-
我国西北农村地区人口密度低,经济水平相对落后,该区域属严重缺水的干旱地区,缺水情况逐年加剧。降雨冲刷条件、集雨卫生条件的差异使得水窖整体水质呈现微污染状态[1],浊度、高锰酸盐指数、氨氮等指标均超过了《生活饮用水卫生标准》(GB 5749-2006),对该地区人民用水安全产生了一定的威胁。因此,对雨雪水资源化回收利用和水窖水水质提升,是改善西北村镇缺水现状的迫切之需。
强化混凝包括科学选择混凝剂、提高混凝剂投量、适当投加助凝剂、调节pH等手段[2],近年来,强化混凝技术在处理生活污水、印染废水、江河湖水等方面已有诸多应用。伍彬等[3]利用混凝剂、次氯酸钠对高氨氮、高浑浊度河道水进行小试实验,结果表明,当NaClO投加量为530 mg·L−1、PAC投加量为200 mg·L−1、PAM投加量为15 mg·L−1时,在最优实验条件下预氧化-混凝处理水样后较常规混凝沉淀处理水样时氨氮去除率提升77.1%,总磷去除率提升12.7%。张国珍[4]采用臭氧-曝气生物滤池(biological aerated filter, BAF)组合工艺处理微污染窖水发现:原水经臭氧预氧化后类腐殖质、类色氨酸物质含量分别下降65%、18%,表明臭氧预氧化强化了后续生物系统的处理效果,能提升出水水质。闵芮等[5]采用预臭氧强化电絮凝联用超滤工艺处理微污染窖水,组合工艺终端出水浑浊度、高锰酸盐指数、UV254、氨氮去除率分别达到100%、98.0%、100%、90.3%,大幅降低了微污染窖水的三致风险。
目前对微污染窖水的研究多为单纯考察混凝剂的筛选实验,郭译文等[6]以村镇窖水为研究对象,运用正交实验法考察PAC、PAS、PFS、PAFC 4种混凝剂的处理效果,结果为PAC和PAFC效果优于PAS和PFS;夏玮等[7]以公园微污染源水为研究对象,考察了AS、PAC、FeCl3、PFC 4种混凝剂的处理效果,再分别与PAM、ASI(活化硅酸)复配使用,结果表明,PAC与ASI复配使用对源水的浊度和有机物的去除效果好,ASI复配时形成的网链状絮体结构更稳定,助凝效果更佳。筛选实验能够筛选出最佳组合,但在投加量方面难以给出最优数值,只能在一个较为准确的范围给出大概的整数值。如果能利用软件分析出最优参数,就能够节约药剂,带来最优的经济效益。响应曲面优化设计法(respond surface methodology, RSM)能够对混凝工艺进行优化,其建立的复杂多维空间曲面接近实际情况,相较于常用的正交回归分析模型,二次曲面响应法回归模型具有实验次数少、回归方程精度高、预测性能好的优势[8],在模拟和系统动力学领域得到广泛应用。本研究以混凝剂投加量、助凝剂投加量、pH为自变量,在单因素实验的基础上,采用响应曲法设计优化实验、建立模型、寻找实验指标与各影响因子间的定量规律,找出各因子水平的最佳组合,在多元线性回归的基础上主动收集数据,通过建立二次多项式和响应面模型,确定最佳工艺参数,并为西北村镇地区非常规水源的净化提供技术参考。
响应面法优化混凝处理西北农村水窖水
Coagulation optimization with response surface method for northwest rural area cellar water treatment
-
摘要: 针对西北地区水窖水低温低浊且微污染的水质特点,采用混凝工艺实现水质提升。通过研究混凝剂投量、助凝剂投量、pH等单因素对浊度、高锰酸盐指数、UV254、氨氮去除率的影响,并利用Design-Expert软件对实验数据进行处理,得到二次响应曲面模型各因素间相互作用对响应值的影响,以及其最佳水平。结果表明:采用PAC+PAM的组合处理窖水时,最佳工艺参数PAC投加量为52.08 mg·L−1,PAM投加量为0.32 mg·L−1,pH为8.03时,微污染窖水浊度、高锰酸盐指数、氨氮去除率分别为95.8%、81.1%、48.6%。且在浊度、高锰酸盐指数、氨氮模型中,各因变量的影响程度依次为:pH>助凝剂投加量>混凝剂投加量;助凝剂投加量>混凝剂投加量>pH;混凝剂投加量>pH>助凝剂投加量。通过模型可信度分析证明:响应曲面法用于优化混凝工艺处理水窖水的可行性和有效性,同时也为雨雪水等非常规水源水质的净化提供了技术参考。Abstract: Aiming at the characteristics of low temperature, low turbidity and slight pollution, the water quality of cellar water in northwest China is improved by coagulation process. The influence of coagulant dosage, coagulant aid dosage, pH and other single factors on turbidity, permanganate index, UV254 and ammonia nitrogen removal rate were studied, and the experimental data were processed by using Design-Expert software, then the influence of interaction between various factors of the quadratic response surface model on the response value and its optimal level were obtained. The results showed that when PAC+PAM was used to treat the cellar water, the optimal process parameters were determined as 52.08 mg·L−1 PAC and 0.32 mg·L−1 PAM, and pH 8.03, the turbidity, permanganate index and ammonia nitrogen removal rates in the micro-polluted cellar water were 95.8%, 81.1% and 48.6%, respectively. In turbidity, permanganate index and ammonia nitrogen model, the influence degree of each dependent variable was successively as follows: pH > coagulant dosage > coagulant dosage; Coagulant dosage > coagulant dosage > pH; Coagulant dosage > pH > coagulant aid dosage. The reliability analysis of the model proved that the response surface method (RSM) was feasible and effective in optimizing the coagulation process to treat the cellar water, and also provides a technical reference for the purification of rain, snow water and other unconventional water sources.
