自從IAWQ推出ASM后，就不斷有研究者將其應用到SBR工藝中。因為對于SBR這樣運行狀況多變的污水處理工藝，利用數學模擬的方法來進行輔助設計和優化控制是很有必要的，否則很難達到預期的設計目標。SBR工藝與傳統的活性污泥工藝相比，應用ASM模型最大的不同之處在于必須對SBR中的時間控制以及容積的變化進行描述。

J Oles等人應用ASM1對SBR工藝進行了模擬，他們的研究表明，經過對模型中參數的修正，使之適用于SBR后，模型能夠很好地預測SBR操作過程中COD、氨氮、硝酸鹽氮的變化。

G Andreottola等人采用了修正的ASM1對SBR工藝進行了動態模型的研究和參數靈敏度分析，他們將ASM1中認為一步完成的硝化反應修正為亞硝酸鹽化和硝酸鹽化兩個階段，引入了硝酸鹽化的開關函數，并采用最小二乘法對模型進行優化控制，以使排水中的氮濃度最小，他們的研究結果表明，修正后的模型能更好地模擬廢水處理的結果。

A Brenner采用了修正的ASM2模型來模擬SBR工藝在處理市政污水時其中N、P的轉換情況，他同樣將硝化反應分為兩步，考慮到了游離態氨氮的積累，不過他認為自養性的反硝化細菌可以同樣利用亞硝酸鹽和硝酸鹽進行反硝化反應，這個現象發生在進水混合期。對異養性微生物也沒有再分為反硝化菌和非反硝化菌兩類，而是通過一個兼氧的轉換系數來控制這兩種生物的反應的起始。污水中的惰性顆粒物質的產生，他認為主要來源于細菌的衰減，而可溶性組分主要來源于有機物的水解；污水中PAO的生長，主要發生在缺氧進水階段。

Hong Zhao等人對比了ASM2和ASM2簡化模型及神經網絡模型對SBR工藝的模擬結果，他們的研究結果表明：ASM2的模擬結果能夠更好地預測和解釋SBR特定運行狀態下的運行數據，但是需要經常校正其中的系數；而ASM2簡化模型和神經網絡的混合模型能夠提高預測的準確度，模型的魯棒性也增強了。所以他們建議，利用ASM2進行過程細節的模擬，而利用混合模型來進行在線預測和控制。

此外，還有很多人用針對SBR工藝特有的現象提出了相應的動力學描述方程式。如A A Kazml等人利用ASM2的基本思路，針對SBR脫磷過程中系統中存在的氮對脫磷反應的影響建立了動力學方程，可以用來修正ASM中對這一部分考慮的欠缺。他們還通過改變進水負荷觀察到了PAO的細胞內貯能產物PHA在反應中起到的重要作用。他們的研究證明，當方程式中的動力學參數選擇合適時，模型的預測值與實驗值是吻合的。

S Marsill等人采用了一個修正的ASM2d模型并結合Matlab軟件進行了SBR工藝的仿真，同時利用模擬污水校準了其中的一些反應常數的值，對SBR工藝中存在的生物增強性除磷現象也進行了研究。他們在方程中用了亞硝化—硝化兩個種群細菌的反應來解釋硝化反應，而不象ASM中那樣只采用了一個反應式，對反硝化反應也分為兩步進行，同時考慮到了游離態氨氮的積累對反硝化反應的阻滯現象。他們對SBR中微生物在好氧—厭氧交替運行下發生的增強性生物除磷現象也進行了數學描述，并用了完全不同的方程式來描述污水中PAO的生長情況。他們的實驗數據與理論預測非常接近。

J MIkosz等人應用了SimWorkTM這種為SBR處理廠的運行而開發的軟件（核心采用了ASM）對某污水處理廠的運行進行了模擬。他們進行模擬的目的是為了獲得最佳的SBR循環時間和反應階段的調整策略，讓系統在低溫（<10℃）情況下仍然保持較高的硝化效果，但同時又不影響系統的反硝化及生物增強性除磷的效果。經過對污水處理廠反應常數的校準和動態模擬之后，他們找到了最佳的反應狀況。污水廠的運行結果顯示：當污水在低溫（6℃）下運行時，采用最佳的反應條件（時間序列控制），系統硝化效率可以提高50%~80%，生物增強性除磷的效率可以提高45%~75%，但是卻不影響反硝化的效率，總氮的去除率仍然可以從原來的70%提高到80%。

由于SBR工藝具有一定的局限性，所以出現了很多基于SBR的新工藝，如CASS、DAT-IAT、MSBR等。對于這些改良SBR工藝的數學模型，也有學者進行了研究。

L Novák等人采用了ASM1對CASS工藝（尤其對于CASS中的生物選擇器）進行了模擬，他們的模型可以描述反應器容積的變化以及生物反應的過程，模擬廢水中各種污染物的動態變化。他們建議，為了取得更好的模擬結果，需要考慮反應器的水力學模型。

W Wu等采用了Dold模型（與ASM1類似）來模擬MSBR的運行，在模型中綜合考慮了脫氮與除磷的存在。他的模型中引入了6種缺氧活性污泥的代謝，其中有一些和ASM2d中的描述是一樣的，同時，他的模型中采用了更為詳盡的生物反應階段的描述。其模擬結果表明，系統模擬的相對誤差<2~3%，說明系統模擬的結果較可靠。
 

  使用微信“掃一掃”功能添加“谷騰環保網”

相關文章