彗星式纤维滤料生产厂家污水生物处理系统运行数据统计分析的研究

　　彗星式纤维滤料生产厂家污水生物处理系统运行数据统计分析的研究

　　源头彗星式纤维滤料厂家，自产自销，工厂生产销售一体化，跳过中间商，彗星式纤维滤料哪家好，关注仁源水处理材料产品中心。直面高效彗星式纤维滤料、863彗星式纤维滤料，2018年最新彗星式纤维滤料价格详询拨打：15838253283(微信同号)。本文结合污水处理厂的运行管理数据，采用数理统计理论中的方差分析法，进行单元素和双元素影响效果的分析，把握控制因素MLSS浓度和MLDO浓度对观测因素处理水COD浓度的影响程度。分析不同污水处理厂各自的运行特征，找出影响处理效果的关键因素，为选择最佳运行条件提供可靠的依据。

　　一、引言

　　以改善居住环境、排除内涝和保护公共水体的水质为目标的城市排水系统，是重要的城市基础设施之一，近年伴随着海绵城市建设和城市水环境整治工作的不断深入，对污水处理厂处理效果的管理得到了更多的关注。以生物处理系统为主体的城市污水厂的处理水水质受天气，季节，原水水质以及曝气量等多种因素的影响。本论文对国内采用生物处理系统的Q污水处理厂的运行管理数据，采用数理统计理论中的方差分析法对最佳运行条件进行分析研究，为改善生物处理系统的处理水水质提供依据。以下，将就该污水处理厂的运行状况进行分析，并利用方差分析法就生物处理系统中的控制因素(MLSS浓度和MLDO浓度)对处理结果即观测因素处理水COD浓度所产生的影响进行分析。最后，与日本横滨市T污水处理厂的运行情况进行比较，指出互相之间的共同点和不同点，并提出运行管理中的改善对策。

　　二、污水厂生物处理系统的运行状况

　　本次用于分析的Q污水处理厂建设于二十世纪80年代初，处理规模不大，设计日处理能力为5万m³/日，设计流入污水BOD为200mg/L，流入污水SS为240mg/L，一沉池和二沉池为直径25米的圆形放射流式沉淀池，是采用阶段式曝气的活性污泥生物处理系统。在污水厂的运行管理中，每天对反映运行情况的15个指标进行记录，作为月报进行归纳整理。这些指标分别为：

　　1)处理水量(m³/日)，

　　2)流入污水BOD(mg/L),

　　3)曝气池入口BOD(mg/L)，

　　4)处理水BOD(mg/L)，

　　5)流入污水COD(mg/L)，

　　6)曝气池入口COD(mg/L)，

　　7)处理水COD(mg/L)，

　　8)曝气池入口SS(mg/L)，

　　9)曝气池入口SVI(mg/L)，

　　10)曝气池出口SVI(mg/L)，

　　11)曝气池出口PH值，

　　12)曝气池入口MLSS(mg/L)，

　　13)曝气池出口MLSS(mg/L),

　　14)曝气池入口MLDO(mg/L),

　　15)曝气池出口MLDO(mg/L)。

　　这里，利用该污水处理厂某一年的运行管理数据进行分析，对每个数据制作出日变化曲线图。结果发现基本都是不规则的变化，不存在随季节变化的因素。上述15个指标中的1)处理水量(m³/日)，5)流入污水COD(mg/L)和12)曝气池入口MLSS(mg/L)的日变化曲线如图-1至图-3所示。

　　同时，对处理水量采用统计分析理论中基本统计量的平均和标准偏差进行计算，求出这一年中各月的基本统计量。从表示各月平均和标准偏差的图-4中得到，处理水量的月平均值有很大的变化，且看不出有明显的季节变动。但从标准偏差值可以察知，在7月至9月的汛期中的标准偏差相对较大，处理水量还是受到了降雨的影响。另外，相对于设计处理能力，实际的处理水量为2.04万m³/日，根据调查得知该污水厂有二列污水处理设施，其中一列正处于大修期间，所以造成了水量偏少的现象。