-
Key words:
- cellar water /
- micropollution /
- coagulation /
- response surface method /
- unconventional water source
-
表 1 模拟窖水水质
Table 1. Simulated cellar water quality
水质参数 pH 浊度/NTU 高锰酸盐指数/
(mg·L−1)UV254/cm−1 氨氮/(mg·L−1) ζ电位/mV 指标值 8.00±0.50 (25.00±5.00) (5.50±0.20) (0.230±0.10) (0.80±0.20) (−25.00±5.00) 标准值 6.5~8.5 ≤3[注] ≤3 — ≤0.5 — 注:水质指标标准值参考《生活饮用水卫生标准》(GB 5749-2006);小型集中式供水和分散式供水因水源与净水技术受限时,浑浊度指标限制按3 NTU执行。 表 2 响应面实验因素及水平设计
Table 2. Factors and levels design of response surface experiments
变量 因素 PAC投加量(X1)/(mg·L−1) PAM投加量(X2)/(mg·L−1) pH(X3) −1 40 0 7 0 50 0.25 8 1 60 0.50 9 表 3 响应实验结果
Table 3. Response surface experimental result
实验序号 X1 X2 X3 Y1 Y2 Y3 Y4 1 40 0 8 89.07 87.18 74.62 45.95 2 60 0 8 92.08 88.45 77.69 49.19 3 40 0.5 8 91.88 88.29 75.92 47.66 4 60 0.5 8 92.28 90.13 78.46 49.46 5 40 0.25 7 85.58 90.13 76.54 46.22 6 60 0.25 7 87.40 91.18 81.08 47.84 7 40 0.25 9 90.18 86.71 78.54 42.97 8 60 0.25 9 92.28 88.29 80.62 45.68 9 50 0 7 85.86 88.18 79.92 45.23 10 50 0.5 7 92.84 88.81 81.69 46.94 11 50 0 9 91.83 87.81 80.69 47.30 12 50 0.5 9 92.36 91.44 82.62 44.95 13 50 0.25 8 96.85 92.57 84.92 49.81 14 50 0.25 8 95.11 91.51 84.82 50.81 15 50 0.25 8 95.75 92.76 85.22 51.03 16 50 0.25 8 95.21 93.22 85.62 50.45 17 50 0.25 8 95.97 94.98 84.12 50.07 表 4 二次回归方程的方差分析-A
Table 4. Analysis of variance of quadratic regression equation-A
来源 自由度 平方和 均方和 浊度 UV254 CODMn 氨氮 浊度 UV254 CODMn 氨氮 模型 9 179.69 75.63 190.78 84.11 19.97 8.40 21.20 9.35 X1 1 6.71 4.09 18.70 10.97 6.71 4.09 18.70 10.97 X2 1 13.84 6.20 4.16 0.228 3 13.84 6.20 4.16 0.228 3 X3 1 27.98 2.04 1.30 3.53 27.98 2.04 1.30 3.53 X1X2 1 1.70 0.084 1 0.072 5 0.519 4 1.70 0.084 1 0.072 5 0.519 4 X1X3 1 0.020 0 0.067 9 1.51 0.292 2 0.020 0 0.067 9 1.51 0.292 2 X2X3 1 10.42 2.25 0.005 9 4.11 10.42 2.25 0.005 9 4.11 X2 1 1 41.91 21.10 111.86 8.24 41.91 21.10 111.86 8.24 X2 2 1 7.05 21.46 40.88 3.97 7.05 21.46 40.88 3.97 X2 3 1 59.62 12.06 1.50 47.50 59.62 12.06 1.50 47.50 残差 7 6.51 15.86 1.68 5.71 0.929 9 2.27 0.240 3 0.815 1 失拟项 3 4.55 9.47 0.454 1 4.69 1.52 3.16 0.151 4 1.56 纯误差 4 1.96 6.40 1.23 1.01 0.489 9 1.60 0.307 0 0.253 2 总离差 16 186.20 91.50 192.46 89.82 表 5 二次回归方程的方差分析-B
Table 5. Analysis of variance of quadratic regression equation-B
