Hidrológiai Közlöny 2006 (86. évfolyam)
3. szám - Koncsos László–Melles Zoltán: Optimalizációs eljárás a nitrogén-eltávolítás növelésére nagyterhelésű szennyvíztisztítókban
10 HIDROLÓGIAI KÖZLÖNY 2006. 86. ÉVF. 3. SZ. technológiai paraméterek számításához (pl. az iszapkor, recirkulációs vízhozamok, öblítő zagyvíz mennyiségek) hosszú, két évet meghaladó időszak (1999. október 1.2001. október 31.) adatsora állt rendelkezésünkre. A nitrifíkáló mikroorganizmusokat tartalmazó zagyvíz összetételének (mennyiségi, illetve nitrifikációs sebesség) meghatározására laboratóriumi kísérletek folytak (Melicz, 2005) . ^^ Mért vízminőségi, vagy vízhoam adat Becsült mennyiségek 1. ábra. A dél-pesti szennyvíztisztító telep technológiai folyam at ábrája Az eleveniszapos rendszer működése jelentős mertékben befolyásolja a bioszűrők hatásfokát. A szennyvízhőmérséklet csökkenésével az eleveniszapos egységbeli nitrifikáció csökken, ami a bioszűrők ammónium-nitrogén terhelés növekedését okozza. Ennek következtében azonban - figyelembe véve a hőmérséklettől független autotróf hozam-konstans értékét - a zagyvízzel visszajutó biomassza mennyisége is növekedik. A zagyvízben található nitrifíkáló biomaszsza mennyiségének becslése a 2. ábrán látható. Az anyagmérleg egyenletek szerint a 16 °C-os szennyvízhőmérsékletnél kisebbek esetében a nitrifikáció szinte teljesen leállt az eleveniszapos rendszerben. Ennek következtében indokolt a hidegebb (<16 °C alatti) és melegebb (>16 °C) átlaghőmérséklettel jellemezhető időszakok szétválasztott vizsgálata. 2. ábra. A bioszűrők öblítő' zagyvízében becsült nitrifikáló biomassza (X B A) koncentrációja, és a víz hőmérséklete. Modell kalibráció A kalibráció a modellezés elválaszthatatlan része, amelynek célja a modellben szereplő paraméter értékek meghatározása az adott szennyvíztisztító telep (vagy annak egy részegysége) adatsorai alapján. A mérésse l történő paraméter meghatározás során szinte elkerülhetetlen respirometriás mérések elvégzése is. Az esetenként igen bonyolult, és nagy bizonytalansággal terhelt mérést az adat-kiértékelés követi (pl. Ekama et al., 1986; Henze et al., 1987; Sollfrank és Gujer, 1991; Kappeler és Gujer, 1992; Vanrolleghem et al., 1999; Petersen, 2000). A szennyvíztisztítás modellezési gyakorlatban jórészt ezt a módszert választják a telepek kalibrációjához. A gyakorlati tapasztalatokat feltételező kalibráció azonban veszélyeket is rejt: nem kellően alapos szakértők kezében értelmetlen eredményekre is vezethet. Az eljárás másik, fontos hiányossága az, hogy az ASM paramétereknek csupán egy része mérhető meg (ezek között a mérések megbízhatósága is kérdéses, (lásd pl. Brun, et al., 2002), amely túlságosan bonyolulttá teszi az összetett szerkezetű ASM No.l. modell kalibrációját. Ez a modell „azonosíthatóságát" rontja, vagyis nem lehetséges a modellparaméterek egyértelmű megadása. A kinetikai paraméterek optimalizációs algoritmusok felhasználásával is becsülhetők. A kizárólag matematikai eszközöket alkalmazó módszer valamilyen optimalizációs eljárás segítségével határozza meg a paraméterek értékeit. A kalibráció jóságát a kiszámított paraméter kombináció(k) alapján elvégzett szimuláció és a valós, mért adatok közötti „kis" eltérés mutatja. A módszer jellegéből következik, hogy a matematikai módszer alkalmazása során több paraméter kombináció is közel azonos eredményt szolgáltathat. Ezért különösen fontos a modellparaméterek várható értékének és annak az intervallumnak az ismerete, melyben az értékük előfordulhat. A megbízható kalibrációhoz ennek következtében minden esetben tapasztalaton és mérési eredményeken alapuló szakértői támogatásra van szükség. A fejlesztett modell kalibrációját sztochasztikus adaptív algoritmuson alapuló általános optimalizációs eljárás segítségével végeztem. Az eljárás a Monte Carlo módszerek és a klasszikus konvergens kereső algoritmusok előnyeit egyesíti. A kalibrációra felhasznált algortimus a paraméterek megadott környezetéből indul és véletlen paraméter-kombinációk előállításával, és szélsőérték statisztikák segítségével fokozatosan keresi a paramétertartomány minimumát a rendezett minta altereiben. A BLIND-algoritmust elsőként vízgazdálkodási döntéstámogató módszerként alkalmazták (Koncsos és Windau, 1995). A dél-pesti szennyvíztisztító telep eleveniszapos rendszerét elhagyó vízéről rendelkezésre álló mérési adatok között csupán kettő alkalmazható közvetlenül az ASM alapú modellben: ezek az S N O, (nitrit-és nitrát nitrogén koncentrációk) és az S N H (ammónium-nitrogén). Az eleveniszapos medence elfolyó közeli részében elhelyezett on-line oxigénszonda mérései alapján az S 0 koncentráció adható meg, mindazonáltal ennek a paraméternek az értéke meglehetősen tág határok között változott: ennek következtében az S 0 paraméter a szimuláció bizonytalanságát növeli. Az S s értéke (könnyen bontható szervesanyag koncentrációja) becsléssel határozható meg (Roeleveld és van Loosdrecht, 2002) a nagyterhelésű rendszereket elhagyó szennyvíz szervesanyag tartalmának (összes KOI koncentráció) ismeretében. Az ötödik paramétert, az X B A (nitrifikáló biomassza) értékét az anyagmérleg egyenletek alapján becsültük: • S s,5=S s,6=0,2- C TK Oi,6 (Ctkoi.6 az utóülepítő elfolyó vízében mért KOI koncentráció) • X n A 5= (a 5.2.4. táblázat alapján, átlagos értékek) • S 0= telepi felmérés alapján • SNH,5 =C N H4-N,6 • Sno,5 = CNO,6 Az optimalizációs algoritmusban a telepi mért értékek (utóülepítőről elfolyó stacionárius értékek, C m l) illetve a modell által számított elfolyó értékek (Cj) alapján az optimalizálandó függvény vagyis a célfüggvény (az elfolyó vízben a fenti 5 paraméterre korlátozva a kereső algoritmus működését), az alábbi:
