선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 하수처리장 유출수 및 온실가스 모델링을 위해 MS Excel과 VBA를 이용하여 사용자 편의성과 유연성을 갖춘 시뮬레이터를 구축하였으며, 가스 성분을 포함하고 활성슬러지와 혐기성소화에 대해 동시에 모델링할 수 있는 개선된 통합모델을 제시하였다. 또한 구축된 시뮬레이터를 기존 시뮬레이터와의 비교를 통해 검증하였으며, 실제 운전 중인 하수처리리장의 실측 자료들을 이용하여 모델링한 결과로부터 유출수 수질 및 소화가스 발생량에 대해 검증하고 GHGs 배출량을 계산함으로써 GHGs 저감방안 수립에 기여하고자 하였다.
- 본 연구에서는 하수처리장 유출수 및 온실가스 모델링을 위해 MS Excel과 VBA를 이용하여 사용자 편의성과 유연성을 갖춘 시뮬레이터를 구축하였으며, 가스 성분을 포함하고 활성슬러지와 혐기성소화에 대해 동시에 모델링할 수 있는 개선된 통합모델을 제시하였다. 또한 구축된 시뮬레이터를 기존 시뮬레이터와의 비교를 통해 검증하였으며, 실제 운전 중인 하수처리리장의 실측 자료들을 이용하여 모델링한 결과로부터 유출수 수질 및 소화가스 발생량에 대해 검증하고 GHGs 배출량을 계산함으로써 GHGs 저감방안 수립에 기여하고자 하였다.
- MS Excel은 하수처리 공정의 설계 및 운영에 필요한 물질수지를 작성하는데 이용되고 있지만 이들은 정적 상태(steady state)에서 단위 공정의 일정한 처리효율을 갖는 단순한 스프레드시트 물질수지로서 여러 가지 운전조건의 변화가 단위 공정에 미치는 영향을 확인하고 이에 따른 대응책을 수립하는데 어려움이 있다(Shin, 2006). 따라서 본 연구에서는 하수처리 전 공정을 동적 상태(dynamic state)로 모델링하기 위해 MS Excel 및 VBA를 이용한 부경엑셀시뮬레이터(PKES; PuKyung-Excel based Simulator for wastewater treatment plant)를 구축하였다.
- 본 연구에서는 활성슬러지 공정과 혐기성소화 공정을 포함하는 하수처리 전 공정에 대한 통합 모델을 구축하였으며, GHGs 발생량 평가를 위한 가스 성분을 추가하였다. 또한 MS Excel과 VBA를 이용하여 동적 모델을 구동할 수 있는 부경엑셀시뮬레이터(PKES)를 구축하였다.
가설 설정
- (2001)에 의해 제시된 값들을 활용하였다. 2년간의 평균 유입수 수질자료에 대한 상태변수와의 관계는 Table 3과 같으며, 유입수 내 미생물은 없는 것으로 가정하였고 TSS 중 분해 불가능한 무기입자성 물질(XII)은 반응에 관여하지 않으므로 모델에서는 제외되었다.
제안 방법
- 본 연구에서는 표준 활성슬러지 공법의 하수처리장을 대상으로 하였으며, 하수 처리용 활성슬러지(AS; activated sludge) 공정은 ASM2d(Henze et al., 2000), 슬러지 처리용 혐기성소화(AD; anaerobic digestion) 공정은 ASM2d와 ADM1(Batstone et al., 2002)을 기반으로 수정된 통합모델을 적용하였다. 표준 활성슬러지 공법에서는 적용되지 않는 발효 및 인제거 관련 부분은 삭제함으로써 모델을 간소화하였다.
- , 2002)을 기반으로 수정된 통합모델을 적용하였다. 표준 활성슬러지 공법에서는 적용되지 않는 발효 및 인제거 관련 부분은 삭제함으로써 모델을 간소화하였다. 화학적 처리 공정은 적용하지 않았으며, 물리적 처리 공정은 최초침전지, 최종침전지, 농축조 및 탈수조로 구성하였다.
