周期循环式活性污泥法(cyclic activated sludge system,CASS)是基于传统SBR工艺上的一种变形,该工艺集混合反应、沉淀、排水于一体,是将可变容积活性污泥法与生物选择器有机结合的一种工艺[1]。其具有工艺流程简单,占地小,造价低,生化反应推动力大,抗冲击负荷能力强、运行方式灵活等优点,因此被国内外广泛应用于废水处理中[2-3]。关于CASS工艺运行参数的优化研究主要有2方面,一是提高尾水排放中各指标污染物的去除率,尤其是氮、磷的去除;二是实现该工艺的节能降耗,避免造成不必要的能源浪费。然而,目前研究大多局限在单因素或正交试验上,在既保证出水达标,同时避免能耗过度浪费的条件下,难以确定工艺运行过程中各参数之间必然存在的交互影响。例如,刘士奇等[4]研究了污泥回流比对CASS工艺处理效果的影响,柴宗学[5]考察各种单因素对CASS工艺在城市污水处理厂运行的参数优化及应用,葛强等[6]采用正交实验探讨CASS工艺处理高浓度COD生活污水的优化运行条件,吴天昊[7]利用正交试验考察基于ASM3的污水处理CASS工艺模型建立与参数优化。
响应面分析法(response surface methodology, RSM)是一种数学方法和统计方法相结合的技术,也是实验设计、数理统计和参数优化的一种综合应用[8],其基本思想是通过近似构造1个具有明确表达形式的多项式来表达隐式功能函数,采用多元二次回归方程拟合多因子试验中的因素和响应值之间的函数关系,解决多变量问题[9-11]。与传统数理统计方法相比较,RSM可在实验次数及实验时间有限的条件下,对所选的实验参数进行全面研究,得出准确结果,分析响应面图形可寻找出最优工艺参数。RSM在实验设计方面的优越性已被越来越多的科研工作者所关注,并广泛应用到环境污染处理的诸多领域[12],可作为一种高效可靠的数学规划方法以满足工程优化计算的需要。然而,目前将RSM法用于优化设计污水处理厂(SBR、ICEAS、CASS工艺等)针对进水水质及各项指标污染物去除效果的工艺参数的相关报道相对较少。
为探讨CASS工艺运行过程中各工艺参数之间的交互关系,提高出水水质,并尽可能地降低能耗。本研究以湖南省郴州市某污水厂为实验平台,通过基于BOX设计(Box-Behnken Design, BBD)的响应面法,分别以TP和NH3-N为响应值进行考察,探讨缺氧搅拌时间、曝气时间、充水比、C/N之间的交互关系,并建立响应面模型来寻找最佳操作条件,优化工艺运行参数,为污水厂工艺运行参数优化提供参考。
分别采用6B-50(V9)氨氮快速测定仪(江苏盛奥华环保科技有限公司)和DR/2010 COD快速测定仪(美国哈希HACH公司)分析实验处理前后液相中氨氮和COD。通过哈希LPV4502.97.002便携式DO仪监测液相中的溶解氧浓度,防止曝气过量。实验前后液相中TP采用钼酸铵分光光度法测定。
采用潜水搅拌机(N=4.0 kW,叶轮直径=260 mm,r=720/min)提高CASS池(单池,L×B×H=91.8 m×11.2 m×5.5 m,有效水深为5 m,容积比为选择器∶缺氧池∶曝气池=1∶2∶15)内的泥水混合效果;通过鼓风机(Q=933 m3/h,478 Pa,N=75 kW)对混合液充氧,同时控制和维持主反应区中的DO值;旋转式滗水器控制充水比。实验过程中,维持CASS池中ρ(MLSS)稳定在3000 mg/L左右,污泥回流比为100%。利用Design-Expert 8.05b软件设计实验,并将实验结果与计算结果进行对比分析。
由于污水厂纳污区域内管网分布为雨污合流制,基本为生活污水,所以该厂的进水水质随季节性周期变化明显。为保证实验期间进水水质相对稳定,避免雨水对实验的影响,根据往年季节性进水水质波动分析,选择2017年11月—2018年2月期间的进水作为实验用水,水质如表1所示。
表1 污水厂设计进水、实际进水及排放标准情况
Table 1 Quality of designed and actual influent water, and the discharge standard mg/L
