环境科学  2025, Vol. 46 Issue (1): 118-128   PDF    
引用本文
黄来来, 郜龙威, 李瀚翔, 李祎頔, 李勇. 苏州某污水处理厂GHG排放综合分析及减排路径[J]. 环境科学, 2025, 46(1): 118-128.
HUANG Lai-lai, GAO Long-wei, LI Han-xiang, LI Yi-di, LI Yong. Comprehensive Analysis and Emission Reduction Pathway of GHG Emissions at a Wastewater Treatment Plant in Suzhou[J]. Environmental Science, 2025, 46(1): 118-128.
苏州某污水处理厂GHG排放综合分析及减排路径
黄来来1,2, 郜龙威1,2, 李瀚翔1,2, 李祎頔1,2, 李勇1,2     
1. 苏州科技大学环境科学与工程学院, 苏州 215011;
2. 江苏省环境科学与工程重点实验室, 苏州 215011
收稿日期: 2023-12-25; 修订日期: 2024-03-28
基金项目: 江苏省环境科学与工程重点实验室开放基金项目（JSHJZDSYS-202203）
作者简介: 黄来来（1998~）, 女, 硕士研究生, 主要研究方向为污水处理过程碳排放核算及减碳路径, E-mail：1443112138@qq.com
通信作者: 李瀚翔, E-mail：hanxiang_li@usts.edu.cn; 李勇, E-mail：yongli@169.com
摘要: 以江苏省苏州市某生活污水处理厂为例, 采用碳元素平衡法和排放因子法核算了污水处理系统中产生的温室气体（GHG）排放量. 采用生命周期评价法、成本效益法和数据包络分析模型对污水处理厂不同处理单元的环境影响和经济性作出分析, 并提出减排路径. 结果表明, 苏州某生活污水处理厂GHG排放总量（以CO2计）为6 653.08 kg·（104 m3）-1, 其中直接、间接GHG排放量分别占29.22%和74%, 尾水回用实现了3.3%的减排. 生物处理阶段和污泥处理阶段为苏州某污水处理厂GHG排放源的主要影响环节, 其中生物处理阶段中的大功率设备鼓风机消耗的电力和污泥处理阶段中聚合硫酸铁药剂的使用是GHG排放的主要因素. 由生命周期评价分析可知, 污水厂的电耗、直接排放的CO2、出水的污染物浓度以及化学药剂的使用会对全球变暖、大气酸化和水体富营养化产生负面影响. 经计算, 污水处理厂每处理10 000 m3的污水可获得13 630元的净效益, 但2023年4~5月污水处理厂的规模效益小于1, 表明期间污水厂产出增加的比例少于投入增加的比例, 投入产出的结构不合理. 6月份后通过提高整体运行负荷, 推进技术改进和管理工作, 实现了规模效益的最优化. 苏州某生活污水处理厂可通过安装高效能的泵和风机、利用太阳能光伏和水源热泵系统、工艺改进等措施实现污水处理厂“绿色低碳”的目标.
关键词: 污水处理厂      温室气体（GHG）      环境影响      经济性      减排路径     
Comprehensive Analysis and Emission Reduction Pathway of GHG Emissions at a Wastewater Treatment Plant in Suzhou
HUANG Lai-lai1,2 , GAO Long-wei1,2 , LI Han-xiang1,2 , LI Yi-di1,2 , LI Yong1,2     
1. School of Environmental Science and Engineering, Suzhou University of Science and Technology, Suzhou 215011, China;
2. Jiangsu Provincial Key Laboratory of Environmental Science and Engineering, Suzhou University of Science and Technology, Suzhou 215011, China
Abstract: Taking a sewage treatment plant in Suzhou City, Jiangsu Province, as an example, the greenhouse gas (GHG) emissions generated in the sewage treatment system were calculated using the carbon balance method and the emission factor method. The environmental impacts and economic aspects of different treatment units in wastewater treatment plants were analyzed using life cycle assessment, cost-benefit analysis, and data envelopment analysis models, and emission reduction pathways were proposed. The results indicated that the total GHG emissions (in terms of CO2) from a certain municipal wastewater treatment plant in Suzhou were 6 653.08 kg·(104 m3)-1, with direct and indirect GHG emissions accounting for 29.22% and 74%, respectively. The reuse of treated effluent achieved a reduction of 3.3% in emissions. The biological treatment phase and the sludge treatment phase were the main impact stages for GHG emissions at a certain wastewater treatment plant in Suzhou, where the high-power equipment, specifically the blowers used in the biological treatment phase, and the use of polymeric ferric sulfate agents in the sludge treatment phase were the primary factors contributing to GHG emissions. Life cycle assessment analysis revealed that electricity consumption, direct CO2 emissions, pollutant concentration in the effluent, and the use of chemical agents at wastewater treatment plants had negative impacts on global warming, atmospheric acidification, and eutrophication of water bodies. Calculations indicated that for every 10 000 m3 of wastewater treated, the sewage treatment plant achieved a net benefit of 13 630 RMB. However, from April to May 2023, the scale efficiency of the sewage treatment plant was less than 1. This indicates that during this period, the proportion of output increase was less than that of input increase, demonstrating an irrational structure of input-output. After June, through enhancing the overall operational load, advancing technical improvements, and management efforts, the optimization of scale efficiency was achieved. A sewage treatment plant in Suzhou could achieve the goal of being "green and low-carbon" by installing high-efficiency pumps and fans, utilizing solar photovoltaic and water source heat pump systems, and making process improvements.
Key words: wastewater treatment plants      greenhouse gases (GHG)      environmental impacts      economics      reduction pathway     

污水处理厂作为城市基础设施的核心组成部分, 承担着在污水排入自然环境前去除有害物质的重要任务. 虽然以上设施在减轻水体污染方面发挥了重要作用, 但它们在处理过程中也产生温室气体（greenhouse gases, GHG）和其他环境影响.

