N2O generation via nitritation at different volumetric oxygen transfer levels in partial nitritation-anammox process

在部分硝化-厭氧氨氧化法中，通過不同體積氧轉移水平的硝化生成 N2O

來源：Journal of Cleaner Production 293 (2021) 126104

 

一、摘要概述

 

本研究揭示了短程硝化-厭氧氨氧化（PN-A）工藝中，容積氧傳遞系數（KLa）對亞硝化過程產生N2O的影響機制：

 

主導路徑：通過對比有無COD的實驗（Experiment 1 vs 2），證實亞硝化（nitritation）是PN-A系統中N2O生成的主要途徑（貢獻率>69%），而非異養反硝化（圖1）。

 

 

KLa的調控作用：

 

低KLa（2.5–6.0 h?1）：氧傳遞受限時，最大N2O生成速率（MGR）從0.121升至0.414 mg N2O-N/L/h，N2O生成因子（負荷占比）從3.5%升至6.2%（圖3）。

 

 

高KLa（11.4–41.3 h?1）：亞硝化活性受限時，MGR降至0.35–0.386 mg N2O-N/L/h，生成因子降至1.3–2.0%（圖3）。

 

動態響應：N2O生成持續時間（DG）隨KLa升高而縮短（201 min→23 min），表明高氧傳遞速率加速反應進程。

 

二、研究目的

 

路徑識別：明確PN-A系統中N2O生成的主導路徑（亞硝化 vs 異養反硝化）（引言）。

 

機制解析：探究KLa如何通過調控氧傳遞速率（OTR）與亞硝化活性影響N2O生成（目標2）。

 

減排策略：基于KLa與限制因子關系，提出N2O減排方案（目標3）。

 

三、研究思路

 

采用 多尺度實驗設計：

1. 路徑驗證（原位實驗）

 

Experiment 1：正常進水（COD/N=1/3），監測N2O生成（亞硝化+異養反硝化）。

 

Experiment 2：無COD進水，僅亞硝化路徑貢獻N2O。

 

關鍵數據：無COD時N2O生成占比0.39%（氮負荷），證實亞硝化主導（圖1）。

 

2. KLa影響研究（離體批次實驗）

 

KLa調控：通過搖床轉速（122–200 stroke/min）控制KLa（2.5–41.3 h?1）（方法2.3）。

 

動態監測：

 

N2O：溶解N2O濃度、積累速率（Ra）、排放速率（Re）、生成速率（Rg）（圖2）。

 

氮轉化：NH4+-N、NO2--N、NO3--N濃度及亞硝化速率（圖4）。

 

 

氧動力學：溶解氧（DO）、OTR、耗氧速率（OCR）（圖5）。

 

 

3. 數據分析

 

參數定義：MGR（最大生成速率）、DG（生成持續時間）、生成因子（N2O/氮負荷×100%）。

 

限制因子判定：OTR < OCR（氧傳遞受限）vs OTR > OCR（亞硝化活性受限）（圖6）。

 

 

四、關鍵數據及研究意義

1. N2O生成動態（圖2）

 

數據來源：溶解N2O濃度實時監測（Unisense微傳感器）。

 

結果：

 

KLa=2.5 h?1時，N2O峰值0.046 mg/L（86 min）；KLa=6.0 h?1時峰值升至0.099 mg/L（44 min）。

 

KLa>11.4 h?1時峰值顯著降低（0.009 mg/L）。

 

意義：首次揭示KLa對N2O生成峰值的非線性影響，為曝氣優化提供依據。

 

2. MGR與生成因子（圖3）

 

數據來源：Rg積分計算生成量（公式2）。

 

結果：

 

低KLa（氧傳遞受限）：MGR↑140%，生成因子↑77%。

 

高KLa（亞硝化活性受限）：MGR↓15%，生成因子↓68%。

 

意義：明確KLa的“雙刃劍”效應——低值加劇、高值抑制N2O排放。

 

3. 亞硝化活性與氧傳遞（圖4, 5）

 

數據來源：NH4+-N線性消耗斜率（亞硝化速率）、DO及OTR計算（公式7-9）。

 

 

結果：

 

KLa=41.3 h?1時亞硝化速率（25.2 mg N/L/h）較2.5 h?1（4.7 mg N/L/h）提升5.4倍。

 

OTR > OCR時，DO穩定（>1.3 mg/L），N2O生成受抑。

 

意義：量化亞硝化活性與氧傳遞的競爭關系，解釋N2O生成閾值。

 

4. 限制因子轉換（圖6）

 

數據來源：OTR與OCR差值。

 

結果：KLa=6.0 h?1為臨界點（OTR≈OCR），高于此值亞硝化活性轉為限制因子。

 

意義：提出“限制因子轉換”概念，為PN-A系統曝氣控制提供理論邊界。

 

五、結論

 

路徑主導性：亞硝化是PN-A系統N2O生成的主要路徑（無COD時貢獻率>69%）。

 

KLa的雙重效應：

 

低KLa（氧傳遞受限）：促進N2O生成（MGR↑，生成因子↑）。

 

高KLa（亞硝化活性受限）：抑制N2O生成（生成因子↓至1.3%）。

 

動態機制：高KLa縮短DG，加速反應進程但降低累積排放。

 

減排策略：

 

優先采用高KLa（>11.4 h?1）使亞硝化活性成為限制因子。

 

次選方案：控制生物量濃度或采用漸進式進水維持低亞硝化活性。

 

六、丹麥Unisense電極數據的深度解讀

1. 技術原理與創新應用

 

原位監測：采用N2O-500微傳感器（檢測限0.1–500 μmol/L）實時記錄溶解N2O濃度（方法2.4）。

 

動態計算：

 

生成速率（Rg）：Rg = Ra + Re（積累速率+排放速率）（公式1）。

 

排放速率（Re）：基于K值（N2O傳遞系數）與亨利定律計算（公式5）。

 

2. 關鍵結果與意義

 

精準量化排放（圖2）：

 

測得K值范圍：-5.73×10??至-0.0105 s?1（搖速122–200 stroke/min）。

 

結合溶解濃度，計算氣相排放量（公式6），如KLa=6.0 h?1時排放峰值0.377 mg N2O-N/L/h。

 

 

揭示瞬態過程：

 

曝氣間歇期Re趨近于零，曝氣期因氣提效應驟升，捕捉到傳統方法遺漏的瞬時排放峰值。

 

機制關聯：

 

驗證高KLa下OTR > OCR（圖5），直接關聯氧傳遞與亞硝化活性的平衡。

 

3. 研究價值

 

高分辨率監測：秒級數據（5 s/點）揭示N2O生成的瞬態波動，避免離線采樣的信息損失。

 

氣液分配量化：通過亨利常數（HccN2O=0.69）精準分離液相積累與氣相排放，為全球N2O排放清單提供地下水源數據。

 

工程指導：實時反饋優化曝氣策略，如高KLa下維持DO>1.3 mg/L可削減68% N2O排放。

 

總結

 

本研究通過Unisense電極實現N2O生成-排放的精準解耦，首次揭示KLa通過調控氧傳遞與亞硝化活性的平衡影響N2O排放。當KLa>11.4 h?1時，N2O生成因子可降至1.3%，為PN-A工藝的低碳運行提供關鍵技術參數。