差较大,故需现场采样分析.数据库进料物化指标整理如表1所示.

表1 数据库进料物化指标归类

注:表中8项指标需测定,包括总固体(TS)、挥发性固体(VS)、总碳(TC)、凯氏氮(TKN)、氨氮(NH4+)、生化产甲烷潜力(BMP)、甲烷含量(CH4%)和表观脱氮潜力(ANMP),其余据此计算可得.

1.1.1 输入模块 输入模块包含进料量、水力停留时间HRT、固液分离设置和储存条件设置.该模型可用于多种进料共消化,故进料流为每种进料总量.固液分离设置即消化液固液分离方式(如离心、螺旋挤压等),消化液分为沼液(固液分离后液相)和沼渣(固液分离后固相).储存条件设置指消化产物是否储存及其储存有无覆盖,可分为不储存(即不考虑气体排放)、消化液储存(又可分为有覆盖和无覆盖储存)、沼液储存(又可分为有覆盖和无覆盖储存)和沼渣储存,储存条件影响各相C、N减量和气体排放量.本研究厌氧处理厂不设储存.

1.1.2 转换模块 转换模块指系统中C、N所发生的各类生化反应及物理变化,包含3个组件,分别为:厌氧消化组件、固液分离组件和储存组件.其中,厌氧消化组件模拟计算原料进入厌氧消化系统后,C、N发生的各类变化;固液分离组件模拟消化液经过固液分离后,C、N在沼液和沼渣的分配;储存组件计算各相经储存后,发生的C、N减量和气体排放.计算公式详见文献[9].

1.1.3 输出模块 输出模块可得到甲烷产量(根据发电效率可转化为发电功率),消化液、沼液和沼渣的物质流指标(各相流量、总固体(TS)、挥发性固体(VS))和C、N相关指标(总碳(TC)、凯氏氮浓度(TKN)、氨氮浓度(NH4+)),以及储存期间气体排放(甲烷(CH4)、氮气(N2)、一氧化二氮(N2O)).

1.1.4 模型评价 使用拟合优度(2)评价模型,评估实测数据与模型计算数据的拟合程度,计算公式[27]如式(1)所示.2取值范围0～1,拟合优度2越接近1,则说明拟合效果越好.

式中:实测表示实测数据,模拟表示模型计算数据.

1.2 采样方法

我国东部某城市一厨余垃圾处理厂A采用预处理制浆提油+浆液湿式厌氧消化工艺[6],厌氧消化后消化液固液分离采用卧式螺旋沉降离心机.厌氧消化反应器水力停留时间为35d.下文分析时以100t/d经预处理后浆料为计算基准,即本研究不考虑厨余垃圾杂物含量和预处理工序的因素,仅关注预处理后厌氧消化及后续固液分离过程.采样时间为2021年2月和8月.如图2所示,为验证模型模拟性能,取样分析预处理后厌氧进料、厌氧消化反应器出口消化液、固液分离后的沼液和沼渣.

1.3 分析方法

TS、VS采用重量法测量.固体样品经过冷冻干燥后研钵研磨至400目以下,采用有机元素分析仪(VarioEL,Germany)测定C、H、N元素含量.样品消解后,采用凯氏定氮仪(UDK-159,Velp Scientifica Srl,Italy)测定凯氏氮(TKN),而氨氮(NH4+)则不经消解直接用定氮仪测定.生化产甲烷潜力(BMP)采用Bio-Process自动产甲烷潜力测试装置(Bio-Process Control,Sweden)测定[21].表观脱氮潜力(ANMP)测定方法与Bareha等[28]相同.

2 结果与讨论

2.1 实测数据验证碳氮平衡全流程模型

采样分析结果如表2所示,模型计算结果与工艺节点实测结果如表3所示.消化液中TS、VS、TC、NH4+和TKN的拟合优度分别为0.99,0.84,0.81,0.65和0.97,除NH4+外均大于0.80,甲烷产量拟合优度为0.88.说明模拟效果良好,同时表明现场厌氧消化运行良好,未受到显著抑制.但是,沼液和沼渣的模拟数据与实测数据相差较大.

图2 模型与工艺流程对照

表2 厌氧消化厂A的工艺节点样品测试结果

注:“—”表示无此数据.

2.2 模型固液分离组件的优化

如表3所示,沼液沼渣的模拟数据与实测数据相差大,且沼渣模拟数据的TS仅为66.0g/kg,远低于实测数据164.3g/kg.由质量守恒可知,造成差距的原因在于固液分离过程的固液物质流分配比和各物质(TS、VS、TKN等指标)的分配比不同.

