MassFlow3 시뮬레이터 보정을 위해 국내의 G 하수처리시설의 처리 공법과 전체 처리시설 계통도 및 평면도를 모사하여 공정도를 작성하였고(
Fig. 2), 2014년~2018년 실제 운영일보를 입력 데이터로 사용하여 현장값과 시뮬레이터 예측값과의 신뢰성 검증을 진행하였다. 그 결과 BOD, SS, T-N, T-P 모두 높은 제거율의 일치율을 보였다(
Table 4).
3.1 조치사항 항목 결정 및 유효성 검증
신뢰성 검증이 완료된 시뮬레이터를 이용하여 각각의 비정상 상태의 조치사항 및 유효성 검증을 진행하였다. 비정상상태의 조치사항 항목으로는 생물반응조의 DO조절, 잉여슬러지 인발량 조절, 내부반송량 조절, 외부반송량 조절 항목을 선정하였고이에 따른 조치사항 유효성 검증을 BOD 처리능 악화, SS 처리능 악화 T-N 처리능 악화 T-P 처리능 악화를 선정하여 조치사항에 따른 유효성 검증을 진행하였다.
생물반응조 운영 시 용존산소 농도는 호기성 종속영양미생물의 성장에 영향을 미치는 가장 중요한 운영인자이다. 반응조 내 용존산소가 낮을 경우 종속영양미생물의 성장 및 활성이 원활하게 이루어지지 않아 BOD 처리능, SS처리능이 감소할 뿐만 아니라 질산화 미생물, 인 축적 미생물의 성장뿐 아니라 질산화 미생물, 인 축적 미생물의 성장 및 활성에 저해를 발생시켜 T-N, T-P 처리능이 악화가 된다. 반면 생물반응조의 무산소 공정에서의 높은 용존산소는 탈질 미생물 및 인 축적 미생물에 저해를 발생시켜 질소, 인 처리능 악화를 야기한다.
잉여슬러지 인발량 조절은 생물반응조의 MLSS와 SRT를 조절하는 중요한 운영인자이다. SS와 T-P는 주로 슬러지 인발에 의해 제거되어 크게 영향을 받지만, BOD와 T-N은 소량 제거될 뿐이다. 잉여슬러지 과대 인발로 반응 조 내 MLSS의 감소및 F/M 비가 증가하게 되는데 즉 오염물질을 제거해야 할 미생물 양 감소로 결국 처리 효율을 감소시킨다. 반대로 잉여슬러지의 과소 인발은 반응조 내 MLSS의 과다축적 및 F/M 비의 감소로 미생물의 자산화가 이루어지는 등 처리공정에 악영향을 미친다.
내부반송은 호기조에서 무산소조로 이루어진다. 호기조에서 호기성 질산화 미생물에 의해 생성된 질산성 질소를 무산소조로 내부 반송하여 무산소조의 탈질 미생물에 의해 질산성 질소를 질소가스로 환원시켜 제거하는 것이 주된 목적이다.
외부반송량 조절은 2차 침전지에서 발생한 잉여슬러지를 생물반응조에 적당량 반송시킴으로 반응조 내의 미생물의 양을 적절하게 유지시켜 지속적으로 오염물질을 제거하도록 하는 것이 주된 목적이다. 생물반응조의 질산화 미생물, 인 축적 미생물들의 비성장속도가 유기물을 제거하는 일반적인 종속영양미생물보다 낮으므로 외부반송량 조절을 통해 적절한 MLSS를 유지해야 한다.
3.1.1 조치사항 유효성 검증
3.1.1.1 BOD 처리능 악화
시뮬레이션 결과 DO 농도가 1.0 mg/L 이상일 때 BOD 제거율이 양호하다. 하지만 DO 농도가 0.5 mg/L 이하일 때 종속영양미생물의 성장에 필요한 충분한 DO가 부족해 성장이 저해되기 때문에 BOD 제거율이 급격히 낮아진다. 잉여슬러지 인발량이 과다할 경우 F/M비의 증가와 MLSS의 감소로 인해 BOD 제거율이 감소한다. 하지만 잉여슬러지 인발량이 부족할 경우 F/M비의 감소와 MLSS 증가로 자산화가 이루어진다. 지속될 경우 MLSS가 점차 감소한다. 내부 반송량 조절을 통한 BOD 처리능의 영향은 미미하다. 외부반송량은 외부반송유량/유입유량이 0.2 이하일 때 MLSS의 감소로 BOD 제거율이 감소하였다.
