孙宗健[1]2004年在《活性污泥模型实际应用以及适应性研究》文中研究表明随着水处理技术研究的发展和应用，水处理过程控制自动化成为主要发展方向之一，由此水处理过程模拟模型成为近几年国内外研究的热点。ASM 模型作为国际水协会开发和推荐的模型在国外得到广泛和成功的应用，但是我国因为各种原因，实现水处理全过程模拟的水厂很少。本研究是基于 ASM 系列模型的机理，开发了适合我国活性污泥系统模拟应用的模型和相关计算机模拟程序，对 ASM 模型在我国的应用进行了探索性的研究。本论文主要研究内容包括：ASM 系列模型的机理研究和比较；活性污泥模型机理的研究和确定；活性污泥模型计算机应用程序的开发；活性污泥模型的实际应用研究。本论文通过大量翻译相关外文资料，研究了 ASM 模型的发展以及应用；对比相关国内开发应用模型，进行基于 ASM 机理的活性污泥模型的研究和开发；使用相关数学手段对模型进行计算机模拟，开发了界面和使用简单的模拟程序；对模拟结果进行了科学的分析比较。本论文开发了相对完善的活性污泥模型的计算机应用程序；对活性污泥模型的相关参数进行了研究，研究了在我国应用时的取值；对活性污泥模型在我国推广应用进行了有益的探索。
王俊禄[2]2018年在《活性污泥过程关键性问题及控制策略研究》文中指出活性污泥过程是一个伴随着物质和能量的转换和传递的动态生化反应过程。由于受到污水处理过程中多变量、大时滞、强干扰和动态非线性等特征的影响,传统的控制策略往往难以获得令人满意的控制效果。此外,污水处理过程中还存在一些难以直接测量的重要参数,严重制约着污水处理控制系统自动化水平的提高。因此,研究新型智能优化控制算法不仅仅能丰富复杂过程的智能优化控制方法的理论意义,还能对污水处理系统的建模、智能控制器设计以及智能传感器设计具有一定的实用价值。论文以国际水协(IWA)和欧盟科学技术合作组织(COST)共同开发的基准仿真模型BSM1为基础,对污水处理过程智能控制中几个关键问题进行了深入研究。本论文的主要研究工作及创新点如下:1、针对活性污泥1号机理模型(ASM1)和二沉池模型进行详细阐述和分析,研究了活性污泥法的生化反映特性;然后对COST和IWA共同提出的活性污泥基准仿真模型(BSM1)进行了深入研究,并详细介绍了其评价标准;最后在MATLAB环境下建立BSM1,并用COST提供的数据验证了模型的准确性和稳定性。为下一步ASM1参数估计、智能控制器设计及BOD软测量技术研究奠定基础。2、针对ASM1在实际应用中运行环境对模型动力学参数的影响,首先研究了标准布谷鸟算法的改进策略;其次,以模型出水值与实际测量值之间最小二乘关系建立目标函数;最后在MATLAB平台上采用改进的布谷鸟搜索算法对ASM1模型的动力学参数进行了估计和校正,并与其它算法进行比较,该方法能够快速准确的对动力学参数进行估计。3、针对传统的PID控制器在未知干扰的情况下难以快速精确的将DO浓度维持在期望值水平的问题,设计了一种自适应PID溶解氧控制器,该控制器利用RBF神经网络强大的学习能力和自适应能力,通过梯度下降法动态改变PID控制器的叁个参数。最终在BSM1上实现该控制策略并与传统PID的控制效果进行对比,实验结果表明RBFNNPID具有良好的跟踪性能、抗干扰性及较强的鲁棒性。4、针对活性污泥过程中出水BOD_5难以实现实时在线测量的难题,建立基于ICS算法优化极限学习机(ICS-ELM)的软测量模型。该方法将极限学习机的输入权值矩阵和隐含层阈值编码为布谷鸟鸟窝的位置,通过ICS强大的全局搜索能力获得最优的极限学习机参数,达到减少隐含层节点,提高预测精度的目的。最后通过与其他软测量建模算的比较,本文建立的软测量模型的预测精度和训练速度明显优于其他算法。
