环境科学  2018, Vol. 39 Issue (1): 219-226   PDF    
引用本文
曹特特, 王林, 李咏梅. AAO工艺低氧条件下的运行及其模拟[J]. 环境科学, 2018, 39(1): 219-226.
CAO Te-te, WANG Lin, LI Yong-mei. Operation of the AAO Process Under Low Dissolved Oxygen Conditions and Its Simulation[J]. Environmental Science, 2018, 39(1): 219-226.
AAO工艺低氧条件下的运行及其模拟
曹特特, 王林, 李咏梅     
同济大学环境科学与工程学院, 污染控制与资源化研究国家重点实验室, 上海 200092
收稿日期: 2017-04-13; 修订日期: 2017-07-04
基金项目: 国家水体污染控制与治理科技重大专项（2014ZX0730300307）
作者简介: 曹特特(1992~), 男, 硕士研究生, 主要研究方向为污水处理及其资源化, E-mail:519638139@qq.com
通信作者: 李咏梅, E-mail:liyongmei@tongji.edu.cn
摘要: 利用厌氧-缺氧-好氧（AAO）工艺探讨了在好氧池低溶解氧（DO）浓度条件下的水质指标变化情况.结果表明，当好氧池DO浓度从2.00 mg·L-1降低到1.00 mg·L-1和0.50 mg·L-1时，系统仍然具有良好的除磷脱氮效果，出水水质指标均满足我国《城镇污水处理厂污染物排放标准》（GB 18918-2002）中的一级A标准.在此基础上，基于BioWin 4.1软件建立了AAO工艺的活性污泥模型，对模型参数进行了灵敏度分析，并利用动态模拟对模型参数中的聚磷菌吸收乙酸或丙酸的聚羟基烷酸（PHA）产率系数（YP/PHA，seq）、聚磷菌好氧氧化PHA的储磷率（YP/PHA，aerobic）、氨氧化菌的最大单位生长速率（μmax，A）和亚硝酸盐氧化菌的最大单位生长速率（μmax，N）进行了校验.此外，对系统的曝气能耗进行了模拟评估，结果表明，与好氧池DO浓度为2.00 mg·L-1时相比，好氧池DO浓度为1.00 mg·L-1和0.50 mg·L-1时的空气流量可分别节省23.8%和38.1%，氧转移效率可分别提高7.2%和11.7%.
关键词: AAO工艺      溶解氧浓度      除磷脱氮      模拟      曝气能耗     
Operation of the AAO Process Under Low Dissolved Oxygen Conditions and Its Simulation
CAO Te-te , WANG Lin , LI Yong-mei     
State Key Laboratory of Pollution Control and Resources Reuse, College of Environmental Science and Engineering, Tongji University, Shanghai 200092, China
Abstract: The anaerobic-anoxic-oxic (AAO) process was used to investigate the variation of the parameters of water quality when the dissolved oxygen (DO) in the aerobic tank was controlled at a low concentration. The results indicated the system still had good phosphorus and nitrogen removal efficiencies when the DO concentration in the aerobic tank was decreased from 2.00 mg·L-1 to 1.00 mg·L-1 and 0.50 mg·L-1, and the effluent indexes could meet the first class A standard for the "discharge standard of pollutants for municipal wastewater treatment plant" (GB18918-2002) of China. The activated sludge model of the AAO process was developed by BioWin 4.1 software. The sensitivities of the model parameters were analyzed, and the model parameters, such as amount of polyhydroxyalkanoate (PHA) stored per unit of acetate or the propionate sequestered by phosphorus accumulating bacteria (YP/PHA, seq), the amount of phosphorus stored per unit of PHA oxidized in aerobic conditions by phosphorus accumulating bacteria (YP/PHA, aerobic), the maximum specific growth rate of ammonia oxidizing bacteria (μmax, A), and the maximum specific growth rate of nitrite oxidizing bacteria (μmax, N), were calibrated and validated by the dynamic simulation. In addition, the energy consumption of the aeration was simulated and evaluated. The results showed that when the DO concentration in the aerobic tank was decreased from 2.00 mg·L-1 to 1.00 mg·L-1 and 0.50 mg·L-1, the air flow could be reduced by 23.8% and 38.1%, and the oxygen transfer efficiency could be increased by 7.2% and 11.7%, respectively.
Key words: AAO process      DO concentration      phosphorus and nitrogen removal      simulation      energy consumption of aeration     

随着城市化进程的加快, 城市居民产生的生活污水量也日益增加.由于生活污水中的氮磷物质会造成水体富营养化, 破坏水环境生态系统, 故需要对生活污水进行除磷脱氮处理.然而, 现有的城市污水处理厂存在着氮磷物质去除效率较低、污水处理能耗较高等缺点, 如美国污水处理能耗约占国家总能耗的0.8%, 其中一半以上用于曝气过程[1], 而我国污水处理能耗占国家总能耗的百分比将随着污水处理率的提高而越来越大[2].

