Esempi di applicazione dei modelli ai processi biologici a fanghi attivi - Gestione del processo di depurazione biologica - livello avanzato
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Ing. Roberto Di Cosmo
roberto.dicosmo@gruppocap.it
Gestione del processo di depurazione biologica – livello avanzato
Esempi di applicazione dei modelli ai processi biologici a fanghi attivi
11/05/2021
Contenuti – ASM: dalla teoria alla pratica • Costruire un modello applicato ad un impianto di trattamento reale • Cenni agli schemi semplificati per la calibrazione e validazione di un modello ASM • Gli applicativi di modellazione degli impianti di depurazione • I risultati delle simulazioni • Esempi di applicazione della modellazione: casi di studio base e applicazioni aziendali • Conclusioni + Qualche costo
Applicazione della modellazione per un impianto di trattamento reale ✓ Dati di progetto ✓ Dati di esercizio ✓ Caratterizzazione Idraulica ✓ Caratteristiche del modello di sedimentazione ✓ Caratterizzazione del modello biocinetico prescelto ✓ Concentrazioni nell’influente e nell’effluente ✓ Analisi o segnali in continuo dalle diverse operazioni unitarie (DO, SS, NH4+, NO3-) ✓ Composizione del fango (SS, VS/TS) ✓ Parametri cinetici (ratei di crescita e decadimento ✓ Stechiometria delle reazioni
Applicazione della modellazione per un impianto di trattamento reale Profilo Idraulico a
Applicazione della modellazione per un impianto di trattamento reale Pipe & Instrumentation (P&I)
Applicazione della modellazione per un impianto di trattamento reale ✓ Dati di progetto ✓ Dati di esercizio ✓ Caratterizzazione Idraulica ✓ Caratteristiche del modello di sedimentazione ✓ Caratterizzazione del modello biocinetico prescelto ✓ Concentrazioni nell’influente e nell’effluente ✓ Analisi o segnali in continuo dalle diverse operazioni unitarie (DO, SS, NH4+, NO3-) ✓ Composizione del fango (SS, VS/TS) ✓ Parametri cinetici (ratei di crescita e decadimento ✓ Stechiometria delle reazioni
Applicazione della modellazione per un impianto di trattamento reale
✓ Dati di progetto
✓ Dati di esercizio
✓ Caratterizzazione Idraulica
✓ Caratteristiche del modello di sedimentazione
✓ Caratterizzazione del modello biocinetico
PDE sono approssimate in
prescelto
un sistema a 10 strati in cui
✓ Concentrazioni nell’influente e nell’effluente
vengono effettuati bilanci di
✓ Analisi o segnali in continuo dalle diverse
massa per ciascuno strato
operazioni unitarie (DO, SS, NH4+, NO3-)
✓ Composizione del fango (SS, VS/TS)
✓ Parametri cinetici (ratei di crescita e decadimento
✓ Stechiometria delle reazioni
Clarification zone
layers
Zone settling
Thickened zone
Compression
log mg/l
Applicazione della modellazione per un impianto di trattamento reale
✓ Dati di progetto • ASM1 (Henze et al.1987)
✓ Dati di esercizio
✓ Caratterizzazione Idraulica • Barker and Dold (Barker & Dold, 1997)
✓ Caratteristiche del modello di sedimentazione • ASM2d (Henze et al.1999)
✓ Caratterizzazione del modello biocinetico • ASM3 (Gujer et al.1999)
prescelto
✓ Concentrazioni nell’influente e nell’effluente
• ASM3+BioP (Rieger et al.2001)