夏静文[3]2008年在《污水处理工艺设备系统模型研究与仿真》文中指出活性污泥系统由于运行稳定、处理效果高、运行成本低等特点而成为废水处理的主要的方法。到目前为止,大部分的城市污水处理工艺都采用活性污泥法或活性污泥法的变种,因而该工艺在废水处理中处于非常重要的地位。但是活性污泥工艺设计、运行还停留在经验水平,对工艺系统理论的深入研究以及运用远远不够。由于活性污泥工艺过程的复杂性,实验研究无法满足工艺运行的要求,因此工艺系统数学模型的研究,有助于掌握活性污泥工艺的现象和规律,从而有效指导生产实践。IAWQ组织提出的ASM系列模型已成为活性污泥过程仿真和控制的重要基础,将模型和控制理论及方法结合起来,可实现按照处理水质的要求,达到优化运行的目的。在城市污水活性污泥处理系统中,生物反应器和沉淀池是系统的重要组成部分。建立生物反应模型和沉淀模型是污水生物处理系统模拟的关键。本课题研究了活性污泥模型和沉降模型中的各种动力学参数,化学计量和沉降特性参数。并在ASM2号模型和Vesilind沉降模型的基础上,结合反应器模型原理,构建了活性污泥设备系统模型。采用Microsoft Visual C++6.0开发了活性污泥系统仿真软件。针对国内大多数同类研究以开发专用活性污泥流程模拟系统为主,软件的通用性不强,本课题在“模块化”思想指导下,对好氧池,厌氧池,缺氧池,二沉池等设施单独建模,通过设计程序算法,将不同反应器模块按照实际工艺流程顺序组合在一起,开发出通用活性污泥流程模拟系统。在ASM模型关于组分划分的基础上,本课题进一步提出适合我国水质的完整组分划分方案,实现了实际水质数据与理论组分数据之间的转化。本文对淮南首创第一污水处理厂的进水水质进行组分转换,利用该厂氧化沟工艺系统运行数据对模型进行了标定。并利用该模型对该厂进行了静态模拟,动态模拟,模型参数调整,工艺参数优化。研究结果表明,开发的活性污泥系统仿真软件可以用来模拟及优化城市污水活性污泥处理系统及脱氮除磷工艺,是进行活性污泥工艺模拟仿真的有效工具。为城市污水处理厂的实际运行管理提供具有重要价值的参考依据,值得在我国进行进一步的深入研究和推广应用。
鞠兴华[4]2008年在《城市污水活性污泥生物脱氮模型及模拟研究》文中研究指明利用数学模型和数值计算对城市污水处理厂生物处理系统进行系统分析、模拟、设计、控制和诊断是目前水污染控制领域研究的热点。本文以国际水协会(IWA)1号模型(ASM1)为对象,首先对其系统构成进行解析,然后进行组分和参数敏感度分析以及模型多参数估计,在此基础上,探讨模型组分和参数的测定方法,最后采用ASM1对四级分段进水A/O生物脱氮系统进行了模拟研究。建立了敏感度方程,采用COST模拟基准,对ASM1模型参数和组分进行了敏感度分析,获得了参数不确定性对系统整体性能影响的定量分析结果:5个化学计量参数中,Y_H对模拟结果的影响最大,敏感度最高;14个动力学参数中,敏感度较大的参数依次为μ_A、b_H和k_h;模型组分中对出水COD、SS、氨氮和总氮影响最大的分别为S_I、X_s、S_NH和X_s。敏感度分析结果为ASMl应用中参数的选择、取值提供了可行的依据。针对ASM1中参数多,且与出水水质关系的复杂性,采用遗传算法对其进行最优估计。确定了遗传算法的目标函数,设计了遗传策略。在COST模拟基准条件下,进行了叁参数和四参数估计算例的验证和分析,参数估计平均误差小于5%。与人工估计方法相比,采用遗传算法估计ASM1模型参数,具有较高的可靠性和搜索效率。对ASM1组分及参数的测定方法进行了全面探讨,在此基础上,对西安市北石桥污水处理厂水质特性进行了分析和活性污泥系统ASM1模型参数的测定。结果表明该厂进水溶解态惰性有机物S_I、快速可生物降解有机物S_s、慢速可生物降解有机物X_s和颗粒态惰性有机物X_I分别占污水总COD的比例平均为4.10%、17.60%、51.60%和13.28%;氨氮、溶解态有机氮和颗粒态有机氮占总氮的比例平均为64.94%、7.35%和27.71%。