- 표준 활성슬러지 공법에서는 적용되지 않는 발효 및 인제거 관련 부분은 삭제함으로써 모델을 간소화하였다. 화학적 처리 공정은 적용하지 않았으며, 물리적 처리 공정은 최초침전지, 최종침전지, 농축조 및 탈수조로 구성하였다. 슬러지 처리를 위한 농축조와 탈수조의 효율은 대상 하수처리장의 실제 운전 자료로부터 계산된 77과 97 %의 슬러지 회수율을 각각 적용하였다.
- 화학적 처리 공정은 적용하지 않았으며, 물리적 처리 공정은 최초침전지, 최종침전지, 농축조 및 탈수조로 구성하였다. 슬러지 처리를 위한 농축조와 탈수조의 효율은 대상 하수처리장의 실제 운전 자료로부터 계산된 77과 97 %의 슬러지 회수율을 각각 적용하였다. 최초 및 최종 침전지의 침전 효율은 수온, 유입 TSS 농도와 표면적부하를 변수로 하는 경험식을 일부 수정하여 적용하였다(Christoulas et al.
- 슬러지 처리를 위한 농축조와 탈수조의 효율은 대상 하수처리장의 실제 운전 자료로부터 계산된 77과 97 %의 슬러지 회수율을 각각 적용하였다. 최초 및 최종 침전지의 침전 효율은 수온, 유입 TSS 농도와 표면적부하를 변수로 하는 경험식을 일부 수정하여 적용하였다(Christoulas et al., 1998).
- , 2012). 통합모델에 사용된 상태변수(state variables) 즉, 성분(components, i)은 용해성(soluble, S) 성분 9개, 입자상(particulate, X) 성분 7개와 GHGs 발생량 계산을 위한 가스(gaseous, G) 성분 4개(GN2, GN2O, GCO과 GCH)를 적용하였다.
- 동역학적 공정(kinetic processes, j)은 활성슬러지(포기조) 대한 6개의 공정과 혐기성소화에 대한 9개의 공정을 적용하였다. 먼저 활성슬러지(AS) 공정은 입자상 유기물의 가수분해(hydrolysis) 공정, 호기(aerobic)와 무산소(anoxic) 조건에서의 종속영양 미생물(heterotrophs)의 성장(growth) 공정, 질산화공정인 독립영양 미생물(autotrophs)의 성장 공정과 각 미생물의 분해(lysis) 공정으로 구성하였다.
- 동역학적 공정(kinetic processes, j)은 활성슬러지(포기조) 대한 6개의 공정과 혐기성소화에 대한 9개의 공정을 적용하였다. 먼저 활성슬러지(AS) 공정은 입자상 유기물의 가수분해(hydrolysis) 공정, 호기(aerobic)와 무산소(anoxic) 조건에서의 종속영양 미생물(heterotrophs)의 성장(growth) 공정, 질산화공정인 독립영양 미생물(autotrophs)의 성장 공정과 각 미생물의 분해(lysis) 공정으로 구성하였다. 혐기성소화(AD) 공정은 입자상 유기물의 가수분해 공정, 종속영양과 독립영양 미생물의 분해 공정, 산생성 공정인 아세트산생성 미생물(acetogens)의 성장 공정, 아세트산과 수소를 이용한 메탄 생성 공정인 메탄생성 미생물(methanogens)의 성장 공정과 각 미생물의 분해 공정으로 구성하였다.
- 먼저 활성슬러지(AS) 공정은 입자상 유기물의 가수분해(hydrolysis) 공정, 호기(aerobic)와 무산소(anoxic) 조건에서의 종속영양 미생물(heterotrophs)의 성장(growth) 공정, 질산화공정인 독립영양 미생물(autotrophs)의 성장 공정과 각 미생물의 분해(lysis) 공정으로 구성하였다. 혐기성소화(AD) 공정은 입자상 유기물의 가수분해 공정, 종속영양과 독립영양 미생물의 분해 공정, 산생성 공정인 아세트산생성 미생물(acetogens)의 성장 공정, 아세트산과 수소를 이용한 메탄 생성 공정인 메탄생성 미생물(methanogens)의 성장 공정과 각 미생물의 분해 공정으로 구성하였다.