目前, 污水处理厂的节能降耗研究主要集中在曝气系统.曝气池溶解氧(DO)浓度是影响处理效果和运行成本的关键参数[3~7].一般认为曝气池DO浓度为2.00 mg·L-1可维持微生物的活性, 然而一些污水处理厂的实践表明, DO浓度低于2.00 mg·L-1时也能达到较好的处理效果. Liu等[8]考察了活性污泥在DO浓度低于0.50 mg·L-1条件下的硝化行为, 发现长期低氧以及较长的污泥龄有利于氨氧化菌和亚硝酸盐氧化菌的富集, 可达到较好的硝化行为.与DO浓度为2.00 mg·L-1相比, DO浓度为0.50 mg·L-1条件下可提高氧转移效率16.0%, 减少10.0%的能耗.因此研究低氧条件下活性污泥法的运行对于污水厂节能降耗具有重要意义.

除磷脱氮污水处理厂的处理工艺流程复杂, 进水的水质水量变化大, 在出水水质和节约能耗之间很难达到同步最佳, 而利用活性污泥模型及污水处理模拟软件可以很好地解决这一问题[9~13].活性污泥模型已被广泛应用于污水处理过程的研究、设计和运行优化当中, 如朱政豫等[14]利用WEST软件将活性污泥1号模型与曝气模型耦合可使某污水处理厂(规模5.0万m3·d-1)的曝气能耗减少10.0%; Gabarrón等[15]利用WEST软件和活性污泥2 d模型使某膜生物反应器系统(规模1.5万m3·d-1)的曝气能耗节省了7.0%; Sun等[16]利用BioWin软件和活性污泥2d模型使某膜生物反应器系统(规模5.0万m3·d-1)的曝气量减少了20.0%.因此, 试验研究与模型拟合相结合是实现污水厂工艺优化与节能降耗的有效手段.

本研究以常用的厌氧-缺氧-好氧(AAO)除磷脱氮工艺探讨了在好氧池低DO浓度条件下的水质指标变化情况, 并利用BioWin 4.1软件对AAO工艺的除磷脱氮效果和曝气能耗进行了评估, 以期实现AAO工艺生物除磷脱氮效率最优及节能降耗的双重目的, 并为AAO工艺在实际应用中节能降耗提供理论依据和技术支持.

1 材料与方法 1.1 试验用水及种泥来源

试验用水为上海市曲阳污水处理厂的沉砂池出水, 具体水质指标如表 1所示, 接种污泥为上海市曲阳污水处理厂的二沉池回流污泥.由于实际污水中的碳源不足, 故在整个试验过程中, 外加碳源120 mg·L-1(乙酸钠配置), 使AAO小试反应器的进水平均COD/TN从5增加到8左右.

表 1 实际污水的水质指标 Table 1 Characteristics of the wastewater

1.2 试验装置与运行

AAO小试反应器为有机玻璃制成的长方体反应器, 利用隔板分隔为厌氧池、缺氧池和好氧池, 其中厌氧池和缺氧池的有效容积分别为2.0 L和3.3 L, 均采用磁力搅拌; 好氧池的有效容积为10.0 L, 采用机械搅拌和微孔曝气器充氧.二沉池为竖流式沉淀池, 有效容积为4.0 L.污水处理量为20.0 L·d-1, 污泥回流比为100%, 混合液回流比为300%, 污泥龄为15 d, 总水力停留时间为18.4 h, 其中厌氧池、缺氧池和好氧池的水力停留时间分别是2.4 h、4.0 h和12.0 h.整个试验过程可根据好氧池DO浓度划分为3个阶段, 其中1~36 d为第Ⅰ阶段, 好氧池DO浓度为2.00 mg·L-1; 37~76 d为第Ⅱ阶段, 好氧池DO浓度为1.00 mg·L-1; 77~111 d为第Ⅲ阶段, 好氧池DO浓度为0.50 mg·L-1.在整个试验过程中, 厌氧池和缺氧池的DO浓度分别在0.10 mg·L-1和0.20 mg·L-1以下.

