I modelli ASM (activated sludge models) dalla teoria alla pratica
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Corso di formazione IMPIANTI BIOLOGICI DI DEPURAZIONE 35° edizione - 2020 Modulo 3 - Corso avanzato sulla gestione di processo 11 –12 maggio 2020 I modelli ASM (activated sludge models) dalla teoria alla pratica Ing. Roberto Di Cosmo roberto.dicosmo@gruppocap.it
Contenuti – ASM: dalla teoria alla pratica • Costruire un modello applicato ad un impianto di trattamento reale informazioni tecniche necessarie (influente, PFD, P&ID, etc..) • Schema semplificato per la calibrazione e validazione di un modello ASM • Presentazione generale di alcuni software dedicati alla modellazione (West e Biowin) • Simulazioni avanzate • Esempio di applicazione della modellazione: casi di studio base e applicazioni aziendali
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).
ASM Semplificazione del processo di modellazione Caratterizzazione dell’influente, Conoscenza del sistema volumetria, flussi di ricircolo , SRT etc.. Analisi dei dati di letteratura e dei dati Inserimento delle sperimentali, controllo dei parametri delle informazioni nel equazioni del modello modello Stima dei parametri non noti e primo Calibrazione aggiustamento in funzione di primo set di dati reali sui quali si calibra il modello Controllare l’efficacia dei parametri determinati in fase di calibrazione su un secondo set di dati Validazione (trend di NO3, NH4,etc.. ) di un periodo differente da quello di calibrazione. Se le risposte sono indaguate si itera il processo
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 di Como 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 Controllo della portata Controllo aerazione Anossico Aerobico IFAS Aerobico
Simulazioni avanzate: 1M AE Sedimentatore e controllo spurgo Anossico Aerobico Aerobico Aerobico
Simulazioni avanzate: 1M AE Parametri UM Letteratura Analisi ASM1 model Massimo tasso di crescita AOB 1/d 0.8 0.6 Aeration specific model coefficients Normalization of inflow load SST in vasca aerobica Sonda SImulazione
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
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
Esempio di applicazione CAS con software Biowin • Presentazione generale di Biowin by Envirosim • Brevi casi di studio • Applicazioni aziendali
Presentazione generale di Biowin by Envirosim • Ultima versione: Biowin 5.3 • Velocità di calcolo adeguata per processi a biomasse adese anche nel caso di superficie specifica dei supporti > 1000 m2/m3 (vedi biofiltri aerati, anammox, etc…) • Il modello di base è il modello «plant wide» o «general model» (Barker e Dold, 1997) • Contiene anche ASM1, 2 e 3 (da usare facendo attenzione a quale input si considera nel layout del modello) • Il modello integrato include il calcolo delle emissioni dei gas serra (GHG) • Discutibile praticità dell’interfaccia • Permette di valutare aspetti che altri software non considerano: o state point analysis di un sedimentatore secondario o curve SOTE vs Portata d’aria specifica m3/diffusore h o profili delle concentrazione nel biofilm
Contenuti 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 Apporti pro capite 35000 m3 Nitrificazione/ossidazione-hutile = 5.5 12.2 gN/AE/d DO = 2 mg/l 102 gCOD/AE/d Qri = 2*Qin 70 gSST/AE/d 1.8 gP/AE/d SRT = 18 giorni Concentrazioni medie T progetto = 12°C 34.9 Ntot (TKN) mgN/l 291 COD mg/l Superficie sedimentatore 3500 m2-hutile = 4 m 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 10 12 18 SRT (d)
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 Lo SVI non è un parametro editabile in Biowin PDE sono approssimate in un sistema a n strati in cui vengono effettuati bilanci di massa
Modello sedimentazione Lo SVI non è un parametro editabile in Biowin 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 / Off gas OUR – OUR – AlphaF Air flow rate OTE SOTE OTR SOTR OUR - Total diffusers diffuser 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
F variabile nello spazio e nel tempo Data from Leu et al. (2009)
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 Dosaggio titolo DEI REAGENTI Reagenti m3/d 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
Esempio applicazione reale 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% +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
Conclusioni Fasi principali di un modello: calibrazione e validazione Per ottenere risultati affidabili è necessario: ▪ effettuare delle prove sperimentali: • test respirometrici • caratterizzazione dell’influente ▪ avere un solido database di informazioni operative ▪ avere sempre una visione critica dei risultati ottenuti
Puoi anche leggere