破壞水庫水溫分層系統的能量效率估算:以金盆水庫為例

孫 昕,葉麗麗,黃廷林,劉 偉 (西安建筑科技大學環境與市政工程學院,陜西 西安 710055)

破壞水庫水溫分層系統的能量效率估算:以金盆水庫為例

孫 昕*,葉麗麗,黃廷林,劉 偉 (西安建筑科技大學環境與市政工程學院,陜西 西安 710055)

為指導高效節能的破壞水庫水溫分層技術及系統的選擇,需建立統一的能量效率基準.根據質量守恒和熱量守恒定律,求出分層水庫水體完全混合后的水溫,計算水庫水體混合前后的重心;采用庫容以及與水溫相關的密度等數據,對水深方向各微小水層的勢能進行積分得到水體總勢能,混合后水體總勢能的增加量即為破壞分層所需的最小理論能量,應用耗電量估算法得到破壞分層所產生的最小碳排量;破壞分層系統的能量效率為破壞分層的最小理論能量與實際輸入能量之比.以西安金盆水庫為例,采用數值模擬方法計算不同水位下的水庫庫容,應用該方法估算了水庫不同季節破壞分層所需最小能量和揚水曝氣破壞分層系統的能量效率.采用數值模擬方法計算不同水位下的水庫庫容,計算破壞分層所需最小能量.結果表明隨水體垂向溫度梯度的增加而增大,在6～10月期間相對較高,7月達到最大值2432.08kW?h;該水庫揚水曝氣破壞分層系統的能量效率約為4%;在水溫分層開始階段運行破壞分層系統可有效降低破壞分層所需的能耗,減少碳排放量.

分層水庫；溫度結構；破壞分層；能量效率

日益加重的資源型和水質型缺水,使水庫逐漸成為我國多數城市的主要供水水源.在多數水深超過30m的水源水庫中都會普遍出現溫度分層現象,自上而下形成水溫變幅較小的變溫層、溫度梯度較大的躍溫層和水溫恒定的等溫層[1].躍溫層阻礙上下水層的物質和能量交換,水體底部溶解氧會因各種生物和化學反應而消耗,當底部溶解氧濃度低于2mg/L時,底泥中的無機和有機污染物會大量釋放形成內源污染[1-2],并由此引發水體富營養化等一系列水質問題[3-5].為保證和提高深水型湖泊水庫的水質,破壞湖庫水體溫度分層是一種經濟有效的水質改善方法[6-8].

和傳統的飲用水處理工藝相比,破壞水體分層可以原位改善水源水質,并顯著降低飲用水處理的綜合成本[1].

理想的破壞分層技術應該效果好、能耗低、排碳少;但在計算破壞分層系統的能量需求方面存在較大的不確定性,在優選各種破壞分層技術時也面臨能量效率的計算基準缺乏問題.實際湖泊水庫的地形和水溫結構非常復雜,計算破壞分層系統的能量輸入很具有挑戰性.目前,除了少數文獻報道了試驗規模的能量輸入外[9],自然水體的能量輸入還未見報道.理論上,破壞湖泊水庫分層前后水體的溫度結構發生改變,破壞分層后水體的總勢能會相應增加,增加量即近似為破壞分層所需的最小能量,破壞分層系統實際的能量輸入則取決于破壞分層系統的能量效率.

為優選高效節能減排的水庫破壞分層技術和系統,最小化源水處理行業的能耗和碳排放量,需要合理確定破壞分層所需的能量,采用統一的破壞分層系統的能量效率.本文建立的估算破壞水庫水溫分層所需能量和破壞分層系統能量效率的計算理論,能夠指導破壞分層系統能量供應的設計以及不同破壞分層系統能量效率的比較,對在源水處理行業減少碳排量有重要的理論意義和實際應用價值.

1 理論方法

1.1 穩定指數

Szyper[9]針對一個形狀規則的小型池塘,將穩定系數S (g·cm/cm2)、重力加速度g (980cm/s2)以及池塘面積(cm2)相乘得到水體完全混合所需的能量(erg=10-7J),即將水體重心提高到溫度完全相同的等溫水體的理論高度.將分層水體沿著水深方向均勻分為n層,則穩定系數S為:

式中:zi為測量點深度,cm;Δzi為兩測量點中點之間的距離,cm;A0表示池塘的表面積,cm2;Azi表示zi深度處池塘的面積,cm2);zg表示池塘水體完全混合后重心處的深度,cm,等于∑ (ziAziΔzi)/V;ρzi為zi深度處水體的密度,g/cm3);ρm為水體完全混合后的密度,g/cm3,等于∑ (ρziAziΔzi)/V;V為池塘的體積.