指标设计进水GB18918—2002实际进水ρ(COD)28060148.1~237.3ρ(NH3-N)3515(8)15.4~23.7ρ(TP)411.19~1.76ρ(TN)402022.8~32.4ρ(SS)20020138~177
注:ρ(NH3-N)括号内数值为水温>12 ℃时控制指标,括号外数值为水温<12 ℃时的控制指标。
根据RSM设计原理,以缺氧搅拌时间、充水比、曝气时间及DO值为主要影响因素,利用Design-Expert 8.05b软件,按照Box-Behnken Design设计4因素3水平,共设计29个实验点,其中,实验序号前1~24为析因点,后25~29为中心点以估计实验误差。另外,BBD设计以代码的形式编排,一般水平取值为0,±1。其中,-1为下水平,0为中水平,+1为上水平,编码及水平信息如表2所示。
表2 Box-Behnken设计因素的编码与水平
Table 2 Codes and levels of Box-Behnken Design
因素编码水平-101缺氧搅拌时间t/minX16090120曝气时间t/minX2306090ρ(DO)/(mg·L-1)X30.250.50.75充水比X41/41/31/2.5
以缺氧搅拌时间、充水比、曝气时间及DO值为自变量,以污水厂出水中TP和NH3-N去除率为响应值建立二阶模型,该二阶模型可描述如式(1)所示:
(1)
式中:Y为处理后出水中TP和NH3-N去除率的响应值;β0、βi、βii和βij分别为拟合公式中的常数项、一阶项、二阶项和交互项系数;Xi、Xj代表各因素水平的编码值;ε为该模型公式中的余项(或收敛项)。
根据RSM设计实验,实验设计方案及结果见表3。
表3 响应面实验与结果
Table 3 Four-factor and five-level BBD design and the experimental results
析因点及中心点X1缺氧搅拌时间t/minX2曝气时间t/minX3ρ(DO)值/(mg·L-1)X4充水比YTPYNH3-N实测值预测值实测值预测值12100-161.01 59.4880.9179.986001163.9163.5082.3582.261-1-10058.3657.3379.2978.6219-101059.4159.2981.3380.5129000061.4360.9780.3680.9122010163.4963.9583.4782.649-100160.6961.3379.0280.2410100165.4665.0181.4482.20500-1155.5055.1175.9974.8225000060.5660.7981.2480.9128000059.8760.7979.9980.911810-1053.6553.9574.2675.08150-11057.1457.9179.8980.143-110060.7661.0478.7380.4817-10-1051.3752.0373.6472.6427000061.9860.7982.0180.914110062.2263.9583.3483.72230-10-155.7555.4876.4577.28210-10161.5761.7280.2780.391401-1055.7254.0775.5375.5626000060.1160.7980.9480.9111-100-158.4758.0378.1777.6921-10059.1259.5481.6879.648001-157.5158.6079.1179.9920101062.9762.4981.3282.3216011064.0463.1984.5083.2724010-161.3361.3681.0980.98700-1-150.07511972.5272.32130-1-1051.2851.2471.2372.74
注:YTP和YNH3-N分别表示TP和NH3-N的去除率。
利用统计Minitab 15软件对表3实验数据进行多元回归拟合,得到各影响因素和响应值(YTP和YNH3-N)之间的二次多项式回归方程,分别见式(2)和式(3):
YTP=60.79+1.28X1+2.03X2+3.95X3+
