Understanding N2O formation mechanisms through sensitivity analyses using a plant-wide benchmark simulation model

通過基于全廠基準仿真模型的敏感性分析理解N2O形成機制

來源：Chemical Engineering Journal, 2017, Volume 317, Pages 935-951

《化學工程雜志》，2017年，第317卷，935-951頁

 

摘要

摘要部分闡述了本研究在一個包含了典型污水處理廠處理單元以及N2O產生和排放動態的全廠模型上進行了敏感性分析，并研究了操作溫度的影響。研究結果被用來識別導致N2O排放、總氮去除效率、不同微生物群之間氧氣競爭以及耗氧量與出水氮負荷之間權衡關系的生物機制。研究發現，N2O排放是由貧氧水平觸發的，這導致了亞硝酸鹽氧化菌（NOB）活性相對于氨氧化菌（AOB）活性的不平衡。這種不平衡導致了亞硝酸鹽積累，進而觸發了AOB反硝化作用。研究還提出，將好氧區產生的硝酸鹽與消耗的銨鹽之比作為控制變量，并根據其測量值調節氧氣供應，以此作為最小化N2O排放的控制策略。

 

研究目的

本研究的主要目的是通過在全廠模型（BSM2N）上進行敏感性分析，識別出能夠最小化N2O排放的最佳環境條件以及相應的微生物相互作用。研究旨在理解不同操作條件（如氧氣傳遞系數、進水氨氮濃度）和模型參數不確定性對N2O排放、總氮去除效率以及微生物耗氧量的影響，并基于此提出一個通用的N2O最小化控制思路。

 

研究思路

研究思路包括使用擴展后的溫室氣體活性污泥模型1號（ASMG1）作為BSM2N平臺中主體活性污泥單元的新模型。研究進行了兩種敏感性分析：第一種是操作條件敏感性分析（輸入-輸出映射），通過全因子設計改變好氧區的氧氣傳質系數和進水氨氮濃度，研究系統響應；第二種是模型參數不確定性敏感性分析，采用蒙特卡洛程序和Morris篩選程序，評估模型參數的不確定性如何傳播到預測輸出中。所有分析均在10°C、15°C和20°C三種溫度下進行，以研究季節性變化的影響。研究還控制了好氧區的溶解氧濃度在幾個關鍵設定點，以深入理解AOB反硝化作用。

 

 

測量的數據及研究意義

1. 總氮去除效率數據：來自Fig. 6和Table 3。數據顯示總氮去除效率隨供氧量與進水總凱氏氮之比（RO）的增加先升高后降低，且在較高溫度下，達到最大去除效率所需的RO值也更高。研究意義在于揭示了存在一個最優的供氧范圍，超過此范圍會因促進NOB活性（需要更多碳源進行異養反硝化）和抑制缺氧區異養反硝化而降低總氮去除效率。溫度通過影響微生物活性速率來調節這一過程。

 

 

2. N2O排放因子數據：來自Fig. 7和Table 5。N2O排放隨RO變化呈現高度非線性行為，在低RO（NOB活性為零，亞硝酸鹽積累）和高RO（約0.65 mg COD/L，AOB反硝化速率最大）時出現峰值。研究意義在于明確了N2O排放的主要觸發條件是低氧水平導致的AOB與NOB活性失衡（引起亞硝酸鹽積累）以及特定中等氧濃度下AOB反硝化作用的增強。參數不確定性分析顯示N2O排放預測具有很高的不確定性。

 

 

3. 微生物耗氧量數據：來自Table 7和Table 8。包括異養菌（HB）、AOB和NOB的耗氧量，以及單位總氮去除的比耗氧量。研究意義在于揭示了微生物間對氧氣的競爭關系，例如在低DO下，HB與NOB競爭氧氣；在高DO下，好氧HB活性會抑制NOB活性。這有助于理解操作條件如何影響微生物生態及其功能。

 

 

 

4. 模型參數敏感性排序數據：來自Table 4（總氮去除效率）和Table 6（N2O排放）。研究意義在于識別出對關鍵輸出變量影響最大的生物過程參數，例如影響總氮去除效率的主要是AOB活性、NOB活性、HB反硝化和缺氧水解作用參數；影響N2O排放的主要是HB將N2O還原為N2的步驟、HB將硝酸鹽還原為亞硝酸鹽的步驟、AOB反硝化和NOB活性的參數。這為了解模型的關鍵不確定性和后續校準方向提供了依據。

 

 

 

結論

1. N2O排放主要由缺氧條件觸發，該條件導致NOB活性相對于AOB活性的不平衡，從而引起亞硝酸鹽積累，進而激發AOB反硝化產生N2O。在高氧條件下，過高的氧氣供應會抑制異養反硝化，導致氮氧化物還原不完全和N2O積累。

2. 總氮去除效率受溫度影響顯著，低溫會嚴重限制AOB的好氧活性。存在一個最優的供氧量（RO）可以使總氮去除效率最大化，超過此值效率會因NOB活性增強（需要更多碳源）和異養反硝化受抑制而下降。

3. 好氧區出流的有機碳會通過與異養菌競爭氧氣而減緩NOB活性。

4. 為了實現N2O排放最小化，控制策略應關注好氧區產生的硝酸鹽與消耗的銨鹽之比（RNatAmm），該比值可以近似反映NOB與AOB的活性比，并據此調節氧氣供應。

5. 模型參數不確定性分析表明，N2O排放的預測具有很高的不確定性，凸顯了對N2O動力學參數進行更好標定的必要性。

 

使用丹麥Unisense電極測量數據的研究意義

在本文所總結的研究中，丹麥Unisense公司的技術被具體應用于測量N2O濃度。Unisense的N2O液相微傳感器被用于測量生物電化學系統（BES）出水中的溶解態N2O濃度。這些高精度、高分辨率的原位測量數據對于本研究具有關鍵意義：它們為驗證BSM2N模型中復雜的N2O產生和排放動態預測提供了直接的、可靠的實驗數據支撐。通過將模型預測的N2O排放通量或濃度與Unisense傳感器實際測得的數值進行比較，研究人員可以評估模型的準確性和可靠性，并對模型進行校準。尤其是在進行參數敏感性分析時，真實的N2O測量數據有助于判斷哪些模型參數（例如，涉及AOB反硝化、HB還原N2O等過程的動力學參數）對預測結果影響最大，從而指導模型校正的方向，提高模型模擬實際污水處理廠N2O排放的能力。雖然本篇論文主要側重于模型模擬和敏感性分析，但Unisense電極提供的此類高質量測量數據是建立和驗證此類復雜機理模型不可或缺的基石。