　　三、方差分析法对生物处理系统的运行分析

　　3.1 观测变量和控制变量的选择

　　如何选择分析的特性值即观测因素与分析的目的相关联，依靠分析者的判断来决定。影响观测变量的原因在本次分析中称为因素。因素一般有控制因素，标示因素，辅助因素，模糊因素和误差因素共五类，因素的各种状态称为水平，水平又可以分为定性的和定量的。因素的效果以及所产生的影响可以从特性值的变化中进行推测。

　　采用活性污泥法的污水处理厂，是通过生物进行污染物分解的生物处理系统。为了确保生物的正常活动，必须正常地控制BOD-SS负荷和溶解氧浓度。在污水处理厂的实际运行管理中，BOD-SS负荷的调节是依靠MLSS浓度来实施的。根据流入有机物的浓度变化，经常调节回流的活性污泥量，以提供给微生物最适量的营养物质。同时，溶解氧以MLDO浓度来进行表示，通过鼓风设施的供氧量来进行调节。为了解该污水处理厂的运行管理状态，本次分析中的观测变量即观测因素选择表示污水厂处理结果的处理水COD浓度，而控制变量即控制因素选择反应活性污泥回流量的MLSS浓度和鼓风机送养量的MLDO浓度。

　　分析时使用该污水处理厂如表-1所示7月～9月的运行数据，首先应用单因素方差分析法就曝气池入口MLSS浓度对处理水COD浓度的影响进行分析。然后应用双因素方差分析法就曝气池入口MLSS浓度和MLDO浓度对处理水COD浓度的影响进行解析。

　　3.2 单因素方差分析法的分析

　　污水处理厂的处理水COD是表示处理效果的数值，这个值受流入污水COD的变动、季节的变化以及控制系统的操作等多个因素的影响。这里，以处理水COD浓度数据的平均值为中心，从低浓度到高浓度分成5个水平，分别如下。水平1：6

　　(1)控制因素总偏差平方和(总变差)ST的计算：

　　其中，Xij：第i水平的第j个数值

　　X：全部数值的平均值

　　(2)控制因素水平间的偏差平方和SA的计算：

　　其中，Xi：第i水平数值的平均值

　　X：全部数值的平均值

　　(3)控制因素水平间的偏差平方和SE的计算：

　　SE = ST-SA

　　(4)自由度的计算：

　　控制因素总偏差的自由度：ΦT=N-1

　　因素间变动的自由度：ΦA=k(水平数)-1

　　偏差间变动的自由度：ΦE=ΦT-ΦA

　　其中，n：三个月数据的总数

　　(5)各个水平间的母平均差的检验

　　其中，X1，X2为二个水平的平均值，n1，n2是该平均内控制变量出现的重复次数。VE为偏差的分散值。

　　根据上述公式实施计算，得到单因素试验方差分析表，如表-2所示。根据单元素方差分析法进行F检验。从方差分析法F表中可以查得，当危险率α为1%时，F(4，87;0.01)=3.51，而从表-2中得到分散比Fo=4.431>F(ΦA，ΦE;α)。根据方差分析法的原理，当Fo>F时可得知观测因素处理水COD浓度，在控制因素MLSS浓度的不同水平之间存在着一定的差异。

　　为了更进一步了解各水平的数据母集团和整体数据母集团中有无存在偏差，即为了检验某一水平的数据是否同属全体母集团，对5个水平的数据采用如上(5)的计算公式进行鉴定计算，得到to值如表-3所示。根据这个计算结果，来判断不同水平的数据母集团是否属于全体数据的母集团中。确定有意水平为1%，自由度ΦE=87时，查单元素方差分析法的t表得到t(87，0.01)=2.641，如果某一水平的to≥t(ΦE;α)的情况下，表示该水平不属于整体母集团之中。从表-3可以发现，水平1中MLSS浓度的to值为2.988大于2.641，该水平中的数据在有意水平为1%时属于整体母数据的假定被推翻，水平1的MLSS浓度不属于平均的控制变量数据，可以推测对观测变量有着显著的影响。经过对Q处理厂运行情况的分析，该污水处理厂的回流污泥采用螺旋泵提升后送入曝气池入口，其流量基本不能进行调节。所以，当流入污水COD浓度较低时也有相同量的回流活性污泥送入曝气池，结果得到了良好的出水水质。由此可以得到，可以通过改善回流污泥设备，管理好曝气池入口MLSS浓度的变化，来达到降低处理水COD浓度，保持较好的处理水水质。