1.3 AAO工艺模拟

BioWin 4.1软件是加拿大Envirosim环境咨询公司开发的单一矩阵全污水处理厂仿真模拟软件, 包含了活性污泥系列模型及污泥厌氧消化模型等, 不仅可以对活性污泥生物处理过程进行模拟, 还可以对各个工艺单元进行模拟[17~19].因此, 本研究基于BioWin 4.1软件对AAO小试反应器的除磷脱氮过程进行了模拟, 所建立的AAO工艺流程示意及相应的活性污泥模型输入数据如图 1和表 2所示.

图 1 基于BioWin 4.1软件建立的AAO工艺流程示意 Fig. 1 Schematic flow diagram of the AAO process based on BioWin 4.1 software

表 2 AAO小试反应器的活性污泥模型输入数据 Table 2 Input data for the activated sludge model for the lab-scale AAO reactor

1.4 模型参数灵敏度分析

一般来说, 当一个活性污泥模型建立好之后, 需要对模型参数进行校正, 但要对所有的模型参数进行校正是费时费力的, 也是没有必要的, 故可利用灵敏度分析法[19, 20]筛选出灵敏参数后, 再对灵敏参数进行校正即可.

相对灵敏度(RS)的计算公式如下：

(1)

式中, Y0为初始变量值, Y′为变化后变量值, P0为初始参数值, P′为变化后参数值(取初始参数值P0的10%).

相对灵敏度(RS)的评判等级为：|RS|≤0.25, 影响程度很小; 0.25 < |RS|≤1.00, 影响程度一般; 1.00 < |RS|≤2.00, 影响程度显著; |RS| > 2.00：影响程度极大.

本研究根据AAO小试反应器在好氧池DO浓度为2.00 mg·L-1条件下的运行情况, 采用稳态模拟和灵敏度分析法评估了所有模型参数(110个动力学参数和88个化学计量学参数)对出水水质指标的影响.

1.5 模型参数校正及验证

为使模型对AAO工艺的模拟结果更加准确, 需要对模型参数中的灵敏参数进行校正.因此, 本研究先采用DO浓度为2.00 mg·L-1条件下的出水水质指标的实测值及相应的动态模拟值对灵敏参数进行校正, 然后采用DO浓度为1.00 mg·L-1条件下的出水水质指标的实测值及相应的动态模拟值对校正后的灵敏参数进行验证, 最后利用希尔不等系数(TIC)对动态模拟结果进行定量评价, 当TIC值小于0.30时, 表明实测值与动态模拟值之间具有较好的拟合度[7, 14], 其计算公式为：

(2)

式中, Yi为模拟值, Yi, m为实测值.

2 结果与讨论 2.1 不同好氧池DO浓度条件下的水质指标变化情况 2.1.1 COD的变化

AAO小试反应器在不同好氧池DO浓度条件下的COD变化情况如图 2所示.当好氧池DO浓度从2.00 mg·L-1降低到1.00 mg·L-1和0.50 mg·L-1, 系统的COD去除率从88.7%降低到83.5%和81.4%, 这主要与进水COD浓度从307 mg·L-1降低到266 mg·L-1和253 mg·L-1有关.在AAO工艺中, 由于COD主要在厌氧池和缺氧池得到去除, 故降低好氧池DO浓度不会对系统的COD去除效果产生显著影响, 出水COD浓度小于50 mg·L-1, 满足我国《城镇污水处理厂污染物排放标准》(GB 18918-2002)中的一级A标准(一级A排放标准).

