- •Х38 Очистка сточных вод: Пер. с англ./ Хенце М., Армоэс П., Ля-Кур-Янсен Й., Арван Э. — М.: Мир, 2006. — 480 с., ил.
- •ISBN 5-03-003771-3
- •Очистка сточных вод
- •Предисловие научного редактора
- •Предисловие
- •Предисловие к третьему изданию
- •Список используемых обозначений
- •Сточные воды, их объем и состав
- •1.1. Объемы сточных вод
- •1.1.1. Измерения
- •1.1.2. Статистическая обработка
- •1.1.3. Оценочные данные
- •1.1.4. Популяционный эквивалент и нагрузка, создаваемая условным жителем
- •1.1.5. Прогнозирование
- •1.2. Компоненты сточных вод
- •1.2.1. Коммунальные и городские стоки
- •1.2.2. Разброс данных
- •Характеристика сточных вод и биомассы
- •2.1.1. Осаждаемые вещества
- •2.3. Азот
- •Основные биологические процессы
- •3.1.1. Организмы
- •3.2.1. Биологический рост
- •3.2.3. Распад биомассы
- •3.2.4. Накопление запасных веществ
- •3.3.2. Коэффициент прироста ила при аэробной гетеротрофной конверсии
- •3.3.3. Макроэлементы для аэробной гетеротрофной конверсии
- •3.3.4. Кинетические аспекты аэробной гетеротрофной конверсии
- •3.4. Нитрификация
- •3.4.1. Реакции нитрификации
- •3.4.3. Кинетические аспекты нитрификации
- •3.4.4. Влияние окружающей среды на нитрификацию
- •3.5. Денитрификация
- •3.5.1. Реакции денитрификации
- •$.5.2. Коэффициент прироста ила при денитрификации
- •3.5.3. Макроэлементы, необходимые для денитрификации
- •3.5.5. Кинетика денитрификации
- •3.5.6. Влияние окружающей среды на денитрификацию
- •3.6.1. Микроорганизмы
- •3.6.3. Коэффициент прироста биомассы в процессе биологического удаления фосфора
- •3.6.4. Щелочность
- •3.6.5. Кинетика биологического удаления фосфора
- •3.6.6. Влияние окружающей среды на биологическое удаление фосфора
- •3.7.1. Реакции при анаэробном брожении2
- •3.7.2. Рост биомассы и коэффициенты ее прироста при анаэробном брожении
- •3.7.3. Макроэлементы, необходимые для анаэробного брожения
- •3.7.5. Кинетика анаэробного брожения
- •3.7.6. Образование газообразных продуктов
- •3.7.7. Влияние окружающей среды на анаэробное брожение
- •4.3.1. Системы с рециркуляцией активного ила
- •4.3.2. Системы с совмещенным аэротенком и отстойником
- •4.3.3. Системы с контактной стабилизацией ила
- •4.3.6. Проектирование на основе объемной нагрузки
- •4.3.7. Проектирование на основе нагрузки на ил или возраста ила
- •Биофильтры
- •5.4. Двухкомпонентная диффузия
- •5.6.1. Биофильтры без рециркуляции
- •5.6.2. Биофильтры с рециркуляцией
- •5.8.1. Капельные фильтры
- •5.8.2. Погружные фильтры
- •5.9.1. Проектирование капельных фильтров
- •5.9.2. Проектирование реакторов с вращающимися дисками
- •5.9.3. Проектирования фильтров других типов
- •5.9.4. Проектирование биофильтров, предназначенных для удаления растворенных органических веществ
- •5.10. Технические условия работы биофильтров
- •5.10.1. Аэрация в биофильтрах
- •5.10.2. Рост и удаление биомассы
- •5.11. Удаление взвешенных органических веществ
- •Системы очистки с нитрификацией
- •6.1.1. Обособленные системы нитрификации
- •6.1.2. Совместное удаление органического вещества и аммония
- •6.2.4. Фильтры, содержащие только нитрифицирующий ил
- •6.2.5. Двухстадийные системы нитрификации на фильтрах
- •6.3.1. Системы нитрификации с активным илом
- •6.3.2. Оптимизация работы систем нитрификации
- •6.3.3. Проектирование биофильтров для нитрификации
- •Литература
- •Системы денитрификации
- •7.1.1. Обособленные системы денитрификации
- •7.2.3. Биофильтры для денитрификации
- •7.3.2. Кислород/перемешивание
- •7.3.3. Одновременная нитрификация/денитрификация
