《膜生物反应器中同步硝化反硝化动力学模型.pdf》由会员分享，可在线阅读，更多相关《膜生物反应器中同步硝化反硝化动力学模型.pdf（5页珍藏版）》请在三一文库上搜索。
1、 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第8卷 第23期 2008年12月 167121819(2008) 2326283205 科 学 技 术 与 工 程 Science Technology and Engineering Vol18No123Dec. 2008 2008Sci1Tech1Engng1 环境科学 膜生物反应器中同步硝化反硝化动力学模型 蒋胜韬 王三秀 (浙江台州学院,台州317000) 摘 要 在对硝化基础反应动力学和反硝化基础反应动力学分析的基础
2、上,建立了一体式膜生物反应器中的同步硝化反硝 化反应动力学模型。通过一体式膜生物反应器运行的实验数据和模型推导,求得的硝酸盐饱和常数KNO3要远远高于传统单 级反硝化过程中的硝酸盐饱和常数,从量化的角度解释了同步硝化反硝化现象。 关键词 膜生物反应器 硝化 反硝化 同步硝化反硝化 动力学模型 中图法分类号 X524; 文献标志码 A 2008年8月18日收到 浙江省台州学院青年资助项目 (08QN10)资助 第一作者简介:蒋胜韬(1980 ) , 男,江西吉安人,硕士,讲师。研究 方向:水污染治理。E2mail: jst80126. com。 根据膜生物反应器系统中同步硝化反硝化的 实验研究,
3、认为膜生物反应器系统中同步硝化反硝 化的机制可以从微观环境和微生物学机理两个方 面进行解释 1, 2 。从微生物学角度来看 ,由于超滤 膜的强制截留作用,使得自养型硝化菌和异养型反 硝化菌能够在MBR中并存,从而使同步硝化 2 反硝 化的发生成为可能。硝化细菌是自养型好氧微生 物,依靠氨氮和亚硝酸盐氮的氧化获得能量生长, 需要氧气作为呼吸的最终电子受体;反硝化细菌大 多为异养性兼性厌氧微生物,在缺氧和低溶解氧的 条件下利用有机物的氧化作为能量来源,而将硝酸 盐和亚硝酸盐作为无氧呼吸时的电子受体。对于 反硝化细菌来说,氧气的存在对反硝化过程有抑制 作用,主要表现在电子受体(氧气、 亚硝酸盐、 硝
4、酸 盐)之间争夺电子的能力差异上,通常氧气接受电 子的能力远远高于亚硝酸盐和硝酸盐,但是氧气的 存在对绝大部分反硝化菌本身并不抑制,而且这些 细菌呼吸链的某些成分甚至需要在有氧的条件下 才能合成。从微观环境角度而言,由于MBR中能够 存在高浓度的活性污泥,限制了氧气向污泥絮体内 部的扩散,因而在污泥絮体内部能够形成缺氧环 境,在这种条件下,硝化反应可以在有氧的污泥絮 体表面进行,而反硝化则可以在缺氧的絮体内部进 行。基于上述分析进行了一体式膜生物反应器中 同步硝化 2 反硝化动力学模型的推导 3。 1 同步硝化反硝化基础动力学 1. 1 硝化反应基础动力学 生物硝化是在两组自养型硝化细菌 2
5、亚硝酸细 菌和硝酸细菌的作用下,将氨氮转化为硝态氮的反 应过程。硝化作用作为生物硝化 2 反硝化脱氮系统 的第一步,它的好坏将直接影响脱氮效率。 自养型硝化细菌增殖与底物去除的动力学模 型与异养型细菌的动力学模型相似。亚硝酸细菌 和NH + 42N,以及硝酸细菌和NO - 22N的关系可以用 Monod方程来表示: = maxS KS+ S (1) (1)式中 为硝化菌的比增长速率; max为硝化菌的 最大比增长速率;KS为底物的饱和常数,其值为= max/2时的底物浓度;S为底物 (NH + 42N或NO - 22 N) 浓度。 亚硝化菌和硝化菌的反应速率常数见表1,其 1994-2010
6、China Academic Journal Electronic Publishing House. All rights reserved. 中总过程表示把整个硝化作用作为一步看待时得 到的结果。 表120 时硝化反应速率常数 46 反应速 率常数 亚硝化菌硝化菌总过程 最大比增长速率max d - 1 0. 6 - 0. 80. 6 - 1. 00. 6 - 0. 8 氨氮的饱和常数KS,NH4gm- 30. 30. 7 0. 81. 20. 30. 7 氧的饱和常数KS,O2 gm - 3 0. 51. 00. 51. 50. 51. 0 最大产率系数YmaxggN 0. 100. 1
7、20. 050. 07 0. 150. 20 衰减常数bd- 10. 030. 060. 030. 06 0. 030. 06 由式(1)可以看出,当KSS时,可以认为比增 长速率与底物浓度S之间呈零级反应关系。一些 研究表明,稳定状态下,硝化过程中由NO - 22N转化 为NO - 32N的速率很快, NO - 22N很少积累,说明 NH + 42N转化为NO - 22N是硝化反应的控制步骤,因 此式(1)可改写为 46 = max SNH+ 42N KS+ SNH+ 42N (2) (2)式中,为亚硝酸菌的比增长速率; max为亚硝 酸菌的最大比增长速率;SNH42N为氨氮的浓度;KS为
