Моделирование производительности интегрированной фиксированной

Научные отчеты, том 12, Номер статьи: 9416 (2022) Цитировать эту статью

879 Доступов

1 Цитаты

1 Альтметрика

Подробности о метриках

Системы IFAS по своей сути сложны из-за гибридного использования как взвешенных, так и прикрепленных колоний бактерий с целью разложения загрязняющих веществ в рамках очистки сточных вод. Это создает проблемы при попытке представить эти системы математически из-за огромного количества задействованных параметров. Помимо сложности, калибровка модели потребует больших усилий. В этой статье демонстрируется систематический подход к калибровке модели процесса IFAS, который включает два анализа чувствительности для выявления влиятельных параметров и обнаружения коллинеарности из подмножества из 68 кинетических и стехиометрических параметров, а также использование алгоритма оптимизации Нелдера-Мида для оценки требуемых значений. этих параметров. Модель учитывает удаление трех критических загрязнителей, включая биохимическую потребность в кислороде (БПК), общее количество азота (TN) и общее количество взвешенных веществ (TSS). Результаты анализа чувствительности выявили четыре параметра, которые оказали основное влияние на модель. Было обнаружено, что модель наиболее чувствительна к двум стехиометрическим параметрам, включая выход аэробных гетеротрофов на растворимом субстрате, суммарные эффекты которых отвечают за 92,4% выходной чувствительности модели по БПК и 92,8% выходной чувствительности модели по TSS. Было обнаружено, что выход бескислородных гетеротрофов на растворимом субстрате отвечает за 54,3% выходной чувствительности модели TN. В меньшей степени два кинетических параметра, скорость аэробного гетеротрофного распада и коэффициент снижения денитрификации нитрита, отвечали только за 8,0% и 13,1% выходной чувствительности модели по БПК и TN соответственно. Оценка параметров выявила необходимость лишь незначительных корректировок значений по умолчанию для достижения достаточной точности моделирования с отклонением от наблюдаемых данных всего лишь ± 3,6 мг/л, ± 1,3 мг/л и ± 9,5 мг/л для БПК, TN. и ТСС соответственно. Проверка показала, что способность модели прогнозировать поведение системы в условиях экстремального стресса растворенного кислорода ограничена.

Вычислительные модели процессов очистных сооружений (ОСВ) уже давно используются ради тех преимуществ, которые они дают1. Такие преимущества могут включать исследование альтернативных сценариев проектирования и эксплуатации с целью повышения эффективности или производительности или получение понимания поведения системы в особых сценариях2. Благодаря моделированию высокие требования к таким исследованиям по времени и ресурсам, которые могут быть получены в результате физических экспериментов, могут быть сравнительно легко преодолены без ущерба для уверенности в результатах. Например, модель может позволить инженеру-технологу определить размер бескислородного резервуара, необходимый для обеспечения достаточной денитрификации в системе, без строительства большого количества бескислородных резервуаров разного размера.

Хотя сложные модели могут дать представление о моделируемой системе, которое в противном случае было бы скрыто упрощенными моделями, это справедливо только в том случае, если физическая система точно изображена. Калибровка биологических моделей очистных сооружений обычно является наиболее требовательным этапом разработки моделей с точки зрения времени, усилий и финансовых ресурсов, необходимых для сбора необходимых данных2,3,4,5. Фактически, для калибровки моделей активного ила (AS) было разработано несколько протоколов, таких как BIOMATH, STOWA, WERF и HSG6,7,8,9,10. Хотя каждый из этих подходов имеет явные различия, они имеют общие требования к большим объемам данных, которые должны быть получены путем обследования мест, интенсивного отбора проб и респирометрических/титриметрических пакетных тестов, что предъявляет высокие требования к ресурсам (критический обзор см. в разделе 3). .

Как экологические модели, модели процессов биологической очистки сточных вод (WWT) по своей сути сложны. По самой своей природе они высокоразмерны и нелинейны из-за огромного количества включенных в них кинетики и стехиометрии. Например, даже популярная модель активного ила (ASM) в своей самой ранней форме состояла из пяти стехиометрических параметров для описания биохимических реакций, 14 кинетических параметров и 13 дифференциальных уравнений1. Поэтому неудивительно, что модели WWT становятся чрезмерно параметризованными по отношению к данным наблюдениям, когда эти модели дорабатываются для обеспечения более детального представления основных процессов или для моделирования новых технологий и загрязнителей11,12,13,14.