图 2 COD随运行时间的变化 Fig. 2 Variation of COD over the run-time

2.1.2 PO43--P和TP的变化

AAO小试反应器在不同好氧池DO浓度条件下的PO43--P和TP变化情况如图 3所示.当好氧池DO浓度从2.00 mg·L-1降低到1.00 mg·L-1和0.50 mg·L-1, 系统不仅可以保持良好的生物除磷效果, 出水PO43--P和TP浓度一直小于0.5 mg·L-1, 满足一级A排放标准, 还降低了曝气能耗.根据生物除磷机理, 降低好氧池DO浓度可能会影响聚磷菌的好氧吸磷速率, 但只要保持足够的好氧反应时间(本系统的好氧池水力停留时间为12.0 h)就不会严重影响最终除磷效果[21~23].即使在不同好氧池DO浓度条件下, 只要聚磷菌可以保持良好的厌氧释磷效果, 则聚磷菌在好氧条件下就可以快速氧化胞内储存的聚羟基烷酸(PHA), 使胞内质子浓度显著增加, 为了维持胞内质子平衡, 聚磷菌就会快速吸收水中的PO43--P[24].在本系统中, 由于外加碳源使得聚磷菌在厌氧池具有良好的释磷效果, 故当好氧池DO浓度降低以后, 系统依然可以保持良好的除磷效果.

图 3 PO43--P和TP随运行时间的变化 Fig. 3 Variation of PO43--P and TP over the run-time

2.1.3 NH4+-N、NO2--N、NO3--N和TN的变化

AAO小试反应器在不同好氧池DO浓度条件下的NH4+-N、NO2--N、NO3--N和TN变化情况如图 4所示.在整个试验过程中, 系统的NH4+-N去除率一直保持在90.0%以上, 出水NH4+-N浓度小于5.0 mg·L-1 [图 4(a)], 满足一级A排放标准.此外, 系统的出水NO2--N浓度也一直处于较低水平[图 4(b)], 可忽略不计.由于本系统的好氧池水力停留时间较长(12.0 h), 这使得氨氧化菌和亚硝酸盐氧化菌可在好氧池DO浓度为0.50 mg·L-1的条件下满足自身对氧气的需求.尽管氨氧化速率和亚硝酸盐氧化速率随好氧池DO浓度的降低而降低(表 3), 但系统的好氧硝化性能并未受到显著影响.由于亚硝酸盐氧化速率均比相应的氨氧化速率大, 表明氨氧化速率是系统好氧硝化反应的限速步骤, 这和Liu等[1]的结论是一致的.

图 4 NH4+-N、NO2--N、NO3--N和TN随运行时间的变化 Fig. 4 Variation of NH4+-N, NO2--N, NO3--N, and TN over the run-time

表 3 不同好氧池DO浓度条件下活性污泥的氨氧化速率和亚硝酸盐氧化速率 Table 3 Ammonia oxidation rate and nitrite oxidation rate of the active sludge under different DO concentration conditions in the aerobic tank

由图 4(c)和图 4(d)可知, 系统的出水NO3--N和TN浓度一直小于15.0 mg·L-1, 满足一级A排放标准, 这说明系统在低氧条件下的好氧硝化性能并未受到严重影响, 保证了好氧池回流到缺氧池的混合液中具有足够的NO3--N用以反硝化脱氮. Liu等[8]的研究结果表明当好氧池DO浓度分别为0.37 mg·L-1和0.16 mg·L-1, 污泥龄分别为10 d和40 d时, 仍然可以达到完全硝化.因此, 降低好氧池DO浓度不会对系统的TN去除效果造成不利影响.

2.2 模型参数灵敏度分析

灵敏度分析结果表明, 对出水水质指标有影响的模型参数都来自于氨氧化菌、亚硝酸盐氧化菌、普通异养菌、聚磷菌、pH、开关函数和酸化菌, 这和Liwarska-Bizukojc等[19]的报道是一致的.

对出水COD有影响的模型参数一共有7个, 包括6个一般影响参数, 1个极大影响参数, 即厌氧消化的水解速率常数(kh, anaerobic digestion); 对出水PO43--P有影响的模型参数一共有19个, 包括15个一般影响参数, 4个极大影响参数, 即聚磷菌以可释放聚磷形式的磷储存率(YlowPP)、聚磷菌以PHA形式吸收乙酸的释磷率(YP/acetic)、聚磷菌好氧氧化PHA的储磷率(YP/PHA, aerobic)、聚磷菌吸收乙酸或丙酸的PHA产率系数(YP/PHA, seq).