在全社会GHG排放总量中, 污水处理行业产生的GHG排放量占比约为1%~2%[1]. 污水处理厂在电能和化学品使用上消耗较大, 这会产生间接GHG排放. 同时, 在污染物的降解转化过程中, 还会直接排放大量GHG, 如CO2、CH4和N2O, 对环境的影响不容小觑. 更引人关注的是, 中国污水处理行业的年GHG排放量（以CO2计）呈现出显著的增长趋势, 从2005年约1 334万t[2]逐渐升至2020年约5 646万t[3]. 此外, 污水处理厂还向环境直接排放了引发水体富营养化的物质, 如氨氮、硝酸盐氮和磷酸盐等[4]. 同时, 火力发电过程也会向环境排放SO2等酸性气体[5]. 持续的城市化和工业化给中国的污水处理厂带来了越来越大的挑战, 特别是人口密集地区需要处理的废水量每年都在增加, 化学品和能源使用量也随之增加, 进一步加剧了对环境的负面影响[1]. 在“十四五”规划和碳达峰、碳中和目标的背景下, 我国更加重视SO2、NOx和CO2等大气酸化和全球变暖潜能物质排放量的管控, 关于污水处理行业的GHG排放和环境影响研究也相应增加.

以往关于污水处理厂GHG排放和综合效益的研究主要应用生命周期评价方法. 目前, 已有对AAO、MBR、OD、CAST和SBR等不同污水处理工艺GHG排放的分析和环境影响评估[6 ~ 11]. 此外, 还有研究比较了加入食物垃圾进行厌氧共消化前后的GHG排放情况, 发现食物垃圾与污泥厌氧共消化, 并进行热电联产能够实现GHG减排, 减排量是原排放量的1.3倍[12, 13]. 不同污泥处理技术（如厌氧消化回收沼气、焚烧发电和热解等）具有一定的GHG减排潜力[10, 11, 14], 如污泥厌氧消化可大大减少整个污水处理过程中能源消耗对环境的影响. 多项研究也探讨了不同地区污水处理厂的GHG排放情况, 揭示了地区能源系统和进水水质等因素会对污水处理厂的GHG排放产生影响[8, 9, 14, 15].

然而, 目前研究主要集中在对污水处理厂整体GHG排放的分析, 并未针对各处理单元的GHG排放进行讨论. 有学者在评估地上式、地下式污水处理厂的GHG排放和综合影响时, 只评估整个污水处理厂的环境影响、生态效益和经济成本[4, 16]；还有的研究从污水处理阶段和污泥处理处置阶段的角度去评估GHG排放情况和环境影响[10, 17 ~ 20], 但是未对预处理阶段、生物处理阶段、深度处理阶段等进行详细分析. 这限制了精准减排策略的实施, 因为不同处理单元的优化可能会对GHG排放、经济性和环境影响有不同的影响[11, 17, 18]. 此外, 部分研究仅关注污水处理厂的GHG排放或环境影响[17, 21 ~ 25], 对经济效益的评价尚存在缺失. 王向阳指出GHG排放、环境影响、经济成本和处理效率之间存在耦合关系, 研究发现处理效率的提高会相应地增加资源能源消耗、经济成本和环境影响[4]. 经济性分析有利于污水处理厂资源的有效利用和运营的持续性. 因此, 在评估污水处理厂的实施现状或是优化方案时, 需要多方面综合考虑.

为改善过往研究缺乏经济性评估和单一视角评估的问题, 本文以苏州某生活污水处理厂作为研究对象, 采用碳元素平衡法和排放因子法核算分析苏州某生活污水处理厂的GHG排放量, 运用生命周期评价法、成本效益法和数据包络分析模型评估苏州某生活污水处理厂的环境影响和经济性, 为运行和减排项目决策过程的可持续化管理提供理论依据, 以期为我国水环境质量的全面改善和生态文明建设提供有力支持.

1 材料与方法 1.1 研究目标与范围

本文对苏州市某生活污水处理厂2023年3月至2023年8月期间运行阶段的GHG排放量、环境影响及经济性进行了研究, 范围涵盖进水至出水的全过程, 包括预处理、生物处理、深度处理、污泥处理单元和中水回用阶段（图 1）. 评价的功能单位为污水处理厂每处理10 000 m3污水所产生的影响.

图 1 苏州某污水处理厂处理工艺流程 Fig. 1 Process flow of a wastewater treatment plant in Suzhou

该污水处理厂的基本信息和工艺流程详见表 1和图 1. 苏州某污水处理厂目前采用3种生物处理系统. 一期工程采用AAO处理工艺, 始建于2003年. 为了实现水污染防治计划和满足当地排放标准, 该厂于2009年、2014年和2019年分别建设了二期交替式AAO处理工艺、三期高效沉淀池加V型滤池的深度处理工艺, 以及四期多模式AAO处理工艺[26, 27].

表 1 苏州某污水处理厂基本信息 Table 1 Basic information of a wastewater treatment plant in Suzhou

1.2 温室气体排放量核算方法

本研究采用碳元素平衡法来计算CO2和CH4的排放. 这种方法基于物料平衡的原理, 即利用输入物料的含量减去输出物料的含量进行平衡计算, 得到排放当量. 具体来说, 在污水处理过程中, 逸散的碳元素气体主要是由进水的碳含量减去出水和排泥的碳含量, 再加上混合液中活性污泥的内源呼吸所导致的碳减少量来计算[4]. 对于N2O和间接GHG排放, 采用排放因子法进行估算. 这种方法是根据特定排放源的排放因子来计算相应气体的排放量.

污水处理厂碳元素气体排放量可用公式（1）表示：

(1)

式中, CESC为碳元素的气体排放量（以CO2计）, kg·（104 m3）-1；Qin和Qout为进/出水量, ×104 m3·d-1；TCin和TCout为进/出水总碳浓度, mg·L-1；Qs为剩余污泥量, m3；TCs为剩余污泥总碳, mg·L-1；V为生物池容积, m3；MLVSS为生物池挥发性悬浮污泥浓度, mg·L-1；ΔTCSW为生物池污泥总碳变化量, g·kg-1.