2.21X4+0.18X1X2+0.32X1X3+0.56X1X4+
(2)
YNH3-N=80.91+1.06X1+1.49X2+3.78X3+
1.19X4+0.56X1X2-0.16X1X3-0.08X1X4+
0.078X2X3-0.36X2X4-0.058X3X4-
(3)
对模型YTP和YNH3-N分别进行方差分析及各项回归系数的显著性检验,结果见表4。
由表4中TP、NH3-N方差分析可知:P值均<0.0001,说明该模型呈高显著性。表4中失拟项表示所用模型预测值与实验实测值拟合的差异程度,模型YTP和YNH3-N失拟项的P值均>0.05,为不显著,表明二者之间的差异程度非常小,无失拟因素存在。此外,表明模型YTP和YNH3-N分别只有15.45%和8.33%的变异无法用该模型解释。综上,采用该模型进行分析具有较高的可信度,可用来对实验进行分析和预测。
根据表3及回归模型可得到各影响因素(自变量)与响应值(因变量)之间的响应曲面,以直观反映给定因素对响应值的影响作用。
2.2.1 充水比和DO值对TP、NH3-N去除率的影响
控制其他影响因素为中心水平时,即缺氧搅拌时间为90 min,曝气时间为60 min,考察充水比与DO值之间的交互作用对TP和NH3-N去除率的影响,如图1所示。
由图1可知:充水比与DO值对TP及NH3-N去除主要发生在硝化反应阶段,而该阶段并不需要有机碳源,因此,随着充水比的增加,NH3-N去除率并未呈上升趋势。此外,硝化菌为好氧自养型微生物,通过适当提高溶解氧浓度便能显著提高NH3-N去除率。对于TP,充水比和DO值均具有显著影响,分析原因为碳源总量随充水比的增加而增加,有利地保障了聚磷菌除磷过程中需要的碳源。另外,通过缺氧搅
表4 回归模型方差分析
Table 4 ANOVA for the regression model
方差来源平方和(TP/NH3-N)自由度均方差(TP/NH3-N)F值(TP/NH3-N)P>F(TP/NH3-N)显著性(TP/NH3-N)模型426.08/290.221430.43/20.7323.02/11.95<0.0001/<0.0001高度显著/高度显著线性项X119.69/13.59119.69/13.5914.89/7.830.0017/0.0142显著/不显著X249.37/26.55149.37/26.5537.34/15.30<0.0001/0.0016高度显著/显著X3187.15/171.231187.15/171.23141.54/98.69<0.0001/<0.0001高度显著/高度显著X458.43/17.02158.43/17.0244.19/9.81<0.0001/0.0074高度显著/显著二次项X120.004/0.5610.004/0.560.003/0.320.9863/0.5798不显著/不显著X220.71/0.00010.71/0.0000.54/0.0000.4758/0.9990不显著/不显著X3296.5/57.44196.5/57.4472.98/33.10<0.0001/<0.0001高度显著/高度显著X420.18/2.2210.18/1.570.14/1.280.7175/0.2765不显著/不显著交互项X1 X20.12/1.2310.12/1.230.093/0.710.7653/0.4136不显著/不显著X1 X30.41/0.09910.41/0.0990.31/0.0570.5866/0.8145不显著/不显著X1 X41.24/0.02611.24/0.0260.94/0.0150.3487/0.9050不显著/不显著X2 X31.51/0.02411.51/0.0241.14/0.0140.3029/0.9080不显著/不显著X2 X43.35/0.5213.35/0.522.53/0.300.1338/0.5933不显著/不显著X3 X40.24/0.01310.24/0.0130.18/0.0080.6796/0.9317不显著/不显著残差18.51/24.29141.32/1.74失拟项15.32/21.82101.53/2.181.92/3.540.2766/0.1175不显著/不显著纯误差3.19/2.4740.80/0.62总离差444.59/314.5128