对出水TP有影响的模型参数一共有11个, 包括7个一般影响参数, 2个显著影响参数, 即以PHA形式吸收乙酸的释磷率(YP/acetic)、聚磷菌以可释放聚磷形式的磷储存率(YlowPP), 2个极大影响参数, 即聚磷菌好氧氧化PHA的储磷率(YP/PHA, aerobic)、聚磷菌吸收乙酸或丙酸的PHA产率系数(YP/PHA, seq); 对出水NH4+-N有影响的模型参数一共有4个, 包括2个一般影响参数, 2个显著影响参数, 即氨氧化菌的基质(氨)半饱和系数(KNH4)、氨氧化菌的最大单位生长速率(μmax, A); 对出水NO2--N有影响的模型参数一共有5个, 包括2个一般影响参数, 2个显著影响参数, 即亚硝酸盐氧化菌的基质(亚硝酸盐)半饱和系数(KNO2)、亚硝酸盐氧化菌的好氧衰减速率(baerobic, N), 1个极大影响参数, 即亚硝酸盐氧化菌的最大单位生长速率(μmax, N); 对出水NO3--N只有两个影响程度一般的模型参数; 对出水TN只有一个影响程度一般的模型参数.

2.3 模型参数校正与验证

利用动态模拟对4个主要的灵敏参数进行了校正和验证(表 4), 其中聚磷菌吸收乙酸或丙酸的PHA产率系数(YP/PHA, seq)和聚磷菌好氧氧化PHA的储磷率(YP/PHA, aerobic)属于化学计量学参数, 氨氧化菌的最大单位生长速率(μmax, A)和亚硝酸盐氧化菌的最大单位生长速率(μmax, N)属于动力学参数.

表 4 灵敏参数的校正 Table 4 Calibration of the sensitive parameters

2.4 动态模拟

由图 5可知, AAO小试反应器在不同好氧池DO浓度条件下的好氧池MLSS及出水水质指标的实测值与动态模拟值之间均具有良好的拟合趋势, 这初步表明, 基于BioWin 4.1软件建立的AAO工艺的活性污泥模型是可靠有效的.

图 5 好氧池MLSS及出水COD、PO43--P、TP、NH4+-N、NO3--N和TN的实测值与动态模拟值随运行时间的变化 Fig. 5 Variation of the measured values and the dynamic simulated values of MLSS in the aerobic tank and effluent COD, PO43--P, TP, NH4+-N, NO3--N, and TN over the run-time

此外, 通过计算实测值与动态模拟值间的TIC值对动态模拟结果进行了定量评价(表 5), 除好氧池DO浓度为0.50 mg·L-1条件下的出水PO43--P和NH4+-N的TIC值大于0.30以外, 其余的TIC值均小于0.30.由于通过校验模型参数使实测值与动态模拟值绝对拟合是不可能的, 或为了某一特定参数得到绝对拟合而忽略其他参数的拟合也是不可行的.因此, 根据好氧池MLSS及出水水质指标的TIC值, 进一步表明, 本研究基于BioWin 4.1软件建立的AAO工艺的活性污泥模型是可靠有效的.

表 5 好氧池MLSS及出水水质指标在不同好氧池DO浓度条件下的TIC值 Table 5 TIC of MLSS in the aerobic tank and effluent parameters under different DO concentration conditions

2.5 空气流量与氧转移效率

利用BioWin 4.1软件对AAO小试反应器在不同好氧池DO浓度条件下的空气流量和氧转移效率进行了模拟评估.由表 6和图 6可知, 随着好氧池DO浓度的降低, 系统的空气流量呈下降趋势, 而氧转移效率呈上升趋势.与好氧池DO浓度为2.00 mg·L-1时相比, 好氧池DO浓度为1.00 mg·L-1和0.50 mg·L-1时的空气流量可节省23.8%和38.1%, 氧转移效率可提高7.2%和11.7%.

表 6 不同好氧池DO浓度条件下的空气流量和氧转移效率 Table 6 Air flow and oxygen transfer efficiency in the aerobic tank under different DO concentration conditions

图 6 好氧池空气流量和氧转移效率随运行时间的变化 Fig. 6 Variation of air flow and oxygen transfer efficiency in the aerobic tank over the run-time

3 结论

(1) 当好氧池DO浓度从2.00 mg·L-1降低到1.00 mg·L-1和0.50 mg·L-1时, 系统仍然具有良好的除磷脱氮效果, 出水水质指标均能满足我国《城镇污水处理厂污染物排放标准》(GB 18918-2002)中的一级A标准.