- •7.3.4. Газообразный азот в отстойниках и на биофильтрах
- •7.3.5. Потребление кислорода
- •7.3.7. Проектирование систем денитрификации с активным илом
- •7.3.8. Проектирование на основе моделирования
- •7.3.9. Проектирование биофильтров для денитрификации
- •7.4. Редокс-зоны в биомассе
- •Литература
- •Системы биологического удаления фосфора
- •8.1. Уравнения массового баланса при биологическом удалении фосфора в системах с активным илом
- •8.2. Типы систем для биологического удаления фосфора
- •8.3.2. Проектирование реакторов для биологического удаления фосфора
- •8.3.3. Оптимизация процесса биологического удаления фосфора
- •Литература
- •Гидролиз/ферментация и анаэробная очистка сточных вод
- •9.1. Гидролиз/ферментация
- •9.2. Анаэробная обработка сточных вод
- •9.2.1. Введение
- •9.2.2. Уравнения массового баланса при анаэробной обработке
- •9.3.3. Анаэробная очистка на фильтрах
- •9.4.1. Проектирование систем со взвешенной биомассой
- •9.4.2. Проектирование анаэробных фильтров
- •9.4.3. Образование газообразных соединений в анаэробном процессе
- •9.4.4. Оптимизация анаэробной очистки
- •9.4.5. Запуск анаэробных реакторов
- •9.4.6. Нарушения в работе анаэробных реакторов
- •Литература
- •Небиологические системы для удаления фосфора из сточных вод
- •10.1. Уравнения массового баланса для процессов удаления фосфора
- •10.2.1. Осаждение
- •10.2.2. Коагуляция
- •10.2.3. Флокуляция
- •10.2.4. Связывание фосфора в почве
- •10.3. Небиологические системы удаления фосфора
- •10.3.1. Осаждающие вещества
- •10.4. Проектирование установок для удаления фосфора
- •10.4.1. Химическое осаждение
- •10.4.2. Связывание фосфора в почве
- •10.5. Работа установок для удаления фосфора
- •Литература
- •Особенности моделей, их калибровка и применение
- •11.1. Прагматизм и теоретические модели
- •11.1.1. Инженерное мастерство
- •11.1.2. Научно обоснованный детерминистский подход
- •11.1.3. Структура моделей, переменные, параметры и движущие силы
- •11.2. Применение моделей
- •11.2.1. Инструмент планирования
- •11.2.2. Анализ процессов на действующих станциях
- •11.2.3. Проектирование новых станций
- •11.2.4. Контроль работы станций в реальном времени
- •11.2.5. Модели как инструменты исследования
- •11.2.6. Уровень агрегации
- •11.3. Калибровка модели и оценка параметров
- •11.3.1. Структура модели
- •11.3.2. Калибровка, верификация и оценка параметров
- •11.4. Проектирование станций очистки воды
- •11.4.1. Идентификация проблемы
- •11.5. Моделирование систем с биопленкой
- •11.6.3. Интерпретация результатов
- •11.7. Контроль в реальном времени
- •Предметный указатель
- •Оглавление
Рис. 11.8. Скорость нитрификации, оцененная из данных, аналогичных показанным на рис. 11.7 (треугольники), а также результаты моделиро вания (кружки) [8].
жает искомые ключевые результаты, а именно показывает, протекает ли данный процесс так, как предполагалось. Указанную информацию можно сделать доступной до того, как станут замечены ухудшения параметров, фиксируемых на выходе. Моделирование может помочь выявить причины возникающей проблемы, а также подсказать, как исправить ситуацию.
11.7. Контроль в реальном времени
Одним из конкретных примеров применения мониторинга работы станции является возможность улучшения ситуации динамическим изменением операционных параметров в соответствии с данными, собираемыми в процессе ее работы.
Фиксированные значения выбранных параметров
Подход состоит в том, чтобы выбрать некоторые операционные переменные и установить контроль с тем, чтобы поддерживать их на необходимом уровне.
