油田廢水物化處理和多因素調(diào)控模型研究進(jìn)展

方 健 楊永奎 梅 波 凌億鋒 牛亞斌 劉金昳 羅 瀟 馬曉珂

1. 中海油天津化工研究設(shè)計(jì)院有限公司, 天津 300131;2. 天津大學(xué)環(huán)境科學(xué)與工程學(xué)院, 天津 300072

0 前言

隨著中國(guó)油田的不斷快速開(kāi)發(fā),很多油田進(jìn)入高含水開(kāi)發(fā)期,油田廢水大量增加。廢水污染物主要包含溶解態(tài)油、乳化油、分散油、浮油、微生物等,具有油類污染濃度高、水質(zhì)成分復(fù)雜、水力沖擊大等特征,處理常存在易受進(jìn)水水質(zhì)水量沖擊、穩(wěn)定達(dá)標(biāo)難、處理成本高和處理結(jié)果難預(yù)測(cè)的問(wèn)題[1]。

目前,油田廢水處理工藝可以分為物化處理工藝和生物處理工藝兩大類,其中物化處理工藝因其占地面積較小、水力停留時(shí)間短、操作簡(jiǎn)便等優(yōu)勢(shì)[2],被廣泛應(yīng)用到主體處理或預(yù)處理。物化處理工藝主要包括重力式分離、氣浮、過(guò)濾處理等方法。重力式分離法基于斯托克斯機(jī)制,通過(guò)油水密度差除去廢水中粒徑 > 60 μm的油物質(zhì),但對(duì)呈穩(wěn)定狀態(tài)的溶解態(tài)油和乳液狀態(tài)的乳化油去除效果不佳[3]。氣浮法用于處理廢水中油類濃度≤500 mg/L 的油田廢水,包括浮化油、分散油等[4]。過(guò)濾處理法分為濾料過(guò)濾和膜處理,其中膜處理的效率往往優(yōu)于傳統(tǒng)濾料過(guò)濾的效率,但存在膜污染、膜通量波動(dòng)大等問(wèn)題[5-6]。

近年來(lái),為提高油田廢水處理效率,計(jì)算流體力學(xué)(Computational Fluid Dynamics,CFD)仿真模擬被用來(lái)解析處理工藝機(jī)理和優(yōu)化設(shè)備結(jié)構(gòu)[7]。同時(shí),人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)智能特征模型在廢水處理過(guò)程中多因素耦合方面的應(yīng)用,也引起學(xué)者的高度關(guān)注。

本文從油田廢水處理工藝單因素機(jī)理模型和多因素調(diào)控的智能模型兩個(gè)維度,進(jìn)行了相關(guān)模擬和模型調(diào)研分析,系統(tǒng)地總結(jié)出油田廢水處理中重力式分離、氣浮、過(guò)濾處理等常用傳統(tǒng)工藝的機(jī)理方法,明確了影響處理效率的重要因素,并通過(guò)大量文獻(xiàn)調(diào)研分析針對(duì)多因素調(diào)控的智能特征模型,以期在油田廢水處理多因素調(diào)控的智慧模擬和實(shí)時(shí)調(diào)控方面的發(fā)展趨勢(shì)提出建議。

1 油田廢水處理工藝機(jī)理模型

油田廢水處理工藝的機(jī)理解析和過(guò)程模擬是設(shè)備裝置設(shè)計(jì)和處理工藝優(yōu)化的重要基礎(chǔ)。海洋油田常用廢水處理工藝路線見(jiàn)圖1,其中包含了重力式分離、氣浮和過(guò)濾處理過(guò)程。

圖1 海洋油田廢水處理工藝技術(shù)路線圖Fig.1 Technical route of wastewater treatment in offshore oilfield

1.1 重力式分離處理

在油田廢水處理過(guò)程中,重力式除油罐是應(yīng)用最廣泛的工藝設(shè)備,其除油效果對(duì)油田廢水處理達(dá)標(biāo)非常關(guān)鍵。隨著進(jìn)水含油比例增加而變化的油水分離效率見(jiàn)圖2。

圖2 重力式分離器分離效率圖Fig.2 Separation efficiency diagram of gravity separation process

張煜等人[8]在CFD軟件中選擇多相流混合模型模擬了除油罐不同油水性質(zhì)流體的流場(chǎng)分布,分析了各種油滴粒徑、水相油相黏度、處理時(shí)間等條件下的除油率變化,表明隨著油滴粒徑由0.038 mm增大到0.075 mm,除油率從32%提高到65%。Liu H J等人[9]通過(guò)基于歐拉—拉格朗日方法的離散相模型分析,發(fā)現(xiàn)重力油水分離器中斜板數(shù)量過(guò)多會(huì)導(dǎo)致渦旋,不利于油水分離。袁淑霞等人[10]針對(duì)廢水液滴碰撞時(shí)的聚結(jié)與破碎過(guò)程,利用離散相模型對(duì)聚結(jié)器分離特性進(jìn)行了數(shù)值模擬,發(fā)現(xiàn)增加聚結(jié)板數(shù)量有利于分離,當(dāng)粒徑>50 μm時(shí)分離效率接近100%。Abdullah R等人[11]利用歐拉—?dú)W拉方法的流體體積多相流模型,分析擋板位置(距離入口長(zhǎng)度/罐體總長(zhǎng)度比例為0.46、0.61、0.77和0.93)對(duì)油水分離罐除油效率的影響,在擋板位置為0.77時(shí)分離效率最優(yōu)。Oshinowo L M 等人[12]采用群體平衡模型對(duì)液滴分布進(jìn)行模擬,建立了油包水乳狀液黏度模型,發(fā)現(xiàn)乳狀液黏度隨著含水量的增加而增大,同時(shí)也隨著流速和液滴粒徑的減少而增大。

1.2 氣浮處理

影響氣浮除油率的主要因素是氣泡與油滴的碰撞、吸附。碰撞效率主要受油滴大小與濃度、氣泡大小與數(shù)量以及水力學(xué)特征等影響,而吸附效率則受絮凝、pH等調(diào)劑的化學(xué)預(yù)處理影響較大。CFD模型Fluent具有廣泛物理模型,通過(guò)模擬裝置內(nèi)部流場(chǎng)可以優(yōu)化氣浮工藝結(jié)構(gòu)參數(shù)和運(yùn)行條件,見(jiàn)表1。陳阿強(qiáng)等人[13]利用群體平衡模型,通過(guò)對(duì)氣浮接觸區(qū)氣泡聚并過(guò)程進(jìn)行數(shù)值模擬,發(fā)現(xiàn)回流與周圍流體之間的速度梯度增大,氣泡聚并過(guò)程增強(qiáng)。Chen Aqiang等人[14]指出基于歐拉—?dú)W拉方法的模型預(yù)測(cè)效果較好,隨氣泡尺寸從30 μm增加到50 μm,層流特征更明顯。CAI Xiaolei等人[15]利用CFD耦合群體平衡模型數(shù)值模擬方法,分析不同湍流動(dòng)能的流場(chǎng)對(duì)油滴破裂、聚結(jié)和分離過(guò)程的影響,表明湍流強(qiáng)度的增加可有效提高油滴的聚結(jié)和斷裂效率。Sarhan A R等人[16]采用群體平衡模型對(duì)氣泡的聚并和破裂進(jìn)行了建模,并利用歐拉模型模擬研究了顆粒類型、密度、潤(rùn)濕性、濃度對(duì)氣含率和氣泡流體力學(xué)的影響,發(fā)現(xiàn)在空氣/水混合物中加入疏水顆?？纱龠M(jìn)氣泡聚并、降低氣含率,而加入親水性顆粒則抑制氣泡聚并、提高氣含率。王志華等人[17]通過(guò)多相流混合模型可模擬水質(zhì)改變時(shí)的沉降分離流場(chǎng)特征,并定量揭示污水處理量、含聚濃度、溶氣釋放壓差以及回流比對(duì)分離效率的影響。賀彥濤、劉春花等人[18-19]采用基于歐拉—?dú)W拉方法的模型對(duì)旋流微氣泡氣浮裝置中的氣液兩相流進(jìn)行數(shù)值模擬,發(fā)現(xiàn)隨處理量增加,除油率先提高后降低,除油率可達(dá)91%,隨注氣比增大,除油率先減小后穩(wěn)定,平均除油率約92.3%。

表1 氣浮過(guò)程機(jī)理模型對(duì)比表

1.3 過(guò)濾處理

油田廢水過(guò)濾處理包括濾料介質(zhì)過(guò)濾和膜處理工藝。近年來(lái),隨著計(jì)算機(jī)的發(fā)展和對(duì)過(guò)濾規(guī)律認(rèn)識(shí)的深化,CFD模型開(kāi)始應(yīng)用于過(guò)濾過(guò)程流體仿真。通過(guò)簡(jiǎn)化的過(guò)濾器二維物理模型,對(duì)過(guò)濾流場(chǎng)中油滴和懸浮顆粒的聚集分布特征進(jìn)行分析,以過(guò)濾出水水質(zhì)為控制指標(biāo),優(yōu)化了以含聚濃度、過(guò)濾速度為主要特征變量的過(guò)濾處理技術(shù)[20],見(jiàn)表2。根據(jù)跡線理論,可以建立綜合攔截、沉淀和分子間作用力的過(guò)濾三維瞬態(tài)CFD模型,分析油田廢水含油量和懸浮顆粒隨時(shí)間在床層中濃度分布、軸向比沉積量分布、濾后水質(zhì)以及濾床水頭損失情況,與現(xiàn)場(chǎng)實(shí)際運(yùn)行情況相符,最佳過(guò)濾周期為20 h[21]?？梢酝ㄟ^(guò)構(gòu)建基于不同濾層結(jié)構(gòu)的三維過(guò)濾器,采用CFD模型和離散單元法(Discrete Element Method,DEM)耦合模擬,在控制方程中引入過(guò)濾器的床層空隙率,實(shí)現(xiàn)固液分級(jí)過(guò)濾的數(shù)值模擬,其模擬結(jié)果偏差<5%[22]。

表2 過(guò)濾處理機(jī)理模型表

膜污染是影響膜處理工藝廣泛應(yīng)用的技術(shù)瓶頸,影響因素包括膜結(jié)構(gòu)、過(guò)濾器結(jié)構(gòu)、進(jìn)料組成及運(yùn)行條件等。Fluent軟件可以構(gòu)建陶瓷膜分離油田廢水的離散相計(jì)算模型,分析油田廢水含油量和懸浮粒子濃度對(duì)膜分離效果的影響[23]。運(yùn)用歐拉模型濃差極化作用下的二維乳化油橫流微濾模型,可以分析跨膜壓差、入口廢水雷諾數(shù)和含油濃度對(duì)膜污染的影響規(guī)律,增加跨膜壓力和含油濃度會(huì)增強(qiáng)濃差極化現(xiàn)象[24]。利用二維錯(cuò)流微濾模型,考察跨膜壓差等運(yùn)行條件對(duì)滲透通量和工藝性能的影響,發(fā)現(xiàn)膜滲透通量的模擬結(jié)果與實(shí)驗(yàn)數(shù)據(jù)最大誤差為4.62%[25]。基于歐拉—?dú)W拉方法的模型和SST k-ω湍流模型,可以評(píng)價(jià)陶瓷膜入口處流體質(zhì)量流率、含油濃度等工藝參數(shù)下的流體動(dòng)力學(xué),發(fā)現(xiàn)隨著膜滲透通量提高100倍,跨膜壓力降低22.8%[26]。對(duì)于超濾,耦合CFD離散相模型可以用來(lái)對(duì)粒子的沉降和遷移仿真,結(jié)果顯示粒子沉降概率主要與跨膜壓差和錯(cuò)流速度相關(guān),實(shí)驗(yàn)值和模擬值之間誤差<6%[27]。

2 多因素結(jié)構(gòu)優(yōu)化和運(yùn)行參數(shù)調(diào)控的智能模型

進(jìn)水水質(zhì)、水量沖擊對(duì)油田廢水處理的出水穩(wěn)定達(dá)標(biāo)、運(yùn)行成本等影響很大,甚至?xí)?dǎo)致油田廢水處理系統(tǒng)崩潰。因此，實(shí)現(xiàn)油田廢水處理中的多因素結(jié)構(gòu)優(yōu)化和運(yùn)行參數(shù)調(diào)控至關(guān)重要。

2.1 重力式分離處理

利用多層感知器(Multilayer Perceptron,MLP)神經(jīng)網(wǎng)絡(luò)模型,可以模擬油田廢水在管道中的油水兩相流過(guò)程,分析管道內(nèi)的表面流速和流率,91.7%預(yù)測(cè)結(jié)果的相對(duì)誤差在5%以內(nèi)[28]。MLP神經(jīng)網(wǎng)絡(luò)模型也可以用來(lái)模擬油田管道設(shè)施中壓力信號(hào)與油氣水三相流流速的關(guān)系,油氣水各相擬合度R2>0.95[29]。Azizi S等人[30]研究了不同神經(jīng)元數(shù)和傳遞函數(shù)對(duì)MLP神經(jīng)網(wǎng)絡(luò)模型性能的影響,并確定了神經(jīng)網(wǎng)絡(luò)的最佳結(jié)構(gòu),進(jìn)而預(yù)測(cè)了輸送液垂直管和傾斜管的持水率,見(jiàn)表3。

表3 重力式分離處理多因素結(jié)構(gòu)優(yōu)化和運(yùn)行參數(shù)調(diào)控的智能模型表

2.2 氣浮處理

CFD數(shù)值模擬在氣浮處理的優(yōu)化與改良中也有十分重要的應(yīng)用,見(jiàn)表4。通過(guò)CFD數(shù)值模擬,可以建立不同結(jié)構(gòu)參數(shù)下流態(tài)模型與分離效率的對(duì)應(yīng)關(guān)系,并調(diào)入MLP神經(jīng)網(wǎng)絡(luò)模型中,來(lái)預(yù)測(cè)處理裝置最優(yōu)參數(shù)組合,模型決定系數(shù)擬合度的R2達(dá)到0.992,分離效率可達(dá)92.8%[31]。響應(yīng)面分析法可以用來(lái)研究煉油廠廢水氣浮工藝中的運(yùn)行參數(shù)對(duì)油田廢水處理效率的影響,輸入變量為pH、混凝劑劑量和浮選時(shí)間,輸出變量為皂油脂、總懸浮物、化學(xué)需氧量(Chemical Oxygen Demand,COD)和濁度,用已有數(shù)據(jù)建立了響應(yīng)面模型,分析得到運(yùn)行參數(shù)最優(yōu)組合,響應(yīng)面模型和實(shí)驗(yàn)結(jié)果擬合良好,COD和皂油脂相關(guān)系數(shù)均高于0.90[32]。煉油廠廢水溶氣氣浮處理現(xiàn)場(chǎng)實(shí)際運(yùn)行中,多線性潛在結(jié)構(gòu)投影(Projection to Latent Structures,PLS)模型用來(lái)預(yù)測(cè)處理出水中的極性油和油脂濃度,建立原油混合酸度、煤油中硫含量、煤油中巰醇含量等與極性油和油脂濃度的對(duì)應(yīng)關(guān)系,通過(guò)長(zhǎng)達(dá)5個(gè)月驗(yàn)證運(yùn)行,實(shí)現(xiàn)了油田廢水處理的優(yōu)化調(diào)控[33]。Montes-Atenas G等人[34]利用CFD模擬了水箱產(chǎn)氣過(guò)程,所得數(shù)據(jù)用于深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks,DNN)建模,CFD所得數(shù)據(jù)與DNN預(yù)測(cè)的氣泡大小和氣泡率的相對(duì)誤差分別低至8.8%和1.8%,證實(shí)了多隱層的深度神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于復(fù)雜流體過(guò)程的預(yù)測(cè)?？傮w上,大多研究基于CFD和ANN耦合的模型,形成設(shè)備結(jié)構(gòu)參數(shù)、水質(zhì)參數(shù)和運(yùn)行條件對(duì)于處理性能的多因素優(yōu)化及調(diào)控模型,基本技術(shù)路線見(jiàn)圖3。

表4 氣浮式分離處理多因素結(jié)構(gòu)優(yōu)化和運(yùn)行參數(shù)調(diào)控的智能模型表

圖3 氣浮處理工藝中CFD和ANN的耦合模型技術(shù)路線圖Fig.3 Technique route of CFD and ANN simulation in the flotation process