- 본 연구에서 구축된 하수처리장 시뮬레이터인 PKES에는 많은 입출력 자료를 엑셀 수식으로 연결되고 이들은 다시 자체 개발된 VBA 프로그램에 의해 동적상태로 계산이 수행되므로 이들 수식과 프로그램의 객관적인 유효성을 확보하기 위해 EAWAG에서 개발한 텍스트기반 시뮬레이터인 Aquasim과 비교 모델링을 수행하였으며, 모든 설계 및 매개계수 값과 모델 매트 릭스를 동일하게 적용하여 이로 인한 오차는 없도록 하였다. Fig.
- 본 연구에서 구축된 하수처리장 시뮬레이터인 PKES에는 많은 입출력 자료를 엑셀 수식으로 연결되고 이들은 다시 자체 개발된 VBA 프로그램에 의해 동적상태로 계산이 수행되므로 이들 수식과 프로그램의 객관적인 유효성을 확보하기 위해 EAWAG에서 개발한 텍스트기반 시뮬레이터인 Aquasim과 비교 모델링을 수행하였으며, 모든 설계 및 매개계수 값과 모델 매트 릭스를 동일하게 적용하여 이로 인한 오차는 없도록 하였다. Fig. 3에 나타낸 바와 같이 유입수 조건은 처음 120 일 동안은 40 일 간격으로 유입 농도를 단계적으로 증가시켰으며, 마지막 80 일 동안은 대상 하수처리장의 실제 운전 자료로 모델링하였다. Table 4는 두 시뮬레이터로 계산된 마지막 80일 동안의 평균 유출농도와 이들간의 RMSE(root mean square error) 값을 나타냈으며, RMSE 값은 다음 식으로 계산하였다.
- PKES에는 통합모델에 사용되는 매개변수들에 대한 민감도분석 기능을 VBA 프로그램으로 구축하였으며, 이를 이용하여 통합모델의 수질항목별 매개변수들에 대한 민감도를 분석함으로써 이후 매개변수 추정 및 검증에 필요한 기초 자료로 활용하였다. 각 매개변수 초기 값의 50, 100, 200%에 대해 모델링한 후 결과는 WSANE(weighted sum of absolute normalized errors)로 나타내었으며, WSANE는 다음 식으로 계산하였다.
- PKES에는 통합모델에 사용되는 매개변수들에 대한 민감도분석 기능을 VBA 프로그램으로 구축하였으며, 이를 이용하여 통합모델의 수질항목별 매개변수들에 대한 민감도를 분석함으로써 이후 매개변수 추정 및 검증에 필요한 기초 자료로 활용하였다. 각 매개변수 초기 값의 50, 100, 200%에 대해 모델링한 후 결과는 WSANE(weighted sum of absolute normalized errors)로 나타내었으며, WSANE는 다음 식으로 계산하였다.
- 대상 하수처리장의 공정별 설계자료 및 2년간 실측된 유입수의 유량, 포기조의 수온, 수질분석 결과와 혐기성소화조 가스발생량 등을 이용하여본 연구에서 구축한 PKES 시뮬레이터와 통합모델을 검증하였다. 본 연구에서 구축한 하수처리장 통합모델은 활성슬러지(AS) 공정과 혐기성소화(AD) 공정을 동시에 모델링할 수 있기 때문에 슬러지처리 공정으로부터의 반류수로 인한 유출수 수질에 대한 영향 분석뿐만 아니라 하수처리장 전 공정에서 발생되는 GHGs 발생량을 계산할 수 있는 장점이 있다.