Классическим примером является контроль за содержанием кислорода в аэротенке, осуществляемый с помощью датчиков, которые следят за концентрацией кислорода в реакторе. Выбира ется необходимая концентрация кислорода, и поступление воздуха регулируется так, чтобы этот уровень постоянно поддерживался. Чаще всего используется классический ПИД-контроль. Для полу чения более детальной информации ознакомьтесь с классической литературой по этому вопросу, например, с работой [17].
Цель моделирования в данном случае состоит в определении оптимального значения концентрации кислорода в аэротенке.
Контроль на основе фиксированных правил
Динамическое управление осуществляется автоматически в соот ветствии с фиксированными правилами «если — то» для выбранных операционных переменных.
Если расширить рамки приведенного выше классического примера, то эти фиксированные правила могут использоваться для контроля за той же концентрацией кислорода в реакторе в зависимости от периода суток или в зависимости от нагрузки с тем, чтобы снизить стоимость аэрации, отключая ее, если в ней нет необходимости.
Другой пример связан с кратковременными изменениями на грузки в период дождя. Критический момент в данном случае — это гидравлическая нагрузка на последний отстойник. Если она слишком велика, то активный ил переполнит отстойник и уйдет из системы. Такая ситуация совершенно недопустима, так как повлечет за собой крайне нежелательные последствия, исправлять которые придется не одну неделю. Одно из возможных решений состоит в снижении нагрузки ила на отстойник. Этого можно достичь, задерживая ил в аэротенке путем переключения действия реактора, состоящего из нескольких отсеков, с режима полного вытеснения на режим рассредоточенной подачи. В таком случае ил будет концентрироваться в верхних частях реактора, а нагрузка ила на отстойники будет в конечном итоге понижаться. Альтернатив ный путь состоит в том, чтобы прекратить аэрацию и добиться уве личения количества ила путем временного осаждения в аэротенке. Если эта операция будет проведена в последних реакторах системы, то можно достичь быстрого понижения нагрузки на отстойники.
И вновь моделирование может быть использовано для оптимиза ции правил, в соответствии с которыми можно управлять станцией до наступления благоприятных условий.
Контроль в реальном времени на основании предсказаний модели
Этот контроль требует, чтобы модель работала в режиме реального времени. Идея состоит в том, чтобы предсказать характеристики процесса на предстоящий отрезок времени и выбрать оптимальный набор значений контролируемых параметров, необходимых для достижения наилучшего результата.
Данные, накопленные в прошлом, могут быть важными в том случае, когда модель включает вероятностные элементы и адапти руется к измерениям, проведенным вплоть до сегодняшнего дня. Сказанное выше применимо к вероятностным моделям, в которых параметры модели адаптируются к прошлым данным, например, к так называемым ARM A -моделям. Эти модели являются чисто эмпирическими, поскольку их параметры не имеют ни физического, ни химического, ни биологического смысла. Используя такие моде ли, можно предсказывать, как будет работать станция, основываясь на входных данных, которые в свою очередь прогнозируются исходя из прошлого опыта.
В моделях пространства состояний в качестве отправной точки для предсказаний используются только данные на настоящий момент времени. Однако в них содержатся параметры, которые адаптированы на каждой конкретной временной стадии.
Основным элементом времени является время расчетов. Время расчетов — это время, необходимое для проведения всех расчетов. Оно включает регистрацию сигналов всех датчиков, адаптацию к ним системы, предсказание и оптимизацию, плюс передачу опера торам информации о фиксированных параметрах. Все это должно быть проделано за короткий интервал времени, но, тем не менее, достаточный для аккуратного осуществления всех необходимых процедур. Для того чтобы быть стабильными, многие сложные расчеты могут быть разбиты на очень короткие временные этапы. Простые модели позволяют получать информацию достаточно быстро. Сбор информации с датчиков и общение с операторами может занимать большую часть времени (минуты), тогда как соб ственно расчеты требуют всего от нескольких секунд до нескольких минут.
Время отклика —это время, необходимое системе для того, чтобы среагировать на новые фиксированные параметры. Оно может составлять от нескольких секунд до нескольких часов.
