بررسی سناریوهای مختلف کالیبراسیون در مدل بازتوسعه داده‌شده bsm1 برای مدل‌سازی سیستم تصفیه فاضلاب نهراکسیداسیون کاروسل (مطالعه موردی: تصفیه‌خانه فاضلاب جنوب تهران)

به‎دلیل تغییرات پیوسته مشخصات کمی و کیفی فاضلاب ورودی به تصفیه‌خانه فاضلاب، ارزیابی عملکرد تصفیه‌خانه و اتخاذ استراتژی‌های مناسب و به‎هنگام ضروری است. اولین گام برای ارزیابی و بهبود عملکرد تصفیه‌خانه‌ها، مدل‌سازی تصفیه‌خانه‌ است. در سال‌های اخیر استفاده از نرم‌افزارهای شبیه‌سازی و مدل‌های ریاضی برای مدل‌سازی تصفیه‌خانه‌ فاضلاب توسعه یافته است. کالیبراسیون مهم‎ترین قدم در مدل‌سازی به‎شمار می‌رود، زیرا که کالیبراسیون نامناسب نتایج را غیرواقعی و یا همراه با خطای زیاد نشان می‌دهد. هدف از این مطالعه کاربردی، بازتوسعه مدلbsm1 1 و ارائه سناریوهای مختلف کالیبراسیون به‎منظور مدل‌سازی سیستم نهراکسیداسیون کاروسل در مقیاس واقعی است تا بتوان از مدلی با دقت بالا برای اهداف بعدی هم‎چون اعمال استراتژی‌های کنترل و بهبود عملکرد تصفیه‌خانه تحت شرایط بهره‌برداری مختلف استفاده کرد. مدل توسعه‌داده‌شده بر روی مدول 5 و 6 تصفیه‌خانه فاضلاب جنوب تهران پیاده‌سازی شد. پس از تعیین مدل‌های فرایندی مناسب برای واحدهای مختلف تصفیه‌خانه فاضلاب، کالیبراسیون مدل براساس پروتکلgmp 2 و تحت دو سناریوی 1) کالیبره کردن پارامترها به‎صورت یک‎باره و 2) کالیبره کردن پارامترها به‎صورت گام‌به‌گام 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 (mlss3 تانک هوادهی) و xr (mlss لجن برگشتی) درنظر گرفته شود. در فرایند کالیبراسیون از الگوریتم ژنتیک برای بهینه‌سازی توابع هدف استفاده شده است. نتایج نشان‎داد که در کالیبراسیون استاتیک، میزان خطای متوسط همه متغیرها و نیز متغیرهای درنظر گرفته‌شده در تابع هدف در سناریو 2 نسبت به سناریوی 1 به‎میزان قابل‎توجهی کاهش می‌یابد که مقدار آن‌ها در سناریوی 2 برای تابع هدف 1 و 2 به‎ترتیب 7.8%، 7.8%، 8.2% و 4.3% است. هم‎چنین با درنظر گرفتن تعداد متغیر بیشتر در تابع هدف، خطای تجمعی همه متغیرها کاهش می‌یابد. در کالیبراسیون دینامیک میزان خطای متوسط مدل در تخمین میزان tss، cod و tn به‎ترتیب 29.8%، 19.8% و 10.3% به‎دست آمد.

redevelopment of bsm1 model to model the wastewater treatment system of carousel oxidation, case study: south tehran wastewater treatment plant

due to continuous changes in the quantitative and qualitative characteristics of wastewater influent in wastewater treatment plants (wwtps), it is necessary to evaluate the performance of wwtps under different conditions and adopt appropriate control strategies. the first step in evaluating and improving the performance of a wwtp is to model it. in recent years, there has been an increase in the application of simulation software and mathematical models for this purpose. calibration is considered the most important step in modeling because improper calibration can lead to unrealistic results with a large error. the main objective of this research is to redevelop the bsm11 model and provide different calibration scenarios to model the carousel oxidation system on a real scale. the high-accuracy model can then be used for various purposes, such as implementing different control strategies and improving the performance of the wwtp under different operating conditions. the developed model was implemented on modules 5 and 6 of the wwtp located in the south of tehran. after determining the suitable process models for different units of the wastewater treatment plant, model calibration based on the gmp2 protocol was performed under two scenarios: 1) simultaneous calibration of parameters, and 2) step-by-step calibration of parameters. in each scenario, two objective functions were considered to evaluate the effect of main variables, including cod, tss, and tn, and secondary variables, including x (mlss3 of the aeration tank) and xr (mlss of the return sludge). the genetic algorithm was used to optimize the objective functions during the calibration process. the results showed that in the static calibration, the average error of all variables, as well as the variables considered in the objective function in scenario 2, were significantly reduced compared to scenario 1. the values in scenario 2 for objective function 1 were 2.7%, 7.8%, 8.2%, and 4.3% for the variables mentioned. additionally, by considering more variables in the objective function, the cumulative error of all variables was reduced. in dynamic calibration, the average error rates of the model for tss, cod, and tn were 29.8%, 19.8%, and 10.3%, respectively.