✓ Analisi o segnali in continuo dalle diverse • ASM2d+TUD (Meijer, 2004)
operazioni unitarie (DO, SS, NH4+, NO3-) • UCTPHO+(Hu et al.2007)
✓ Composizione del fango (SS, VS/TS) • …
✓ Parametri cinetici (ratei di crescita e decadimento
✓ Stechiometria delle reazioni • …
Applicazione della modellazione per un impianto di trattamento reale ✓ Dati di progetto ✓ Dati di esercizio ✓ Caratterizzazione Idraulica ✓ Caratteristiche del modello di sedimentazione ✓ Caratterizzazione del modello biocinetico prescelto ✓ Concentrazioni nell’influente e nell’effluente ✓Analisi in campo o segnali in continuo dalle diverse operazioni unitarie (DO, SS, NH4+, NO3-) ✓ Composizione del fango (SS, VS/TS) ✓ Parametri cinetici (ratei di crescita e decadimento ✓ Stechiometria delle reazioni
Applicazione della modellazione per un impianto di trattamento reale
✓ Dati di progetto Schema semplificato del processo di modellazione –
✓ Dati di esercizio calibrazione e validazione
✓ Caratterizzazione Idraulica
✓ Caratteristiche del modello di
sedimentazione
✓ Caratterizzazione del modello biocinetico
prescelto
✓ Concentrazioni nell’influente e
nell’effluente
✓ Analisi o segnali in continuo dalle diverse
operazioni unitarie (DO, SS, NH4+, NO3-)
✓ Composizione del fango (SS, VS/TS)
✓ Parametri cinetici (ratei di crescita e
decadimento
✓ Stechiometria delle reazioni
Kx KNO Kh bh
Calibrazione dei parametri più sensibili in funzione
di analisi respirometriche e confronto con dati
realiApplicazione della modellazione per un impianto di trattamento reale
Tipologia di dati richiedi per la costruzione e la calibrazione di un modello a fanghi attivi (modificato da Rieger
et al., 2013).Activated sludge models (numero di processi e variabili utilizzate)
! !
!
Usare sempre il modello più semplice per lo scopo desideratoActivated sludge models
Variabili di stato dell’ASM1 e corrispondenti dell’ASM2d.
Variabili ASM 1 Variabili ASM2d
COD fermentabile SF
COD solubile SS Prodotti della fermentazione
SA
(considerati acetati)
COD inerte solubile SI COD inerte solubile SI
COD lentamente biodegradabile XS COD lentamente biodegradabile XS
Biomassa eterotrofa XH
COD biomassa eterotrofa XBH
Biomassa fosforo-accumulante XPAO
COD biomassa autotrofa XBA Biomassa autotrofa XAUT
COD inerte particolato XI& XP COD inerte particolato XI
Azoto ammoniacale SNH Azoto ammoniacale SNH4
Azoto ossidato (nitroso/nitrico) SNO Azoto nitrico SNO3
Azoto organico solubile SND Azoto molecolare N2
Azoto organico particolato XND
Ossigeno disciolto SO Ossigeno disciolto SO2
Alcalinità SALK Alcalinità SALK
Usare sempre il modello più semplice per lo scopo desideratoActivated sludge models: softwares
*Gratis(web based)
J
ava based A
ctivated S ludge process S imulator
*Gratis
AQUASIM
SuperPro Designer®
*GratisWEST by DHI
Software Interfaces
Block Library
Parameters
Layout &
Variables
&
properties
Control center (run steady state and dynamic simulations)
Log and debug modeBiowin by Envirosim
Software Interfaces
Modelling layout
ParametersSoftware Interfaces
Capdet-works by Hydromantis
Unit
operation
LayoutSoftware interfaces GPS-X by Hydromantis
Control center
Grafici