对于污水处理中生物脱氮产生的N2O排放量和由能耗、药剂、运输产生的间接排放量采用排放因子法计算[28], 其计算公式如下：

(2)
(3)
(4)
(5)

式中, CESN2O、CESd、CEScl和CESys分别为污水处理N2O、购入电力、化学药剂材料和运输产生的碳排放强度（以CO2计）, kg·（104 m3）-1；TNin为污水处理厂平均进水总氮浓度, mg·L-1；EFN2O为生物处理污水过程中N2O排放因子（以N计）, kg·kg-1；22/14为1/2 N2O与N相对分子质量比；265为全球变暖潜能值（常数, 以CO2/ N2O计）, kg·kg-1；Ed为每月耗电量, kW·h·月-1；EFd为该地区电力排放因子（以CO2计）, kg·（kW·h）-1；Q为处理水量, m3·d-1；Mcl,i为月内第i种药剂总消耗量, kg·月-1；EFcl, i为第i种药剂排放因子（以CO2计）, kg·kg-1；Mys,i为月内第i次运输总量, t·月-1；Lys,i为月内第i次运输距离, km, 此污水处理厂运输药剂材料、污泥和栅渣沉砂平均距离为10 km；EFys为运输方式排放因子（以CO2计）, kg·（t·km）-1.

该污水处理厂平均能回用中水0.5 t·d-1, 能够减少自来水在配制过程中的GHG排放, 那么可采用自来水制配过程（取水、制水及配水环节）的GHG排放公式[28]来计算GHG减排量, 计算公式如下：

(6)
(7)
(8)

式中, ρ为水的密度, 取×103 kg·m-3；W取, W制配为制配水过程消耗的能源, kW·h；g为重力加速度, 取9.8 m·s-2；h取为取水的平均高程, 取5 m；φ为泵站效率, 75%；E制配为制水配水过程中的能耗强度, 由《2022年苏州统计年鉴》可知苏州市制配水的能耗强度为1.11 kW·h·m-3；C自为自来水制配过程中的排放量（以CO2计）, kg·（104 m3）-1；CES减排为GHG减排量（以CO2计）, kg·（104 m3）-1.

1.3 生命周期评价方法

本研究通过生命周期评价法评估污水处理厂运营阶段对环境的影响. 根据ISO14040规定, 生命周期评价主要包含以下4个部分：目标与范围确定、清单分析、影响评价和结果解释. 图 2描绘了污水处理领域中应用生命周期评价方法进行评估的4个阶段.

图 2 污水处理领域应用生命周期评价法进行评估的主要阶段 Fig. 2 Key stages of LCA application in wastewater treatment

1.3.1 清单分析

生命周期评价的数据清单涵盖了污水处理厂运行阶段的投入与产出, 以上数据是评估环境影响的基础. 对数据进行收集、检验、分配和转换至功能单元, 最后汇总获得数据清单[29]. 为了获取更加准确的结果, 需要收集涉及整个研究范围的输入和输出数据, 其中输入数据包括能源和材料的消耗量, 输出数据包括气体污染物、水体污染物和固体污染物的排放量. 输入数据主要来自现场测量、污水处理厂的设计标准、项目报告和环境报告等. 能耗和材料的背景数据基本上取自生命周期评价的数据库, 例如Gabi数据库和Eco-invet数据库.

1.3.2 影响评估

本文根据环境影响评价指标进行特征化和标准化计算, 以得到环境影响结果. 在本研究案例中, 苏州某污水处理厂的环境影响指标划分如表 2所示. 特征化值反映了产品或过程对不同环境影响类别（如全球变暖潜势、大气酸化潜势和水体富营养化潜势等）的潜在影响. 每个影响类别都是根据其独特的环境影响机制和特征化因子计算, 如公式（9）所示. IPCC报告为GHG建立了全球变暖潜势当量, 针对大气中不同时间跨度的GHG提供了特征化因子[30], 而大气酸化潜势的特征化值则是基于对酸雨形成的贡献来计算. 不同环境影响类别的特征化值通常用不同的单位表示, 如二氧化碳当量和硫酸当量等. 由于评估以上影响的方法和假设各不相同, 直接比较特征化值是没有意义的. 因此, 本研究进行了标准化处理, 将环境影响特征化值除以全国总量, 转化为无量纲值, 以判断主要影响类别. 使用eFootprint软件对污水处理厂运行期间产生的环境影响进行特征化与标准化分析, 计算不同的环境影响指标值. 标准化因子采用Miao等[31]通过距离目标加权法构建的因子集.

(9)
表 2 环境影响指标分类 Table 2 Classification of environmental impact indicators

式中, EB为每项环境影响的环境负荷；i为环境影响所含的各种排放物质种类；n为排放物质影响总数；mi为清单分析中第i种物质的质量；PFi为第i种物质对某类环境所造成影响的特征化因子.

1.3.3 结果解释

通过灵敏度分析和不确定度分析进行结果解释, 以验证模型的可靠性和完整性[29]. 本研究应用eFootprint软件来分析各个环境影响指标的主要影响因素. 此外, 采用CLCD质量评估方法对生命周期模型结果的不确定度进行数据质量评估, 同时识别不确定性数据来源, 评估过程涉及清单数据的来源和算法、时间代表性、地理代表性以及技术代表性等方面.

1.4 经济性评估模型

本研究采用成本效益分析法评估污水处理厂的经济性. 污水处理厂的净效益等于利益收入减去总成本, 其中收入来自政府发放的污水处理费, 成本包括运营期间所需的所有费用, 如能源成本、人员薪酬和材料成本等. 模型公式如下：

(10)

式中, C为处理10 000 m3污水所获得的净效益, 元·（104 m3）-1；S为处理污水所获得的收入, 元·（104 m3）-1；C电为承担的电费, 元·（104 m3）-1；C水为承担的水费, 元·（104 m3）-1；C人为承担的人工薪酬, 元·（104 m3）-1；C维为承担的维修费, 元·（104 m3）-1；C药为承担的化学药剂费, 元·（104 m3）-1；C检为承担的检测费, 元·（104 m3）-1.

