基于排水单元水量水质分析的片区污水系统问题诊断
导读:以连续晴天工况下某片区污水管网节点及重要排水单元为检测对象,以水量和COD浓度为检测指标,通过建立片区污水管网概化图和水量水质数据拓扑图,分析识别出了高校污水的“周期性”以及工业污水的低纳管浓度等问题,有效支撑了工程目标评估及实施效果的评价,并一定程度上厘清了各实施主体的责任范围。研究可为同类项目污水管网的问题诊断与检测评价提供借鉴,以指导工程实施。
引用本文:崔佳鑫,邵军荣,孟军,等. 基于排水单元水量水质分析的片区污水系统问题诊断[J]. 给水排水,2023,49(8):113-119.
01项目背景
1.1 片区概况
研究区域位于江西省北部,面积约45 km²。根据当地城市发展战略,片区定位为“具有自身特色和优势的高新技术产业基地,大产业、大公司配套制造业转移基地,大专院校、科研机构科技成果转化基地”,地块类型主要为工业企业、居民小区、高校等,大量工业企业以及学生人口是该片区的一个显著特征。
片区地处赣抚冲积平原区,年平均降雨量达到1 596.4 mm;区内水系发达,分布有河流、水渠以及众多的山塘湖泊。地下水主要为第四系松散岩类孔隙承压水,水量丰富,主要接受赣江地表水体侧向补给,水位及水量受季节变化控制,年变化幅度2~4 m。
片区内大部分区域市政管网排水体制为雨污分流制,尚有15%左右的市政道路未完成雨污分流改造。各地块内部存在大量合流或混流情况,据统计,片区内202个排水单元合流制比例达到20%以上,其余分流制地块仍存在大量混错接。区内设有污水处理厂1座、临时生活污水处理设施1座、提升泵站3座。其中临时污水处理设施(0.8万m³/d)主要对部分管网未覆盖区域的直排污水进行处理,其余市政管网均通过泵站或自流接入污水处理厂。片区内市政污水管总长127.8 km,污水管网密度为3 km/km²,属于较低水平。污水沿CB、GK、XZH和LK共计4个方向进入污水处理厂,具体见图1。
图1 片区的用地类型及污水系统概况
1.2 问题识别
为促进片区污水系统的提质增效,该片区于2021年下半年启动片区污水系统的提升改造工程,主要工程内容包含市政排水管网的混错接改造、开挖及非开挖修复,以及部分源头地块的雨污分流改造。截至2022年8月,市政排水管网的改造已完成80%以上。随着工程的实施,污水处理厂的进水浓度也得到了显著的提升,COD浓度从2020年的73.6 mg/L提高到2022年的103.8 mg/L。
然而,由于管网系统不完善、源头排水单元未实现彻底雨污分流等,污水处理厂的进水浓度仍呈现出较为明显的“雨天进厂水量大浓度低、晴天进厂水量小浓度高”的特点。如图2a所示,可以发现,1-6月及9-10月晴天时,污水处理厂的水量基本维持在3万~3.5万m³/d,进水COD浓度达到100 mg/L以上;而雨天时水量则达到4.5万~5万m³/d,COD浓度仅有50~100 mg/L。图2b为污水处理厂水量和COD浓度的相关关系,可以发现,1-6月及9-10月污水处理厂进厂水量和水质呈现明显的负相关关系。
图2 片区污水处理厂进厂水量水质
7-8月通常为雨季,但2022年夏季以来,长江流域遭遇多年不遇的严重干旱,降雨量极度偏少。在连续晴天,入厂水量长期维持在低位(3万m³/d)的情况下,污水处理厂的进水浓度仍较低。由图2b可以看出,7-8月份的数据点均集中在左下角的位置,呈现出“水量水质双低”的规律,这与1-6月及9-10月的趋势呈现出显著差异。通过对1-10月污水处理厂日均入厂COD总量的计算结果(见图2c)来看,可以发现7-8月COD总量锐减,这与“水量水质双低”存在直接关系。
在连续晴天情况下,7-8月污水处理厂进水COD浓度仅有67.7 mg/L(对应的BOD5浓度仅有34.6 mg/L),这与生活污水处理厂提质增效BOD5≥100 mg/L的目标有显著的差距。污水处理厂进厂“水量水质双低”这一现象的深层次原因需要通过对管网系统的问题诊断来揭示。
02污水管网概化及理论污水量测算
2.1 污水管网概化
通过梳理片区内污水管网的拓扑关系,对各个来水方向的管网进行概化处理。从污水处理厂向上游溯源至各个排水单元,并根据管网在整个系统中的位置及作用等划分为一级干管、二级支管、三级支管以及排水单元的接户支管等。