Контрольное время —это время между циклами расчетов, обычно 5-15 мин. Контрольное время должно быть невелико, чтобы система могла реагировать на самые кратковременные изменения нагрузки. Время расчетов должно быть меньше контрольного времени.
Время предсказания представляет собой отрезок времени в будущем, на который распространяется предсказательная сила модели, направленная на оптимизацию фиксированных параметров в данный момент времени. Время предсказания может быть различ ным в зависимости от конкретной проблемы. Если осуществляется регулирование концентрации кислорода, оно связано с временем пребывания сточной воды в аэротенке, если проводится накопление надосадочной жидкости из метантенка для поддержания опти мальных нагрузок внутри станции, время предсказания составляет сутки. Для предсказания исчерпания кислорода в принимающем водоеме необходимы дни, а для предсказания динамики популя ции — недели.
Оптимизация основана на целевой функции. Данная функция включает в себя важные переменные процесса и результаты, связанные с выполнением процесса. Это может быть низкая стоимость процесса или хорошее качество очистки, или и то, и другое вместе. Операционные параметры анализируются с целью выбора наилучших (минимальных или максимальных) значений целевой функции.
Такая система довольно сложна. Для того чтобы сделать ее менее громоздкой и заставить работать в реальном времени, необходимо упрощать модели.
11.8. И нтегральное м оделирование
Станции очистки — это инженерные сооружения, которые обеспечи вают превращение загрязненной воды в чистую. Они представляют собой лишь часть гораздо более широкой системы водообеспечения городов, которая в свою очередь входит в общую систему циркуля ции воды и веществ в бассейне канализования [18].
Первый уровень интеграции состоит в моделировании общей системы, в которую включены канализационная система, станции очистки и принимающие водоемы в данном бассейне канализования [19-23]. Здесь могут быть задействованы модели для планирования, анализа работы системы и контроля в реальном времени. Модели
зо*
для планирования важны при выборе места строительства стан ций, проектировании канализационных путей и учета залповых выбросов в период дождей в зоне канализования. Модели для анализа могут пригодиться для моделирования действия канали зационной системы и станции очистки как единого целого. Теперь мы начинаем понимать, что канализационная система не только обеспечивает транспорт стоков, но и сама служит реактором, в котором протекает ряд процессов, в результате которых изме няются характеристики стоков, поступающих на станцию. Если такие изменения вариантны во времени, то было бы полезно включить канализационные системы в модели. То же относится и к случаю, когда загрязнение принимающих водоемов динамически связано с характеристиками обработанных стоков. Моделирование является альтернативой традиционному подходу, при котором граничные условия между компонентами системы фиксированы раз и навсегда. Что же касается залповых выбросов, то в этом случае необходимость учета всех трех элементов представляется очевидной, хотя обычно это не делалось. В связи с возможностью залповых выбросов при проектировании и эксплуатации станций необходимо учитывать ряд параметров. Гидравлическая нагрузка на станцию может быть снижена или отсрочена путем использо вания усреднителей для канализационных стоков, илоотстойников или локальной инфильтрации. Кроме того, способность станции переносить повышенные гидравлические нагрузки может быть достигнута в результате применения больших вторичных отстой ников, а также поддержания концентрации ила в аэротенках в период дождей. Комбинация этих возможностей осуществляется при проведении контроля в реальном времени. Например, поток воды направляется в усреднитель в том случае, если станция не справляется с поступающим потоком. Элемент времени указывает на потенциал контроля в реальном времени.
Разнообразие проблем, равно как и разнообразие подходов к их решению требуют различных уровней агрегации и различных структур моделей, чтобы можно было избежать излишних услож нений.
Л и тер а ту р а
1. |
Henze М., Grady С. Р. L., Gujer W., Marais G. v. R., Matsuo T., |
|
Activated sludge model No. 1. IAWPRC, London (1986). (IAWPRC |
|
Scientific and Technical Reports No. 1). |
2. |
Henze M., Gujer W., Mino T., Matsuo T., Wentzel M. C., Marais |
|
G. v. R., Activated sludge model No. 2. IAWQ, London (1995). (IAWQ |
|
Scientific and Technical Reports No. 3). |
3.Reichert P., Ruchti J., AQUASIM —Computer programme for simulation and data analysis of aquatic systems: User manual. EAWAG, Diibendorf, Switzerland (1994).