此外, 本研究应用数据包络分析模型评估污水处理厂的规模效率. 规模效率是指由于规模因素（例如污水处理厂处理规模和污染物去除率）对生产效率的影响. 通常规模效益等于1时, 表示该厂的规模效率有效, 已达到最优的状态. 当规模效益小于1时, 若规模报酬系数 < 1, 表明服务规模过小, 需要扩大规模以提高效益；若规模报酬系数 > 1, 表明服务规模过大, 存在规模过度扩张的风险. 通过这种方式, 可以兼顾经济效益和技术效率评价污水处理厂的技术相对有效性[32], 判断其投入产出结构是否合理. 为此, 需要先估算污水处理厂2023年3月至2023年8月污染物的削减量. 然后, 以能源成本、材料成本、水费和员工薪酬作为投入指标, 每月处理的水量和污染物削减量作为产出指标, 收集并整理相关数据. 基于以上数据分析期间污水处理厂的规模效率变化, 从而识别投入与产出之间是否存在冗余或不足的情况.

1.5 数据来源 1.5.1 污水处理厂GHG排放数据

每月定期对污水处理厂各处理单元的水质进行监测, 特别是总碳. 取样点设置在进水处、预处理出水处、二沉池出水处、剩余污泥处、水厂出水口和脱水污泥处, 详见图 3. 为了保证取样的准确性, 应避免在雨后3 d内取样, 且每个点位至少取3个平行样.

图 3 取样点示意 Fig. 3 Schematic representation of sampling sites

污水根据表 3所示的方法进行检测. 各取样点的总碳和MLVSS指标数据见表 4.

表 3 实验监测指标与分析方法 Table 3 Experimental monitoring indicators and analytical methods

表 4 2023年监测指标数据 Table 4 Monitoring indicator data in 2023

直接N2O排放和间接GHG排放量运用的排放因子如表 5所示. 本研究采用的N2O排放因子取自不同文献中对中国城镇污水处理厂实测数据结果的平均值.

表 5 污水处理厂不同GHG排放来源的排放因子 Table 5 GHG emission factors of different source for wastewater treatment plants

1.5.2 污水处理厂运维基础数据

本研究对2023年3~8月期间的多项运维技术数据进行采集, 包括日处理水量、排泥量、栅渣沉砂量、进出水的污染物浓度、耗电量、药剂用量、自来水量以及运营成本等. 以上数据来源于污水处理厂的工程项目文件和日常生产报告.

2 结果与分析 2.1 GHG排放情况

通过对苏州某污水处理厂进行深入的GHG排放测量和分析, 发现苏州某污水处理厂2023年3~8月的平均GHG排放量（以CO2计, 下同）为6 653.08 kg·（104 m3）-1. 如图 4（a）所示, 污水厂的GHG排放主要来自于电力消耗（42.7%）和化学药剂消耗（31.2%）所产生的间接排放. 相比于N2O, 污水厂直接排放CO2的量更高. 此外, 尾水回用实现了3.3%的减排效果.

图 4 污水处理厂的逐月GHG排放情况和各处理单元GHG排放情况 Fig. 4 Month-by-month GHG emissions and treatment unit GHG emissions of the Wastewater Treatment Plant

由图 4（b）可知, 污水厂预处理阶段产生的GHG排放主要来自电力消耗所产生的间接GHG排放. 这是因为污水厂的进水泵功率大且数量多. 预处理阶段, 每月直接CO2排放量较低, 仅为36.56 kg·（104 m3）-1. 此外, 该阶段每月产生约168.2 t的栅渣和沉砂, 也会因运输过程中产生0.30 kg·（104 m3）-1的间接GHG排放.

污水厂所产生的直接CO2排放主要来自于生物处理阶段. 由皮尔逊相关性分析可知（图 5）, 直接CO2排放与进水TC呈正相关（P=0.99）. 因此, 进水TC含量变化会显著影响直接CO2排放. 生物处理阶段使用电力造成的GHG排放明显多于其他阶段, 这是由于生物处理阶段采用的鼓风机功率显著大于其他设备的功率. 经计算, 每月鼓风机的动力单耗平均为1 270 kW·h·（104 m3）-1, 占整个污水处理厂动力单耗的32.07%. 2023年3月至2023年8月期间该厂进行了曝气管和溶解氧分布优化, 之后溶解氧管控能力提升, 鼓风机动力单耗降低, 电力消耗产生的GHG排放量也随之减少. 因此, 曝气程序的优化有利于降低动力单耗, 不过对于功率大的鼓风机节能, 还需要进一步探索节能方法.

1.总GHG排放, 2.直接CO2排放, 3.N2O排放, 4.电耗, 5.药耗, 6.处理规模, 7.聚丙烯酰胺, 8.次氯酸钠, 9.氯化铁, 10.聚合硫酸铁, 11.TCin, 12.TNin, 13.MLVSS, 14.尾水减排, 15.预处理单元, 16.生物处理单元, 17.深度处理单元, 18.污泥处理单元；*表示P < 0.05, **为P < 0.01, ***为P < 0.001, 色柱与圆表示相关性系数, 系数绝对值越高圆面积越大, 系数大于0为正相关且趋向红色, 系数小于0为负相关且趋于蓝色 图 5 相关分析热图 Fig. 5 Correlation analysis heatmap

深度处理阶段产生的GHG排放主要来自于电耗及药耗. 经计算, 电耗产生的GHG排放量为426.54 kg·（104 m3）-1. 该水厂每月需使用33.62 t和75.27 t的铁盐和次氯酸钠, 药耗产生的GHG排放量为282.77 kg·（104 m3）-1.