如图3a为GK方向的市政污水管网示意图,根据以上原则,将该方向的管网概化为图5。在该来水方向,一级干管为港口大道及幸福前港截污管,管径基本都在DN1 000以上;二级支管为接入一级干管的市政污水管,如梅林大街、皇姑路市政污水管等,管径在DN500~800;三级支管则是接入二级支管的其他市政污水管,如经开大道、曰修路污水管等,管径通常为DN400~500;各级支管均有排水单元接入,接户管管径多为DN300~400,根据排水单元用地类型的不同,可将地块分为工业企业用地和居民生活区用地等。其余3个来水方向的市政污水管网均根据这一原则进行概化,以支撑后续的水量水质检测和分析工作。
图3 市政污水管网概化
2.2 理论污水量测算
根据片区202个排水单元2021年平均用水量数据,对整个片区的理论污水量(含进入污水处理厂及临时处理设施的水量)进行测算,结果参见表1。片区内理论污(废)水量为37 362.5 m³/d,其中居民生活污水量为11 211.7 m³/d,高校污水量9 545.1 m³/d,工业企业单位污(废)水12 711.9 m³/d,其他事业单位污水量3 893.8 m³/d。可以发现,该片区污水中1/3为工业废水,2/3为生活污水,且生活污水中高校的污水量占比较大(高校理论污水量占到总生活污水量的39%,总水量的26%)。
表1 片区内理论污水量测算
注:①居民小区、高校和事业单位的折污系数取0.9;② 工业企业的折污系数取0.8。
03排水单元水量水质排查和分析景
3.1 排查方案及分析方法
3.1.1 排查方案
在管网的关键节点以及各个排水单元布设采样检测点位,依据《污水监测技术规范》(HJ 91.1m³2019)进行水量水质检测。水量通过流速仪法进行现场测定,通过测量排污渠道的过水截面积,以流速仪(LS20B旋桨流速仪)测量污水流速,计算污水量。由排查人员在水量测定时同步进行现场采样,并添加H2SO4调节pH至≤2,保存期为24 h,于实验室进行COD浓度测定,测试方法参照《水质 化学需氧量的测定 重铬酸钾法》(HJ828-2017)。
由于排水管内污水水量和水质的日变化较大,人工取样和检测时单次取样的结果往往不具有代表性,因此本研究中针对各检测点位进行了不同时间段的多次采样和检测,并基于污水日内的变化规律对检测数据进行换算,以得到日流量。污水主干管的日流量可通过泵站数据进行校对,排水单元的流量则可根据片区人口数和用水量进行校对;针对明显异常的数据,进行现场复核。
3.1.2 排查工况
排查时间为2022年8-9月,期间天气晴好,无降雨。同时,区内各个高校的学生于8月底9月初正在陆续返校。
3.1.3 数据分析
根据污水管网拓扑关系及水质水量检测结果,对排水单元的出水水质浓度、管网系统的水量水质等进行核算。
污水浓度的衡算采用加权平均法,具体式(1):
式中 cd——下游管道的COD浓度,mg/L;
qd——下游管道的水量,m³/d;
cu1、cu2、…、cun——上游各个支管的COD浓度,mg/L;
qu1、qu2、…、qun——上游各个支管的水量,m³/d。
考虑到污水管网不可避免的渗漏等问题及检测误差,上下游水量及浓度衡算时误差在10%之内为可接受值。
3.2 污水处理厂水量水质分析
对排查期间污水处理厂的水量水质进行分析,结果如图4所示。可以发现,8月25日(基本为区内高校学生返校时间)前后,污水处理厂的水量和水质呈现出较大的差异。相比25日之前,25日后污水处理厂的日均进厂水量有小幅增加,从2.76万m³/d增长至2.93万m³/d;日均COD浓度则提升明显,由69 mg/L提高到96.6 mg/L,提高幅度达到40%。
图4 排查期间污水处理厂进厂水量和水质变化
3.3 排水单元水量水质分析
3.3.1 总体情况
污水处理厂四个来水方向中XZH方向和LK方向来水均较少,约0.2万m³/d,污水主要来自GK和CB方向,水量分别达到1.15万和1.4万m³/d。从水质浓度上来看,XZH方向和LK方向的进水COD浓度基本上在115~120 mg/L,而GK和CB方向则偏低,分别仅有101 mg/L和92 mg/L。