8、底物的饱和常数。 1. 2 反硝化反应基础动力学 影响反硝化细菌进行同化作用和异化作用的 底物有两种:NO - 32N和有机物。研究表明 4, 5 ,反硝 化细菌的增殖与NO - 32N和有机物的关系可以用式 (3)表示 = maxSN (K S + S) (KN+N ) (3) (3)式中,和 max分别表示反硝化细菌的比增长速 率和最大比增长速率;S和N表示污水中有机物和 NO - 32N的浓度;KS和 KN分别对应于有机物和 NO - 32N的饱和常数。反硝化过程的反应速率常数 见表2。 KS一般的取值范围为 (5 10) mg/L,KN在 (0. 2 0. 5) mg/L之间。因为硝化
9、出的NO - 3 - N浓 度一般大于 (2 4) mg/L,所以KN与N相比可以忽 略;又因为为了能使反硝化作用以最大速率进行, 必须有过量的有机物存在,这时KS和S相比很小可 以忽略不计,于是式(3)简写为: = max (4) 表220 时反硝化过程的反应速率常数 46 反应速率常数单位取值范围 最大比增长速率 * maxd - 1 5 - 10 衰减常数bd- 10. 05 - 0. 10 硝酸盐饱和常数 KN gm - 3 0. 2 - 0. 5 有机物饱和常数 * KS gm - 3 5 - 10 氧抑制的饱和常数 KS,O2 (NO 3) gm - 3 0. 1 - 0. 5 最
10、大产率系数 * Ymax kg/kg0. 5 - 0. 65 3以甲醇作为碳源 式(4)表示当有机物大大过量时,反硝化速率 遵循零级反应关系。研究证明硝酸盐浓度只要超 过0. 1 mg/L ,便对反硝化反应速率无影响。因而认 为反硝化速率与NO - 32N之间的呈零级反应关系,而 与反硝化细菌的浓度呈一级反应关系 4 。如式 (5) 所示: dNO - 3 dt N = Kx(5) 式中, dNO - 3 dt N表示反硝化速率 ;x表示反硝化细菌 的浓度;K表示反硝化反应速率系数。 2 同步硝化反硝化反应动力学模型的推导 实验流程如图1所示。由进水泵将原水箱中的 原水打入反应器上部的进水口,
11、随着原水的流入, 水位上涨,达到预定的高水位时,高水位液位计发 出电信号,进水泵停止工作,进水结束。膜组件通 过PLC控制,实现间歇出水,出水时间的控制采取 出6停2的方式,即出水泵连续工作6分钟后停止 运行2分钟,再运行6分钟停2分钟的循环方式。 当反应器中水位到达低液位时,出水泵停止出水, 进水泵开始工作,从原水箱中抽取原水送至反应 器。试验工艺参数为:MLSS为6 520 mg/L, DO维 持在0. 8 mg/L左右, pH为7. 1,水温为2022。 4826科 学 技 术 与 工 程8卷 1994-2010 China Academic Journal Electronic Pub
12、lishing House. All rights reserved. 图1 实验装置的工艺流程图 实验结果见图2和图3所示,在此基础上进行 了同步硝化-反硝化动力学模型的推导。 进行模型推导时,主要的假设条件如下。 (1)在反应周期内,通过检测反应前后污泥浓 度的变化,发现污泥增长量较少,故假定活性污泥 中硝化菌和反硝化菌的性质和数量稳定,不随时间 的变化而变化。即忽略同化作用对氮类物质变化 的影响。 (2)硝化反应和反硝化反应同时进行,互不干 扰,并且都符合Monod模型。因此,MBR反应器中 NH3- N的变化可以认为完全是由于硝化作用引起 的,并用式(6)来表示: dSNH dt =
13、- 1 YA A SNH SNH+ KNH SO KOA+ SO XBA(6) (6)式中:SNH为氨氮浓度(mg/L) ;KNH为氨氮的饱 和常 数(mg/L ) ;YA为 自 养 菌 污 泥 产 率 系 数 (kg/kg) ;A为自养菌最大比增长速率 (h - 1 ) ; SO为 溶解氧浓度(mg/L) ;KOA为自养菌溶解氧饱和常数 (mg/L) ;XBA为自养菌浓度 (mg/L)。 式中,YA 、 A、SO、KOA、XBA均为常数,根据表1, KNH取值范围在0. 30. 7 mg NH3- N /L之间。在 试验的前期和中期,氨氮的含量均远大于KNH,故将 式(6)简化为: dSNH
14、 dt = - k(7) (7)式中:k为常数。 从式(7)可以看出,硝化过程中氨氮的变化呈 线性降低,这也与试验结果(图2所示)基本相 吻合。 图4 氨氮随反应时间的线性变化趋势 根据试验结果,对数据进行拟和,如图4所示。 由此可以得到k值为4. 07。 因此硝化反应的模型为: dSNH dt = -4.07。 对MBR反应器中NO - 32N做物料衡算,列方程 如式(8) dSNO3 dt 同步硝化反硝化 = dSNO3 dt 硝化 + dSNO3 dt 反硝化 (8) 582623期蒋胜韬,等:膜生物反应器中同步硝化反硝化动力学模型 1994-2010 China Academic Jo