污泥处理阶段产生的GHG主要来自电耗、药耗及运输. 经计算, 电耗产生的GHG排放量为805.33 kg·（104 m3）-1. 污泥处理阶段的排放主要源于大量使用的聚合硫酸铁（平均每月608.06 t）, 占药耗总排放的76.4%. 由于污水处理厂对脱水污泥含水率的要求是65%, 而该厂采用板框压滤技术, 因此需要消耗较多的絮凝剂. 运输产生的GHG排放主要来自重型柴油货车运输污泥处理阶段产生的脱水污泥, 该过程也会间接产生一定量的GHG排放, 但排放量较小, 月均3.29 kg·（104 m3）-1.

2.2 环境影响评价 2.2.1 数据清单

苏州某污水处理厂在运行阶段投入产出物质的数据清单详见图 6. 主要投入包括电力和化学药剂（用于帮助悬浮物沉降和消毒的聚丙烯酰胺、聚合硫酸铁、氯化铁和次氯酸钠等）. 电力主要驱动鼓风机、水泵和消毒系统等设备. 产出主要包括预处理、生物处理和污泥处理阶段产生的直接GHG、栅渣沉砂、脱水污泥以及污水处理厂每日用于回用的中水.

图 6 污水处理厂的数据清单 Fig. 6 Data inventory for the wastewater treatment plant

2.2.2 环境影响结果

苏州某污水处理厂的环境影响特征化和标准化结果详见表 6. 从标准化结果可以看出, 污水厂运行主要会影响全球变暖、大气酸化和水体富营养化.

表 6 污水处理厂的特征化和标准化结果 Table 6 Characterization and normalization results for the wastewater treatment plant

其中标准化值最高的指标为水体富营养化潜势, 主要受污水厂的产出物质所影响. 如表 7所示, 污水处理过程向环境直接排放了大量的TN.

表 7 对环境指标产生重大影响的主要敏感清单组成占比/% Table 7 Percentage composition of major sensitive inventory components influencing environmental indicators/%

其次是全球变暖潜势, 主要因为污水处理过程排放了大量的直接CO2排放和由电力、化学药剂消耗引起的间接排放. 当进水中的TC浓度较高, 且去除率增大时, 排放的CO2会相应增加.

大气酸化潜势的标准化值也较高. 化学药品的使用是一个重要因素. 以上药品如消毒剂和絮凝剂, 虽然在水处理过程中不可或缺, 但在其生产和使用过程中会释放出氯化物和硫化物, 从而增加大气的酸性负荷, 加剧酸化问题. 除此之外, 污水厂的能源消耗依赖火力发电. 火力发电会向环境排放大量的SO2, 导致酸雨等环境问题. 因此, 污水处理厂不仅需要关注化学品的使用对大气酸化的贡献, 还需考虑到由于其高电力消耗而间接引起的环境影响.

随着“十四五”规划和碳达峰、碳中和战略目标的实施, 国家对SO2、NOx和CO2等全球变暖潜势和大气酸化潜势贡献物质的排放控制日益重视. 要提高污水处理过程的环境可持续性, 应在兼顾确保污水厂出水水质的同时, 还重视提高电力使用效率和减少化学药品的使用, 或者寻找可替代电能的可持续能源.

2.2.3 不确定度分析

本研究使用的数据为企业实测数据, 如表 8所示, 环境影响指标结果的不确定度均小于10%, 生命周期模型结果可靠. 全球变暖潜势结果的不确定性主要是由于生物处理过程中直接CO2排放的数据不确定性引起, 需要优化此数据的实验方案. 非生物资源消耗潜势的不确定性主要是由氯化铁的背景数据缺失所引起. 其他数据的采集时间与模型数据库相似, 数据库中的数据均为国内数据, 具有地域代表性. 该清单数据中的主要原材料和生产规模与实际行业的典型技术相同, 具有特定行业的代表性, 因此本研究的不确定性较低.

表 8 LCA数据质量评估结果 Table 8 Results of the LCA data quality assessment

2.3 经济性评价

案例污水处理厂的成本由预处理、生物处理、深度处理和污泥处理阶段的消耗组成, 详见表 9. 电费是预处理、生物处理和深度处理阶段的主要费用, 占总成本的36%~63%. 由于案例污水处理厂中设备众多且耗能大, 因此电费占据了较大比重. 化学药剂费是污泥处理阶段成本的主要费用, 特别是聚合硫酸铁和聚丙烯酰胺, 这两种药剂月均使用量为607 t和6.3 t. 案例污水处理厂每处理1 m3污水所获得污水处理费为1.91元, 通过公式（9）计算后得出该污水处理厂每处理10 000 m3的污水所获得净效益约为13 630元.

表 9 污水处理厂的各处理单元成本/元·（104 m3）-1 Table 9 Costs at various stages for the wastewater treatment plant/ Yuan·(104 m3)-1

运用数据包络分析模型评估了案例污水处理厂6个月的规模效益. 根据表 10的数据可知, 4~5月该厂的规模效益小于1, 规模报酬系数 > 1. 这是由于这两个月污染物的去除量相比于其他月份明显地增多, 但相应投入成本也多于其他月份. 当投入增加时, 产出增加的比例却少于投入增加的比例, 表明4~5月的投入产出结构不合理. 为了应对这一问题, 随后几个月厂方提高了整体运行负荷, 同时推进自动硝化速率装置工作和管理工作, 使该厂的投入产出结构更为合理, 从而实现了规模效益的最优化.

表 10 2023年污水处理厂的效益分析 Table 10 Benefit analysis for the wastewater treatment plant in 2023

3 讨论

通过分析污水处理厂全流程的GHG排放来源可知, GHG排放主要来源于电力消耗、直接GHG排放以及化学药剂的使用. 其中, 直接CO2排放主要受到进水中总碳含量的影响, 这是一个难以改变的因素. 因此, 关键的GHG减排策略应该集中在提升能源和物质利用效率以及工艺改进上. 这是推动污水处理厂向低碳、绿色转型发展的主要策略.