表3 厌氧消化厂A的模拟数据与实测数据

分别对实测数据TS、VS、TC建立二元一次方程组(式(2)～(5)),计算实际沼液和沼渣物质流占比,简化为公式(6)[24].计算结果见表4,不同指标计算沼渣物质流占比,得到结果相对误差较小(相对误差0.8%),说明实测沼渣物质流占比为7.0%,而不是模型中假设的固定值29%.

式中:表示沼液占消化液物质流比例,表示沼渣占消化液物质流比例,表示TS、VS或TC.

表4 碳相关指标在固液相的分配比(%)

2.2.1 原模型固液分离组件的局限性 在SYS- Metha固液分离组件中,使用表5的固液物质流分配比、TS分配比等参数,该参数来自Guilayn等[24],其对63项固液分离设施按分离效率分类,取高效分离器的平均值,即该值并非单指离心分离,而是各类高效固液分离平均值.因此,本研究根据Akhiar等[29]整理了离心分离后沼渣物质流与沼渣TS分配比数据(图3).沼渣物质流与沼渣TS呈负相关,随着沼渣物质流占比增大,沼渣TS减小.2.1节模拟计算中沼渣物质流分配比FM取29%,导致沼渣TS含量低.因此需要改进模型中固液分离组件,以适应不同TS的消化液.

2.2.2 消化液TS与固液分离效率的关系 2.1节的分析误差,原因在于原模型中假设固液分离组件的沼渣物质流分配比和TS分配比是固定的,不随厌氧消化进料和消化液性质变化而变化.Akhiar等[29]探讨了厌氧消化原料、操作参数、消化液各组分成分和固液分离方式对沼液各组分的影响,指出沼液组成主要取决于脱水方式和厌氧消化原料.Guilayn等[24]研究了消化液TS、VS对沼液组成的影响,指出了使用离心机时,消化液TS与分离效率存在线性关系.通过文献调研[30-31],关注消化液离心分离,消化液的TS和TN对TS和TN固液分离效率的影响,数据见表6.通过线性回归可得到消化液TS与沼渣物质流的关系、消化液TS与沼渣TS分配比的关系、消化液TN和沼渣TN分配比的关系,线性回归参数见表7.

表5 原模型计算所用分配比[24] (%)

注:FM为物质流(按质量计).

图3 离心分离沼渣TS与沼渣物质流占比

根据Akhiar等[29]整理

表6 离心机固液分离下消化液TS和 TN对TS和TN分离效率的影响

续表6

表7 消化液组分与沼渣组分的线性回归参数

注:FW为沼渣物质流在消化液物质流的质量占比,%;TS为沼渣TS在消化液TS的质量占比(即沼渣TS分配比),%;TN为沼渣TN在消化液TN的质量占比(即沼渣TN分配比),%.

2.2.3 改进的固液分离组件 将模型计算的消化液结果带入线性回归方程,可得沼渣物质流分配比(FW)为5%,沼渣TS分配比(TS)为41%,沼渣TN分配比(TN)为17%.模拟结果和实测数据见表8.沼液TS拟合优度为0.97,沼渣TS拟合优度为0.82,沼液TN拟合优度为0.60,沼渣TN拟合优度为0.40.碳指标TS模拟结果有显著提高,沼液TS拟合优度提升120%,沼渣TS拟合优度提升105%.

表8 改进后模拟结果与实测数据

注:TS和TKN单位为g/kg.

2.3 厌氧消化系统抑制程度评估

在SYS-Metha模型中,碳和氮生物可降解性没有考虑有机酸累积、氨累积、油脂浓度高以及营养物短缺等造成的抑制,也未考虑反应器启动和运行阶段的变化,是一种稳态模型[9].但在实际运行中,厌氧消化系统容易受到抑制,存在稳定性差、产气效率低等问题.进而会影响沼液和沼渣的量和性质,关系着沼液和沼渣的后续资源化途径[32-33].

