Оценка степени загрязнения вод Тюменского региона в соответствии с классификацией, разработанной Гидрохимическим институтом Росгидромета с использованием комплексных оценок и 5 классов качества воды на территории области находится в пределах от 3 класса «очень загрязненная» до 4 класса «очень грязная» [2]. Особую тревогу вызывает загрязнение ионами тяжелых металлов водотоков. Уровень загрязнения крупных речных систем, имеющих хозяйственно-питьевое значение, с 2006 года вырос: по свинцу -  в 8,6 раза, по кадмию – 6,3 раза, по меди – в 2,1 раз, по цинку -4,6 раза, по ртути -5,8 раза, никелю -7,9 раз, титану – 6,7 раза [1].

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.

Рис. 1. Изменение эффектов очистки после отстаивания в течение года

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

 

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.