3.1 利用可再生能源

该污水处理厂排放的GHG主要来自于电力消耗造成的间接GHG排放. 为此, 该厂已实施高级氧气控制策略, 包括网格化溶解氧分布和精确曝气投入. 以上措施已取得显著成效, 鼓风机动力单耗从3月的1 350 kW·h·（104 m3）-1下降至8月的810 kW·h·（104 m3）-1. 但是双碳目标的实现, 必须逐步摆脱对化石燃料的依赖, 并高度重视节能降耗. 这不仅要求关注现有技术的改进, 也需要充分认识到新能源建设的重要性.

污水处理厂可以积极考虑利用可再生能源, 如安装太阳能光伏板和风力涡轮机等设备, 将自然资源转化为清洁能源, 减少化石燃料的使用. 该污水处理厂位于中国苏州, 年平均太阳辐射量约为1326.5 kW·h·m-2, 最佳倾斜角度25℃. 由《太阳能资源等级总辐射》（GB/T 31155-2014）可知, 苏州的年水平面总辐照量等级为“很丰富”, 表明其具有较高的太阳能获取潜力, 可为光伏发电提供基础. 根据《太阳能光伏发电系统原理与应用技术》计算可知, 该污水处理厂可设置7 812块SCM60-156P-270型号光伏组件[40], 占地面积为3.2 m2, 每日发电量为5 483 kW·h. 根据市场调研[41 ~ 43], 光伏系统还需要配备逆变器、配电箱和并网箱等设备, 每日耗电量约为2 430 kW·h. 由此可知, 该污水处理厂每日可净产电能3 053 kW·h. 结合苏州地区的电力排放因子系数（792 kg·MW·h-1）可计算出该厂每日GHG减排量（以CO2计, 下同）约为2 471.98 kg, 相当于每处理10 000 m3污水减排134.33 kg, 实现2%的减排.

此外, 通过对二级出水进行季节性热量交换, 污水处理厂可减少对外部能源的依赖. 以芬兰Kakolanmäki污水处理厂为例[44], 该污水处理厂大量回收余温热能, 达到碳中和率333%. 经调研, 该水厂7月至9月制冷季出水平均水温为27.9~30℃, 较平均气温低3.1~5℃, 而12月至次年2月供暖季出水水温为13.3~21.2℃, 比平均气温高6.3~9.2℃. 《水源热泵机组》（GB/T 19409-2003）中对水源热泵运行温度进行了规定, 即地表水/污水机组制冷用水温为10~40℃, 制热用水温为5~30℃. 由此可知, 该污水厂全年出水水温均能满足水源热泵机组的正常运行. 因此, 苏州该污水处理厂二级出水是一种不可多得的优质能源, 不仅可提高能源使用效率, 缓解GHG排放, 减少环境污染, 还有助于降低运营成本, 促进城市可持续发展和环保目标的实现. 依据郝晓地等[45]研究中提出的回收热能计算公式进行分析, 发现该污水处理厂夏季和冬季潜在产能电量预计分别达到166 034.09 kW·h·d-1和137 759.63 kW·h·d-1, CO2减排量分别为115 393.69 kg·d-1和95 742 kg·d-1, 相当于夏季和冬季每处理10 000 m3污水能够分别减排6 410.76 kg和5 319 kg, 即夏季和冬季分别实现109.75%和94.49%的减排.

3.2 工艺改进

该污水处理厂使用板框压滤技术对污泥进行脱水, 为了满足含水率达到65%左右的要求, 需要使用大量聚合硫酸铁. 这不仅会增加污泥处理的成本, 还会对GHG排放产生一定的影响. 为此建议考虑替代板框压滤技术, 寻找更高效、低成本的脱水技术, 例如离心脱水或压榨脱水, 从而降低成本和GHG排放. 此外, 还建议建立过滤和净化系统来回收污泥处理阶段使用的聚合硫酸铁, 从而降低成本.

4 结论

本研究采用碳元素平衡法和排放因子法计算出苏州某生活污水处理厂地GHG排放量为6 653.08 kg·（104 m3）-1, 其中直接和间接GHG排放量分别占GHG排放总量的29.22%和74%, 尾水回用可减少3.3%的GHG排放. 该污水厂各个处理阶段排放的GHG来源不同, 预处理阶段和深度处理阶段的GHG排放主要来源于电耗所引起的间接排放, 生物处理阶段来源于直接GHG排放和电耗引起的GHG间接排放, 污泥处理阶段中大量使用的化学药剂导致GHG的间接排放. 应用生命周期评价法分析了该污水处理厂的环境影响, 发现全球变暖潜势、水体富营养化潜势和大气酸化潜势是主要环境影响指标. 通过成本效益分析可知, 每处理10 000 m3的污水该污水处理厂可获得13 630元的净效益. 电费是各处理单元的主要影响成本, 根据数据包络分析模型可知4~5月污水处理厂规模效益都小于1, 表明这两个月份投入产出结构不合理. 后续通过提高整体运行负荷, 同时推进技术改进和管理工作, 污水处理厂6~8月实现了规模效益的最优化.