DE氧化沟和四级分段进水A/O生物脱氮工艺的污泥产率系数Y_H别为0.72和0.697;活性污泥混合液COD与MLSS单位转换系数分别为0.808gCOD/gMLSS和0.777gCOD/gMLSS。DE氧化沟异养菌衰减系数b_H为0.612d~(-1)(25℃)。在上述研究结果的基础上,对四级分段进水A/O生物脱氮工艺试验系统进行了模拟,模拟出水COD与实测结果的平均误差为9.3%,说明本研究提出的组分和参数的测定方法、敏感参数的选择原则、参数的估计方法是合理的。最后采用了遗传算法对四级分段进水A/O生物脱氮工艺进水流量进行了优化分配。以模拟出水水质与实际出水水质的误差最小为目标函数,得到各级进水流量分配比例为37.2%、27.4%、23.2%和12.2%。将此结果应用于实际污水处理试验中,可以得到较高的污染物去除效率。通过对活性污泥系统模型及模拟的理论分析和应用研究,为深入理解活性污泥工艺的动态行为和规律,优化污水处理系统设计和运行方案,提高经济社会效益,提供了理论基础和技术手段。
黄晓琪[5]2013年在《污水处理过程节能优化控制方法的研究》文中提出污水处理过程是一个变量繁多，具有大时变、大时滞特点的动态非线性生化反应过程，对污水进行有效处理已成为当今世界为解决水环境问题的重要议题。为了提高污水处理装置运行效率、保证出水质量、降低运行费用，研究新型的智能优化控制方法来实现节能达标的目标，是当前污水处理行业的发展趋势。论文基于BSM1模型提出了一种污水处理过程多变量回路控制策略，建立了一种能够直接表达出水水质与能耗关系的能耗特征模型，设计了一种预测优化控制方法，以实现污水处理节能降耗，并通过实验验证了其研究工作的可行性和有效性。论文的主要创新点概括如下：1、在深入分析活性污泥法的数学模型ASM1和基准仿真模型BSM1的基础上，建立了BSM1仿真平台，并于MATLAB环境下实现可视化运行。同时提出了一种污水处理多变量回路控制策略，该策略基于递归神经网络设计控制器，并应用到建立的BSM1平台上，实验结果显示，相较于传统PID控制、前馈BP神经网络控制，该回路控制策略具有更优的自适应性、鲁棒性和稳定性。2、针对污水处理过程难没有水质和能耗间关系表达的问题，提出了一种污水处理过程能耗特征模型。首先通过系统分析出水评价指标、能耗影响指标及其分别与ASM1各组分间的组成关系，挖掘出能耗与出水水质的内部联系，从而设计了一种基于扩展Elman神经网络的模型建模方法，实现了能耗特征模型的建立。仿真结果表明，污水处理过程能耗特征模型（EENN-ECM）能直接的实时精确的表达出水水质和能耗的关系，填补了污水处理过程能耗通用模型的空白。3、为解决污水处理过程能耗较高的问题，提出了一种基于EENN-ECM的节能优化控制策略。该策略基于A/O脱氮工艺首先对污水处理过程生物脱氮机理进行分析，进而确定对生化反应池的溶解氧浓度、混合液悬浮固体浓度和硝态氮浓度实施控制优化，然后设计出一种预测控制方法，建立了一套完整的优化控制系统架构，最后应用于污水处理过程中。实验表明，该优化控制策略能够实现底层控制器设定值的动态优化，有效降低能耗。
余颖[6]2005年在《活性污泥法污水处理过程智能建模及仿真研究》文中指出活性污泥法是利用自然界微生物的生命活动来清除污水中有机物和脱氮除磷的一种有效方法。活性污泥法污水处理过程是一个动态的多变量、强耦合过程,具有时变、高度非线性、不确定性和滞后等特点,过程建模相当困难。为保证处理过程运行良好和提高出水质量,开发精确、实用的动态模型已成为国内外专家学者普遍关心的问题。此外,由于污水处理过程是一个复杂的生化反应过程,现场试验不仅时间长且成本很高,因此,研究对污水处理过程的建模和仿真技术具有十分重要的现实意义。本文在深入分析现有研究成果的基础上,对活性污泥法污水处理过程的智能建模方法及仿真技术进行了研究。