由于上述方法中的池塘水深較淺,面積較小,對池塘完全混合前后各處的溫度和密度的測量也較為方便,但是并沒有考慮破壞分層后水體的體積變化.換而言之,基于穩定系數的上述方法只適用于水深較淺、地形簡單的分層水體.對于水深幾十米甚至高達幾百米的地形復雜的實際湖泊和水庫而言,這種方法并不能用于計算破壞分層所需的能量.

1.2 勢能

本文中破壞湖泊或水庫水溫分層所需的最小能量即是破壞分層后水體的勢能增加量.

1.2.1 混合后的平均水溫 根據湖泊或水庫水體水溫分布情況,將水體垂向每隔一定距離分為一層.對于第一層水體,層頂即為水面,層底位于第一、第二測量點的平均水深處;對于第二層水體,層頂為第一層水體的層底,層底位于第二、第三測量點的平均水深處;對于最后一層水體,層頂為上一層水體的層底,層底即為水體底部.每層垂向距離的中點被視為每層水體的重心.水體混合前,每層水體的溫度為Ti1,密度為ρi1,運用湖庫庫容與水位的關系求得每層水體的體積Vi1,則等效重心高度為:

式中:Mi1為混合前每層水體的質量;hi1為水平面到每層水體重心的距離.

水體溫度分層被破壞、完全混合后,假設破壞分層期間熱量(Q)不損失,混合后的平均水溫T2可由式(3)計算:

Mi2為混合后每層水體的質量,且∑Mi2=∑Mi1.

1.2.2 破壞分層前后水體的勢能增加量 由以上可得混合后每層水體的密度ρi2以及混合后的總體積V2.由于混合前后水體密度發生變化,必然引起體積的變化,變化量△V=∑Vi1-V2.對于實際湖泊或水庫,水體體積取決于水庫的地形以及水深,實地測量湖泊或水庫的水體體積的技術難度很大.混合后水深h2可由庫容與水位的關系求得.引入變化系數δ=h2/h1,乘以混合前分層高度即得到混合后分層及每層重心高度hi2,則混合后水體等效重心高度為:

由于水庫分層被破壞以后,水庫水溫降低,密度增加,從而導致水體分層時的重心高度比混合后的低,如圖1所示.

圖1 水體混合前后重心的變化Fig.1 Variations of center of gravity of water before and after mixing

由于水體混合后重心上移,引起水體勢能增加,增加量為:破壞分層所需的最小能量即為水體混合后勢能的增加量△Ep.

1.2.3 破壞分層所需能量及碳排量 上述破壞分層前后的勢能增加量是基于完全破壞分層的簡化計算值,而更全面的能量估算需要考慮大氣-水界面的熱交換,包括長波輻射、短波輻射、水面蒸發和熱對流.大氣長波輻射、蒸發和傳導均屬于表面傳熱,表面傳熱一般影響深度不超過2m.太陽短波輻射則屬于穿透傳熱,其影響深度可達數十米.

根據Hodges的水體熱交換模型[10],水體表面總的熱交換量(QS)為長波輻射量(QR)、表面短波輻射(QS)、水面蒸發量(QW)、水面顯熱對流量(Qh)之和.以金盆水庫為例,根據表1所示該水庫地區的氣象資料[11],計算出水體表明傳熱量在3～8月為正值,水面溫度處于緩慢的升溫過程,尤其夏季升溫劇烈;9～12月為負值,水面溫度處于降溫過程,冬季降溫明顯(圖2).

表1 2009年周至地區相關氣象和水文資料(月均)Table 1 Meterological and hydrological data of Zhouzhi Region in 2009

圖2 不同月份表面總傳熱量Fig.2 Total surface heat transfered of various months

為安全起見,在計算水體混合后勢能的增加量△Ep時,應利用破壞分層設備運行月份的表層水溫最大日的垂向水溫分布數據.式(5)所示最小能量除以破壞分層系統的能量利用率即得到破壞分層系統的實際能量輸入(△E).

由于每發1度(kW?h)電所產生的溫室氣體折算成二氧化碳的量為8.448×10-4t,設為電力排放因子[12],用其乘以總耗電量即可得到破壞分層水庫分層所產生的碳排量.

不同日期水庫的水溫分層結構以及水位不同,即水體混合前后的重心不同,導致破壞分層所需的最小能量亦不相同,故產生的碳排量也不盡相同.