3.1.1.2 SS 처리능 악화
생물반응조에서의 SS처리능 악화는 처리되지 않은 고농도 반류수, 음폐수, 가축폐수 등의 유입으로 생물반응조 SS가 증가 및 벌킹, 탈질에 의한 슬러지 부상, 자산화, 슬러지 부패 등 다양한 요인이 SS 처리능에 영향을 미친다.
시뮬레이션 결과 DO 농도가 0.9 mg/L 이상일 때 SS 처리가 잘 이루어졌으며 그 이하일 경우 낮은 DO 농도로 인한 종속영양미생물 활성 및 성장이 저해되어 SS 정상적으로 처리되지 않았다. 잉여슬러지 인발량의 경우 인발량이 부족할 경우 유출수의 SS가 높게 나타났다. 반면 외부반송율과 내부반송율의 조절에 따른 SS 처리능의 변화는 크지 않았지만 과다한 외부반송율과 내부반송율의 변화는 SRT의 증가로 SS의 제거율 감소 원인이 될 수 있다.
3.1.1.3 T-N 처리능 악화
T-N 처리능의 악화는 질산화 불량과 탈질 불량으로 나뉜다. 또 질산화 불량은 DO의 부족, 겨울철 수온 저하로 인한 질산화 미생물의 활동저하, 기질의 부족 등 다양한 요인이 있으며 탈질 불량은 혐기조에 DO의 유입, 유기물 부족의 원인이다.
시뮬레이션 결과, 생물반응조의 DO 농도가 1 mg/L 이하일 경우에 DO의 부족으로 인한 질산화의 불량으로 T-N 제거율이 감소했으며 다시 DO의 농도를 충분하게 공급하였을 때는 T-N 제거율이 다시 정상으로 회복되었다.
잉여슬러지 인발량이 증가함에 따라 T-N 제거율이 감소하는 것을 확인할 수 있었는데 과다한 잉여슬러지 인발로 인하여 외부 반송으로 재 공급되는 질산화 미생물이 같이 인발되어 질산화 미생물의 양이 줄어들었기 때문이다. 질산화 미생물은 일반적 종속영양미생물보다 비성장속도가 낮기 때문에 적절한 슬러지 반송이 필요하다.
호기조에서 무산소조로의 내부반송이 증가할 경우 호기조에서 질산화 미생물에 의해 생성된 질산성 질소가 무산소조로 공급되어 탈질 미생물에 의한 질산성 질소의 탈질 작용이 증가하여 T-N 제거율이 향상된다. 하지만 HRT가 증가한다는 단점이 있고 유입 유량의 3배 이상으로 내부반송을 진행시킬 경우 효율이 떨어져 적절한 내부반송 양을 유지해야 한다.
외부반송율이 증가할수록 T-N 제거율이 증가하였는데 질산화 미생물이 생물반응조의 체류시간 즉 SRT가 따라서 같이 증가하였다.
3.1.1.4 T-P 처리능 악화
T-P의 처리는 인 축적 미생물을 슬러지 형태로 제거함으로써 인을 제거하는데 인 제거 메커니즘은 유입수와 반송슬러지가 혐기성 반응조에 유입되면 인 축적 미생물의 인의 방출이 일어나고 호기성 상태에서는 인 축적 미생물에 의한 인의 과잉 섭취(luxury uptake)를 유도한 후 침전지에서 미생물을 침전시켜 인을 제거한다.
시뮬레이션 결과 호기조의 DO가 0.5 mg/L 이하일 경우 T-P 제거율이 감소하였고 이는 인 축적 미생물이 DO 감소한 성장의 저해와 인의 과잉 섭취(luxury uptake)를 위한 조건이 조성되지 않았기 때문이다.
