部分亚硝化-厌氧氨氧化工艺联合形式、应用及脱氮效能评析

部分亚硝化-厌氧氨氧化联合工艺与传统生物脱氮工艺相比具有一定优势,但该联合工艺是否一定优于传统生物脱氮工艺尚需论证。本文介绍了部分亚硝化-厌氧氨氧化联合工艺的组合形式、特点和处理实际废水的研究进展,从脱氮速率、能耗及碳源的角度将部分亚硝化-厌氧氨氧化联合工艺与传统生物脱氮工艺进行对比分析。指出部分亚硝化-厌氧氨氧化联合工艺具有不需要额外投加有机碳源的优点;部分亚硝化-厌氧氨氧化联合工艺虽然在曝气方面可以节省能耗,但是其中温反应需要一定的热能消耗,综合分析其处理能耗高于传统生物脱氮工艺;同时该联合工艺的整体脱氮速率与传统生物脱氮工艺相比差别不大。据此提出在选择生物脱氮工艺时需要考虑废水的碳氮比,碳氮比高时可以采用传统生物脱氮工艺,碳氮比低时可以考虑使用部分亚硝化-厌氧氨氧化联合工艺。     

短程硝化-厌氧氨氧化工艺

对短程硝化-厌氧氨氧化工艺机理、工艺形式及特点进行了总结,并指出了该工艺存在的问题及发展方向。     

基于短程反硝化的城市污水厌氧氨氧化脱氮技术分析

基于传统WWTPs升级改造中出现的PD/A现象,分析了PD/A脱氮的协同机制,从水质和关键工艺参数技术层面提出了实现PD/A运行的控制策略;结合工艺调控和协同机制提出了PD/A主流应用的工艺流程,进而从工程角度解析了PD/A应用的可行性。复合污染物条件下PD/A的响应机制、载体特性对AAOB原位富集及菌群结构的影响以及PD/A应用的长期稳定性分析等是主流PD/A研究的重点。     

短程反硝化-厌氧氨氧化脱氮工艺研究进展

厌氧氨氧化(Anammox)作为当前高效与节能的脱氮工艺成为污水处理领域研究的热点,具有广阔的工程应用前景。分析了短程反硝化-Anammox耦合工艺(PD/A)原理,对PD/A工艺的控制因素,如接种污泥、碳源类型、ρ(COD)/ρ(NO₃^--N)、污泥形态、 pH值和反硝化时间等,进行了深入分析并指出了适宜的运行条件,解析了PD/A工艺在废水处理中的应用,以期为助推PD/A工艺工程应用提供参考。     

部分亚硝化-厌氧氨氧化联合工艺处理含氮废水的研究

部分亚硝化-厌氧氨氧化联合工艺是一种新型的废水脱氮工艺。实验采用模拟废水,进水氨氮浓度为600 mg/L。亚硝化SBR反应器在温度为30℃、HRT为24 h、DO≈0.2 mg/L的运行条件下,将废水中的一部分氨氮氧化成亚硝氮,并使得亚硝化SBR反应器出水中NH4+-N和NO2--N比值接近1∶1.32后,再作为厌氧氨氧化SBR反应器进水;厌氧氨氧化SBR反应器在温度为37℃、HTR为24 h的运行条件下,将氨氮和亚硝氮转化为N2。实验结果表明,部分亚硝化-厌氧氨氧化联合工艺脱氮效果较好,废水中氮的去除率可达94.44%。     

亚硝化的实现及与厌氧氨氧化联合工艺研究

在高氨氮废水处理方面,厌氧氨氧化工艺与传统硝化-反硝化生物脱氮工艺相比具有较高的脱氮效能,因此近几年得到了快速的发展.但是厌氧氨氧化需要亚硝态氮作为电子受体,而目前实现亚硝酸盐的积累一直是废水脱氮技术中的难点.为此在综述目前实现亚硝化控制的因数研究进展的基础之上,为适应厌氧氨氧化需求,讨论了将其与厌氧氨氧化工艺相结合时,控制参数的优化策略.以及对亚硝化-厌氧氨氧化联合工艺的可能性进行综述和展望.     

生物脱氮技术的研究

废水生物脱氮已经成为水污染控制的一个重要研究方向.传统的生物脱氮采用的是硝化、反硝化工艺,但存在着很多问题.对短程硝化反硝化、同时硝化反硝化及厌氧氨氧化等生物脱氮新技术的研究和开发进展进行了简单的综述和讨论,并指出了这些新技术的特点和研究开发应用的前景.     

双污泥反硝化脱氮除磷工艺的影响因素及分析

介绍了双污泥反硝化脱氮除磷工艺的反应机理,从C/N、超越污泥回流比、pH、DO、HRT及MLSS等方面分析了对双污泥反硝化脱氮除磷工艺在运行过程中的影响及目前国内外双污泥反硝化脱氮除磷工艺的研究现状,提出了今后在双污泥反硝化脱氮除磷工艺的研究中应当解决的问题.     

催化剂配方的神经网络建模与遗传算法优化

采用神经网络对催化剂配方实验数据建模,在网络模型仿真实验的基础上应用遗传算法对配方组成进行优化,得到的优化配方经实验验证,证实了该算法的实际应用意义.该算法对化工产品的配方及工艺优化也有实用意义.     

热偶精馏过程模拟优化方法的改进——人工神经网络-遗传算法

采用人工神经网络和遗传算法对热偶精馏分离过程提出了一种新的建模方法和优化算法,该方法不仅能够有效地求解热偶精馏过程的数学模型,迅速地得到优化变量和目标函数的解,而且具有获得全局最优解的能力.最后通过实例说明了本方法的有效性.     

人工神经网络结合遗传算法对CFWRP固化制度的优化

聚合物基复合材料的固化制度是影响其性能经济指标的重要因素。它们之间的关系既无先验公式表征,又为非线性,一般是采用“试凑法”探索试验,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。本文以碳纤维缠绕聚合物基复合材料(CFWRP)制成NOL环试件,在试验基础上采用人工神经网络结合遗传算法对固化制度进行优化,得到较好的结果。