　　表-2 单因素试验方差分析表

　　表-3 各个水平的to结果计算表

　　3.3 双因素方差分析法的分析

　　双因素方差分析法，在研究有二个控制因素A和B的不同水平的组合(Ai,Bj)对观测因素的影响效果时使用。一般地说，观测因素Xij在分别接受二个不同因素单独影响的同时，还会受A和B两个因素组合后交互作用的影响。在本次的分析中，采用不考虑交互作用影响的双因素方差分析法。也就是说，观测因素Xij的数据为如下的结构。

　　Xij = μ+ai+bj+ eij

　　其中，μ为一般平均值，ai为A因素的效果，bj为B因素的效果，

　　eij为偏差。

　　有关分析的顺序，与单因素方差分析法基本相同，在分散分析的结果中由于有二个因素产生的效果，不同水平间变动SA,SB，自由度ΦA,ΦB以及分散VA,VB在方差分析表中归纳好即可。接下来就MLSS浓度和MLDO浓度分别对处理水COD浓度的影响效果进行比较。

　　首先，为了确定各要素的水平，利用Q污水厂7月～9月的运行数据，通过计算得到MLSS浓度的频度分布如图-5所示。从该图中得知，MLSS浓度的水平有5个，水平的范围是以平均值X为中心的0.5σ(标准偏差值)的范围。同时，MLDO浓度的水平数和水平范围也用同样的方法确定。接下来，对MLSS的水平(A1,A2,A3,A4,A5)和MLDO的水平(B1,B2,B3,B4,B5)的组合进行数据整理。在这里，由于对应不同的Ai，Bj的处理水COD浓度的数值是不同的，在这里取数据的平均值，所得到的不同水平处理水COD浓度整理结果如表-4所示。利用表-4数据进行分散分析后得到表-5的结果。

　　表-4 不同水平的处理水COD浓度整理表 (单位：mg/L)

　　表-5 双因素试验方差分析表

　　这里，把控制因素A的Fo值与F(ΦA，ΦE;α)比较，控制因素B的Fo值与F(ΦB，ΦE;α)比较，确定有意水平为1%的时候，查双元方差分析法的F表得到F(ΦA，ΦE;α)= F(ΦB，ΦE;α)=F(4，16;0.01)=4.77。从表-5中得知，FoMLSS=5.887 >F(ΦA，ΦE;α)，表示有意水平为1%时与COD浓度有密切关联。而有关FoMLDO=0.389

　　由此可得在Q污水处理厂，控制因素A的MLSS浓度对于观测因素处理水COD浓度的变化具有重要的影响，MLSS浓度是左右污水处理厂处理效率的主要因素。从前述的表-4可以得到，出现处理水COD浓度平均值小于10mg/L的水质时，为A5水平和B4，B5水平进行组合时发生。也就是，MLSS浓度和MLDO浓度都处于高位时，Q污水处理厂处于较好的出水水质。通常，当溶解氧的浓度在0.5mg/L时活性污泥的处理效果处于正常，但在现实中更喜欢较高的溶解氧浓度(2～3mg/L)。针对Q污水处理厂这3个月的数据得到，MLDO浓度的平均值为2.5mg/L,标准偏差σ=1.43，虽然有些时日的MLDO浓度偏低，从整体来看溶解氧的浓度得到一定的保证。但对于MLSS浓度，一般阶段式曝气方式的情况下要求在2000～4000mg/L。而Q污水处理厂的情况是曝气池入口处MLSS浓度的平均值为2022mg/L，最低的时候只有712mg/L，回流活性污泥量显得十分不足。实际上Q污水厂的活性污泥回流设施的运行情况很不理想，回流量得不到有效的保障。由此可得，双因素方差分析法的分析结果很好地证实了Q污水处理厂的运行管理情况。