SYS-Metha模型与ADM1为代表的机理模型最大的区别在于,ADM1机理模型使用动力学方程,是一种过程模拟,参数数量多、模型结构复杂. SYS-Metha则使用厌氧进料BMP计算可生物降解碳含量(BioDC),将BMP表征厌氧过程中碳的生物降解量,进而计算TS、VS、TC等碳相关指标.因此,为了确定厌氧消化系统受抑制的程度,可通过改变厌氧消化反应器进料实际的产气率来实现,定义实际产气程度BMP=实际BMP/BMP0.仍以2.1节的厌氧消化厂数据为例,BMP0为470Nm3/ tTS,改变BMP带入模型计算,结果如图4a所示.在本模型中BMP与甲烷产率具有极强的线性关系(2>0.99),这与模型中甲烷产量计算有关.随着抑制程度的增强,BMP降低导致甲烷产率降低.在BMP约50%时出现间断点,该间断点源于模型中由HRT计算BioDC时,当可生物降解碳含量低于一定值后,计算公式中的参数变化导致的,图4中出现的间断均为该原因.

结合2.2节的固液分离组件优化,本研究比较了固液分离组件优化后的模型,以及原模型中两种情景(沼渣物质流占比FW=10%和FW=29%),模型计算的沼渣和沼液产量见图4b和图4c.总体而言,随着抑制程度加强,甲烷产率降低,沼渣和沼液TS均增高.出现这种趋势的原因在于,实际产气程度BMP降低反映出厌氧消化中产甲烷阶段活性降低,根据碳的质量守恒,消化液TS较抑制前增高,固液分离后的沼液和沼渣TS也会增高.3种模型出现不同的斜率,其中FW=10%时,在图4b和图4c中斜率均最高,敏感性最强.导致该情况的原因是当FW降低而TS不变时,意味着沼液和沼渣之间TS分配将更加悬殊,从而使得相比其他模型,FW=10%时TS含量对甲烷产率变化更敏感.优化后模型对甲烷产率变化最不敏感,因为在固液分离组件中,FW和TS随消化液TS变化而变化,抵消了一部分变化,从而使得优化后的模型更加稳健.

图4 厌氧消化系统抑制程度评估

BMP0为470Nm3/tTS

因此,实际产气程度指标BMP可表示厌氧消化系统的抑制程度.此外,利用改进后的固液分离组件,可得到不同抑制程度下沼液和沼渣TS,为沼液沼渣后续处理提供性质数据支持.

2.4 碳氮平衡全流程模型评估方法的应用

为验证该评估方法,对同一省份另一处厨余垃圾厌氧消化工程B(采样时间为2021年2月)应用该方法进行评估.工艺节点输入参数见表9.未引入BMP时的模型模拟数据与实测数据见表10,从计算结果看,消化液TS和甲烷产量拟合优度2分别为0.67和0.72,其余小于0.50,这说明工程现场甲烷产量低,厌氧消化存在抑制.根据2.3节提出的实际产气程度指标BMP,将进料的输入参数BMP降低为430Nm3/tTS,此时BMP为89%,重新计算.结果表明消化液TS、VS和TC以及甲烷产量拟合优度有明显提升,分别为0.92,0.92,0.99和0.86.同时测试了反应器出料消化液样品的产甲烷潜力,BMP消化液为(145.7±13.6)Nm3/tTS,说明消化液仍有较高产甲烷潜力,说明厌氧产甲烷不完全(受抑制或停留时间不足),导致了甲烷产量低于预期.

表9 厌氧消化处理厂B的工艺节点参数输入

表10 厌氧消化处理厂B的模拟数据与实测数据

注:括号内数值为BMP为430Nm3/tTS时模型计算结果.

3 结论

3.1 基于我国典型实际厌氧消化工程的工艺节点实测数据,验证和优化了碳氮平衡全流程模型.拟合结果表明原模型在厌氧产气部分有较好的拟合效果,但在固液分离组件环节存在显著缺陷.

3.2 通过文献数据进行线性回归,得到离心机固液分离条件下,消化液TS与分离后沼渣物质流占比、消化液TS与分离效率以及消化液TN与分离效率的关系.将相应的分配比FW、TS和TN再次带入模型计算后,总固体TS模拟结果显著提升,沼液TS拟合优度提升至0.97,沼渣TS拟合优度提至0.82.

3.3 引入实际产气程度BMP指标,为评估厌氧消化反应器处于不同产气运行状况下,预测沼液沼渣量和性质提供了方法;并应用该方法进行现场评估,预测结果能较好解释现场数据,为厨余垃圾厌氧消化厂运行评价提供评价手段.

[1] 国家统计局.中国统计年鉴(2021) [M]. 北京:中国统计出版社,2021.

National Bureau of Statistics of China. China statistical yearbook (2021) [M]. Beijing: China Statistics Press,2021.

[2] 魏潇潇,王小铭,李 蕾,等.1979～2016年中国城市生活垃圾产生和处理时空特征 [J]. 中国环境科学,2018,38(10):3833-3843.