(2) 基于BioWin 4.1软件建立了AAO工艺的活性污泥模型, 对出水水质指标有影响的模型参数都来自于氨氧化菌、亚硝酸盐氧化菌、普通异养菌、聚磷菌、pH、开关函数和酸化菌, 对聚磷菌吸收乙酸或丙酸的PHA产率系数(YP/PHA, seq)、聚磷菌好氧氧化PHA的储磷率(YP/PHA, aerobic)、氨氧化菌的最大单位生长速率(μmax, A)和亚硝酸盐氧化菌的最大单位生长速率(μmax, N)进行了校正, 校正后的模型可有效模拟AAO小试反应器的好氧池MLSS及出水水质指标的变化.

(3) 与好氧池DO浓度为2.00 mg·L-1时相比, 好氧池DO浓度为1.00 mg·L-1和0.50 mg·L-1时的空气流量可节省23.8%和38.1%, 氧转移效率可提高7.2%和11.7%.

参考文献
[1] Liu G Q, Wang J M. Quantifying the chronic effect of low DO on the nitrification process[J]. Chemosphere, 2015, 141: 19-25. DOI:10.1016/j.chemosphere.2015.05.088
[2] 刘洁岭, 蒋文举. 城市污水处理厂能耗分析及节能措施[J]. 绿色科技, 2012(11): 136-137.
Liu J L, Jiang W J. Analysis of energy consumption of municipal sewage plant and measures of energy saving[J]. Journal of Green Science and Technology, 2012(11): 136-137. DOI:10.3969/j.issn.1674-9944.2012.11.064
[3] Liu G Q, Wang J M. Modeling effects of DO and SRT on activated sludge decay and production[J]. Water Research, 2015, 80: 169-178. DOI:10.1016/j.watres.2015.04.042
[4] Regmi P, Miller M W, Holgate B, et al. Control of aeration, aerobic SRT and COD input for mainstream nitritation/denitritation[J]. Water Research, 2014, 57: 162-171. DOI:10.1016/j.watres.2014.03.035
[5] Liang W H, Yu C, Ren H Q, et al. Minimization of nitrous oxide emission from CASS process treating low carbon source domestic wastewater:Effect of feeding strategy and aeration rate[J]. Bioresource Technology, 2015, 198: 172-180. DOI:10.1016/j.biortech.2015.08.075
[6] Singh V, Pandey N D. A comparison of performance of ADM1 and monod model treating low strength wastewater[J]. Materials Today:Proceedings, 2016, 3(10): 4157-4162. DOI:10.1016/j.matpr.2016.11.090
[7] Zhu Z Y, Wang R Y, Li Y M. Evaluation of the control strategy for aeration energy reduction in a nutrient removing wastewater treatment plant based on the coupling of ASM1 to an aeration model[J]. Biochemical Engineering Journal, 2017, 124: 44-53. DOI:10.1016/j.bej.2017.04.006
[8] Liu G Q, Wang J M. Long-term low DO enriches and shifts nitrifier community in activated sludge[J]. Environmental Science & Technology, 2013, 47(10): 5109-5117.
[9] 王文英, 黄勇, 顾晓丹, 等. 活性污泥数学模型在污水处理中的研究进展[J]. 工业水处理, 2014, 34(7): 1-4.
Wang W Y, Huang Y, Gu X D, et al. Research progress in the application of mathematical model of activated sludge to wastewater treatment[J]. Industrial Water Treatment, 2014, 34(7): 1-4. DOI:10.11894/1005-829x.2014.34(7).001
[10] Wu X H, Yang Y, Wu G M, et al. Simulation and optimization of a coking wastewater biological treatment process by activated sludge models (ASM)[J]. Journal of Environmental Management, 2016, 165: 235-242. DOI:10.1016/j.jenvman.2015.09.041
[11] Gao F, Nan J, Zhang X H. Simulating a cyclic activated sludge system by employing a modified ASM3 model for wastewater treatment[J]. Bioprocess and Biosystems Engineering, 2017, 40(6): 877-890. DOI:10.1007/s00449-017-1752-8
[12] Yang S S, Guo W Q, Chen Y D, et al. Simultaneous in-situ sludge reduction and nutrient removal in an A2MO-M system:performances, mechanisms, and modeling with an extended ASM2d model[J]. Water Research, 2016, 88: 524-537. DOI:10.1016/j.watres.2015.09.046
