Numerical modelling of surface aeration and N2O emission in biological water resource recovery

生物水資源回收中地表曝氣和 N2O 排放的數值模擬

來源：Water Research 255 (2024) 121398

 

1. 摘要核心內容

 

論文針對表面曝氣氧化溝型反應器（如丹麥Lynetten污水處理廠），通過計算流體動力學（CFD）模型研究曝氣設計與運行參數對N?O排放的影響。核心發現包括：

 

模型校準創新：提出單相/兩相CFD模型的系統校準方法，首次量化表面曝氣系統中N?O傳質系數 KLaN2O（圖8）。

 

預測準確性：校準模型成功復現溶解氧（DO）和溶解態N?O的實測數據（圖9），N?O排放因子為0.69%（接近文獻平均值0.6%）。

 

關鍵敏感參數：轉子轉速（ωrotor）是影響氧傳質系數（KLaO2,clean）的主控因子；氨負荷（LNH,Inf）對N?O排放影響最大（圖10）。

 

兩相模型局限：因氣泡特性認知不足（如尺寸分布、終端速度），兩相模型難以同步準確預測DO與N?O傳質（圖6）。

 

 

2. 研究目的

 

填補知識空白：建立表面曝氣系統CFD模型的系統校準方法，解決物理-化學流體動力學與生物動力學耦合的模擬難題。

量化N?O排放機制：揭示設計參數（如反應器長深比L/D）與操作條件（如轉子轉速）對N?O排放的影響路徑。

開發簡化工具：基于CFD結果構建回歸元模型（Eqs.23-25），為污水處理廠（WRRF）的低碳優化提供預測工具。

 

3. 研究思路

 

采用 “全尺度監測→CFD建模→參數敏感性分析→元模型開發” 四步法：

 

數據采集：在Lynetten WRRF氧化溝布設Unisense傳感器（4個N?O液相傳感器+2個DO傳感器），結合氣體收集罩測量N?O氣相濃度（圖3）。

 

模型構建：

單相模型：基于雷諾平均Navier-Stokes方程（RANS），引入轉子動量源項（Eq.5）模擬流體動力學。

兩相模型：采用歐拉-歐拉雙流體模型，結合群體平衡模型（MUSIG）描述氣泡聚并/破碎（未成功預測N?O）。

參數校準：

通過清潔水試驗標定 KLaO2,clean 空間分布（圖7）。

 

基于實測N?O數據反演α因子（α=0.38±0.18，圖8）。

敏感性分析：采用2水平因子設計（16組工況），量化設計/操作參數對 KLaO2 和N?O排放的敏感性（圖10）。

 

4. 測量數據及研究意義

(1) 溶解氧與N?O濃度（圖9）

 

數據來源：Unisense傳感器實時監測氧化溝5個空間位點的DO與溶解態N?O（圖4）。

 

意義：驗證CFD模型準確性（模擬與實測誤差<10%），揭示表面曝氣系統中DO與N?O的空間異質性（如近壁區DO低至0.5 mg/L）。

 

(2) 氣體收集罩數據（圖3）

 

數據：通過氣罩測量氣液兩相N?O濃度，計算 KLaN2O（Eq.12）。

意義：首次量化表面曝氣系統的N?O傳質系數，建立 KLaN2O 與 KLaO2,clean 的經驗關聯（Eq.2）。

 

(3) 清潔水傳質系數（圖7）

 

數據：15個監測點的 KLaO2,clean 值，按表層（0-0.3 m）和次表層（0.3-1 m）分層回歸。

意義：揭示轉子下游 KLaO2 隨距離衰減規律（表層對數衰減，次表層恒定），為模型分區校準提供依據。

 

(4) 常規水質參數

 

數據：TSS、NH??-N、NO??-N、COD/N比等離線數據。

意義：設置生物動力學模型（NDHA模型）邊界條件，量化生物反應對N?O生成的貢獻。

 

5. 核心結論

 

模型適用性：單相CFD模型可準確預測DO與N?O濃度（圖9），而兩相模型因氣泡特性認知不足僅適用于DO預測（圖6）。

傳質機制：轉子產生的氣流僅穿透液面下1m，導致反應器深層缺氧（圖7a），促進N?O生物生成。

敏感參數排序：

KLaO2：轉子轉速 > 水溫 > 反應器長深比（L/D）（Eqs.20-21）。

N?O排放：氨負荷 > 水溫 > 總生物量濃度 > AOB最大比生長速率（圖10，Eq.22）。

元模型價值：開發的回歸方程（Eqs.23-25）可直接預測 KLaO2 和N?O排放，無需復雜CFD模擬。

 

6. Unisense電極數據的核心研究意義

(1) 精準量化N?O傳質動力學

 

直接測量：液相傳感器實時捕獲溶解態N?O濃度，規避了傳統氣相推算的誤差。

關鍵發現：建立 KLaN2O=f(KLaO2,clean) 經驗公式（Eq.2，圖8），證實α因子（0.38）顯著低于文獻值（0.8-1），反映大型氧化溝混合效率不足。

 

(2) 驗證CFD模型可靠性

 

空間驗證：傳感器網絡（圖4）揭示N?O濃度沿水流方向遞減（圖9b），與模擬結果高度吻合（R2>0.9）。

排放因子：實測N?O排放因子0.69%（圖9b），為全球WRRF碳排放核算提供基準數據。

 

(3) 指導工藝優化

 

曝氣策略：轉子轉速（ωrotor）每增加10 rpm，KLaO2 提升26%（Eq.23），但N?O排放同步增加（Eq.25）。

低碳設計：降低反應器長深比（L/D）可減少深層缺氧區，抑制N?O生成（敏感性指數-0.033，Eq.24）。

 

總結Unisense價值：

 

機理解析：直接關聯流體動力學與N?O傳質過程，揭示表面曝氣系統的排放熱點。

模型基石：為CFD模型校準提供不可替代的實測數據，推動從“經驗假設”向“數據驅動”的模型轉型。

 

圖表索引：

 

傳感器布設：圖4（氧化溝監測點）

氣體收集罩：圖3（N?O氣液傳質測量）

DO/N?O濃度場：圖9（實測vs模擬）

α因子標定：圖8（KLaN2O與KLaO2關聯）

參數敏感性：圖10（標準化敏感指數）

清潔水傳質：圖7（KLaO2空間分布）

 

優化建議：優先采用單相CFD模型預測N?O排放，結合回歸元模型（Eq.25）快速評估減排策略（如降低氨負荷、優化轉子轉速）。