低能量密度超声波/碱协同溶胞—隐性生长污泥减量研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:yuanyuan814606754
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
当前污水处理厂的污泥产量大且处理处置成本高,使得污泥源头减量技术日益受到关注。溶胞-隐性生长技术可同时减少污泥产量和提高氮磷去除效率,应用前景广阔。高效溶胞是该技术的关键。课题组此前的研究发现将低能量密度超声波辐射与碱处理耦合可实现低成本溶胞,并在相关小试中获得了理想的污泥减量效果。然而,该组合工艺对大规模设施的适用性和可行性仍需进一步研究。本研究建立和运行了400m3/d的溶胞-隐性生长规模化实验系统,连续处理城市污水进行污泥减量研究。将低能量密度超声波/碱协同溶胞与水解酸化耦合用于其污泥预处理,并以传统活性污泥(CAS)工艺进行生物降解。连续运行表明规模化系统的表观产率系数可降至0.27kgVSS/kgCOD去除,污泥减量率达56.45%。预处理有效地促进了剩余污泥的生物降解。系统出水水质良好,其CODCr、BOD5、SS和pH值能满足《城镇污水处理厂污染物排放标准》(GB18918-2002)一级B标准的要求。污泥预处理对CAS体系活性污泥的活性无明显影响,活性污泥的SVI值介于80120mL/g之间。污泥预处理体系运行稳定。在污泥层厚度53.3mm(对应的能量密度和超声时间分别为0.089W/mL和154s)和碱剂量66.0gNaOH/kgDS等优化条件下,污泥溶胞率为12.16%;溶胞后污泥上清液中SCOD、TN、NH4+-N和TP浓度分别增至2280.7、287.27、15.90和126.33mg/L;溶胞污泥pH值为11.84。后置反应和水解酸化改善了溶胞污泥的可生化性,其VFA产率、污泥酸化程度和氨化效率分别为2.38mol/kgVSS、19.05%和19.59%。预处理后污泥pH值降至8.70左右。超声装置内的污泥层厚度和碱剂量是影响溶胞效果的关键参数。需要修正小试得出的薄层超声策略。在声强为0.476W/cm2时,理想的污泥层厚度介于4070mm之间,最佳值为53.3mm。合适的碱剂量为66.0gNaOH/kgDS。规模化系统的COD、氮和磷的平衡结果分别为91.30%、97.25%和71.49%。系统存在同化作用之外的氮磷去除重要途径。系统运行成本为1.210元/m3污水,比常规CAS系统低11.49%。其中,CAS体系的污水和污泥处理的成本占主导。研究表明低能量密度超声波/碱协同溶胞-隐性生长污泥减量工艺在技术上和经济上都是可行的。
其他文献
在专利侵权纠纷中,如何在专利权人与涉嫌侵权人的权益保护之间取得平衡,在诉讼效果和诉讼成本之间取得平衡,在维护正当权益和防止权力滥用之间取得平衡,是专利侵权研究的热点
三月的北京人民大会堂。万众瞩目。十一届全国人大三次会议。“海西”再次强力吸引全国人民的目光。温家宝总理在政府工作报告中第一次明确提出,“支持海峡西岸经济区在两岸交
电网输配电建设主要为电力能源的输送提供载体,电力的生产、输送以及调配是一个统一的组成部分,输配电的建设可以保证电力能源的稳定传输。对于这种具有规模经济的行业来说,
本文对防护头盔所使用的复合板设计了两个实验来确定其所产生的伤害程度。实验结论:可优化复合材料制成的防弹头盔来避免大范围瞬时变形,从而减少对头部造成的冲击和钝挫伤。
信托,是为财产的转移和管理而设计的特有制度。正是基于信托制度适用的广泛性和灵活性,从信托制度起源至今,已有越来越多的国家将信托制度融入到本国的经济发展和社会生活中
笔者2012年4-5月,采用天灸止痛液治疗重度肩周炎,取得良好的效果,现报告如下。1临床资料1.1诊断标准参照《中医病证诊断疗效标准》[1]和《疼痛诊断标准》[2]拟定,(1)肩关节疼痛
目的:研究尿液检验在临床检验中的影响因素。方法:选取2017年5月-2018年5月检验科收集的380例尿液样本资料,选择110例出现误差的样本进行分析,找出影响检验结果的因素。结果:
房地产投资信托起源于美国,其在立法与实践方面已经相当成熟,已经发展成为美国最为主要的投资房地产以及为房地产业进行融资的金融工具,逐渐在商业房地产投资中占据重要地位,
纳米尺度周期性结构可以对光谱进行目的性、选择性地调节与控制,且采用现有微纳米制造技术制备,在光伏、光电子、传感、探测、无油墨印刷、光热转换器等领域具有广阔应用前景
现如今,网上购物已经成为了人们日常生活不可或缺的一个部分。在网上购物的情境下,买家和卖家不再需要进行面对面的交易,这给卖家直观的掌握顾客的需求和反馈提供了一定的障碍。但在另一方面,网上购物为数据分析提供了便利。顾客在网上发生的所有购物行为都被计算机记录在案,这使得商家能够通过这些数据分析顾客的行为从而了解消费者的需求和偏好,甚至能够预测顾客的购买行为。因此本文提出了一种基于用户聚类和特征选择的机器