Modeling nitrous oxide production by a denitrifying-enhanced biologically phosphorus removing(EBPR) activated sludge in the presence of different carbon sources and electron acceptors

在不同碳源和電子受體存在下反硝化增強生物除磷（EBPR）活性污泥中一氧化二氮產生的建模

來源：Water Research, Volume 142, 2018, Pages 55-64

《水研究》，第142卷，2018年，第55-64頁

 

摘要

摘要部分闡述了本研究擴展了IWA活性污泥模型No. 2d（ASM2d），以識別在結合氮磷去除的活性污泥系統中導致缺氧一氧化二氮（N2O）產生的最重要機制。新模型采用三階段反硝化概念，并針對從當地大型生物營養去除污水處理廠取出的活性污泥進行的一相/兩相批次實驗數據進行了評估。實驗重點研究了不同外部碳源（乙酸、乙醇）和電子受體（亞硝酸鹽、硝酸鹽）對聚磷菌（PAOs）增強生物除磷和普通異養菌（OHOs）外部碳基反硝化中N2O產生機制的影響。實驗結果表明，無論碳源和COD/N比如何，N2O產生主要受亞硝酸鹽存在支配。模型能夠準確預測（R2 > 0.9）N2O-N、NO3-N、NO2-N、可溶性COD和PO4-P的行為。模擬結果顯示，只有OHOs負責N2O產生，而存在的反硝化PAOs僅將硝酸鹽還原為亞硝酸鹽。

 

研究目的

研究目的是開發一個擴展的數學模型，以揭示在反硝化增強生物除磷（EBPR）活性污泥系統中，不同碳源和電子受體條件下N2O產生的關鍵機制，特別是評估亞硝酸鹽和碳源類型對N2O積累的影響，并為實際污水處理廠提供N2O減排策略的理論基礎。

 

研究思路

研究思路基于擴展ASM2d模型，引入N2O作為新狀態變量，將反硝化過程分為三步（硝酸鹽還原為亞硝酸鹽、亞硝酸鹽還原為N2O、N2O還原為氮氣）。通過一相和兩相批次實驗，使用從實際污水處理廠取出的活性污泥，在不同碳源（乙酸、乙醇）和電子受體（硝酸鹽、亞硝酸鹽）條件下測量N2O、NO3-N、NO2-N、COD和PO4-P的動態變化。實驗數據用于校準和驗證模型，通過敏感性分析確定關鍵動力學參數，并使用Nelder-Mead simplex方法進行參數估計。模型最終在全規模污水處理廠數據上進行驗證。

 

測量的數據及研究意義

1 數據：N2O、NO3-N、NO2-N、COD和PO4-P的濃度變化，來自Fig.3和Fig.4。研究意義：這些數據顯示，亞硝酸鹽的存在導致顯著的N2O積累（最高達17.8 mg N/L），而硝酸鹽條件下N2O產生較少，表明亞硝酸鹽是N2O產生的主要驅動因素，與碳源類型無關。這驗證了模型中對亞硝酸鹽抑制N2O還原酶的假設，并為模型校準提供了基礎。

 

 

2 數據：FNA（游離亞硝酸）濃度計算值，來自Fig.6。研究意義：FNA濃度與N2O積累相關，但實驗表明亞硝酸鹽濃度本身是更直接的抑制因子，這支持了模型中使用的亞硝酸鹽抑制函數，并解釋了在不同pH條件下N2O產生的變化。

 

3 數據：模型預測與實驗數據的擬合度（R2值）。研究意義：高R2值（>0.9）表明模型能準確模擬N2O動態，證實了OHOs是N2O主要生產者，而PAOs僅參與部分反硝化，這為模型在全規模應用提供了可靠性。

 

結論

1 N2O產生主要受亞硝酸鹽存在支配，無論碳源類型如何，亞硝酸鹽強烈抑制N2O還原酶，導致N2O積累。

2 擴展的ASM2d模型能準確預測N2O、NO3-N、NO2-N、COD和PO4-P行為，確認只有OHOs負責N2O產生，而PAOs僅將硝酸鹽還原為亞硝酸鹽。

3 模型校準顯示亞硝酸鹽抑制常數（KNO2,H3）約為14.5 mg N/L，與文獻一致，且參數估計可靠，盡管部分參數存在高相關性。

4 研究結果強調在實際EBPR系統中，控制亞硝酸鹽濃度是減少N2O排放的關鍵，模型可用于優化污水處理過程。

 

使用丹麥Unisense電極測量數據的研究意義

使用丹麥Unisense電極測量數據的研究意義在于，其N2O微傳感器（如N2O-R型）提供了高精度、實時的溶解N2O濃度監測，時間分辨率高，能捕獲N2O動態變化。在本文中，Unisense電極用于批次實驗中直接測量液體相N2O濃度（如Fig.3和Fig.4），數據用于驗證模型預測。意義包括：首先，它允許在秒級間隔內監測N2O產生和消耗，揭示了亞硝酸鹽添加后N2O的立即積累，這直接支持了亞硝酸鹽抑制機制的假設。其次，高分辨率數據使能準確量化N2O產生速率，為模型參數校準提供了實驗依據，例如確定N2O還原動力學參數。最后，這種實時監測避免了傳統氣相色譜的延遲，確保了實驗數據的可靠性，從而增強了模型在全規模應用中的可信度。總之，Unisense電極數據是連接實驗觀察和數學模型的關鍵，為理解N2O產生機制和開發減排策略提供了堅實工具。