此外,當水庫水溫分層被完全破壞以后,水庫水體各處水溫均一,但由于大氣-水體熱交換的客觀存在,水面水溫和氣溫會存在一定差異.在分層逐漸削弱的9～12月可停止運行破壞分層設備.而在分層逐漸加強的3～8月,仍需以較低功率運行破壞分層設備,以能維持上下層水體之間的弱循環,使水體處于持續的完全混合狀態.即維持完全破壞分層狀態所需能量及碳排放量因季節而異.

2 金盆水庫案例分析

2.1 地形測量

金盆水庫為西安市主要的飲用水水源,距離西安市約86km,供給西安市80%以上的水量,日平均供水量為76.0萬m3,供水保證率95%.水庫設計水位為594.0m,總庫容為2.0億m3,有效庫容為1.77億m3,主庫區典型水深為80m,雨季水深可達90～105m.

為了計算不同水深下的水體體積,首次使用基于實時動態差分法(RTK)的全球定位系統以及測深儀來獲取金盆水庫準確詳細的地形數據.水庫主庫區水面區域的水平坐標和水深分別用RTK系統(中海達V8Star)和測深儀(中海達HD-27T)來測量,便可得到庫底區域三維坐標.為了確保測量的準確性,表2列出了設在主庫區附近的3個控制點坐標.

表2 控制點三維坐標Table 2 Three-dimensional coordinates of control points

中海達V8Star CORS RTK 系統是最新的一款具有GPRS、CDMA、UHF內置電臺、URS集成數據中轉站4種數據傳輸模式的多通道、多頻率的先進GPS系統,它應用實時動態差分法(RTK)獲取水庫地形數據,由基準站與集成數據中轉站(圖3a)和移動站(圖3b)構成.RTK系統的最大更新率為5次/s,測量極限為70km,平面精度±1cm,高程精度±2cm.中海達HD-27T測深儀由主機和換能器組成,發射頻率為200kHz,測深極限為600m,測深精度±2cm.V8STAR系統的移動站和HD-27T測深儀放置于尺寸為4.2m×1.7m× 0.65m的雙體電動船(圖3b)上,該船具有水上測量作業平臺,穩定性高,航速緩慢(航速5～8km/h).

圖3 V8STAR RTK系統基準站(a)和移動站(b)實景照片Fig.3 Field photos of base station (a) and rover station (b) of V8STAR RTK system

按照25m×25m的水平測量網格,運用RTK精確測定了金盆水庫庫底詳細的三維坐標.測得的金盆水庫主庫區地形見圖4.

圖4 金盆水庫主庫區地形Fig.4 Geometry near the main dam of Jinpen Reservoir

2.2 水庫庫容

利用RTK系統獲得的金盆水庫地形數據,采用Matisse構建了水庫壩前的非結構三角形網格.運用Telemac-2D商業計算流體力學(CFD)軟件[13],根據水庫水位的月季均值,數值計算不同水位下的水庫庫容.根據不同水位下庫容的數值計算值(圖5),水庫主庫區庫容從水位490m時的0m3逐漸增加到設計水位494m時的4.83×108m3.水庫庫容(y)可以表示成水位(χ)的函數,如圖5所示,水位550m以下和以上的函數關系式分別為y=4139.6χ2-4.0×106χ+9.0×108(490m<χ<550m)和y=1260.8χ2-8.0×105χ+8.0×107(550m<χ<600m).每層水體的體積即為每層水體的高低水位對應的庫容之差.

圖5 金盆水庫庫容與水位的關系Fig.5 Relationship between the capacity and water level of Jinpen Reservoir

2.3 破壞分層所需能量

2.3.1 溫度結構 采用Hydrolab DS5型多功能水質分析儀(美國HACH)對水庫垂向水溫進行年際監測,不同日期的水溫剖面如圖6所示[14].

圖6 金盆水庫水溫結構Fig.6 Thermal structure of Jinpen Reservoir

根據王銀珠和濮培民的研究結果[15],將垂向的溫度梯度大于0.2℃/m的水層定義為躍溫層.從圖6可以看出,3月水庫處于弱分層期,躍溫層約位于水深3～8m處,躍溫層內溫差約為3℃.7月水庫處于強分層期,躍溫層約位于水深3～19m處,躍溫層內溫差約為20℃,水深2.5m內為上部變溫層,水深19m以下為等溫層.9月水庫水溫分層不斷減弱,躍溫層約下潛至水深30～70m處,躍溫層內溫差約為8℃,水深30m內為變溫層.12月,冬季氣溫較低,上下層水體溫差微小(約1.9℃),基本處于等溫狀態,不存在躍溫層.該水庫冬春季節為完全混合期,夏秋季節為水溫分層期,尤其7～8月,水溫分層最為強烈,躍溫層最為穩定、厚度最大,水溫結構的演變特性與平均水深87m的撫仙湖的情況大體類似[15].