由于LK方向水量较少,且收水范围基本位于研究区域之外,因此下面重点针对GK、CB和XZH三个来水方向开展排查和分析讨论。
3.3.2 GK来水方向
GK方向一级干管为港口大道及上游幸福前港截污管,由下游向上,分别有晨鸣路、机场路、梅林大街、南齿截污管、江拖路等市政污水管道接入,各二级支管上游又有三级支管汇入,直至每一个排水单元地块。要特别指出的是,由于区内的临时污水处理设施即将停用,新建了该处理设施至皇姑路市政污水管的连接管,部分处理后的尾水暂时经由连接管进入皇姑路市政污水管。
如图5所示,为该方向市政污水管以及重要排水单元出口处的水量水质检测结果。从沿程水量来看,上游至下游,随着各支管污水的不断汇入,水量逐渐增多,至污水处理厂前,总水量达到11 600 m³/d,这与该来水方向末端泵站(即图1中的#2泵站)的在线监测数据(1.1万m³/d)基本一致,证明了检测数据的准确性和代表性。沿程二级支管中,梅林大街和皇姑路是水量最大的两个汇入点,水量分别达到3 130 m³/d和2 500 m³/d,这与其收集范围内排水单元面积大、人口多直接相关。通过对市政污水管网各个检测节点的水量水质进行衡算,可以发现大部分市政管网上下游之间的水量误差基本在10%以内,表明在连续晴天工况下,市政污水管的入渗等情况较少,工程实施过后市政污水管的问题得到有效缓解。同时,也可以发现部分管段的上下游水量不匹配(如截污干管上游),证明该处存在潜在的外水点,或未发现的排水户。
图5 GK方向市政管网及排水单元水量水质检测结果
从排水单元的类型来看,居民区生活污水的COD浓度较高,基本在150~300 mg/L,加权平均COD浓度达到167 mg/L;总水量为4 713 m³/d,占比为44%。工业企业废水的COD浓度较低,加权平均浓度71.4 mg/L;总水量为1 900 m³/d,占比18%。高校出水COD浓度仍偏低,加权平均浓度87.4 mg/L;总水量为1 667 m³/d,占比16%。临时处理设施处理后的低浓度尾水接入皇姑路市政污水管网,其水量大(2 400 m³/d)、浓度低(29 mg/L)。这表明,该来水方向占比最大的居民生活污水的COD浓度较高,但受工业废水、高校污水,尤其是临时处理设施低浓度尾水的影响,污水总体COD浓度降低,加权平均浓度仅有106.6 mg/L,略高于末端浓度(101 mg/L),这一差异来源于COD沿程降解及测量误差。
3.3.3 CB来水方向
CB大道方向的一级干管为昌北大道市政污水管,由下游向上,分别有秀先路、机场路、经开大道等市政污水管道接入,其中机场路和经开大道为主要的两条二级支管,其上游又分别包括英雄大道、金港路、高椅山二路等市政污水管,直至每一个排水单元。
通过对沿程市政污水管检测点位的上下游水量水质进行衡算,可以发现大部分市政管网上下游之间的水量误差基本在10%以内,表明在连续晴天工况下,市政污水管的入渗等情况较少,工程实施后该来水方向的市政污水管问题得到有效缓解。
从排水单元的类型来看,居民区生活污水的COD浓度较高,基本在150~300 mg/L内,加权平均COD浓度达到191.2 mg/L;水量为3 983 m³/d,占总水量的比值约为28%。工业企业废水水量达到4 607 m³/d,占比38%;且纳管浓度较低,加权平均COD浓度为58.5 mg/L,其中某纯净水企业出水COD浓度仅有33 mg/L。高校水量为4 392 mg/L,占比为34%,学生陆续返校后出水浓度较高,加权平均COD浓度为103.7 mg/L。该来水方向的水质特点与GK方向类似,居民生活污水的COD浓度较高,而高校污水浓度偏低,工业企业的废水COD浓度则严重偏低。
3.3.4 XZH来水方向
该方向水量较少,总水量仅1 800 m³/d,COD浓度为115 mg/L,主要来自建业大街及秀先路的工业企业地块,由于该区域距离中心城区较远,工业企业厂区基本配套职工宿舍,因此虽归类为工业企业废水类型,但仍包含一部分生活污水,这是其区别于其他两个来水方向工业废水的显著特征。
04水量水质分析结果和建议
4.1 水量水质分析结果