主要做了以下几方面工作:(1)在充分了解活性污泥法污水处理过程的现状及工艺流程的基础上,深入分析了现有的几种建模的方法,并且给出该过程建模和仿真技术的发展方向;(2)研究了基于BP 和RBF 神经网络的小型活性污泥法污水处理系统建模方法,证明了神经网络建立污水处理过程模型是有效可行的;研究结果表明:①采用RBF 网络建立的模型,具有方法简单、学习速度快等优点;②RBF 网络能很快逼近训练数据,收敛速度明显快于BP 网络;③BP 网络的泛化能力好于RBF网络;(3)提出了基于PCA-减法聚类-ANFIS 的活性污泥法污水处理过程建模方法,并且与基于PCA-BP 神经网络污水处理模型相比,具有更好的拟合能力及收敛速度。(4)采用LabVIEW 软件平台开发了活性污泥法污水处理过程仿真软件,初步实现了曝气池和二沉池的反应机理。本文的研究对我国污水处理过程的模型发展和仿真技术的开发有一定借鉴意义,但由于条件和时间的限制,尚有许多方面有待改进和深入探讨。
杜敬[7]2013年在《反馈支持向量回归算法与ASM2D在污水厂设计中的应用研究》文中研究说明准确预测污水处理厂进、出水水质，掌握废水的水质特性是进行科学合理设计污水处理构筑物的前提。本论文以某城市污水处理厂的实际设计为依托，分别利用支持向量回归算法与活性污泥2D号模型Activated Sludge Model2D（ASM2D）对某城市污水处理厂进、出水水质进行预测，并验证了以反馈支持向量回归算法预测进水水质为依托进行污水处理厂的设计，将有助于提高设计的合理性与经济性。本论文主要研究成果如下：（1）利用新型的水质预测模型——支持向量回归的灰色组合模型Gray SupportVector Regression（GSVR）对某污水处理厂的进水水质进行预测，并就模型预测结果的准确性进行了检验，结果表明支持向量回归的灰色组合模型精度高于单一的灰色理论模型、支持向量回归模型以及BP神经网络模型，但该模型对于波动较大数据的预测有一定的缺陷。（2）在进一步完善支持向量回归的灰色组合模型（GSVR）的基础上，提出了反馈支持向量机的算法Recurrent Support Vector Regression(RSVR)模拟应用中，该算法显示出较高的拟合精度，特别是对波动数据，适合在污水处理厂设计中加以应用。（3）ASM2D模型的应用依托于COD组分的测试，研究中通过一系列对比实验提出了一套实操性、重现性较强，易于在城市污水处理厂推广应用，完整的COD组分检测方法。该方法所有检测工作可在污水处理厂化验室内1d完成。①对于溶解性不可降解COD组分SI的测定，分离实验的比较验证了物化法检测SI的可行性。从准确性、实用性、合理性等因素考虑建议选用“絮凝+0.45μmPES滤膜”过滤的方法作为分离方法；②对于快速易生物降解COD组分SS的测定，用实验验证批式OUR法测定SS的可行性；③慢速可生物降解COD组分XS可转化为BCOD的检测，而BCOD可以根据测定的BOD5来估算，也可以根据BOD5和kBOD均值来确定；④由于五点滴定法配有专门的数据分析程序TITRA5.EXE，具有简单、省时的优点，推荐由此法检测发酵产物SA，试验中为了验证5点滴定法的准确性，不仅对醋酸标准溶液进行了测定，还结合液相色谱法进行了实际废水的SA检测，结果表明用5点pH滴定法测定水中的乙酸HAC在10—60mg/L之间是完全可行的。（4）将提出的COD组分测试方法应用于ASM2D数学模型，对设计工艺的出水水质进行模拟，结果表明对于生物除磷工艺需要辅以化学除磷以保证出水水质稳定达标排放。（5）应用实际案例说明了应用反馈支持向量回归算法对进水水质预测，及ASM2D模型对出水水质模拟在设计应用中的价值性。