LayoutWEST: alcune funzioni Parametri specifici per ogni operazione unitaria Esempio: Volume, ML ricircolo, etc.. Parametri dell’influente West influent wizard / ASCII input file Caratterizzazione dell’influente differente per vari modelli
WEST: risultati dello stazionario Page creation with multiple results: tables, graphs, statistical evaluation. Slider, TIC, difference from real time series datas, etc… etc…
Simulazioni avanzate: scala pilota e scala reale
ML flow control
m3/d
mg/l
Valutazione di strategie di controllo
Valutazioni sui consumi energeticiSimulazioni avanzate : 140k AE
Nitrati reali e simulati
mg/l
Impianto reale
time
Calibrazione e validazione di un modello ASM1
Valutazione dei consumi energeticiSimulazioni avanzate : 140k AE, Scenario MBR
DO reale e simulato
DO mg/l
Upgrade dell’impianto
Confronto tra consumi energetici
timeSimulazioni avanzate: 500kPE
Parametri UM Valore
ASDM model
AOB Maximum growth
1/d 0.90
rate (literature)
AOB Maximum growth
1/d 0.65
rate from lab analysis
Azoto ammoniacale misurato effluente
Azoto ammoniacale simulato con µmax(AOB) di
letteratura
Azoto ammoniacale simulato con µmax(AOB)
misurato
Azoto ammoniacale simulato con µmax(AOB) misurato
Analisi di scenario:
+30% of COD load
+10% of TKN loadSimulazioni avanzate: 1M AE
NH4-N
Sonda Simulazione
NH4-N, NO3-N e DO
Profili di
concentrazione
in stato stazionarioSimulazioni avanzate: 1M AE
NH4-N effluente
7
6 NH4 simulato NH4 misurato
5
[mg/L]
4
3
2
1
0Esempio base 1 Processo a fanghi attivi pre-denitro/nitro: ❑ Variazione di SRT, T ❑ State point analysis per il sedimentatore secondario ❑ «Sporcamento» dei diffusori
Esempio di applicazione CAS con software Biowin
Influente
≈ 350 l/ab/d
Volumetrie e condizioni operative: 190000 AE
14000 m3 Denitro – h = 5 m 66500 m3/d
35000 m3 Nitrificazione/ossidazione-hutile = 5.5 Apporti pro capite
12.2 gN/AE/d
DO = 2 mg/l 102 gCOD/AE/d
Qri = 2*Qin 70 gSST/AE/d
SRT = 18 giorni 1.8 gP/AE/d
Concentrazioni medie
T progetto = 12°C Ntot (TKN)
34.9
Superficie sedimentatore 3500 m2-hutile = 4 m mgN/l
291 COD mg/l
200 TSS mg/l
24 ISS mg/l
5.1 P mg/l1 – Variazione SRT
Qualità dell’effluente
SRT d 12 18
Total COD 37 38
Total Carbonaceous BOD 5.1 4.5
Ammonia N 1.1 0.7
Nitrite N mg/l 0.3 0.2
Nitrate N 6.0 6.4
Total N 9.4 9.3
Total P 2.5 2.81 – Variazione SRT
18
BOD
16
14
12 AMMONIA N
10
mg/l
8 Polin. (Nitrite N)
6
4 Log. (Nitrate N)
2
0
Ntot
2 5 7 SRT (d) 10 12 18Biowin
1 – Variazione SRT, T
Concentrazioni in uscita
3,0
4,5
4,0
12°C; 18°C; 20°C
2,5 NH4-N 3,5
2,0 3,0 NO2-N
2,5
mg/l
mg/l
1,5 2,0
1,0 1,5
1,0
0,5 0,5
0,0 0,0
6 11 16 21 6 11 SRT 16 21
SRT
8,0
10,7
7,0 10,6
6,0 10,5
5,0
NO3-N 10,4 Ntot
10,3
mg/l
4,0 mg/l
10,2
3,0
10,1
2,0
10,0
1,0 9,9
0,0 9,8
6 8 10 12 14 16 18 20 6 8 10 12 14 16 18 20
SRT SRTSimulazioni dinamiche
• Trend di portata in ingresso
• Caratterizzazione base dell’influente (almeno bioraria e di alcuni giorni tipo)
Portata influente
180000
160000
140000
120000
100000
m3/d 80000
60000
40000
20000
0
0 5 10 15 20 25
hModello sedimentazione - Flusso solido Solitamente lo SVI non è un parametro editabile ma si opera sulla velocità di sedimentazione PDE sono approssimate in un sistema a n strati in cui vengono effettuati bilanci di massa