图1 充水比和DO值交互作用对TP、NH3-N去除率影响的响应曲面
Fig.1 Response surface for TP and NH3-N removal efficiency with an interaction of water filling ratio and DO
拌阶段,有效降低系统中的硝酸盐,大大消除了因硝酸盐对聚磷菌释磷的抑制作用,进而显著提高了好氧阶段的除磷效果,因此,充水比与DO值对TP去除率的响应面曲面表现呈较陡的趋势。
2.2.2 曝气时间和缺氧搅拌时间对TP、NH3-N去除率的影响
控制其他影响因素为中心水平,即ρ(DO)=0.5 mg/L,充水比=1/3,考察曝气时间与缺氧搅拌时间交互作用对TP和NH3-N去除率的影响如图2所示。可知:TP和NH3-N去除率均随着曝气时间和缺氧搅拌时间的延长而提高,但是两者之间又有显著区别,同等条件下,NH3-N去除率的变化曲线较TP的陡。这种差异的主要原因可能有2方面:一方面,对于NH3-N去除率而言,王少坡等[13]发现,当硝化菌长期处于低C/N废水环境中时,控制ρ(DO)在0.5 mg/L左右时,系统则会发生短程硝化反应,对低碳源污水的脱氮处理非常有利。试验期间,该污水厂原水为长期性低碳源,硝化菌在该DO条件下,可能发生短程硝化反应。通过缺氧搅拌阶段,硝化菌有效利用对上一周期所产生的硝酸盐进行脱氮作用,有效降低本周期产生硝酸盐的积累总量。因此,硝化菌在此环境中,随着缺氧搅拌时间和曝气时间的延长,NH3-N去除率显著提高。另一方面,对于TP去除率而言,缺氧搅拌时间的延长,相当于增加了厌氧阶段的水力停留时间,有效促进了聚磷菌的厌氧释磷,为好氧阶段磷的去除提供了有利的先决条件。但此过程中DO值并未增加,因此,随着缺氧搅拌时间的延长,曲线表现平缓。但随着曝气时间延长,溶解氧总量得到增加,TP去除率显著提高,在两者共同作用下,曲线表现出较陡变化趋势。
图2 曝气时间与缺氧搅拌时间交互作用对TP、NH3-N去除率的影响
Fig.2 Response surface for TP and NH3-N removal efficiency with an interaction of aeration time and anoxic mixing time
图3 曝气时间与DO值交互作用对TP、NH3-N去除率的影响
Fig.3 Response surface for TP and NH3-N removal efficiency with an interaction of aeration time and DO
2.2.3 曝气时间与DO值对TP、NH3-N去除率的影响
控制其他影响因素为中心水平时,即缺氧搅拌时间为60 min,充水比=1/3,考察曝气时间与DO值的交互作用对TP和NH3-N去除率的影响如图3所示。可知:TP和NH3-N去除率曲面变化趋势均较陡,说明曝气时间与DO值对响应值影响显著。由NH3-N去除率变化曲面可看出:当DO或曝气时间都处于低水平时,仅通过改变单一因素,并不能有效提高NH3-N去除率,对NH3-N去除率的影响显著性较弱,表明污水中NH3-N的高效去除需同步增加溶解氧及曝气时间。由TP去除率变化曲面可看出:DO对TP去除效果的影响较曝气时间显著,随着DO值及曝气时间的延长,TP去除率明显提高,其主要原因可能是经过缺氧搅拌阶段,厌氧环境下原水中较充足的碳源使得聚磷菌对磷的有效释放。因此,随着曝气时间及溶解氧的增加,好氧阶段对磷的吸收效果大大增加,曲面趋势表现较陡。
2.2.4 较优条件的选取
综合考虑各种工艺参数之间的交互影响性,在给定的实验参数约束条件下,通过RSM优化选择最佳运行工艺参数为:缺氧搅拌时间134.01 min,曝气时间90 min,ρ(DO)1.29 mg/L,充水比0.30,并根据污水厂日处理水量及运行周期,最终确定缺氧搅拌时间为120 min。此外,考虑到实际进水COD浓度偏低,为尽可能地降低能耗,缩短曝气时间,在曝气结束后再次启动搅拌器,促进活性污泥继续利用混合液中的余氧。优化后的工艺运行方案如图4所示。按照该优化工艺参数运行,NH3-N和TP去除率实测值分别为63.83%、80.24%。