2.3 過(guò)濾處理

傳統(tǒng)孔隙阻塞模型和多層前饋人工神經(jīng)網(wǎng)絡(luò)模型常用來(lái)分析不同材料陶瓷膜分離水包油型乳劑的性能[35],見(jiàn)表5。Shokrkar H等人[36]模擬了莫來(lái)石陶瓷膜處理油田廢水時(shí)的膜污染特征,分析跨膜壓力、切向流流速、含油濃度、過(guò)濾時(shí)間與滲透通量的非線性關(guān)系,平均誤差<2%。Park S等人[37]利用光學(xué)相干斷層成像技術(shù)獲得了13 708張濾膜圖像,利用DNN模型模擬膜污染和流量衰減過(guò)程,構(gòu)建了膜污染的二維及三維圖像,膜污染生長(zhǎng)和流量衰減模擬R2均達(dá)到0.99,Yogarathinam L T等人[38]對(duì)于超濾,ANN也用作農(nóng)業(yè)棕櫚油滲濾液處理的膜污染機(jī)理,在對(duì)出水動(dòng)態(tài)流量的預(yù)測(cè)中,模型R2接近1.000。Al-Abri M等人[39]以膜種類、含鹽量、腐殖質(zhì)濃度、重金屬濃度和跨膜壓力作為輸入值,以膜截留量作為輸出值,利用ANN預(yù)測(cè)過(guò)濾腐殖質(zhì)時(shí)膜截留和膜污染特征,預(yù)測(cè)結(jié)果與實(shí)驗(yàn)值平均絕對(duì)誤差為0.02,最大誤差為0.07,同時(shí)發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)過(guò)少會(huì)影響神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程,但過(guò)度訓(xùn)練會(huì)產(chǎn)生記憶效應(yīng),降低神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力。Soleimani R等人[40]利用遺傳算法—神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)超濾膜處理油田廢水過(guò)程中的雙目標(biāo)最優(yōu)解(最大滲透通量和最小污垢阻力),并確定了跨膜壓力、切向流流速、進(jìn)料溫度和pH最優(yōu)范圍。Zoubeik M等人[41]對(duì)于油田廢水處理中膜污染問(wèn)題,以雙隱層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)滲透通量,第一隱層的神經(jīng)元數(shù)量對(duì)模型性能的影響較大,ANN模型均方誤差為10-5,決定系數(shù)為0.999 9?？傮w上,MLP神經(jīng)網(wǎng)絡(luò)模型可以有效用于膜處理過(guò)程中的通量預(yù)測(cè)、水質(zhì)預(yù)測(cè)、膜污染控制等。

表5 過(guò)濾式分離處理多因素結(jié)構(gòu)優(yōu)化和運(yùn)行參數(shù)調(diào)控的智能模型表

3 結(jié)論

本文通過(guò)綜述油田廢水中常用的重力式分離、氣浮和過(guò)濾等工藝機(jī)理方法及多因素調(diào)控的智能特征模型的研究進(jìn)展,明確了CFD的發(fā)展和應(yīng)用對(duì)于油田廢水處理設(shè)備性能提升的重要作用?；贑FD模型顯著助力了油田廢水處理設(shè)備結(jié)構(gòu)參數(shù)、進(jìn)水水質(zhì)及設(shè)施運(yùn)行條件對(duì)于處理性能影響的機(jī)理分析。同時(shí),神經(jīng)網(wǎng)絡(luò)、響應(yīng)面分析法等方法為處理過(guò)程中多因素優(yōu)化和運(yùn)行參數(shù)調(diào)控提供了模擬平臺(tái)。

在迭代計(jì)算和實(shí)時(shí)調(diào)控方面,還需要進(jìn)一步開(kāi)展研究。此外,對(duì)于大多工業(yè)廢水處理,常包含多個(gè)處理工藝段,且上下游之間相互承接,各個(gè)工藝段存在制約關(guān)系。

因此,有必要開(kāi)發(fā)基于全流程的減排和成本最優(yōu)的模型,這將有助于針對(duì)進(jìn)水水質(zhì)和水量的波動(dòng)和沖擊,進(jìn)行實(shí)時(shí)調(diào)控和決策。今后,對(duì)于油田廢水等工業(yè)廢水的處理模擬,可以在耦合機(jī)理模型—智能特征模型的全流程優(yōu)化模型方面進(jìn)一步開(kāi)展研究,提升工藝運(yùn)行參數(shù)的實(shí)時(shí)智能調(diào)控,實(shí)現(xiàn)油田廢水處理穩(wěn)定達(dá)標(biāo)、污染物減排最大和處理成本最低的多目標(biāo)。