- 본 연구에서 구축한 하수처리장 통합모델은 활성슬러지(AS) 공정과 혐기성소화(AD) 공정을 동시에 모델링할 수 있기 때문에 슬러지처리 공정으로부터의 반류수로 인한 유출수 수질에 대한 영향 분석뿐만 아니라 하수처리장 전 공정에서 발생되는 GHGs 발생량을 계산할 수 있는 장점이 있다. 따라서 민감도분석을 통해 얻어진 결과를 바탕으로 통합모델의 매개 변수 값들에 대한 다양한 평가를 통해 최적화를 진행한 후 최종적으로 모델링한 하나의 결과로부터 하수처리장 유출수와 혐기성소화조 가스발생량에 대한 검증 뿐만 아니라 GHGs 발생량에 대해서도 평가하였다.
- , 2003). 본 연구에서도 모델링한 결과에 대한 BOD 계산에 있어 질산화되지 않고 유출수에 남아 있는 NH4-N를 반영하였다. 그 결과 BOD의 경우 실측된 평균 유출농도가 7.
- 7에 나타내었다. 활성슬러지 공정에서 발생 되는 CO2와 N2O는 각각 12,750과 40m3/day 이였으며, 혐기성소화 공정에서 발생되는 CO2와 CH4는 각각 3,050과 5,740m3/day로 계산되었다. 하수처리 전 공정에서 발생되는 전체 가스 발생량에 대해 CO2가 73.
- 본 연구에서는 활성슬러지 공정과 혐기성소화 공정을 포함하는 하수처리 전 공정에 대한 통합 모델을 구축하였으며, GHGs 발생량 평가를 위한 가스 성분을 추가하였다. 또한 MS Excel과 VBA를 이용하여 동적 모델을 구동할 수 있는 부경엑셀시뮬레이터(PKES)를 구축하였다. 이들에 대한 검증 및 GHGs 배출량 평가 결과 다음과 같은 결론을 도출할 수 있었다.
대상 데이터
- 대상 하수처리장의 공정별 HRT, 유량과 수온, 유입수와 유출수의 수질 분석 자료(BOD, TSS, TN, TP) 및 혐기성 소화조의 가스발생량 등의 실측 자료를 사용하여 모델링하였다. 운전 인자 및 수질항목에 대한 2년간의 실측 자료 평균값과 범위는 Table 2에 나타내었으며, 유입수 유량은 323,000m3/day, 온도는 19.
데이터처리
- 하수처리장에 대한 수학적 모델링을 수행하기 위한 시뮬레이터는 Microsoft Office Excel 2013을 이용하여 구축하였으며, 구축된 시뮬레이터는 EAWAG(Swiss federal institute for environmental science and technology)에서 개발한 Aquasim(Ver.2.1) 시뮬레이터를 이용하여 검증하였다.
- 는 각각 i번째 실제 값과 계산 값이다. 다만 시뮬레이터 간검증 결과는 yi와 ŷi를 PKES와 Aquasim으로 계산한 유출수 농도 값으로 계산하였다. 모델링 결과 PKES와 Aquasim 모두 단계적인 유입 농도 증가에 대해 빠른 시간 내 안정화 되었으며, BOD, TSS, TN과 TP의 평균 유출농도가 거의 동일한 값을 나타냄으로써 PKES의 유효성을 검증하였다.
이론/모형
- (2000)과 Rieger et al.(2001)에 의해 제시된 값들을 활용하였다. 2년간의 평균 유입수 수질자료에 대한 상태변수와의 관계는 Table 3과 같으며, 유입수 내 미생물은 없는 것으로 가정하였고 TSS 중 분해 불가능한 무기입자성 물질(XII)은 반응에 관여하지 않으므로 모델에서는 제외되었다.
- 하수처리의 생물학적 공정에 대한 통합모델은 ASM2d(Henze et al., 2000)와 ADM1 (Batstone et al., 2002)을 기반으로 작성되었으며, PKES에 적용된 통합모델 매트릭스(matrix) 구성 화면은 Fig. 2와 같다. 통합모델은 활성슬러지와 혐기성소화 공정에 사용되는 상태변수(state variables)를 동일하게 구성함으로써 동시에 두 공정을 모의할 수 있는 수학적 모델을 의미하며, 미생물의 성장은 사멸-재생산 모델(death-regeneration model)로 표현하였다(Henze et al.
