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 ✓ 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 reali
Applicazione 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 desiderato
Activated 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 desiderato
Activated sludge models: softwares *Gratis(web based) J ava based A ctivated S ludge process S imulator *Gratis AQUASIM SuperPro Designer® *Gratis
WEST by DHI Software Interfaces Block Library Parameters Layout & Variables & properties Control center (run steady state and dynamic simulations) Log and debug mode
Biowin by Envirosim Software Interfaces Modelling layout Parameters
Software Interfaces Capdet-works by Hydromantis Unit operation Layout
Software interfaces GPS-X by Hydromantis Control center Grafici Layout
WEST: 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 energetici
Simulazioni avanzate : 140k AE Nitrati reali e simulati mg/l Impianto reale time Calibrazione e validazione di un modello ASM1 Valutazione dei consumi energetici
Simulazioni avanzate : 140k AE, Scenario MBR DO reale e simulato DO mg/l Upgrade dell’impianto Confronto tra consumi energetici time
Simulazioni 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 load
Simulazioni avanzate: 1M AE NH4-N Sonda Simulazione NH4-N, NO3-N e DO Profili di concentrazione in stato stazionario
Simulazioni avanzate: 1M AE NH4-N effluente 7 6 NH4 simulato NH4 misurato 5 [mg/L] 4 3 2 1 0
Esempio 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/l
1 – 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 2.8
1 – 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 18
Biowin 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 SRT
Simulazioni 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 h
Modello 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)/X
Modello 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/Sm3air
F 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 kW
F 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 • Bareggio
Applicazione 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 STRUMENTAZIONE
Le 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 attive
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 attive
Controllo 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) max
Bresso 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 Disidratazione
BRESSO – 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 gestionali
Ottimizzazione 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 successive
Modellazione, 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 operativi
Digital 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 KPI
Digital 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 Costo
Bibliografia 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 Busuioc
Bibliografia 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 2015
Ing. Roberto Di Cosmo roberto.dicosmo@gruppocap.it 11/05/2021
Puoi anche leggere