高玉玮[8]2008年在《CASS工艺性能及其动力学研究》文中指出循环式活性污泥法工艺(CASS)是近年来国际公认的处理废水的先进工艺。国内也已开始对CASS工艺进行研究，并逐步在工业废水处理的工程中开始应用。本实验采用小型CASS反应器对某厂的难降解农药生产废水和某厂的合成制药废水进行处理实验研究，重点研究了污泥回流比、进水历时、CASS池各区比例、有机负荷等因素对CASS系统去除废水COD和氨氮效果的影响。实验结果表明：两种废水的处理以回流比为50％的运行效果要比回流比为100％和200％时运行的效果好，加大回流比并不能提高系统的处理效果；进水历时的改变，CASS表现出良好的抗水力冲击负荷能力。减小兼氧区体积后，农药废水的处理效率升高。农药废水污泥负荷从0．33kgCOD／(kgMLSS·d)增加到0．86kgCOD／(kgMLSS·d)系统运行稳定，COD去除率达到89％；制药废水污泥负荷从0．2kgCOD／(kgMLSS·d)增加到0．53kgCOD／(kgMLSS·d)，COD去除率保持在82％以上，在试验负荷范围内，CASS表现出一定的耐冲击负荷能力。对实验CASS反应器的动力学模型进行了推导，得出在实验条件下CASS处理农药废水的动力学模型为：处理制药废水的动力学模型为：
叶洪涛[9]2011年在《基于免疫算法的污水处理系统预测及优化控制研究》文中指出污水生化处理过程机理复杂,具有强耦合性、非线性、时变性等特征,智能化算法的引入能有力推动污水处理研究的发展。免疫算法是基于生物免疫机理而建立起来的用于解决各种复杂问题的智能化算法,已经广泛应用在故障诊断、优化计算、智能控制等领域中。但是,免疫算法的理论和应用研究还有较大的空间,在污水处理系统中的应用研究还很少。本文在总结前人工作的基础上,对免疫算法的理论进行了深入的研究和改进,并将其应用于污水处理系统的异常数据检测、出水水质预测、模型参数估计、解耦控制及最优控制中。本文的主要研究内容概括如下:1.为了获得高品质的污水处理数据,采用改进的实值负向选择算法对采集到的数据进行检测,剔除异常数据。该算法通过采用可变尺寸检测器,同时限制检测器的最小半径来提高算法的性能。通过对时间序列信号进行检测,验证了改进算法的有效性。将改进的实值负向选择算法应用于污水处理系统异常数据检测中,仿真结果表明,该算法提高了污水异常数据的检测精度。2.为了提高污水处理系统出水水质的预测精度,根据某污水处理厂工艺流程及进水水质特点,分析了影响出水水质的主要因素。污水处理系统是一个多输入多输出系统,而传统的支持向量回归机(SVRM)算法只适用于单输出系统,若采用构造一系列单输出SVRM模型的方法,由于输出变量之间的关联性,增加了算法复杂性且精度较差。为了解决多输出系统预测问题,提出了一种多输出最小二乘支持向量回归机(LS-SVRM)算法。采用多输出LS-SVRM进行污水处理系统出水水质预测,并应用免疫算法来优化多输出LS-SVRM的参数。仿真结果表明,所提出的方法提高了污水处理系统出水水质的预测精度。3.针对污水处理系统活性污泥模型参数不确定,以及应用于不同环境的模型参数并不能取同样参数值的问题,提出了一种基于改进免疫算法的模型参数估计方法。在改进的免疫算法中,根据生物免疫机制及生物进化的周期性,设计了一种周期变化变异算子,提高了算法的搜索效率。同时,将抗体浓度与亲和度矢量距离相结合作为评价指标,设计了一种改进的免疫选择算子,避免了仅仅以亲和度作为免疫选择评价标准,低亲和度抗体过度抑制的缺点。基于马尔科夫链分析了改进免疫算法的收敛性,并通过测试函数验证了该算法的有效性。将改进的免疫算法应用到活性污泥模型参数估计中,仿真结果表明,该方法提高了模型参数的估计精度。4.针对氨氮浓度和硝态氮浓度之间相互耦合,以及常规的PID控制方法难以获得满意控制效果的特点,以溶解氧浓度和内循环流量为操作变量,采用PID神经网络(PIDNN)对氨氮浓度和硝态氮浓度进行解耦控制。