城市污水混凝預處理及污泥厭氧消化試驗研究.pdf

1、化學強化一級處理通過向污水中投加混凝劑能有效的去除水中的污染物質,也可以通過化學強化一級處理減輕二級處理負荷,提高處理效果。近年來,化學強化一級處理技術已逐漸引起水處理界的重視,成為新的研究熱點?；炷龔娀患壧幚戆l展迅速,但投藥量的確定以及混凝污泥的處理與處置問題是阻礙其推廣的障礙。
　　 FeCl3因為其低廉的價格和良好的效果,被廣泛應用到污水的強化一級處理中?；贔eCl3處理城市生活污水的機理,本課題通過實驗室的燒杯試驗,

2、研究了FeCl3在污水處理中的預處理效果,最佳投藥量,并對比分析了鐵鹽混凝污泥和生物污泥的厭氧消化性能,研究了鐵鹽污泥的厭氧處理效果。
　　 FeCl3的混凝對磷的去除效果表明,當鐵鹽投加量較高時,攪拌強度對磷的去除影響不大;pH6-8的范圍內具有較好的除磷效果;PAM對磷的去除有幫助,但是并不明顯,綜合經濟的考慮,PAM并不適于大量投加。對鐵鹽除磷的沉淀物進行分析XRD分析,結果表明,當Fe:P較高時(例如2.0,2.5),沉

3、淀物主要以羥基磷酸鐵和FeOOH(s)存在;當Fe:P較低時,主要存在沉淀物主要以FePO4為主。沉淀物的能譜的分析表明當高劑量鐵鹽投加時鐵和磷的摩爾比遠高于1時,產生了鐵鹽的浪費現象。
　　 針對鐵鹽預處理的過程,建立一個神經網絡,可以根據控制出水的程度,方便的調節投藥量,實現水質達標的同時,減小總運行費用,為鐵鹽的化學強化一級處理的實時只能控制提供了一個可行的思路。建立的3層BP神經網絡,隱含層數分別為5-14,訓練誤差選為

4、0.001,網絡的最大訓練步驟為1000,學習速率選為0.1。最終選擇隱含層數為12的BP神經網絡,訓練誤差為0.0092。訓練好的神經網絡具有良好的預測效果,SS去除率預測值與實際值的平均相對誤差為11.2％,COD平均相對誤差為8.39％,TP和PO3-4的平均相對誤差分別為9.92％和8.99％。針對特定的污水,利用訓練好的模型,可以方便的根據去除目的選擇鐵鹽的投加量。
　　 通過厭氧續批試驗,對比分析含鐵混凝污泥和生物污