- 통합모델에 사용된 화학양론 매개변수(stoichiometric parameters)와 동역학적 매개변수(kinetic parameters)들은 ASM과 ADM에 대한 기존 연구에서 제시된 값들을 활용하였다 (Henze et al., 2000; Batstone et al., 2002; Rieger et al., 2001). GHGs 발생량 계산을 위한 가스 성분들은 각 동역학적 공정별 화학양론에 근거하여 통합모델을 작성하였다(Snowling et al.
성능/효과
- 1%이였다. 수질에 대한 유입 및 유출 농도는 각각 BOD 94.5, 7.2 mg/L, TSS 86.9, 2.5 mg/L, TN 28.0, 15.4 mg/L, TP 2.8, 1.6 mg/L이였다. 대상 하수처리장의 운전특성을 살펴보면 연간 변화는 크지 않지만 일간 및 계절에 따른 변화는 큰 경향을 나타내고 있다.
- 다만 시뮬레이터 간검증 결과는 yi와 ŷi를 PKES와 Aquasim으로 계산한 유출수 농도 값으로 계산하였다. 모델링 결과 PKES와 Aquasim 모두 단계적인 유입 농도 증가에 대해 빠른 시간 내 안정화 되었으며, BOD, TSS, TN과 TP의 평균 유출농도가 거의 동일한 값을 나타냄으로써 PKES의 유효성을 검증하였다.
- 8 mg/L이였다. 또한 실측된 BOD, TSS, TN 및 TP의 평균 제거 효율은 각각 92.4 97.1 44.5 및 41.5%로 계산되었다. 모델링한 결과 중에서 유출수 수질에 대한 부분은 Table 6와 Fig.
- 본 연구에서도 모델링한 결과에 대한 BOD 계산에 있어 질산화되지 않고 유출수에 남아 있는 NH4-N를 반영하였다. 그 결과 BOD의 경우 실측된 평균 유출농도가 7.2 mg/L이였으며, 계산된 평균 유출농도도 7.2 mg/L로 동일하게 나타났다. BOD에 대한 RMSE 값은 1.
- 실제 운전된 포기조 내 평균 MLSS 농도는 1,736 (960 ~ 2,480) mg/L이였으며, 모델링한 결과에 의하면 평균 MLSS 농도는 1,731 (1,217 ~ 2,251) mg/L로 거의 동일하면서도 좀 더 안정적인 것으로 나타났다. 본 연구와 동일한 하수처리장에 대해 Aquasim으로 모델링한 Jung(2013)의 연구 결과에서 RMSE 값은 BOD, TSS, TN과 TP에 대해 각각 2.
- 이에 반해 모델링에서는 연속 운전되는 것으로 계산되기 때문에 가스 발생량이 보다 안정적으로 나타났다. 실측된 평균 소화조 가스발생량은 약 9,000m3/day이였으며, 모델링 결과는 약 8,790m3/day로 약간 낮게 계산되었다. 모델링 결과에서 가스 성분별로 살펴보면 CH4가 약 5,740m3/day, CO2가 약 3,050m3/day 발생하였으며, CH4가 약 65.
- 활성슬러지 공정에서 발생 되는 CO2와 N2O는 각각 12,750과 40m3/day 이였으며, 혐기성소화 공정에서 발생되는 CO2와 CH4는 각각 3,050과 5,740m3/day로 계산되었다. 하수처리 전 공정에서 발생되는 전체 가스 발생량에 대해 CO2가 73.2%로 가장 많았으며, CH4와 N2O가 각각 26.6과 0.2%를 차지하는 것으로 계산되었다. 하지만 GHGs 배출량은 가스별 지구온난화지수를 곱한 값(ton-CO2/day)으로 평가해야 하며, CO2, CH4와 N2O의 지구온난화지수는 각각 1, 23과 296으로 알려져 있다(IPCC, 2006).