Modello sedimentazione
Equazione di Veslind
Procedura
1- Numerose prove di sedimentabilità a diverse
concentrazioni di fango
2- Disegnare il grafico del FS (J) = Vs*X :
a. graficizzando i risultati delle curve
sperimentali nel piano J/X
b. trovando il best fit di Vo e K nel piano
semilogartmico ln(Vs)/XModello sedimentazione – State point analysis
250
J = [(Q + Qr)*MLSS]/A
200 SLR = MLSS * Q/A
Solid flux curve Xr = J*A/Qr
Solid flux (kg/m2d)
150
Overflow rate line slope Q/A
100
J
50
SLR Underflow rate line Qr/A
0
0 MLSS 5 10 15
Solids Concentration (g/L)Procedura di calcolo della portata d’aria necessaria
kgO2/h
kgO2/h
SOTR kg/h
Air flowrate Sm3/h =
SOTE * kgO2/Sm3airF variabile
# of Air flow rate / Air flow Off gas OUR – OUR –
AlphaF OTE SOTE OTR SOTR OUR - Total
diffusers diffuser rate Oxygen Carbonaceous Nitrification
[m3/h (20°C, 1 atm)] [%] [kg/h] [mgO/L/h]
0.8 1.84 12880 20 37.5 16.77 1342
0.65 7000 2.32 15955 15.8 36.5 17.63 705.7 1625 9.85 9.68 19.5
0.4 3.95 27565 9 34.3 19.04 2641
Pinst=560 kW
Pinst=350 kW
Pinst=280 kWF variabile nello spazio e nel tempo
Utilizzo della modellazione in Gruppo CAP Ottimizzazione e verifica dei processi depurativi
Gruppo CAP • 2.5M AE serviti con i nostro servizio di depurazione • 60 impianti di trattamento gestiti nell’area metropolitana di Milano
IMPIANTI MODELLATI
• Bresso
• Canegrate
• Cassano d’Adda
• Parabiago
• Pero
• Peschiera Borromeo
• Robecco sul Naviglio
• San Giuliano ovest
• Truccazzano
• Turbigo
• BareggioApplicazione della modellazione in Gruppo CAP
SUPPORTO GESTIONE IMPIANTI
• Supporto e ausilio decisionale (dosaggi reagenti, n. linee attive, valutazione capacità residua impianto, etc.)
• Analisi performances e costi gestionali
• Ottimizzazione processi
• Supporto per dimensionamento apparecchiature elettromeccaniche
SUPPORTO PROGETTAZIONE
• Verifica condizioni di progetto rispetto a scenario reale
• Verifica per ampliamenti e/o adattamenti di impianti esistenti
• Simulazione integrazione di nuove tecnologie in filiere esistenti (MBBR, IFAS, Side Stream, Cicli alternati, etc.)
ENERGY MANAGEMENT
• Analisi consumi energetici (reali e in possibili configurazioni di ottimizzazione)
• Quantificazione produzione biogas e recupero energetico in CHP
UFFICIO PATRIMONIO
• Verifica portate autorizzate
• Verifica carichi autorizzati
• Verifica potenzialità impianti e capacità residua (revisioni ATO)Le sfide della modellazione nel mondo reale
RACCOLTA DATI
Linea Portate campione medio
m3/d settimanale giornaliero
acque CARATTERIZZAZIONE
Linea DELL’INFLUENTE
Portate campione
istantaneo
m3/d settimanale
fanghi CONTROLLO CARATTERISTICHE
titolo
DEI REAGENTI
Reagenti Dosaggio l/h
soluzione
RICHESTE SPECIFICHE AI NOSTRI LABORATORI CERTIFICATI – INSERIMENTO DATI IN
DATABASE WATER LIMS
TELECONTROLLO
SONDE E ANALIZZATORI IN CAMPO
VERIFICA DELL’EFFICACIA DEI DATI PROVENIENTI DALLA STRUMENTAZIONELe sfide della modellazione nel mondo reale
Bareggio revamping vasche tipo Carrousel
Verifica mediante modellazione della condizione maggiormente sfavorevole durante le lavorazioni (richiesta