2.3.2 破壞分層所需最小能量 根據圖6所示

的金盆水庫水溫結構,由熱量守恒式(3)計算出不同日期完全混合后的水溫,如圖7所示.冬春季節,混合后的等效平均水溫在6℃左右,并在2月份達到最低值5.43℃;夏秋季節,混合的等效平均水溫在14℃左右,并在8月份達到最高值14.85℃.此平均水溫的計算結果符合理論預期.

圖7 不同日期完全混合后水溫分布Fig.7 Average water temperatures of different dates after complete mixing

根據金盆水庫不同的表層和底層水溫差異及水深條件,計算得到不同日期完全混合前后水體的重心變化量以及破壞分層所需的最小動能,如圖8所示.

可以看出,金盆水庫水體從3月份開始分層,4～5月份逐漸形成水溫分層,混合后的等效重心高度不超過1cm,破壞分層所需的最小能量從45.97kW?h逐漸增加到534.58kW?h.6～10月份水溫分層穩定,混合后的等效重心高度逐漸增加,7月份到達峰值2.5cm,最小能量逐漸增加到7月份的2432.08kW?h,之后從此峰值逐漸減小到10月份的1088.36kW?h.11～12月份,水溫分層逐漸減弱,混合后等效重心高度小于0.5cm,最小能量減小到41.38kW?h.次年1～2月份水溫分層幾乎完全消失,最小能量減小到3.82kW?h.

圖8 不同日期的Δh以及最小動能Fig.8 Δh and minimum kinetic energy of different dates

現有破壞水庫水溫分層的傳統技術主要有機械混合、空氣混合、揚水曝氣混合三大類,這些混合技術的核心是通過機械驅動或氣提原理提升水庫底部水體與表層水體混合.水庫分層期間,上層水體溫度較高、密度較小,而下層水體則相反.從破壞分層的角度而言,不論采取何種傳統方式使上下層水體循環時,上層低密度水體被動下潛至下層高密度水體時會受到較大的浮阻力[16],這是水體混合時主要的阻力來源.此浮阻力與上下層水體密度差成正比,亦即水溫分層越強(如夏季)、躍溫層溫度梯度越大,所受浮阻力越大[17];水深越大,所受浮阻力也越大.在水深較大、水面溫度越大時,采用人工混合破壞分層時需克服的阻力越大、需要的最小能量越大.

等效重心高度主要取決于水體溫度結構,水庫分層結構變化,水體的重心也隨之變化.對于分層水庫,底部水體密度大,水庫水體重心偏低;水溫分層被完全破壞后,水庫水體的重心會升高,升高的幅度取決于水域大小和原來的水溫結構.金盆水庫重心增加量小于2.5cm.由圖8可見,3～4月份,混合前后重心變化量低于0.5cm;從5月份逐漸增加到7月份的2.5cm;然后逐漸降低,到12月份基本不變.對于躍溫層深度為6m、上下界面處的溫度分別為20℃和15℃的分層水庫,水體混合前后重心增加量為0.6cm[18],與金盆水庫的計算結果大致相符.

根據碳排放量與總耗電量的關系[12],可以計算不同月份破壞分層產生的最小碳排放量.僅破壞7月份水溫分層所產生的碳排量就高達53.53t,而5t二氧化碳排放所占的空間約為2780m3,大于一個國際游泳比賽專用泳池的體積.中國工業和經濟的高速發展,使得水處理行業產生的碳排量不容小覷.

2.3.3 破壞分層系統的能量效率 盡管分層破壞后水體重心高度僅增加數cm,但是破壞分層所需的實際能量輸入一般都遠大于理論的最小能量值,即破壞分層所產生的碳排放量也要遠遠大于其理論值.其中主要原因有兩個:一是實際水庫水體體積巨大,二是目前常用的曝氣等破壞分層的技術方法能量效率普遍較低,通常低于10%[1],能量效率為破壞分層所需的最小能量與實際能量輸入的比值.