4.Gujer W.j Boiler M., A mathematical model for rotating contactors. Water Sci. Technol., 22, (1/2), 53-73 (1990).
5.Boiler M., Gujer W., Nitrification of tertary trickling filters following deep-bed filters. Water Res. 20, 1363-1373 (1986).
6. Harremois P., Haarbo A., Windier-Nielsen M., Thirsing C., Six years of pilot plant studies for design of treatment plants for nutrient removal. Water Sci. Technol., 38, (1), 219-226 (1998).
7.Sinkjter 0., Yndgaard L., Harremois P., Hansen J. L., Characterization of the nitrification process for design purposes. Wafer Sci. Technol., 30, (4), 47-56 (1994).
8. Harremoes P., Sinkjosr O., Kinetic interpretation of nitrogen removal in pilot scale experiments. Water Res., 29, 899-905 (1995).
9.Sinkjder О., Thirsing C., Harremois P., Jensen К. F., Running-in of the nitrification process with and without inoculation of adapted sludge. Water Sci. Technol., 34, (1-2), 261-268 (1996).
10.Arvin E., Dyreborg S., Menck C., Olsen J., A mini-nitrification test for toxicity screening, Minntox, Water Res., 9, 2029-2031 (1994).
11. Sinkjdsr O., B0gebjerg P., Griittner H., Harremoes P., Jensen K.F., Winther-Nielsen M., External and internal sources which inhibit the nitrification process in wastewater treatment plants. Water Sci. Technol., 33, (6), 57-66 (1996).
12.Lynggaard-Jensen A ., Harremois P. (eds.), Sensors in Wastewater Technology. Water Sci. Technol., 33, (1) (1996).
13.Spanjers Я., Vanrolleghem P. A., Olsson G., Dold P. L., Respirometry in control of the activated sludge process: Principles. IAWQ, London (1998). (IAWQ Scientific and Technical Report No. 7).
14.Harremois P., Transient experimentation for process understanding and control. In: Environmental Biotechnology, International Symposium, Oostende, April 21-23, pp. 1-8. Technological Institute, Oostende (1997).
15.Dupont R., Sinkjder O., Optimisation of wastewater treatment plants by means of computer models. Water Sci. Technol., 30, (4), 181-190 (1994).
16. Carstensen |
J., Harremois Р., Madsen Н., Statistical identification |
of monod-kinetic parameters from on-line measurements. Water Sci. |
|
Technol, 31, |
(2), 125-133 (1995). |
17.Olsson G., Piani G., Computer systems for automation and control. Prentice Hall, London (1992).
18.Harremoes P., Integrated water and waste management. Water Sci. Technol., 35, (9), 11-20 (1997).
19.Harremoes P., Rauch W., Optimal design and real time control of the integrated urban run-off system. Hydrobiologia, 410,177-184 (1998).
20.Harremoes P., Rauch W., Integrated design and analysis of drainage systems, including sewers, treatment plant and receiving waters. J. Hydraul. Res., 34, 815-826 (1996).
21.Rauch W., Harremoes P., The importance of the treatment plant performance during rain to acute water pollution. Water Sci. Technol., 34, (3), 1-8 (1996).
22.Harremois P., Hvitved-Jacobsen T., Lynggaard-Jensen A., Nielsen B.,
Municipal wastewater systems, integrated approach to design, monitoring and control. Water Sci. Technol., 29, (1—2), 419-426 (1994).
23.Lijklema L., Tyson J. M., Le Souef A. (eds.), INTERURBA ’92. Water Sci. Technol., 27, (12), 1-236 (1993).
24.EFOR, Computer model for treatment plants, version 2.0. EFORAps., S0borg, Denmark (1991).
25.Dold P. L. et al. (eds.), Activated Sludge System Simulation Programme. Water Research Commission, Pretoria, South Africa (1991).
26.Perry J., Chemical Engineers Handbook. McGraw-Hill, New York, N.Y. (1963).
27.Siegrist H., Gujer W., Mass transfer Mechanisms in a Heterotrophic Biofilm. Water Res., 19, 1369-1378 (1985).
28.Olsson G., Newell B., Wastewater Treatment Systems. IWA Publishing,
London (1999).