بررسی سناریوهای مختلف کالیبراسیون در مدل بازتوسعه داده شده BSM۱ برای مدل سازی سیستم تصفیه فاضلاب نهراکسیداسیون کاروسل (مطالعه موردی: تصفیه خانه فاضلاب جنوب تهران)

Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 37

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWWSE-8-4_004

تاریخ نمایه سازی: 7 فروردین 1403

Abstract:

به‎دلیل تغییرات پیوسته مشخصات کمی و کیفی فاضلاب ورودی به تصفیه خانه فاضلاب، ارزیابی عملکرد تصفیه خانه و اتخاذ استراتژی های مناسب و به‎هنگام ضروری است. اولین گام برای ارزیابی و بهبود عملکرد تصفیه خانه ها، مدل سازی تصفیه خانه است. در سال های اخیر استفاده از نرم افزارهای شبیه سازی و مدل های ریاضی برای مدل سازی تصفیه خانه فاضلاب توسعه یافته است. کالیبراسیون مهم‎ترین قدم در مدل سازی به‎شمار می رود، زیرا که کالیبراسیون نامناسب نتایج را غیرواقعی و یا همراه با خطای زیاد نشان می دهد. هدف از این مطالعه کاربردی، بازتوسعه مدلBSM۱ ۱ و ارائه سناریوهای مختلف کالیبراسیون به‎منظور مدل سازی سیستم نهراکسیداسیون کاروسل در مقیاس واقعی است تا بتوان از مدلی با دقت بالا برای اهداف بعدی هم‎چون اعمال استراتژی های کنترل و بهبود عملکرد تصفیه خانه تحت شرایط بهره برداری مختلف استفاده کرد. مدل توسعه داده شده بر روی مدول ۵ و ۶ تصفیه خانه فاضلاب جنوب تهران پیاده سازی شد. پس از تعیین مدل های فرایندی مناسب برای واحدهای مختلف تصفیه خانه فاضلاب، کالیبراسیون مدل براساس پروتکلGMP ۲ و تحت دو سناریوی ۱) کالیبره کردن پارامترها به‎صورت یک‎باره و ۲) کالیبره کردن پارامترها به‎صورت گام به گام انجام شد. در هریک از سناریوهای ذکر شده، دو تابع هدف درنظر گرفته شده است تا اثر متغیرهای اصلی شامل COD ، TSS و TN و متغیرهای فرعی شامل X (MLSS۳ تانک هوادهی) و Xr (MLSS لجن برگشتی) درنظر گرفته شود. در فرایند کالیبراسیون از الگوریتم ژنتیک برای بهینه سازی توابع هدف استفاده شده است. نتایج نشان‎داد که در کالیبراسیون استاتیک، میزان خطای متوسط همه متغیرها و نیز متغیرهای درنظر گرفته شده در تابع هدف در سناریو ۲ نسبت به سناریوی ۱ به‎میزان قابل‎توجهی کاهش می یابد که مقدار آن ها در سناریوی ۲ برای تابع هدف ۱ و ۲ به‎ترتیب ۸/۷%، ۸/۷%، ۲/۸% و ۳/۴% است. هم‎چنین با درنظر گرفتن تعداد متغیر بیشتر در تابع هدف، خطای تجمعی همه متغیرها کاهش می یابد. در کالیبراسیون دینامیک میزان خطای متوسط مدل در تخمین میزان TSS، COD و TN به‎ترتیب ۸/۲۹%، ۸/۱۹% و ۳/۱۰% به‎دست آمد.

Authors

سارا نظیف

دانشیار دانشکده مهندسی عمران، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.

یاسر خطیبی

دانشجوی دکتری مهندسی عمران- مهندسی محیط زیست، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.

آناهیتا پورمحمدی

دانشجوی دکتری مهندسی عمران- مهندسی محیط زیست، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.

علی خواجویان

دانشجوی کارشناسی ارشد مهندسی عمران- مهندسی محیط زیست، دانشکدگان فنی، دانشگاه تهران، تهران، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • اسدی آسیابدری، ف.، نصرتی، م.، و احمدی، م.، (۱۳۹۴)، "مدل‎سازی ...
  • دلنواز، م.، (۱۳۹۶)، "استفاده از مدل های ریاضی تعیین ضرایب ...
  • رجایی، م.، (۱۳۹۹)، "ارتقاء عملکرد تصفیه خانه فاضلاب با هدف ...
  • رجایی، م.، و نظیف، س.، (۱۳۹۶)، "بهبود تاب آوری تصفیه ...
  • رسولی، ر.، علافی اسکویی، ر.، غفارزاده، الف.، و سعادت پور، ...
  • رحیمی، ا.، و شکوهیان، م.، (۱۴۰۱)، "بهینه سازی چند هدفه ...
  • رهنمافر، ف.، و شکوهیان، م.، (۱۴۰۰)، "بهینه سازی عملکرد سیستم ...
  • بررسی عملکرد ارتقای فرآیندی تصفیه خانه فاضلاب شهر بندرعباس [مقاله کنفرانسی]
  • Arnell, M., (۲۰۱۶), "Performance assessment of wastewater treatment plants, Multi-objective ...
  • Batstone, D.J., Keller, J., Angelidaki, I., Kalyuzhnyi, S.V., Pavlostathis, S.G., ...
  • Cao, J., Yang, E., Xu, C., Zhang, T., Xu, R., ...
  • Chen, W., Dai, H., Han, T., Wang, X., Lu, X., ...
  • Elawwad, A., Matta, M., Abo-Zaid, M., and Abdel-Halim, H., (۲۰۱۹), ...
  • Gernaey, K.V., Van Loosdrecht, M.C.M., Henze, M., Lind, M., and ...
  • Henze, M., van Loosdrecht, M.C.M., Ekama, G.A., and Brdjanovic, D., ...
  • Hulsbeek, J.J., Kruit, J., Roeleveld, P., and van Loosdrecht, M.C.M., ...
  • Hvala, N., Vrečko, D., Bordon, C., (۲۰۱۸), "Plant-wide modelling for ...
  • Kim, S., Lee, H., Kim, J., Kim, C., Ko, J., ...
  • Lindblom, E., Jeppsson, U., and Sin, G., (۲۰۲۰), "Identification of ...
  • Noophan, P., Rodpho, R., Sonmee, P., Hahn, M., and Sirivitayaphakorn, ...
  • Otterpohl, R., and Freund, M., (۱۹۹۲), "Dynamic models for clarifiers ...
  • Petersen, B., Gernaey, K., Henze, M., and Vanrolleghem, P.A., (۲۰۰۲), ...
  • Qasim, S.R., (۱۹۹۹), Wastewater treatment plants: Planning, design, and operation, ...
  • Rieger, L., Gillot, S., Langergraber, G., Ohtsuki, T., Shaw, A., ...
  • Sadri Moghaddam, S., and Pirali, M., (۲۰۲۱), "Modeling and calibration ...
  • Shahed Behrouz, M., Zhu, Z., Matott, L S., and Rabideau, ...
  • Takacs, I., Patry, G.G., and Nolasco, D., (۱۹۹۱), "A dynamic ...
  • Tejaswini, E.S.S., Panjwani, S., Gara, U.B.B., and Ambati, S.R., (۲۰۲۱), ...
  • Tomita, R.K., and Park, S.W., (۲۰۰۹), "Evolutionary multi-objective optimization of ...
  • Zeferino, J.A., Antunes, A.P., and Cunha, M.C., (۲۰۰۹), "An efficient ...
  • نمایش کامل مراجع