图4 优化后工艺运行参数
Fig.4 The optimized process parameters
为确定模型的可靠性,分别对比分析YTP、YNH3-N与实验实测值,结果如图5所示。可知:模型计算值与实验值之间拟合度良好,说明利用模型对CASS工艺运行结果进行分析及预测准确可靠。在实际生产过程中应用比较简便,具有一定的实用价值。
图5 YTP和YNH3-N模型预测值和实验值比较
Fig.5 Comparison between predicted and tested value for YTP and YNH3-N
1)采用BBD设计结合RSM优化选择CASS工艺控制参数,同时考察了曝气时间、缺氧搅拌时间、DO值、充水比对TP和NH3-N去除率的交互作用,并建立了多因素的YTP、YNH3-N二次项回归模型,对比实测值,模型偏差较小。TP去除率偏差介于-1.65%~+1.73%,NH3-N去除率偏差介于-2.04%~+1.75%。结果表明:通过该模型分析CASS工艺实际运行参数,对运行结果进行预测具有较高的可靠性,可考虑用于指导生产。
2)根据二次项回归模型YTP、YNH3-N各项系数的显著性检验结果,在实验约束条件下,各因素对TP去除率的显著性影响顺序为:DO值>充水比>曝气时间>缺氧搅拌时间。对NH3-N去除率显著性影响顺序为:DO值>曝气时间>充水比>缺氧搅拌时间。
3)通过RSM对CASS工艺运行参数进行优化设计,确定提高TP和NH3-N去除率的最佳工艺参数ρ(DO)为1.29 mg/L,充水比为0.30,曝气时间为90 min,缺氧搅拌时间为120 min。在该最优条件下,NH3-N和TP去除率实测值分别为63.83%、80.24%。
[1] 郭金鑫,孙根行,狄倩. 咸阳某污水处理厂CASS工艺运行参数优化[J]. 工业水处理,2014,34(3):87-90.
[2] 李济源,孙俊伟,曹文平,等. 复合式CASS反应器处理酒精废水特性研究[J]. 水处理技术,2014,40(10):95-98.
[3] 于驰,张晶,李立峥. CASS+MBR工艺处理污水及回用工程设计[J]. 安徽农业科学,2015,43(14):286-288.
[4] 刘士奇,张思冲,郑飞,等. 污泥回流比对CASS工艺处理效果的影响研究[J]. 哈尔滨理工大学学报,2011,16(5):93-96.
[5] 柴宗学. CASS工艺在城市污水处理厂运行参数的优化及应用的研究[D]. 哈尔滨:哈尔滨工业大学,2014.
[6] 葛强,周淑春,黄东辉. CASS工艺处理高COD生活污水的优化运行研究[J]. 中国给水排水,2013,29(7):101-104.
[7] 吴天昊. 基于ASM3的污水处理CASS工艺模型建立与参数优化研究[D]. 哈尔滨:哈尔滨工业大学,2015.
[8] 周鑫,孙海龙,张泽乾. 响应面法在污水处理工艺优化中的应用[J]. 化学研究与应用,2017,29(6):753-760.
[9] Mason R L, Gunst R F, Hess J J. Statistical design and analysis of experiment with application to engineering and science[J]. The United States of America: John Wiley and Sons Publication, 2003.
[10] 王永菲,王成国. 响应面法的理论与应用[J]. 中央民族大学学报(自然科学版),2005,14(3):236-239.
[11] 张会琴,叶春松,阳红,等. 响应面法优化克浅十油田废水的混凝沉淀工艺[J]. 环境工程学报,2013,7(1):169-174.
[12] 牛志睿,刘羽,李大海,等. 响应面法优化制备污泥基活性炭[J]. 环境科学学报,2014,34(12):3022-3029.
[13] 王少坡,彭永臻,李军,等. CAST工艺处理低C/N废水中DO对积累的影响[J]. 哈尔滨工业大学学报,2005,37(3):344-347.