- 9 tonCO2/day로 가장 많은 것으로 계산되었다. 전체 GHGs 배출량인 138.5 ton-CO2/day 중에서 활성슬러지 공정에서 45.0 ton-CO2/day로 32.5 %, 혐기성소화 공정에서 93.5 ton-CO2/day로 67.5 %를 배출하며, 가스별로는N2O, CO2와 CH4가 각각 15.6, 20.9와 63.5%를 차지는 것으로 계산되었다.
- 1. 본 연구에서 구축한 시뮬레이터인 PKES와 기존 시뮬레이터인 Aquasim의 모의 결과 두 시뮬레이터로부터 계산된 유출수 농도가 거의 동일하게 나타남으로써 PKES의 수식과 개발된 VBA 프로그램이 하수처리장 모의에 유효함을 검증하였다.
- 2. 본 연구에서 제안된 하수처리장 통합모델에 대해 표준활성슬러지 공법으로 운전 중인 하수처리장의 실제 운전 자료에 대한 장기간 연속 모델링을 통한 검증 결과 전체적으로 유출수의 실측 농도와 계산 농도가 비교적 근사하게 나타났으며, BOD, TSS, TN 및 TP에 대한 RMSE 값은 각각 1.9, 0.8, 1.6 및 0.2 mg/L로 기존 연구보다 낮게 나타나 하수처리장 통합모델의 활용성이 검증되었다.
- 3. 소화조 가스발생량은 약 8,790m3/day로 실측값인 약 9,000m3/day와 유사하게 계산되었으며, CH4의 부피비도 65.3%로 실측치와 유사하였다. 또한 모델링 결과로부터 가스발생량과 지구온난화지수를 이용한 GHGs 배출량은 138.
- 3%로 실측치와 유사하였다. 또한 모델링 결과로부터 가스발생량과 지구온난화지수를 이용한 GHGs 배출량은 138.5 ton-CO2/day로 계산되었다. 이중 활성슬러지와 혐기성 소화 공정에서 각각 32.
- 5 ton-CO2/day로 계산되었다. 이중 활성슬러지와 혐기성 소화 공정에서 각각 32.5와 67.5%를 배출하였으며, 가스별로는N2O, CO2와 CH4가 각각 15.6, 20.9와 63.5%를 차지는 것으로 계산되었다. 따라서 하수처리장에서의 GHGs 배출량 저감을 위해서는 CH4의 회수 및 자원화가 가장 중요하며, 높은 지구 온난화지수를 가지는 N2O의 발생 억제 또는 발생량 감시와 제어가 하수처리장 설계 및 운전 시에 고려되어야 할 것으로 사료된다.
후속연구
- 3 mg/L로 나타났다. 본 연구의 결과에서 이보다 낮은 RMSE 값을 나타냄으로써 보다 실측 농도에 근접할 뿐만 아니라 PKES 시뮬레이터와 개선된 하수처리장 통합모델이 유용하게 사용될 수 있을 것으로 판단된다.
- 008 kg-N2O/kg-TN로 낮게 나타났다. 결과적으로 하수처리장에서의 GHGs 배출량 저감을 위해서는 전체 GHGs 배출량의 2/3 정도를 차지하는 CH4의 회수 및 자원화가 가장 중요한 요소임을 확인할 수 있었으며, N2O의 경우 적은 발생량에도 불구하고 CO2와 유사한 GHGs 배출원으로 계산됨으로써 특히 유입수 내 TN의 농도가 높거나 고도처리공법을 도입할 경우 N2O발생 억제 또는 발생량 감시와 제어가 하수처리장 설계 및 운전 시에 고려되어야 할 것으로 사료된다.
- 5%를 차지는 것으로 계산되었다. 따라서 하수처리장에서의 GHGs 배출량 저감을 위해서는 CH4의 회수 및 자원화가 가장 중요하며, 높은 지구 온난화지수를 가지는 N2O의 발생 억제 또는 발생량 감시와 제어가 하수처리장 설계 및 운전 시에 고려되어야 할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.