Использование реагентов стандартных реагентов в присутствии ионов тяжелых металлов, а также химических соединений, обуславливающих ХПК и БПК, связано с перерасходом материалов, а также с нарушением условий протекания реакций – несоблюдение значений рН среды, что приводит к снижению эффективности очистки [5]. Учитывая, что на многих станциях водоподготовки, построенных по типовым проектам [3].,реагентная очистка решается по устаревшим технологиям с использованием малоэффективных коагулянтов и флокулянтов, вопрос оптимизации методов очистки, обеспечивающих эффективную и надежную работу очистных сооружений, становится не только актуальным, но и экономически целесообразным.
Кроме внедрения современных технологий очистки воды актуальным для Тюмени и Тюменской области остается сфера автоматизации технологических процессов [6]. Будущее научного прогнозирования и оптимизации процесса водоподготовки, непосредственно работающих очистных сооружений, либо предполагаемых к строительству очистных сооружений, заключается в составлении математических моделей процесса с возможностью их программирования на ЭВМ и идентификации в реальных условиях.
Объекты и методы
В качестве объекта исследования были выбраныпроцессы очистки природных вод на Метелевскихводопроводных очистных сооружениях города Тюмени, в состав которых входит предварительное окисление жидким хлором, коагулирование сернокислым алюминием, отстаивание на горизонтальных отстойниках и фильтрация на скорых однослойных фильтрах [4].Эффективность работы сооружений в течение года представлена на рисунках 1 и 2.
На многих очистных сооружениях окончательным показателем протекания всего процесса очистки является качество воды на выходе очистных сооружений. Как показывают отечественные и зарубежные литературные источники, из-за сложности описания всех технологических процессов, зависящих от большого числа изменяющихся параметров,приемлемых математических моделей процессов подготовки воды и их дальнейших готовых к практическому применению программных продуктов пока нет. В связи с этим, целью исследования стало получение практических математических моделей, позволяющих контролировать дозирование реагентов, выбирая дозы в соответствии с исходным качеством воды.
Забираемая для исследования вода характеризуется следующими показателями: окисляемость - 37- 73 мгО2/л, мутность - 12-24 мг/л, цветность - 100-1200. Доза ПАА принята постоянной (1 мг/ дм3). Дозы коагулянта - 50-70 мг/ дм3. Исследование проводилось в холодный период года при температурах 8 -120С. В ходе предварительных исследований предпочтение было отдано мокрому дозированию угля, для чего использовалась 10% суспензия.
В ходе исследования использовались следующие реагенты: сернокислый алюминий (СА); полиакриламид (ПАА); активированный уголь (БАУ-А). Показателем для контроля эффективности обработки природных вод различными реагентами были определены перманганатная окисляемость, мутность и цветность после отстаивания.
Обсуждение результатов
Для проведения эксперимента был выбран квазиD-оптимальный план [7]. Факторы влияния приняты следующим
образом: - исходное количество загрязнений
мг/л,
- доза коагулянта мг/л,
- доза угля мг/л. Пределы
изменения факторов влияния и интервалы варьирования приведены в таблице 1.
Таблица 1
Границы области исследования
|
Окисляемость |
Мутность |
Цветность |
Доза коагулянта |
Доза угля |
|
|
|
|
|
|
-1 |
37 |
12 |
100 |
50 |
1.5 |
0 |
55 |
18 |
110 |
60 |
2.0 |
1 |
73 |
24 |
120 |
70 |
2.5 |
∆ |
22 |
6 |
10 |
10 |
0.5 |
Код |
мгО2/л |
мг/л |
0С |
мг/л |
мг/л |
Общий вид полиномиальной модели второго порядка имеет вид
где N - число факторов; e - влияние случайных факторов.
Число опытов для N = 3 равно 13. Расчет коэффициентов уравнения регрессии и проверка значимости коэффициентов по критерию Стьюдента проводились в среде PTCMathcad 15.0. В результате расчетов получились следующие уравнения:
для определения окисляемости
(1)
для определения цветности
(2)
для определения мутности
(3)
Для проверки адекватности полученных уравнений, были проведены 6 дополнительных опытов в центре плана. С помощью критерия Фишера была проверена адекватность полученных уравнений. Установлено, что на 5% процентном уровне значимости уравнения адекватно описывают экспериментальные данные. Анализ уравнений делает очевидным, что увеличение параметра оптимизации необходимо перемещение в факторное пространство от центра плана по направлению, которое соответствует одновременному увеличению всех основных факторов.
Результаты проверки модельных и экспериментальных значений исследуемых концентраций загрязнений приведены в таблице 2.
Таблица 2
Сравнение концентраций загрязнений, определенных на основании модельного представления и опытным путем
Исходные концентрации загрязнений |
Выходное значение концентраций загрязнений |
||
Согласно модели |
Согласно эксперимента |
||
Мутность, мг/дм3 |
12 |
1,06 |
0,97 |
18 |
1,12 |
0,89 |
|
24 |
1,02 |
0,8 |
|
Цветность, градусы |
100 |
19,26 |
21,71 |
110 |
26,57 |
25,36 |
|
120 |
34,57 |
29,36 |
|
Окисляемость, мгО2/л |
37 |
7,109 |
7,10 |
55 |
12,106 |
15,51 |
|
73 |
28,58 |
27,16 |
На основании корреляционного анализа можно сказать, что
факторы (окисляемость),
(доза коагулянта) и
(доза угля) увеличивают значение
функции отклика (выходного значения окисляемости), причем
и
в большей степени. Факторы
(исходная мутность),
(доза коагулянта) и
(доза угля) уменьшают значение
выходной мутности, причем
и
в большей степени. Факторы
(исходная цветность) и
(доза угля) увеличивают значение
выходной цветности,
(доза угля) - уменьшает. На
рисунке 3 представлены поверхности отклика, подтверждающие влияние факторов на
функцию отклика.
Совместное решение данных уравнений позволило определить оптимальные дозы коагулянта и активированного угля при температуре воды 80С, при которых наблюдаются максимальные эффекты очистки после отстаивания без применения окислителя (снижение окисляемости с 75 до 33 мгО2/ дм3, мутности с 24 до 4 мг/ дм3, цветности со120 до 510). Доза коагулянта - 62 мг/ дм3, доза угля -1,8 мг/ дм3.
![]() |
Заключение
С использованием математического моделирования и микропроцессорной техники возможно более гибкое дозирование реагентов, учитывающее суточные и сезонные колебания качества воды в водоемах.
Применение практических моделей позволяет снижать затраты на материалы и регенты, что в конечном итоге приводит к снижению себестоимости очистки воды.
Кроме того, уменьшение расхода коагулянта, приводит к снижению остаточного алюминия в очищенной воде, сокращает количество образующихся осадков, все это ведет за собой улучшение качества питьевой воды.
Рецензенты:Миронов В.В., д.т.н., профессор, кафедрой водоснабжения и водоотведения ФГБОУ ВПО «Тюменский государственный архитектурно-строительный университет», г. Тюмень.
СкипинЛ.Н., д.с.-х.н., профессор, заведующий кафедрой техносферной безопасности ФГБОУ ВПО «Тюменский государственный архитектурно-строительный университет», г. Тюмень.