参考文献
[1] Shao S, Mu H L, Keller A A, et al. Environmental tradeoffs in municipal wastewater treatment plant upgrade: a life cycle perspective[J]. Environmental Science and Pollution Research, 2021, 28(26): 34913-34923. DOI:10.1007/s11356-021-13004-7
[2] Yang M J, Peng M, Wu D, et al. Greenhouse gas emissions from wastewater treatment plants in China: historical emissions and future mitigation potentials[J]. Resources, Conservation and Recycling, 2023, 190. DOI:10.1016/j.resconrec.2022.106794
[3] Chen W, Zhang Q, Hu L L, et al. Understanding the greenhouse gas emissions from China's wastewater treatment plants: Based on life cycle assessment coupled with statistical data[J]. Ecotoxicology and Environmental Safety, 2023, 259. DOI:10.1016/j.ecoenv.2023.115007
[4] 王向阳. 污水处理碳足迹核算及环境综合影响评价研究[D]. 北京: 北京建筑大学, 2019.
Wang X Y. Study on calculating carbon footprint and assessing the total environmental impact of wastewater treatment[D]. Beijing: Beijing University of Civil Engineering and Architecture, 2019.
[5] Gallego-Schmid A, Tarpani R R Z. Life cycle assessment of wastewater treatment in developing countries: a review[J]. Water Research, 2019, 153: 63-79. DOI:10.1016/j.watres.2019.01.010
[6] Casas Ledón Y, Rivas A, López D, et al. Life-cycle greenhouse gas emissions assessment and extended exergy accounting of a horizontal-flow constructed wetland for municipal wastewater treatment: a case study in Chile[J]. Ecological Indicators, 2017, 74: 130-139. DOI:10.1016/j.ecolind.2016.11.014
[7] Chai C Y, Zhang D W, Yu Y L, et al. Carbon footprint analyses of mainstream wastewater treatment technologies under different sludge treatment scenarios in China[J]. Water, 2015, 7(3): 918-938. DOI:10.3390/w7030918
[8] Delre A, ten Hoeve M, Scheutz C. Site-specific carbon footprints of Scandinavian wastewater treatment plants, using the life cycle assessment approach[J]. Journal of Cleaner Production, 2019, 211: 1001-1014. DOI:10.1016/j.jclepro.2018.11.200
[9] Maktabifard M, Blomberg K, Zaborowska E, et al. Model-based identification of the dominant N2O emission pathway in a full-scale activated sludge system[J]. Journal of Cleaner Production, 2022, 336. DOI:10.1016/j.jclepro.2021.130347
[10] Piao W H, Kim Y, Kim H, et al. Life cycle assessment and economic efficiency analysis of integrated management of wastewater treatment plants[J]. Journal of Cleaner Production, 2016, 113: 325-337. DOI:10.1016/j.jclepro.2015.11.012
[11] Sun X F, Jin M J, Li N, et al. Life cycle assessment of upgrade options of a municipal sewage treatment plant for energy self-sufficient[J]. IOP Conference Series: Earth and Environmental Science, 2020, 526. DOI:10.1088/1755-1315/526/1/012034
[12] 吴百苗, 张一梅, 栗帅, 等. 基于LCA的污水处理方案碳中和综合影响评价[J]. 环境工程, 2022, 40(6): 130-137.
Wu B M, Zhang Y M, Li S, et al. Comprehensive impact assessment on carbon neutralization of wastewater treatment plants based on hybrid LCA[J]. Environmental Engineering, 2022, 40(6): 130-137.
[13] Iqbal A, Ekama G A, Zan F X, et al. Potential for co-disposal and treatment of food waste with sewage: a plant-wide steady-state model evaluation[J]. Water Research, 2020, 184. DOI:10.1016/j.watres.2020.116175
[14] Singh P, Kansal A, Carliell-Marquet C. Energy and carbon footprints of sewage treatment methods[J]. Journal of Environmental Management, 2016, 165: 22-30.
[15] Hua H, Jiang S Y, Yuan Z W, et al. Advancing greenhouse gas emission factors for municipal wastewater treatment plants in China[J]. Environmental Pollution, 2022, 295. DOI:10.1016/j.envpol.2021.118648
[16] 郝晓地, 于文波, 王向阳, 等. 地下式污水处理厂全生命周期综合效益评价[J]. 中国给水排水, 2021, 37(7): 1-10.
Hao X D, Yu W B, Wang X Y, et al. Life cycle comprehensive efficiency assessment on underground wastewater treatment plant[J]. China Water & Wastewater, 2021, 37(7): 1-10.
[17] Iqbal A, Zan F X, Siddiqui M A, et al. Integrated treatment of food waste with wastewater and sewage sludge: Energy and carbon footprint analysis with economic implications[J]. Science of the Total Environment, 2022, 825. DOI:10.1016/j.scitotenv.2022.154052
[18] Zhou X X, Yang F, Yang F, et al. Analyzing greenhouse gas emissions from municipal wastewater treatment plants using pollutants parameter normalizing method: a case study of Beijing[J]. Journal of Cleaner Production, 2022, 376. DOI:10.1016/j.jclepro.2022.134093
[19] Cakir F Y, Stenstrom M K. Greenhouse gas production: a comparison between aerobic and anaerobic wastewater treatment technology[J]. Water Research, 2005, 39(17): 4197-4203. DOI:10.1016/j.watres.2005.07.042
[20] Wu Z P, Duan H R, Li K L, et al. A comprehensive carbon footprint analysis of different wastewater treatment plant configurations[J]. Environmental Research, 2022, 214. DOI:10.1016/j.envres.2022.113818
[21] Zhuang H C, Guan J Y, Leu S Y, et al. Carbon footprint analysis of chemical enhanced primary treatment and sludge incineration for sewage treatment in Hong Kong[J]. Journal of Cleaner Production, 2020, 272. DOI:10.1016/j.jclepro.2020.122630
[22] 孙雪菲. 基于LCA的污水处理厂环境影响评价及能源回收优化研究[D]. 延吉: 延边大学, 2021.
Sun X F. Research on environmental impact assessment and energy recovery optimization of wastewater treatment plant based on LCA[D]. Yanji: Yanbian University, 2021.