(1)工业废水是限制整个片区晴天污水浓度提升的主要因素。图6为整个片区各类型污废水的水量以及加权平均COD浓度,可以看出居民区生活污水占比为42%(含临时污水处理设施污水),高校污水占比为24%,工业废水占比为34%,工业废水对污水处理厂水量及浓度的影响极大。
图6 区内各类型污废水水量及加权平均COD浓度
工业废水占比大且纳管浓度低(加权平均COD浓度仅有73.3 mg/L),稀释高浓度生活污水,导致管网及污水处理厂进水浓度偏低;CB方向工业企业众多,是其末端浓度较低的主要原因。
(2)暑期高校源头高浓度污水减少是7-8月份污水处理厂进水浓度低的直接原因。片区内存在大量高校,学生人数占到片区总人口的1/4~1/3。根据前述理论污水量测算和实测污水量也可以发现,高校产生的污水量达到总水量的25%左右,为区内污水产量的重要组成部分。由于高校人群具有明显的“周期性”,每年1-2月及7-9月为高校的寒暑假时间,大量学生离校,高校的高浓度污水产量显著减少,从而在年度内表现出较为明显的“周期性”。本年度7-8月由于暑期学生放假,源头污水的COD组分减少,造成污水处理厂进水浓度严重偏低;学生返校后,源头污水浓度升高,进而推高污水处理厂进水浓度,这一点从图4污水处理厂进厂水量水质在高校开学前后的变化趋势可以得到验证。
以某高校为例,暑期污水量约2 500 m³/d,平均浓度仅有39 mg/L左右;学生返校后,水量增加至约4 000 m³/d,浓度达到143.7 mg/L,其增加COD总量达到477 kg/d。以整个片区2.9万m³/d的水量计算,仅该高校学生返校即可为污水处理厂带来16.5 mg/L的进水COD浓度提升(见图7)。
图7 某高校开学前后出口污水COD浓度
(3)连续晴天情况下居民生活区的出水水质浓度较高。区内北山新村、冠山花园等小区的出口COD浓度基本在150~300 mg/L,加权平均COD浓度达到177.6 mg/L。这表明各个居民生活社区在连续晴天情况下的污水出水水质浓度较高。
(4)临时污水处理设施尾水接入市政管网对浓度影响较大。临时污水处理设施处理后的尾水(COD浓度仅29 mg/L)接入市政污水管对污水系统下游的COD浓度冲击较大,应尽快将该接入点进行封堵或经评估后直接将未经处理的生活污水接入市政污水管。
4.2 建议
根据以上问题分析可以发现,低浓度工业废水和高校污水的周期性变化是7-8月污水处理厂“水量水质双低”的根本原因,针对此问题提出建议如下:
(1)低浓度工业废水。工业企业处理达标的低浓度废水,应在获得许可的前提下根据出水水质情况就近排入周边受纳水体或加大回用力度,以避免财政资金为干净废水处理再次买单。比如片区内某纯净水厂的废水主要为膜处理之后的浓水,成分为无机盐和少量有机物,当出水满足直排标准时,可申请直排,或将废水用于厂区内绿化及市政用水等。
但要指出的是,片区内多数企业规模较小,且较为分散,厂区自有污水处理设施运行稳定性难以保证,若允许该部分政策性外水直排,则给当地生态环境部门带来巨大的监管压力,也带来极大的地表水环境污染风险。因此,针对工业废水,需根据不同类型企业的实际情况进行区分。建议针对排水量大、预处理设施稳定的大型工业企业,在满足环评直排标准的基础上,可设置排口直排;而对于废水量较少且分散的小型工业企业,应将其污水进行纳管处理。
(2)高校生活污水。针对各高校内部放假期间存在的潜在低浓度排水户,建议由责任单位对其内部进行详细排查和整改,以减少学生离校期间低浓度污水的纳管量。
05结 语
基于市政污水管网节点及重要排水单元的水量水质检测,对片区污水系统进行定性定量评估及问题诊断。本研究以连续晴天工况下某片区污水管网节点及重要排水单元为检测对象,以水量和COD浓度为检测指标,通过建立片区污水管网概化图和水量水质数据拓扑图,分析识别出了高校污水的“周期性”以及工业污水的低纳管浓度等问题,有效支撑了工程目标评估及实施效果的评价,并一定程度上厘清了各实施主体的责任范围。要指出的是,本文所提出的研究方法同样适用于排水管网混错接严重区域的外水点调查,通过对监测点位晴雨天水量和水质的对比分析,可更便捷地发现污水管网外水汇入点。