针对PIDNN连接权值容易陷入局部最优值,应用免疫算法优化PIDNN连接权值,并对解耦控制系统的稳定条件进行了分析。免疫算法采用抗体浓度与亲和度矢量距离相结合的免疫选择算子,提高算法寻找PIDNN连接权值最优值的能力。仿真所需的化学计量系数和动力学参数采用活性污泥模型参数估计值,仿真结果表明,该方法对污水生化处理系统具有很好的解耦能力和控制品质。5.针对污水处理过程运行费用最优控制问题,以污泥排放量和溶解氧浓度作为控制变量,以剩余污泥处理、污泥回流与供气叁者的运行费用之和作为性能指标,以有机物排放总量和出水水质作为约束条件,提出了一种新型免疫算法求解污水处理过程运行费用的最优值。新型免疫算法将变尺度方法引入到高斯变异和柯西变异中,设计了一种变尺度混合变异算子,提高了算法的搜索效率,并对该算法的收敛性、稳定性和时间复杂度进行了分析。将新型免疫算法与基本免疫算法和遗传算法进行比较,仿真结果表明,新型免疫算法的收敛速度最快,搜索到的运行费用最优值的次数最多,运行费用平均值和方差最小。
黄学平[10]2017年在《养猪废水处理耦合能源小球藻培养研究》文中研究说明利用养猪废水资源化培养能源微藻制备生物柴油,不但能够降低生物柴油的原材料生产成本、缓解能源短缺问题;而且可以利用养猪废水中的N和P等污染物、变废为宝,同时达到净化废水目的。本文主要进行藻在养猪废水中的生长适应性、养猪废水作为藻类培养基的可能性考察,从本地水环境筛选出能在养猪废水中优势生长、废水处理效果好、产油潜力大的目标藻种并进行18S rRNA基因鉴定,开展目标藻种生长好、产油潜力大与猪沼液处理效率高的耦联工艺优化研究等。具体研究内容及结论如下:1、基于SPSS软件的因子分析法,综合评价本地藻种(小球藻)与外购藻种(四尾栅藻、微囊藻)在养猪废水水质中的生长适应性、不同处理阶段的养猪废水水质成份作为藻类培养基的可能性及藻对外界环境温度变化等的适应能力。结果表明:试验用养猪场水样中原水的COD(4500mg/L)、NH_3-N(250mg/L)、TN(210~270mg/L)、TP(36mg/L)营养成份较适合藻生长;试验所用藻种中,小球藻藻细胞繁殖快、生长状态好、生长的综合适应能力表现为最强,能在养猪废水中生长成为优势藻种。2、从本地水环境取含藻混合液,按形态学观察、判断其主要含有小球藻等6类藻;经进一步分离、提存、扩大培养,按混合和单一藻种分别接种到猪沼液中进行“瓶法”培养;进行藻的生物量观测,利用origin8.5软件中的Slogistic2模型,对各类藻的生长情况进行非线性模拟,结果表明:两种(混合藻种、单一藻种)培养条件下,6类藻种中小球藻的μ_(max)及B_f均取得最大值,说明小球藻在养猪沼液中的生长适应性强、生长速度快、能优势生长;对6类藻种油脂的含量水平及产油潜力进行比对分析,结果显示:小球藻粗脂肪百分含量p%、总脂产量、油脂产率均最大,说明小球藻的产油潜力最大;对比6类藻种培养系统中的沼液水质指标的变化,发现:至试验培养终期,小球藻培养系统中的沼液其COD、NH_3-N、TP的浓度值最低、去除率最高,说明小球藻对培养系统中的沼液水质净化效果最好;因此确认小球藻是适应养猪废水培养环境能力强、能优势生长、产油潜力大、对沼液水质净化效果好的目标藻种筛选对象。将分离提纯得到的目标小球藻藻株IS117和IS118进行18S rRNA基因测序;将两序列上传到美国生物信息中心(NCBI)的基因数据库(GenBank),获得序列登录号分别为KP201572和KP201573;用NJ和MP法构建系统发育进化树,最后鉴定两株藻株为Eukaryota,Viridiplantae,Chlorophyta,Trebouxiophyceae,Chlorellales,Chlorellaceae,Chlorella.3、设计制作猪沼液处理耦合培养小球藻的系列工艺系统,研究分析沼液处理效果、藻生长与产油潜力性能,发现:从沼液处理效果来看,BCO-SBBR-APBR藻菌协同培养处理系统的CODcr、NH_3-N、TP的去除率分别为74.8%、91%、85.4%,均为最高,即其沼液处理效果在所设计的系列工艺系统中是最好的。