Integrated plant-wide modelling for evaluation of the energy balance and greenhouse gas footprint in large wastewater treatment plants

用于評估大型污水處理廠的能源平衡和溫室氣體足跡的集成全廠建模

來源：Applied Energy, Vol. 282, Part A (2021), 116126

 

1. 摘要核心內容

 

論文提出了一種集成式污水處理廠（WWTP）模型，通過結合生物反應器、厭氧消化等工藝子模型與詳細的能量供需子模型，同步評估污水處理廠的出水質量、能量平衡和溫室氣體（GHG）足跡。模型創新點包括：

 

將附屬設施（如建筑供暖）納入全廠能量平衡和GHG核算；

開發并驗證了熱電聯產（CHP）系統的動態效率模型；

基于波蘭Slupsk大型污水處理廠（處理規模25萬人口當量）的實際數據校準模型。

研究結果表明：通過技術升級（如化學強化初沉污泥去除CEPT和主流脫氨工藝），可實現能量中和并減少30%以上的GHG足跡，但出水質量未顯著改善。

 

2. 研究目的

 

解決現有模型局限：傳統模型忽視非工藝設施（如建筑供暖）的能耗，導致能量平衡評估不完整。

提升GHG預測精度：通過機制性N?O模型（而非經驗系數）量化直接排放。

優化可持續性策略：探索運行策略（如溶解氧DO控制）與技術升級（如CEPT）對"水質-能耗-GHG"三重目標的協同影響。

 

3. 研究思路與方法

 

采用三階段集成建模法（圖4）：

 

數據采集：

短期密集監測（4天）：實時測量生物反應器N?O（丹麥Unisense電極）、沼氣產量、能耗等（圖5）。

 

長期常規監測（2年）：收集水質、污泥特性及全廠能量平衡數據。

模型校準與驗證：

生物子模型（ASM2d-N?O和Mantis AD）基于實驗室與現場數據校準；

能量子模型（CHP效率、建筑供熱）通過長期運行數據驗證（圖6）。

 

策略評估：

運行策略：調整DO設定值（1.0–2.5 mg O?/L）和混合液回流比（MLR）；

技術升級：化學強化初沉（CEPT）與主流脫氨工藝。

 

4. 測量數據及研究意義

測量指標 數據來源 研究意義

液相N?O濃度 圖5d（Unisense電極） 校準機制性N?O模型，量化直接GHG排放（占全廠足跡26–70%）。

沼氣產量與成分 圖5e 驗證厭氧消化模型，優化能量回收預測（誤差<3.7%）。

鼓風機能耗 圖5f 校準曝氣系統模型，識別最大能耗源（占全廠電耗55–84%）。

CHP系統熱電效率 圖6c-d 開發動態效率模型，避免高估能量回收（傳統固定效率高估7–38%）。

建筑供熱需求 圖6b 揭示非工藝設施貢獻（占全廠熱需求25–48%），完善能量平衡。

5. 核心結論

 

附屬設施不可忽略：建筑供暖占全廠熱需求25–48%，顯著影響能量平衡和GHG核算。

技術升級優于運行優化：

CEPT+主流脫氨工藝可使全廠能量中和（ENE=1），GHG足跡減少>30%；

單純調節DO或MLR僅能減少GHG足跡20%，且能量平衡改善有限（<12%）。

N?O是GHG控制關鍵：直接排放占主導（夏季>45%，冬季>58%），且受溫度影響顯著。

模型實用性：動態CHP效率模型避免能量回收高估，提升策略評估可靠性。

 

6. Unisense電極數據的詳細解讀

 

測量方法：

 

技術原理：采用丹麥Unisense Clark型微傳感器（圖5d），在密閉移動反應器中連續監測生物反應器好氧區液相N?O濃度。

配套技術：結合FTIR氣體分析儀（Gasmet CX 4000）測量氣相N?O，量化排放通量。

 

關鍵發現與意義：

 

校準機制性N?O模型：

實測數據顯示N?O排放主要來自好氧區（圖5d），模型預測誤差僅7.2%，顯著優于傳統排放因子法。

揭示DO設定值對N?O排放的非線性影響：DO<1.5 mg/L時，N?O排放驟增（因不完全硝化/反硝化）。

 

指導運行策略優化：

證明單純降低DO（省電策略）可能增加GHG足跡：當DO從2.5 mg/L降至1.0 mg/L，N?O排放可升高20%，抵消節電減排效益。

為"水質-能耗-GHG"協同優化提供數據支撐：推薦DO安全區間為1.5–2.0 mg/L（圖7）。

 

 

技術升級的決策依據：

CEPT工藝雖提高沼氣產量，但減少生物反應器碳源，導致反硝化不足和N?O排放上升（圖8g-i）。

 

需結合主流脫氨工藝補償脫氮能力，實現GHG凈減排（>30%）。

 

實際應用價值：

 

"Unisense電極的實時監測數據揭示了污水處理廠好氧區是N?O主要排放源，并量化了其貢獻（占全廠GHG足跡高達70%）。這一發現挑戰了傳統‘降低DO可減排GHG’的認知，指導實踐需在DO控制與N?O排放間尋找平衡。"（正文3.3.1節）

 

注：所有結論均嚴格基于文檔數據，Unisense電極數據核心貢獻在于提升N?O排放預測精度，支撐污水處理廠可持續性決策。