悬浮和附着生物厌氧—好氧污水处理技术的应用

大港油田污水处理站在设计中未充分考虑到水中有机物的影响,致使其现有的净化工艺不能有效的去除水中的有机物,外排污水的CODcr值和原油含量超过了国家制定的标准。悬浮和附着厌氧一好氧生物处理难降解有机污水工艺技术,在厌氧和好氧阶段,均同时存在悬浮污泥和附着生物膜,厌氧池和好氧池中保持比一般接触氧化方法高很多的生物量,极大地强化了处理能力,增强了设施的抗冲击负荷的能力。

好氧生物处理污水的过程控制

阐述好氧生物法处理污水技术过程中 ,利用微生物的生理机能 ,对曝气池污水中的物理、化学等参数实行过程的控制 ,进一步提高污水处理质量。

浅议污水处理过程中的节能降耗

本文系统地介绍并分析了污水处理厂流程中各个处理构筑的能耗情况,并针对各个构筑物提出有效的节能途径。指出了常用的污水好氧处理能耗过高的突出问题,建议改用能耗低,但是造价稍高的好氧过滤等处理方法。污水再生利用也是解决污水处理能耗高的途径之一。

因次分析和模型试验在污水处理曝气中的应用

采用因次分析方法对污水处理中用曝气叶轮进行曝气充氧总转移系数 KLA进行分析 ,通过模型试验得出 KLA的数学模式 ,并对模型的放大作了说明 .

混凝沉淀-厌氧/好氧组合工艺处理港口含油废水的运行与优化

采用混凝沉淀-厌氧/好氧组合工艺处理港口含油废水。选用聚合氯化铝铁(PAFC)作为混凝剂;通过响应面法选择了最优工艺参数:pH 8.0, PAFC投加量100 mg/L沉降时间40 min;出水进入厌氧/好氧生化处理系统(A/O)。港口含油污水经过A池后,BOD/COD平均值由初始的0.17升高至0.55,可生化性增加明显。试验结果表明有机容积负荷是A/O反应器运行过程中的重要控制参数;其对A池冲击大,很容易使A池产生酸化现象,甚至导致反应器的崩溃。A池处理试验用港口含油废水的最佳有机负荷应为1.0～2.0 kgCOD/(m^3·d)。当进水水质变化时,可通过调节水力停留时间及回流比等达到反应器有效调控的目的。

好氧逆流化床生物反应器启动方案的研究

逆流化床作为一种新型的污水处理生物反应器在近年来得到了广泛关注。然而,对于应用于好氧污水生物处理的逆流化床反应器,快速有效的启动方法的研究尚未见相关报道。作者旨在探究好氧逆流化床生物膜反应器(AIFB)启动过程中操作模式和操作条件对于微生物膜形成和反应器处理效率的影响,并最终建立一个优化的快速启动方案。对聚乙烯颗粒(PE)进行了活性炭包覆,得到活性炭包覆颗粒(PEC)作为微生物载体,以启动过程中挥发性悬浮固体浓度(VSS)、附着挥发性固体浓度(AVS)、进出水化学需氧量(COD)、反应器有机负荷(OLR)作为主要标准以评价生物膜生长特性和反应器处理性能,依次研究了3种不同的启动方案且对有效的启动方案进一步进行了优化。实验发现:32 d的间歇培养启动方案和15 d的固定水力停留时间(HRT)为72 h的连续进水启动方案均获得了很低的生物膜浓度(AVS<50 mg/L)和较低的有机物去除能力。而6 d的逐渐降低HRT的连续进水快速启动方案获得了高生物膜浓度(AVS=514 mg/L)且在高有机负荷(6 gCOD/(L·d))的情况下实现了高COD去除效率(95%)。应用快速启动方案对比了活性炭包覆前后两种颗粒的启动过程,发现PEC颗粒获得了微生物膜浓度(AVS=514 mg/L)约为PE(AVS=269 mg/L)的两倍。好氧逆流化床启动过程中,短水力停留时间(HRT<3 h)是冲出悬浮微生物并使生物膜得到快速增长的关键,同时应用活性炭包覆的载体有利于生物膜形成。

传统活性污泥工艺的传质强化——均匀受限工艺的研究与应用

依据惯性效应理论进行污水好氧处理的强化传质试验及工程实践,对曝气池工艺动力学的基本理论进行深入研究。试验及工程应用表明,提高曝气均匀度和加强多相物系中微涡漩的离心惯性效应,可促进物相接触和相界面更替,为活性污泥(或生物膜)、有机底质与氧气进行生化反应提供良好动力条件,提高反应效率,缩短反应历程;试验工艺及实际工程中氧利用率最高可达48％以上;COD容积负荷8.1-9.0kgCOD／m3·d;较常规工艺可降低曝气池工艺一次性投资,节省运行能耗,出水水质稳定可靠。

基于模糊神经网络的A^2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.