[23] Pang C X, Luo X, Rong B, et al. Carbon emission accounting and the carbon neutralization model for a typical wastewater treatment plant in China[J]. International Journal of Environmental Research and Public Health, 2022, 20(1). DOI:10.3390/ijerph20010140
[24] Chen Z, Wang D, Dao G H, et al. Environmental impact of the effluents discharging from full-scale wastewater treatment plants evaluated by a hybrid fuzzy approach[J]. Science of the Total Environment, 2021, 790. DOI:10.1016/j.scitotenv.2021.148212
[25] Kyung D, Kim M, Chang J, et al. Estimation of greenhouse gas emissions from a hybrid wastewater treatment plant[J]. Journal of Cleaner Production, 2015, 95: 117-123. DOI:10.1016/j.jclepro.2015.02.032
[26] 陆祎韵. 姑苏区污水厂出水水质变化及影响因素研究[D]. 苏州: 苏州科技大学, 2016.
Lu Y Y. The characteristics and influence factors on effluent quality of wastewater treatment plants in Gusu Area[D]. Suzhou: Suzhou University of Science and Technology, 2016.
[27] 孙林忠. 苏州中心城区福星污水处理厂提标改造工程[J]. 城市道桥与防洪, 2014(8): 161-164.
Sun L Z. Suzhou downtown Fuxing wastewater treatment plant upgrading reconstruction project[J]. Urban Roads Bridges & Flood Control, 2014(8): 161-164. DOI:10.3969/j.issn.1009-7716.2014.08.049
[28] 中国城镇供水排水协会. 城镇水务系统碳核算与减排路径技术指南[M]. 北京: 中国建筑工业出版社, 2022: 98-276.
[29] Zawartka P, Burchart-Korol D, Blaut A. Model of carbon footprint assessment for the life cycle of the system of wastewater collection, transport and treatment[J]. Scientific Reports, 2020, 10(1). DOI:10.1038/s41598-020-62798-y
[30] Eggleston H S, Miwa K, Srivastava N, et al. 2006 IPCC guidelines for national greenhouse gas inventories[M]. Hayama, Japan: Institute for Global Environmental Strategies, 2006.
[31] Miao J Y, Wang X H, Bai S W, et al. Distance-to-target weighting factor sets in LCA for China under 2030 vision[J]. Journal of Cleaner Production, 2021, 314. DOI:10.1016/j.jclepro.2021.128010
[32] Ren F R, Sun Y A, Liu J W, et al. A modified dynamic DEA model to assess the wastewater treatment efficiency: perspective from Yangtze River and Non-Yangtze River Basin[J]. Scientific Reports, 2022, 12(1). DOI:10.1038/s41598-022-14105-0
[33] Foley J, de Haas D, Yuan Z G, et al. Nitrous oxide generation in full-scale biological nutrient removal wastewater treatment plants[J]. Water Research, 2010, 44(3): 831-844. DOI:10.1016/j.watres.2009.10.033
[34] Wang Y Y, Lin X M, Zhou D, et al. Nitric oxide and nitrous oxide emissions from a full-scale activated sludge anaerobic/anoxic/oxic process[J]. Chemical Engineering Journal, 2016, 289: 330-340. DOI:10.1016/j.cej.2015.12.074
[35] Wang J H, Zhang J, Wang J, et al. Nitrous oxide emissions from a typical northern Chinese municipal wastewater treatment plant[J]. Desalination and Water Treatment, 2011, 32(1-3): 145-152. DOI:10.5004/dwt.2011.2691
[36] Sun S C, Bao Z Y, Li R Y, et al. Reduction and prediction of N2O emission from an anoxic/oxic wastewater treatment plant upon DO control and model simulation[J]. Bioresource Technology, 2017, 244: 800-809. DOI:10.1016/j.biortech.2017.08.054
[37] Vieira A, Galinha C F, Oehmen A, et al. The link between nitrous oxide emissions, microbial community profile and function from three full-scale WWTPs[J]. Science of the Total Environment, 2019, 651: 2460-2472. DOI:10.1016/j.scitotenv.2018.10.132
[38] Yan X, Li L, Liu J X. Characteristics of greenhouse gas emission in three full-scale wastewater treatment processes[J]. Journal of Environmental Sciences, 2014, 26(2): 256-263. DOI:10.1016/S1001-0742(13)60429-5
[39] Ren Y G, Wang J H, Li H F, et al. Nitrous oxide and methane emissions from different treatment processes in full-scale municipal wastewater treatment plants[J]. Environmental Technology, 2013, 34(21): 2917-2927. DOI:10.1080/09593330.2012.696717
[40] 胡云武. 太湖新城地下空间350 kW太阳能光伏发电系统设计胡云武[悉地(苏州)勘察设计顾问有限公司, 江苏苏州215000][J]. 现代建筑电气, 2020, 11(11): 72-75.
Hu Y W. Design of 350 kW photovoltaic power generation system in underground space of Taihu New Town[J]. Modern Architecture Electric, 2020, 11(11): 72-75.
[41] 田佳. 城市居住街区太阳能光伏利用潜力研究——以武汉市为例[D]. 武汉: 华中科技大学, 2020.
Tian J. Research on solar photovoltaic potential of urban residential areas——a case study of Wuhan[D]. Wuhan: Huazhong University of Science and Technology, 2020.
[42] 周书真. 碳中和污水处理厂沼光互补发电联合调度研究[D]. 郑州: 华北水利水电大学, 2023.
Zhou S Z. Joint scheduling for carbon neutral wastewater treatment plant biogag and photovoltaic complementary power generation[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2023.
[43] 朱贝丽. 光伏建筑一体化(BIPV)低碳设计研究——以苏州为例[D]. 苏州: 苏州科技大学, 2022.
Zhu B L. Research on low-carbon design of building integrated photovoltaics (BIPV)——a case study of Suzhou[D]. Suzhou: Suzhou University of Science and Technology, 2022.
[44] Hao X D, Zhao Z C, Li J, et al. Analysis of energy recovery and carbon neutrality for the Kakolanmäki WWTP in Finland[J]. Chinese Journal of Environmental Engineering, 2021, 15(9): 2849-2858.
[45] 郝晓地, 黄鑫, 刘高杰, 等. 污水处理"碳中和"运行能耗赤字来源及潜能测算[J]. 中国给水排水, 2014, 30(20): 1-6.
Hao X D, Huang X, Liu G J, et al. Energy deficits and their potential replenishments of wastewater treatment operation towards carbon neutral[J]. China Water & Wastewater, 2014, 30(20): 1-6.