ASM在SBR工艺中的应用研究
自从IAWQ推出ASM后，就不断有研究者将其应用到SBR工艺中。因为对于SBR这样运行状况多变的污水处理工艺，利用数学模拟的方法来进行辅助设计和优化控制是很有必要的，否则很难达到预期的设计目标。SBR工艺与传统的活性污泥工艺相比，应用ASM模型最大的不同之处在于必须对SBR中的时间控制以及容积的变化进行描述。
J Oles等人应用ASM1对SBR工艺进行了模拟，他们的研究表明，经过对模型中参数的修正，使之适用于SBR后，模型能够很好地预测SBR操作过程中COD、氨氮、硝酸盐氮的变化。
G Andreottola等人采用了修正的ASM1对SBR工艺进行了动态模型的研究和参数灵敏度分析，他们将ASM1中认为一步完成的硝化反应修正为亚硝酸盐化和硝酸盐化两个阶段，引入了硝酸盐化的开关函数，并采用最小二乘法对模型进行优化控制，以使排水中的氮浓度最小，他们的研究结果表明，修正后的模型能更好地模拟废水处理的结果。
A Brenner采用了修正的ASM2模型来模拟SBR工艺在处理市政污水时其中N、P的转换情况，他同样将硝化反应分为两步，考虑到了游离态氨氮的积累，不过他认为自养性的反硝化细菌可以同样利用亚硝酸盐和硝酸盐进行反硝化反应，这个现象发生在进水混合期。对异养性微生物也没有再分为反硝化菌和非反硝化菌两类，而是通过一个兼氧的转换系数来控制这两种生物的反应的起始。污水中的惰性颗粒物质的产生，他认为主要来源于细菌的衰减，而可溶性组分主要来源于有机物的水解；污水中PAO的生长，主要发生在缺氧进水阶段。
Hong Zhao等人对比了ASM2和ASM2简化模型及神经网络模型对SBR工艺的模拟结果，他们的研究结果表明：ASM2的模拟结果能够更好地预测和解释SBR特定运行状态下的运行数据，但是需要经常校正其中的系数；而ASM2简化模型和神经网络的混合模型能够提高预测的准确度，模型的鲁棒性也增强了。所以他们建议，利用ASM2进行过程细节的模拟，而利用混合模型来进行在线预测和控制。
此外，还有很多人用针对SBR工艺特有的现象提出了相应的动力学描述方程式。如A A Kazml等人利用ASM2的基本思路，针对SBR脱磷过程中系统中存在的氮对脱磷反应的影响建立了动力学方程，可以用来修正ASM中对这一部分考虑的欠缺。他们还通过改变进水负荷观察到了PAO的细胞内贮能产物PHA在反应中起到的重要作用。他们的研究证明，当方程式中的动力学参数选择合适时，模型的预测值与实验值是吻合的。
S Marsill等人采用了一个修正的ASM2d模型并结合Matlab软件进行了SBR工艺的仿真，同时利用模拟污水校准了其中的一些反应常数的值，对SBR工艺中存在的生物增强性除磷现象也进行了研究。他们在方程中用了亚硝化—硝化两个种群细菌的反应来解释硝化反应，而不象ASM中那样只采用了一个反应式，对反硝化反应也分为两步进行，同时考虑到了游离态氨氮的积累对反硝化反应的阻滞现象。他们对SBR中微生物在好氧—厌氧交替运行下发生的增强性生物除磷现象也进行了数学描述，并用了完全不同的方程式来描述污水中PAO的生长情况。他们的实验数据与理论预测非常接近。
J MIkosz等人应用了SimWorkTM这种为SBR处理厂的运行而开发的软件（核心采用了ASM）对某污水处理厂的运行进行了模拟。他们进行模拟的目的是为了获得最佳的SBR循环时间和反应阶段的调整策略，让系统在低温（<10℃）情况下仍然保持较高的硝化效果，但同时又不影响系统的反硝化及生物增强性除磷的效果。经过对污水处理厂反应常数的校准和动态模拟之后，他们找到了最佳的反应状况。污水厂的运行结果显示：当污水在低温（6℃）下运行时，采用最佳的反应条件（时间序列控制），系统硝化效率可以提高50%~80%，生物增强性除磷的效率可以提高45%~75%，但是却不影响反硝化的效率，总氮的去除率仍然可以从原来的70%提高到80%。
由于SBR工艺具有一定的局限性，所以出现了很多基于SBR的新工艺，如CASS、DAT-IAT、MSBR等。对于这些改良SBR工艺的数学模型，也有学者进行了研究。
L Novák等人采用了ASM1对CASS工艺（尤其对于CASS中的生物选择器）进行了模拟，他们的模型可以描述反应器容积的变化以及生物反应的过程，模拟废水中各种污染物的动态变化。他们建议，为了取得更好的模拟结果，需要考虑反应器的水力学模型。
W Wu等采用了Dold模型（与ASM1类似）来模拟MSBR的运行，在模型中综合考虑了脱氮与除磷的存在。他的模型中引入了6种缺氧活性污泥的代谢，其中有一些和ASM2d中的描述是一样的，同时，他的模型中采用了更为详尽的生物反应阶段的描述。其模拟结果表明，系统模拟的相对误差<2~3%，说明系统模拟的结果较可靠。
使用微信“扫一扫”功能添加“谷腾环保网”