来源 F值 P值 浊度 UV254 CODMn 氨氮 浊度 UV254 CODMn 氨氮 模型 21.47 3.71 88.21 11.47 0.000 3 0.049 0 < 0.000 1 0.002 0 X1 7.22 1.81 77.81 13.46 0.031 2 0.220 9 < 0.000 1 0.008 0 X2 14.88 2.74 17.31 0.280 0 0.006 2 0.142 1 0.004 2 0.613 0 X3 30.09 0.901 1 5.43 4.33 0.000 9 0.374 1 0.052 6 0.075 9 X1X2 1.83 0.037 1 0.301 6 0.637 2 0.218 6 0.852 8 0.599 9 0.450 9 X1X3 0.021 6 0.029 9 6.30 0.358 4 0.887 4 0.867 5 0.040 4 0.568 2 X2X3 11.21 0.992 9 0.024 6 5.04 0.012 3 0.352 2 0.879 7 0.059 6 X2 1 45.07 9.31 465.48 10.11 0.000 3 0.018 5 < 0.000 1 0.015 5 X2 2 7.58 9.47 170.10 4.87 0.028 3 0.017 9 < 0.000 1 0.063 0 X2 3 64.11 5.32 6.24 58.27 < 0.000 1 0.054 4 0.041 2 0.000 1 失拟项 3.10 1.97 0.493 1 6.18 0.151 8 0.260 1 0.706 1 0.055 5 纯误差 21.47 3.71 88.21 11.47 总离差 7.22 1.81 77.81 89.82 表 6 响应模型可信度分析
Table 6. Credibility analysis of response model
-
[1] 刘建林, 张国珍, 杨浩, 等. 不同材质水窖储水水质及其变化规律实验研究[J]. 干旱区资源与环境, 2012, 26(3): 101-104. [2] 李潇潇, 张跃军, 赵晓蕾, 等. PAC/PDMDAAC复合混凝剂用于冬季太湖水强化混凝工艺中试放大研究[J]. 应用基础与工程科学学报, 2016, 24(1): 157-167. [3] 伍彬, 李一平, 王海英, 等. 预氧化-混凝处理高浑浊度高氨氮水的试验研究[J]. 净水技术, 2022, 41(S1): 28-33. [4] 张国珍, 尹振珑, 武福平. 臭氧强化BAF工艺处理微污染窖水[J]. 环境工程学报, 2017, 11(6): 3405-3411. [5] 闵芮, 马凯, 任豪, 等. 混凝-氯/紫外高级氧化与双膜工艺联用处理微污染窖水[J]. 兰州交通大学学报, 2022, 41(4): 89-95. [6] 郭译文, 武福平, 张国珍. 微污染窖水处理中混凝剂筛选的实验研究[J]. 绿色科技, 2018, 6(3): 5-8. [7] 夏玮, 张蕊, 吴根宇, 等. 微污染源水的混凝处理及絮体粒径研究[J]. 土木与环境工程学报(中英文), 2020, 42(4): 185-193. [8] 王刚, 王馨, 宋小三, 等. 响应曲面法中BBD和CCD在优化巯基乙酰化壳聚糖制备条件中的比较[J]. 环境工程学报, 2018, 12(9): 2502-2511. [9] 信晓飞, 张晋霞, 冯洪均. 响应曲面法优化含锌尘泥选择性浸出工艺[J]. 矿产综合利用, 2021(2): 146-151. [10] 高连敬, 杜尔登, 崔旭峰, 等. 三维荧光结合荧光区域积分法评估净水厂有机物去除效果[J]. 给水排水, 2012, 48(10): 51-56. [11] 国家环境保护总局. 水和废水监测分析方法[M]. 4版. 北京: 中国环境科学出版社, 2002. [12] 王珊, 张克峰, 任杰. 低温低浊进水条件下壳聚糖助滤效果研究[J]. 工业水处理, 2019, 39(2): 58-61. [13] 袁辉洲, 柯水洲, 涂家勇, 等. pH对聚合铝形态分布与混凝效果的影响[J]. 工业水处理, 2016, 36(4): 50-53. doi: 10.11894/1005-829x.2016.36(4).012 [14] 谭丽泉, 胡相红, 余梅, 等. 聚二甲基二烯丙基氯化铵改性油页岩灰渣吸附水中Cr(Ⅵ)[J]. 水处理技术, 2018, 44(10): 71-74. doi: 10.16796/j.cnki.1000-3770.2018.10.015 [15] OLUKOWI O M, XIE Y, ZHOU Z, et al. Performance improvement and mechanism of composite PAC/PDMDAAC coagulant via enhanced coagulation coupled with rapid sand filtration in the treatment of micro-polluted surface water[J]. Journal of Environmental Chemical Engineering, 2022, 10(5): 108450. doi: 10.1016/j.jece.2022.108450 [16] KUTLUAY S, ECE M Ş, ŞAHİN Ö. Synthesis of magnetic Fe3O4/AC nanoparticles and its application for the removal of gas-phase toluene by adsorption process[J]. International Journal of Chemistry and Technology, 2020, 4(2): 146-155. doi: 10.32571/ijct.755732 [17] LI P, ZHOU L, MOU Y, et al. Extraction optimization of polysaccharide from Zanthoxylum bungeanum using RSM and its antioxidant activity[J]. International Journal of Biological Macromolecules, 2015, 72: 19-27. doi: 10.1016/j.ijbiomac.2014.07.057