15、urnal Electronic Publishing House. All rights reserved. 在整个试验期间,NO - 22N的 含量均较低,可以近视 认为硝化过程中氨氮完全转化成NO - 3 - N,因而可 以得到式(9) dSNO3 dt 同步硝化反硝化 = - dSNH dt + dSNO3 dt 反硝化 (9) 对于反硝化过程,则有 dSNO3 dt 反硝化 = - 1- YH 2.86YH XBH SS KS+ SS g KOH KOH+ SO SNO3 KNO3+ SNO3 (10) 式中:SNO3为硝酸盐氮浓度(mg/L) ;KNO3为硝酸盐氮 的饱和常数(mg
16、/L) ;YH为异养菌污泥产率系数 (kg/kg) ;H为异养菌最大比增长速率 (h - 1 ) ; SS为 有机 物 浓 度(mg/L ) ;KS为 有 机 物 饱 和 常 数 (mg/L) ;KOH为异养菌溶解氧饱和常数 (mg/L) ;XBH 为异养菌浓度(mg/L) ;g为污泥缺氧生长校正系 数 (0 g 1) 。(10)式中,YH 、 H、SO、KS、KOH 、 g、 XBH均为常数,在试验过程中,间隔一段时间向反应 器中补充一定量的有机物以满足同步硝化 2 反硝化 对碳源的需求,反应器中的有机物浓度被维持在一 个较小的范围内波动。KS取值一般在20 mg/L左 右,在试验期间,KS
17、一直远低于SS。故将SS / ( KS+ SS)项看作常数。根据上述分析,可将式(10)简化 为式(11)。 dSNO3 dt 同步硝化反硝化 = kA SNO3 KNO3+ SNO3 (11) (11)式中A为常数。 对式(11)进行分项积分,得式(12)。 t = SNO3 k - A + KNO3 k - A ln AKNO3 AKNO3+ (k - A) SNO3 (12) 在前面已经解得k=4. 07,将式(12)与试验结 果(图2所示)用Matlab软件进行拟合,得到 A=2. 15,KNO3=3. 7。 因此同步硝化反硝化的动力学模型为 dSNO3 dt 同步硝化反硝化 =4.0
18、7-4.82 SNO3 3.7+ SNO3 。 在模型中,求得反硝化过程中得硝酸盐氮饱和 常数KNO3=3. 7 mg/L,该值远远大于单级反硝化过 程中得硝酸盐氮饱和常数 (0. 2 0. 5 mg/L)。由于 同步硝化 2 反硝化的实现是依赖于好氧 2 厌氧的微环 境,传质过程中扩散阻力的存在,使得反硝化过程 缺氧区的硝酸盐浓度要比主体溶液中的硝酸盐浓 度为低。因而反硝化实际进程要比主体溶液中相 同硝酸盐氮含量的单级反硝化过程为慢,从而在模 型上表现为硝酸盐氮的饱和常数值大为提高。 3 结论与建议 在对硝化基础反应动力学和反硝化基础反应 动力学分析的基础上,建立了一体式膜生物反应器 中的同
19、步硝化反硝化反应动力学模型。通过一体 式膜生物反应器运行的实验数据和模型推导,求得 的硝酸盐饱和常数KNO3要远远高于传统单级反硝化 过程中的硝酸盐饱和常数,从量化的角度解释了同 步硝化反硝化现象,为进一步研究同步硝化反硝化 模型和指导工程应用提供一定的借鉴。 参 考 文 献 1 齐 唯,李春杰,何义亮.浸没式膜生物反应器的同步硝化反硝 化效应.中国给水排水, 2003; 19(7) : 811 2 邹联沛,刘旭东,王宝贞,等. MBR中影响同步硝化反硝化的生态 因子.环境科学, 2001; 22(4) : 5155 3Pochana K, Keller J. Model developmen
20、t for simultaneous nitrifica2 tion and denitrification. Wat Sci Tech, 1999; 39 (1) : 235243 4 顾夏声.废水生物处理数学模式 (2 版 ). 北京:清华大学出版社, 1993: 105204 5 臧荣春,夏凤毅.微生物动力学模型.北京:化学工业出版社, 2004: 100260 6 国家城市给水排水工程技术研究中心译.污水生物与化学处理 技术.北京:中国建筑工业出版社, 2002: 151206 6826科 学 技 术 与 工 程8卷 1994-2010 China Academic Journal E
21、lectronic Publishing House. All rights reserved. Derivation of the Kinetic M odel for Simultaneous Nitrification and Den itrification in SubmergedM embrane Bioreactor J I ANG Sheng2tao, WANG San2xiu (Taizhou University of Zhejiang Province, Taizhou 317000, P1R1China) AbstractAccording to the analysi