　　四、与日本横滨市T污水处理厂的比较分析

　　4.1 横滨市T污水处理厂的现状

　　横滨市的排水设施大规模建设始于1957年，伴随着大批污水处理厂的建设，城市污水处理率大幅提升。目前市内有12座污水处理厂和2个污泥处理中心，污水处理率接近100%。其中，用于本次比较分析的T处理厂(B列)自1986年开始运行，设计处理能力为4.9万m³/日。该污水处理厂处于合流制排水系统，是以处理生活污水为主的污水厂，采用全面曝气的活性污泥法生物处理系统。为了有效地利用土地资源，该污水厂把主要的处理设施都建设在地下，上部作为公园和网球场等公共福利设施和体育设施向市民开放利用。

　　4.2 Q污水厂和T污水处理厂运行情况的比较

　　国内的Q污水处理厂和横滨市T污水处理厂都是活性污泥法的生物高级处理系统，处理流程也基本相似。这里，对T污水处理厂近年的污水处理情况进行分析，并和Q污水处理厂的运行情况比较见表-6所示。从中可知相对于Q污水厂的年度COD平均去除率76.4%，T污水厂年度COD平均去除率为89.1%，处理效果相对好一些。

　　表-6 Q和T污水处理厂年度处理情况汇总表

　　同时，采用该年度T污水处理厂7月～9月的运行数据，用单元素方差分析法分析后与Q污水厂进行比较的结果如图-6所示。从中可以看出T污水厂控制因素MLSS浓度的效果与Q污水厂完全相反，当MLSS浓度较小的时候，其处理效果反而更好。也就是说在T污水厂适当减少回流污泥量可以取得更好的处理效果。采用双元素方差分析法对横滨市T污水厂的MLSS浓度和MLDO浓度对处理水COD浓度的作用情况进行分析，其变动的分散比分别为：FoMLSS=1.181，FoMLDO=8.528，与有意水平为1%时的F(4，16;0.01)=4.77相比，FoMLDO>F(4，16;0.01)，即MLDO浓度与处理水COD有很大的关联。所以，对T污水处理厂来说，影响处理水COD浓度变动的控制因素与Q污水厂正好相反，MLDO浓度的影响远大于MLSS浓度的效果。

　　五、分析的总结

　　本文采用数理统计理论中的方差分析法对Q污水处理厂的运行管理数据进行了分析研究，同时和横滨市T污水处理厂的分析结果进行了比较，找到了运行管理中的共同点和不同点。主要表现在：

　　(1)采用单元方差分析法对观测因素的处理水COD浓度按照高低不同的水平进行分析时，在Q污水厂当控制因素MLSS浓度和MLDO浓度处于高位时，可以得到好的处理水质。而横滨市T污水处理厂则当MLDO浓度处于高位，MLSS浓度处于低位时，可以得到好的处理水质。

　　(2)采用双元方差分析法对观测因素的处理水COD浓度受控制因素MLSS和MLDO浓度的影响程度进行分析时，得到国内Q污水厂中的MLSS浓度的影响力远高于MLDO浓度，是影响污水处理效果的主要因素。而横滨市T污水厂的MLDO浓度是影响污水处理效果的主要因素。

　　通过对污水处理厂的运行管理数据采用方差分析法进行研究，可以把握该污水处理厂的运行特征，找出影响污水处理厂处理效果的关键因素，为选择最佳的运行条件提供可靠的依据。在不断追求污水处理厂运行达标率的大环境下，这样的分析结果必将得到实际的应用。

更多彗星式纤维滤料生产厂家详情点击：http://www.lvliaochangjia.com/