pervenuta da ATO per emettere deroga autorizzativa durante i lavori)
«Calibrazione/validazione»
35
30
25
20
mg/l
15
10
Ntot 5
0
data
Ntot laboratorio Ntot out modello
Ntot
35
30
25
20
mg/l
15
10
VS Scenario con sole due
5
linee tipo Carrousel in
0
funzione
0 50 100 150 200 250 300 350 400
giorni
Ntot 2 linee carrousell attive Ntot 3 linee attiveBareggio revamping vasche tipo Carrousel
Verifica mediante modellazione della condizione maggiormente sfavorevole durante le lavorazioni (richiesta
pervenuta da ATO per emettere deroga autorizzativa durante i lavori)
«Calibrazione/validazione»
35
30
25
20
mg/l
15
10
Ntot 5
0
data
Ntot laboratorio Ntot out modello
Ntot
35
30
25
20
mg/l
15
10
VS Scenario con sole due
5
linee tipo Carrousel in
0
funzione
0 50 100 150 200 250 300 350 400
giorni
Ntot 2 linee carrousell attive Ntot 3 linee attiveControllo del flusso solido
200
180
160
140
120
kg/m2d
100
80
60
16/02/2021; 3,4; 15,3
16/03/2021; 3,3; 14,6 02/02/2021; 3,8; 19,0
40 10/02/2021; 2,3; 31,1
27/04/2021; 3,6; 21,3
20/01/2021; 5,1; 26,6
13/01/2021; 3,5; 16,0
22/04/2021; 2,5; 16,1
20 15/04/2021; 4,6; 21,4
07/04/2021; 3,5; 16,1 04/03/2021; 3,8; 17,4
24/03/2021; 2,5; 11,2
0 26/01/2021; 4,1; 18,9
0 2 4 09/03/2021; 3,4; 14,9 6 8 10 12 14 16 18
24/02/2021; 3,4; 15,1
30/03/2021; 3,3; 14,7 Concentrazione solidi X - SST _ g/l
13/01/2021 20/01/2021 26/01/2021 02/02/2021
10/02/2021 16/02/2021 24/02/2021 04/03/2021
09/03/2021 16/03/2021 24/03/2021 30/03/2021
07/04/2021 15/04/2021 22/04/2021 27/04/2021
STATE POINT ORL (overflow rate line) min ORL (overflow rate line) max URL (underflow rate line) min
URL (underflow rate line) maxBresso
Impianto di Bresso - Upgrading Biometano
Immessi in rete SNAM – 500000 Sm3 di biometano (da Aprile 2019)
Sollevamento fanghi
Gasometro
misti ai digestori
Torcia
Sezione di
digestione
anaerobica 2 dig +
1 secondario
Stazione di upgrading
Biometano
DisidratazioneBRESSO – IMPLEMENTAZIONE ISPESSITORE DINAMICO
Fanghi biologici ≈ 85 m3/h
RISULTATI SSout isp dim =5%
Fino a +9% biogas prodotto
+8.7% biometano immesso in rete
Costo lavori di installazione ≈180k€
Consumo energetico specifico per separazione biometano: 0.65 kWh/Sm3
Ritorno investimento 7 anni con riduzione problemi gestionaliOttimizzazione di processo – esempio Bresso ■ Mix di trial&error e modellazione base: dosaggio defosfatante con controllo portata in ingresso e fosfati in uscita. Logica di funzionamento su soglie da inserire come set point/controllo segnale verifica delle anomalie alle pompe dosatrici mediante verifica dello scostamento del segnale di portata effettivamente misurato controllo dosaggi per riduzione durante le ore di pioggia
Ottimizzazione di processo – esempio Bresso
■ riscontro segnale allarme pompe dosatrici
■ dosaggio ridotto automaticamente nei periodi
l/ di pioggia e bassissimo carico
h ■ Dosaggio prima dell’attivazione del
controllore:
Prima - giorno tipo (secco): 4000/5000 l/d
Dopo – giorno tipo (secco): 2200/3500 l/d
Prima - giorno tipo (piovoso): 4000/5000 l/d
Dopo – giorno tipo (piovoso): 0/500 l/d
❑ Le sonde/analizzatori diventano ancor più
fondamentali.