Wei Xiao-xiao,Wang Xiao-ming,Li Lei,et al. Temporal and spatial characteristics of municipal solid waste generation and treatment in China from 1979 to 2016 [J]. China Environmental Science,2018,38(10):3833-3843.

[3] Liao N,Bolyard S C,Lü F,et al. Can waste management system be a Greenhouse Gas sink? Perspective from Shanghai,China [J]. Resources,Conservation and Recycling,2022,180:106170.

[4] Li Y,Jin Y,Borrion A,et al. Current status of food waste generation and management in China [J]. Bioresource Technology,2019,273:654-665.

[5] Wu D,Peng X,Li L,et al. Commercial biogas plants: Review on operational parameters and guide for performance optimization [J]. Fuel,2021,303:121282.

[6] 吕 凡,章 骅,邵立明,等.基于物质流分析餐厨垃圾厌氧消化工艺的问题与对策 [J]. 环境卫生工程,2017,25(1):1-9.

Lü Fan,Zhang Hua,Shao Li-ming,et al. Problems of anaerobic digestion process to deal with food waste and its countermeasures through material flow analysis [J]. Environmental Sanitation Engineering,2017,25(1):1-9.

[7] Long F,Wang L,Cai W,et al. Predicting the performance of anaerobic digestion using machine learning algorithms and genomic data [J]. Water Research,2021,199:117182.

[8] Lauwers J,Appels L,Thompson I P,et al. Mathematical modelling of anaerobic digestion of biomass and waste: Power and limitations [J]. Progress in Energy and Combustion Science,2013,39(4):383-402.

[9] Bareha Y,Affes R,Moinard V,et al. A simple mass balance tool to predict carbon and nitrogen fluxes in anaerobic digestion systems [J]. Waste Management,2021,135:47-59.

[10] Urtnowski-Morin C,Tanguay-Rioux F,Legros R,et al. Upgrading waste material flow analysis with process models: The case of anaerobic digestion [J]. Journal of Cleaner Production,2021,298:126695.

[11] Weinrich S,Nelles M. Systematic simplification of the Anaerobic Digestion Model No. 1 (ADM1) - Model development and stoichiometric analysis [J]. Bioresource Technology,2021,333:125124.

[12] Bareha Y,Girault R,Guezel S,et al. Modeling the fate of organic nitrogen during anaerobic digestion: Development of a bioaccessibility based ADM1 [J]. Water Research,2019,154:298-315.

[13] Batstone D J,Keller J,Angelidaki I,et al. The IWA Anaerobic Digestion Model No 1 (ADM1) [J]. Water Science and Technology,2002,45(1):65-73.

[14] 赵小飞.基于ADM1的餐厨垃圾厌氧消化过程模拟研究 [D]. 重庆:重庆大学,2019.

Zhao Xiao-fei. Study on process simulation of anaerobic digestion of food waste based on ADM1 [D]. Chongqing: Chongqing University,2019.

[15] Kythreotou N,Florides G,Tassou S A. A review of simple to scientific models for anaerobic digestion [J]. Renewable Energy,2014,71:701-714.

[16] Hafner S D,Koch K,Carrere H,et al. Software for biogas research: Tools for measurement and prediction of methane production [J]. SoftwareX,2018,7:205-210.

[17] Moscoviz R,Jimenez J. Improving anaerobic digestion mass balance calculations through stoichiometry and usual substrate characterization [J]. Bioresource Technology,2021,337:125402.

[18] Mottet A,François E,Latrille E,et al. Estimating anaerobic biodegradability indicators for waste activated sludge [J]. Chemical Engineering Journal,2010,160(2):488-496.

[19] Xu F,Wang Z W,Li Y. Predicting the methane yield of lignocellulosic biomass in mesophilic solid-state anaerobic digestion based on feedstock characteristics and process parameters [J]. Bioresource Technology,2014,173:168-176.

[20] Guo X,Yang X. The economic and environmental benefits analysis for food waste anaerobic treatment: a case study in Beijing [J]. Environmental Science Pollution Research,2019,26(10):10374-10386.

[21] Lu F,Xu X,Shao L,et al. Importance of storage time in mesophilic anaerobic digestion of food waste [J]. Journal of Environmental Science (China),2016,45:76-83.

[22] Qu X,Mazeas L,Vavilin V A,et al. Combined monitoring of changes in delta13CH4and archaeal community structure during mesophilic methanization of municipal solid waste [J]. FEMS Microbiology Ecology,2009,68(2):236-245.