슬러지 인발량이 증가하면 T-P의 제거율이 상승했는데 이는 T-P의 제거 메커니즘이 대부분 인 축적 미생물 슬러지 형태로 인발을 통해 제거되기 때문이다.
슬러지 인발량이 증가할수록 T-P 제거율이 감소했으며 이는 인 축적 미생물들이 슬러지 인발로 인하여 제거되었기 때문이다. 내부반송이 증가할수록 T-P 제거율이 감소했는데 이는 호기조에서 인을 섭취(luxury uptake)한 인 축적 미생물들이 흡수한 인을 다시 하수로 재방출함에 따라 반응조 내의 인이 계속 잔류되기 때문이다.
외부반송율이 과다할 경우 인을 과잉 섭취한 인 축적 미생물들이 인발되지 않고 다시 생물반응조로 유입되어 생물 반응조 내 인을 재방출하기 때문에 T-P 제거율이 감소하고 외부반송율이 매우 낮을 경우 인 축적 미생물 부족으로 T-P 제거율이 감소한다.
3.2 자가진단 알고리즘 구축
자가진단 알고리즘의 구축을 통해 운영자가 시뮬레이션의 결과를 이용하여 공정제어를 보다 쉽게 이용할 수 있다.
우선 최적의 조치사항 우선순위를 정리하여 체계적인 공정관리와 과다한 약품 사용량 감소 효과를 기대하고자했고 확장성과 응용성이 뛰어난 웹 기반으로 하여 연구했고 확장성과 응용성이 뛰어난 웹 기반으로 하여 연구 적용이 용이도록 하였다. 하수처리 통합모델 구축 의사결정나무, 인공신경망, 머신러닝과 같은 데이터 마이닝 기법을 이용한 하수처리시설 자동화, 고효율화가 가능하고 실시간 센서, 예측 모델, 성능평가 모델과 결합을 통해 하수처리시설 통합모델 구축이 가능하도록 하였다.
자가진단 알고리즘은 비정상 상태에 따른 조치사항 나열 후 시뮬레이터를 통하여 조치사항 간의 상호관계 파악 및 조치사항 우선순위를 결정한다. G 하수처리시설의 실제 운영 일보의 생물반응조에 투입되는 유입, 유출수를 이용하여 자가진단 알고리즘의 유효성 검증을 진행하였다.
3.3 FLOWCHART 작성 및 시각화
알고리즘의 유효성 검증이 완료되면 이를 Flowchart 형태로 시각화 및 도식화하여 사용자에게 제공하기 위해 컴퓨터 언어 Python의 패키지인 Schemdraw를 이용하였다. 여기서 Schemedraw는 Python 패키지로 전기회로, 집적회로, 논리회로, Flowchart를 작성하는 기능을 포함한 전기회로를 그리기 위한 패키지이다.
사용자가 설정한 목표 제거율에 따라서 입력한 설정값에 따른 계산된 생물반응조의 수질오염물질의 제거율이 같거나 높으면 목표 제거율을 달성했다고 판단하여 해당 과정이 이상 없음을 나타내는 녹색 화살표를 사용하였고 목표 제거율을 달성하지 못하였다고 판단될 경우 적색 화살표, 문제 발생 원인을 찾기 위한 과정의 화살표를 주황색으로 나타냈다.
사용자가 생물반응조 유입수질과 방류수질을 입력하는 시작 기호, 입력된 BOD, TSS, T-N, T-P 생물반응조 유입, 생물반응조 유출 데이터를 계산한 결과 비정상 상태에 따른 조치사항 나열 후 조치사항 간의 상호관계 파악 및 우선순위를 결정하여 도출된 제거율이 목표 제거율 달성 여부를 판단하는 조건 기호, 발생 원인을 찾기 위한 조건 기호, 이에 따른 조치사항을 알려주는 처리 기호 마지막으로 진단 완료를 나타내는 종료기호로 구성하였다(
Fig. 3).
Fig. 3
Flowchart Written by Schemedraw