[13] 曹特特, 朱政豫, 李咏梅. 数学模型在污水处理节能降耗中的研究与应用进展[J]. 四川环境, 2016, 35(6): 150-153.
Cao T T, Zhu Z Y, Li Y M. Research and application progress of mathematical models for energy saving and consumption reduction in wastewater treatment[J]. Sichuan Environment, 2016, 35(6): 150-153.
[14] 朱政豫, 王如意, 李咏梅. ASM1耦合曝气模型对污水处理厂的模拟研究[J]. 环境科学学报, 2013, 33(6): 1629-1636.
Zhu Z Y, Wang R Y, Li Y M. Aeration model coupled with ASM1:case study for wastewater treatment plant[J]. Acta Scientiae Circumstantiae, 2013, 33(6): 1629-1636.
[15] Gabarrón S, Dalmau M, Porro J, et al. Optimization of full-scale membrane bioreactors for wastewater treatment through a model-based approach[J]. Chemical Engineering Journal, 2015, 267: 34-42. DOI:10.1016/j.cej.2014.12.097
[16] Sun J Y, Liang P, Yan X X, et al. Reducing aeration energy consumption in a large-scale membrane bioreactor:process simulation and engineering application[J]. Water Research, 2016, 93: 205-213. DOI:10.1016/j.watres.2016.02.026
[17] Oleyiblo O J, Cao J S, Feng Q, et al. Evaluation and improvement of wastewater treatment plant performance using BioWin[J]. Chinese Journal of Oceanology and Limnology, 2015, 33(2): 468-476. DOI:10.1007/s00343-015-4108-8
[18] Vitanza R, Colussi I, Cortesi A, et al. Implementing a respirometry-based model into BioWin software to simulate wastewater treatment plant operations[J]. Journal of Water Process Engineering, 2016, 9: 267-275. DOI:10.1016/j.jwpe.2015.02.007
[19] Liwarska-Bizukojc E, Biernacki R. Identification of the most sensitive parameters in the activated sludge model implemented in BioWin software[J]. Bioresource Technology, 2010, 101(19): 7278-7285. DOI:10.1016/j.biortech.2010.04.065
[20] 邹宗森, 施汉昌, 李鑫玮. 反硝化滤池的数值模拟与模型校正[J]. 中国环境科学, 2014, 34(10): 2505-2512.
Zou Z S, Shi H C, Li X W. Simulation and model calibration of denitrification biological filter[J]. China Environmental Science, 2014, 34(10): 2505-2512.
[21] 胡玉琴. 低溶解氧环境A/O工艺和SBR工艺生物脱氮除磷试验研究[D]. 重庆: 重庆大学, 2007.
Hu Y Q. Study on biological nitrogen and phosphorus removal by the A/O process and SBR process under low DO condition[D]. Chongqing:Chongqing University, 2007. http://cdmd.cnki.com.cn/Article/CDMD-10611-2007181612.htm
[22] 信欣, 管蕾, 姚艺朵, 等. 低DO下AGS-SBR处理低COD/N生活污水长期运行特征及种群分析[J]. 环境科学, 2016, 37(6): 2259-2265.
Xin X, Guan L, Yao Y D, et al. Long-term performance and bacterial community composition analysis of AGS-SBR treating the low COD/N sewage at low DO concentration condition[J]. Environmental Science, 2016, 37(6): 2259-2265.
[23] 吉芳英, 金展, 郭倩, 等. 溶解氧对低碳源污水一体化处理工艺脱氮除磷的影响[J]. 给水排水, 2014, 40(5): 129-133.
Ji F Y, Jin Z, Guo Q, et al. Influence of dissolved oxygen on nitrogen and phosphorus removal in integration treatment process of low-carbon source sewage[J]. Water & Wastewater Engineering, 2014, 40(5): 129-133.
[24] 李亚静, 孙力平, 李计元. SBR法处理低碳源城市污水除磷脱氮效果及规律研究[J]. 天津城建学院学报, 2006, 12(2): 112-115.
Li Y J, Sun L P, Li J Y. Study on law and effect of phosphorus and nitrogen removal from municipal wastewater with low carbon source by sequencing batch reactor (SBR)[J]. Journal of Tianjin Institute of Urban Construction, 2006, 12(2): 112-115.