Nel caso di analizzatori in uscita:
❑ Attenzione alla frequenza di
acquisizione/controllo segnali per modifica
dosaggio rispetto ai tempi di campionamento
e analisi delle cabine.Modellazione, ottimizzazione e digitalizzazione
Digital twin
- Modellazione real-time
- Effettuare previsioni
- Controllo sonde in fault
- Ottimizzazione ricircoli
Sistema di supporto alle decisioni basato su KPI prestazionali
ed energetici come:
- kWh/kgNrimosso
indicatore monitorato in continuo e minimizzato mediante
Modelli matematici applicati ai processi biologici
Simulazioni previsionali mediante scenari applicati sulle 24 ore successiveModellazione, ottimizzazione e digitalizzazione
Modellazione, ottimizzazione e digitalizzazione
Digital Twin - Bresso
Valutazione performance d’impianto in tempo reale
Acquisizione real time > 60 sensori differenti, 18 energy
meters
Modello calibrato e validato con dati storici
Gestione controlli automatici
• aerazione
• dosaggio reagenti
• ricircoli
• caricamento digestori
KPI
• Efficienza di trattamento
• Consumi energetici
• Recupero energetico e di risorse
• Costi operativiDigital Twin - Bresso
10
5
2
1 3 4
6 7
9
8
10
1) Influente 6) Trattamenti terziari (filtrazione, disinfezione)
2) Trattamenti preliminari 7) Effluente
3) Sedimentazione primaria 8) Trattamento fanghi primari e secondari (digestione
4) Trattamento biologico (sezioni anossiche e aerobiche, anaerobica, disidratazione)
sedimentazione secondaria) 9) Gestione del biogas
5) Dosaggi chimici 10) Calcolo di bilanci energetici, costi operativi e KPIDigital Twin - Bresso
(a)Digital Twin - Bresso
(b)Conclusioni ■Risultati concreti e affidabili si riscontrano SOLO nel caso di effettiva calibrazione e validazione dei modelli ■Servono una serie di prove sperimentali per la caratterizzazione dell’influente ■Se si vogliono utilizzare i parametri di letteratura bisogna avere senso critico e conoscenza dei domini di funzionamento dei diversi processi che possono avvenire nella realtà ■È SEMPRE necessario un solido database di informazioni operative ■Avere sempre una visione critica dei risultati ottenuti – non solo per determinare gli scostamenti possibili rispetto alla realtà ma anche per NON credere che il modello sia più reale della realtà stessa! ■Misuratori di portata, analizzatori, sonde in vasca diventano determinanti per le calibrazioni e validazioni ■Posizionamento corretto delle sonde ■Comunicazione dei dati verso telecontrollo coerente (attenzione a fondo scala, bande morte)
Modellazione
• licenze software 12k€ circa
Controllo dosaggi
• Strumentazione + pompe dosatrici dagli 8k€ ai 25k€ (nel caso di
necessità di acquisto di analizzatore Ptot)
• Risparmi attesi fino al 30% rispetto a dosaggi manuali
• Digital Twin
• Modellazione + attuazione di logiche su PLC 60k€ per 4/5 logiche
• Approccio previsionale applicato a risparmi su base KPI
Qualche CostoBibliografia Copp J.B, The COST Simulation Benchmark: Description and Simulator Manual Cosenza A. Modellazione matematica: Activated Sludge Models e principali applicazioni. Formative seminars for UniPA students, 2015. Esposito V., La cinetica delle biomasse nei reattori a membrana, Biomac 2013 Jeppson U., A general Description of the IAWQ Activated Sludge Model No 1, Lund institute of Technology. 1994 Kose M. Bedrettin, Mathematical Model Applications of Activated Sludge, Dokuz Eylul Uiversity. 2006 Krist V. Gernaey, Activated sludge wastewater treatment plant modelling and simulation: state of the art, Environmental Modelling & software 19 (2004) 763-783 Lubello C. Introduzione ai trattamenti biologici: cenni di microbiologia e cinetica biologica. Corso di ingegneria sanitaria, 2010 Makinia J., Mathematical Modelling and Computer Simulation of Activated Sludge Systems, 2010.. Rieger L., Gillot S., Langergraber G., Ohtsuki T., Shaw A., Takács I. Winkles S.. Guidelines for using activated sludge models. IWA task group on good modelling practice. IWA. ISB 9781843391746. 2013 Vitanza R., Innovazione di processo nel trattamento aerobico dei reflui civili ed industriali. Studio di impianti esistenti e sperimentazione su impianto pilota SBR. 2010
Bibliografia specifica su applicazioni pratiche dei modelli ASM