按稳定期藻性能指标,BCO-SBBR-APBR培养处理系统内的藻生长最好,藻细胞密度、总脂产量、油脂产率分别为15.61×10~6cells/mL、0.495g·L~(-1)、0.062g·L~(-1)·d~(-1),均取得最大值,说明该系统培养环境最适合藻的生长并能充分激发藻的产油潜力;居其后的BCO-SBBR-APBR藻菌协同培养处理系统则分别为11.06×10~6cells/mL、0.368g·L~(-1)、0.037g·L~(-1)·d~(-1),也表现出较好的产油潜力。综合来看,BCO-SBBR-APBR藻菌协同培养处理系统,既可使培养的小球藻生长好、产油潜力大,又能实现养猪废水水质高效净化,是最佳的养猪废水处理及资源化培养能源微藻的耦合系统。利用CFD对BCO、SBBR池内的曝气混合效果开展模拟分析,结果显示:池内藻-沼混合液混合较均匀、充分且死区占比很小;CFD模拟的反应器内部流场能很好地解释与印证本文试验现象即曝气可提高池内混合效果、改善废水处理效果及藻培养性能。4、基于响应面BBD优化设计原理、利用Design-Expert.V8.0.6软件,对藻泥共固定化颗粒的制备进行模拟优化,得到优化设计结果:复合固定化载体的最佳配合比(质量分数)为PVA=5.06%,SA=0.80%,CaCl_2=3.11%;藻、泥、载体的最佳体积配比为小球藻体积份数=1.03、活性污泥体积份数=2.14、载体体积份数=2.03。按优化设计研究结果,取小球藻体积份数=1.0、活性污泥体积份数=2.1、载体体积份数=2.0制备小球藻固定化颗粒、藻泥共固定化颗粒;将制备好的小球藻固定化颗粒、藻泥共固定化颗粒分批投入到BCO-SBBR-APBR实验装置中进行沼液处理研究,结果表明:BCO-SBBR-APBR固定藻菌培养处理系统对猪场沼液CODcr、TP、NH_3-N的去除效果都比BCO-SBBR-APBR固定藻培养处理系统更好。5、对本文所开展的各种工艺条件下的沼液去除效果进行对比,发现:从对CODcr、TP、NH_3-N的去除效果看,相较其它处理系统,BCO-SBBR-APBR固定藻菌培养处理系统表现为最优,其次为BCO-SBBR-APBR藻菌培养处理系统,再其次为BCO-SBBR-APBR固定藻培养处理系统。
参考文献：
[1]. 活性污泥模型实际应用以及适应性研究[D]. 孙宗健. 北京工业大学. 2004
[2]. 活性污泥过程关键性问题及控制策略研究[D]. 王俊禄. 兰州理工大学. 2018
[3]. 污水处理工艺设备系统模型研究与仿真[D]. 夏静文. 太原科技大学. 2008
[4]. 城市污水活性污泥生物脱氮模型及模拟研究[D]. 鞠兴华. 西安建筑科技大学. 2008
[5]. 污水处理过程节能优化控制方法的研究[D]. 黄晓琪. 北京工业大学. 2013
[6]. 活性污泥法污水处理过程智能建模及仿真研究[D]. 余颖. 北京工业大学. 2005
[7]. 反馈支持向量回归算法与ASM2D在污水厂设计中的应用研究[D]. 杜敬. 华中科技大学. 2013
[8]. CASS工艺性能及其动力学研究[D]. 高玉玮. 合肥工业大学. 2008
[9]. 基于免疫算法的污水处理系统预测及优化控制研究[D]. 叶洪涛. 华南理工大学. 2011
[10]. 养猪废水处理耦合能源小球藻培养研究[D]. 黄学平. 南昌大学. 2017
标签：环境科学与资源利用论文; 活性污泥论文; 污水处理工艺论文; 系统仿真论文; 预测控制论文; 水质检测论文; 预测模型论文; 水污染论文; 污水处理厂论文;