22、s of kinetic model of nitrification and denitrification, the kinetic model of simultaneous nitrification and denitrification in the submerged membrane bioreactor have been established. Based on the experimental results and the kinetic model of simultaneous nitrification and denitrification in the su
23、bmerged membrane bioreactor, the conclusion could be drawn the saturation constant of nitrate (KNO3) is more higher than generalKNO3in traditional in denitrification process, and it could be explained the si multaneous nitrification denitri2 fication phenomenon. Key wordssubmerged membrane bioreacto
24、r(S MBR)nitrificationdenitrificationsi multaneous ni2 trification and denitrification(SND)kinetic model (上接第6277页) Developing Dynam icM odulusMaster Curves of Asphalt Concrete in Indirect Tension M ode MA Lin, ZHANG Xiao2ning (Road Research Institute, South China University of Technology, Guangzhou
25、510640, P1R1China) AbstractDynamic modulus of asphalt concrete is the i mportant parameter for the asphalt pavement . Based on the indirect tension test mode, adopting three typical mixes in China, using the GPM testing mode, the indirect tension dynamic modulus were determined according to the corr
26、ected biaxial strain and stress . Master curves are constructed using the principle of time2temperature superposition. The Hirsch modelwas used to estimate the limit2 ing maximum modulusof themixtures, the GlobalAgingModel and theArrheniusModel are used to obtain the shift factors, the master curves
27、 and the Sigmodial function ofmaster curves are determined by numerical optimization for three typicalmixes .The goodness of fit statistics provides an excellent fit to the measured data with the correlation coefficientR 2 all greater than 0. 99. The results clearly show the Sigmodial function of I DT dynamic modulusmaster curves for three mixes are goodness of fit statistics . Key wordsasphalt concretedynamic modulusindirect tension testmaster curvesphase angle principle of time2temperature superpositionshift factor 782623期蒋胜韬,等:膜生物反应器中同步硝化反硝化动力学模型