Authors Title Year
CAO Jiashun , OLEYIBLO Oloche James, XUE Zhaoxia, Achieving low effluent NO3 -N and TN concentrations in low influent chemical oxygen 2015
OTACHE Y. Martins, FENG Qian demand (COD) to total Kjeldahl nitrogen (TKN) ratio without using external carbon source
Oleyiblo Oloche James, Jia-Shun Cao, Amos T Kabo-Bah, Gan Assessing the Impact of Solids Retention Time (SRT) on the Secondary Clarifier Capacity using 2015
Wang the State Point Analysis
Ed Griffenberg Retrofitting an Aeration Basin with Anoxic Zone to Reduce Operations Cost and Improve 2012
Performance
Timur Deniz, Thomas W. Friedrich, John Milligan An Advanced Pollution Control Facility’s Conversion to Four-Stage Bardenpho to Improve 2009
Biological Nitrogen Removal
King County Department Of Natural Resources And Parks South Plant Emergency Peak Flow Management Alternatives 2010
Wastewater Treatment Division
Tetra Tech Technical and Economic Evaluation of Nitrogen and Phosphorus Removal at Municipal 2011
Wastewater Treatment Facilities
Sean Scuras, Emilie Moore, John Toomey, Lauren Handell, Process Control for Improved Nitrogen Removal 2014
Steve Tamburini, Dmitriy Zinchenko
Jonathan Musser Integration of Ozone and Ultrasound Activated Sludge Pre-Treatments into a Wastewater 2010
Treatment Whole-Plant Simulator
Carla Cherchi, Annalisa Onnis-Hayden, Ibrahim El- Implication of Using Different Carbon Sources for Denitrification in Wastewater Treatments 2009
Shawabkeh, April Z. Gu*
Engineering Department City of Winkler City of Winkler ENVIRONMENT ACT PROPOSAL for the new Winkler Wastewater Treatment 2014
Facility
Waterworks engineers City Of Shasta Lake WWTF Improvements For Direct Discharge To Churn Creek – 2013
development design report
Stefania Iordache, Petrescu Nicolae, Cezarina Necula, Municipal Wastewater Treatment Improvement Using Computer Simulations 2010
Gabriela BusuiocBibliografia specifica su applicazioni pratiche dei modelli ASM
Carollo Per Cambria Community Services District ENHANCED COMPLIANCE ACTION PROJECT AND 10 PERCENT DESIGN TECHNICAL 2014
MEMORANDUM NO. 1 ENHANCED COMPLIANCE ACTION PLAN REPORT
Rieger L, Jones RM, Dold PL, Bott CB. Ammonia-Based Feedforward and Feedback Aeration Control in Activated Sludge Processes 2014
Central contra costa sanitary district Development and Calibration of the Wastewater Treatment Process Simulation Model - 2013
Final Report
EarthTech per Region of Waterloo WASTEWATER TREATMENT MASTER PLAN - final report 2007
CH2M HILL per Regional Municipality of Waterloo Technical Memorandum 1: Future Bio-solids Generation and Assessment of Agricultural 2010
Land Inventory
XGC Consultants Ltd. Per Region of Waterloo New Hamburg Wastewater Treatment Plant Class Environmental Assessment Environmental 2015
Study Report
Bowen Collins & Associates, Inc. per Timpanogos Special BioWin Process Model Summary Report 2009
Service District
New York State Energy Research and Development HARRIMAN WASTEWATER TREATMENT FACILITY MEMBRANE BIOREACTOR PILOT STUDY 2006
WSB & Associates, Inc WASTEWATER TREATMENT PHOSPHORUS REDUCTION FOR THE CITY OF MONTICELLO, 2014
MINNESOTA
City and County of San Francisco TECHNICAL MEMORANDUM NO. 202 BIOWIN MODELING AND SECONDARY CLARIFIER 2009
STRESS TESTING AT THE SEP AND OSP
Prepared by JJ Environmental Final Report - Low Cost Retrofits for Nitrogen Removal at Wastewater Treatment Plants in 2015
the Upper Long Island Sound Watershed
Sacramento Regional County Sanitation District Biological Nutrient Removal Draft Basis of Design Report 2012
Bart Verrecht, Thomas Maere, Lorenzo Benedetti, Ingmar Model-based energy optimisation of a small-scale decentralised membrane bioreactor for 2010
Nopens, Simon Judd urban reuse
Lorenzo Benedetti Probabilistic design and upgrade of wastewater treatment plants in the EU Water 2006
Framework Directive context
Amerlinck, Y., Cierkens, K., Nopens, I. Application of a colour-based system analysis tool at the 2015
WWTP of Eindhoven
Amerlinck Y., Cierkens K., Flameling T., Weijers S., Nopens I. A practical and sound model calibration procedure applied to the WWTP of Eindhoven 2015Ing. Roberto Di Cosmo
roberto.dicosmo@gruppocap.it
11/05/2021Puoi anche leggere