[23] Yang N,Damgaard A,Scheutz C,et al. A comparison of chemical MSW compositional data between China and Denmark [J]. Journal Environmental Science,2018,74:1-10.

[24] Guilayn F,Jimenez J,Rouez M,et al. Digestate mechanical separation: Efficiency profiles based on anaerobic digestion feedstock and equipment choice [J]. Bioresource Technology,2019,274:180-189.

[25] He P,Duan H,Han W,et al. Responses of Methanosarcina barkeri to acetate stress [J]. Biotechnol Biofuels,2019,12:289.

[26] Lu F,Hao L,Guan D,et al. Synergetic stress of acids and ammonium on the shift in the methanogenic pathways during thermophilic anaerobic digestion of organics [J]. Water Res,2013,47(7):2297-2306.

[27] 孙航宇,杨紫怡,李潇男,等.ADM1模型对生物强化厌氧产甲烷体系的模拟 [J]. 中国环境科学,2020,40(3):1049-1058.

Sun Hang-yu,Yang Zi-yi,Li Xiao-nan,et al. Simulation of anaerobic digestion based on bioaugmentation by ADM1 [J]. China Environmental Science,2020,40(3):1049-1058.

[28] Bareha Y,Girault R,Jimenez J,et al. Characterization and prediction of organic nitrogen biodegradability during anaerobic digestion: A bioaccessibility approach [J]. Bioresource Technology,2018,263:425-436.

[29] Akhiar A,Guilayn F,Torrijos M,et al. Correlations between the composition of liquid fraction of full-scale digestates and process conditions [J]. Energies,2021,14(4):971.

[30] Møller H B,Hansen J D,Sørensen C A G. Nutrient recovery by solid-liquid separation and methane productivity of solids [J]. Transactions of the ASABE,2007,50(1):193-200.

[31] Møller H B,Sommer S G,Ahring B K. Separtion efficiency and particle size ditribution in ralation to manure type and storage conditions [J]. Bioresource Technology,2002,85(2):189-196.

[32] Peng W,Lu F,Hao L,et al. Digestate management for high-solid anaerobic digestion of organic wastes: A review [J]. Bioresource Technology,2020,297:122485.

[33] 王志杰,何品晶,章 骅,等.厌氧消化残余物土地利用的中外标准政策浅析 [J]. 环境卫生工程,2021,30(1):17-27.

Wang Zhi-jie,He Pin-jing,Zhang Hua,et al. Analysis on domestic and foreign standards and policies about the land application of anaerobic digestate [J]. Environmental Sanitation Engineering,2021,30(1):17-27.

Evaluating the operation efficiency of kitchen waste anaerobic digestion with carbon and nitrogen balance model.

SHI Zhen-chao1,GE En-yan2,HE Pin-jing1,3,PENG Wei1,ZHANG Hua1,LÜ Fan1,4*

(1.Institute of Waste Treatment and Reclamation,Tongji University,Shanghai 200092,China；2.Zhejiang Research Center of Urbanization Development,Hangzhou 310007,China；3.Shanghai Engineering Research Center of Multi-source Solid Waste Co-processing and Energy Utilization,Shanghai 200092,China；4.Shanghai Institute of Pollution Control and Ecological Security,Shanghai 200092,China).,2022,42(8)：3804～3811

A typical AD plant for kitchen waste was taken as a case to evaluate carbon and nitrogen flow using the carbon and nitrogen balance model,and the operation performance was evaluated through the distribution of carbon and nitrogen in solid,liquid and gas phases. The results showed that the carbon and nitrogen material flow can fit well with the results of biogas production (goodness of fit was 0.88). The modified solid-liquid separation unit in the model significantly improves the simulation results of solid content (TS) of solid digestate and liquid digestate (goodness of fit increased to 0.97 and 0.82,respectively). Clearly,the carbon and nitrogen balance model-assisted approach,integrated with the actual gas production index (BMP),is suitable for evaluating the operating efficiency.

biowaste；anaerobic digestion；carbon and nitrogen balance model；operating performance

X705

A

1000-6923(2022)08-3804-08

2022-01-13

国家重点研发计划项目(2018YFD1100600);浙江省重点研发计划项目(2021C03024);国家自然科学基金资助项目(52000144)

* 责任作者,研究员,lvfan.rhodea@tongji.edu.cn

史真超(1995-),男,河南安阳人,同济大学博士研究生,主要研究方向为固体废物处理与资源化利用.