根據西安金盆水庫揚水曝氣水質改善工程運行數據[19],主壩前1.1km范圍庫區內,呈梅花形布置安裝8臺揚水曝氣器,各揚水曝氣器間距250～300m.單臺曝氣器供氣流量20～30m3/h,供氣壓力0.7～1.0MPa,氣彈釋放周期2～3min,提水量(1.2～1.3)×105m3/d.年運行電費1140480kW?h,破壞7月份水溫分層約需20d,實際能量(△Ea)輸入為63360kW?h,能量效率(η)約為4%.對于氣泡羽流技術,Zic等[20]根據實驗室結果,報道的能量效率約為3%;根據實際水庫破壞分層裝置的運行結果,Matsunashi等[21]報道的能量效率為4%～5%, Baines等[22]報道的能量效率約為8%.

上述實際破壞水溫分層系統的能量效率的計算結果充分說明,只有改變傳統的曝氣混合技術思路,才能研發出真正高效的破壞湖泊水庫水溫分層技術,相應地減少碳排量.

3 結論

3.1 提出了分層水庫水體完全混合前后的勢能變化是破壞分層所需的最小能量的理論,破壞分層系統能量效率為所需最小能量與實際輸入能量之比,建立了破壞分層所需最小能量及破壞分層系統能了效率的理論計算方法.

3.2 以金盆水庫為例,估算了破壞水庫分層所需最小能量的月季變化,該能量主要和水溫分層水平成正比,在分層形成初期相對較低,分層穩定期相對較高,7月該能量達到最大值2432.08kW?h;估算了該水庫揚水曝氣破壞分層系統的能量效率約為4%,與國外其他系統的能量效率相近.

3.3 破壞分層系統應在分層形成初期運行,以降低能耗,減少碳排量;需突破傳統曝氣混合思路,研發高效率、低碳排放的破壞分層技術.

[1] 孫 昕,黃廷林.湖泊水庫水體污染控制 [M]. 武漢:湖北科學技術出版社, 2013.

[2] 夏品華,林 陶,李存雄等.貴州高原紅楓湖水庫季節性分層的水環境質量響應 [J]. 中國環境科學, 2011,31(9):1477-1485.

[3] 姚玲愛,許振成,趙學敏,等.高州水庫水華優勢種銅綠微囊藻生長特性研究 [J]. 中國環境科學, 2013,33(S1):191-197.

[4] 黃廷林,楊鳳英,柴蓓蓓,等.水源水庫污染底泥不同修復方法脫氮效果對比實驗研究 [J]. 中國環境科學, 2012,32(11): 2032-2038.

[5] Maria C P, Jose M A, et al. Effects of warm water inflows on the dispersion of pollutants in small reservoirs [J]. Journal of Environmental Management, 2006,81:210-222.

[6] Lawson R, Anderson M A. Stratification and mixing in lake Elsinore, California: An assessment of axial flow pumps for improving water quality in a shallow eutrophic lake [J]. Water Research, 2007,41(19):4457-4467.

[7] Hill D F, Vergara A M, Parra E J. Destratification by mechanical mixers: Mixing efficiency and flow scaling [J]. Journal of Hydraulic Engineering, 2008,134(12):1772-1777.

[8] Yum K, Kim S H, Park H. Effects of plume spacing and flowrate on destratification efficiency of air diffusers [J]. Water Research, 2008,42(13):3249-3262.

[9] Szyper J P. Comparison of three mixing devices in earthen culture ponds of four different surface areas [J]. Aquacultural Engineering, 1996,15(5):381-396.

[10] Hodges B R. Heat budget and thermodynamics at a free surface [R]. Centre for Water Research, The University of Western Australia, 1999.

[11] 吳林榮,江志紅,魯淵平,等.陜西太陽總輻射的計算及分布特征[J]. 氣象科學, 2009,29(2):187-191.

[12] 王曦溪,李振山.1998—2008年我國廢水污水處理的碳排量估算 [J]. 環境科學學報, 2012,32(7):1764-1776.

[13] Sun X, Shiono K, Rameshwaran P, Chandler J H. Modelling vegetation effects in irregular meandering river [J]. Journal of Hydraulic Research, 2010,48(6):775-783.

[14] 邱二生.黑河水庫水質及藻類監測和水體分層研究 [D]. 西安:西安建筑科技大學, 2010.

[15] 王銀珠,濮培民.撫仙湖水溫躍層的初步研究 [J]. 海洋湖沼通報, 1982,4(4):1-9.

[16] Fischer H B, List J E. Koh C R, et al. Mixing in Inland and Coastal Waters. London: Academic Press, 1979.

[17] 孫 昕,葉麗麗,趙偉麗等.分層水庫溫度梯度對揚水曝氣原位控藻效果的影響 [J]. 中國環境科學, 2014,34(2):352-358.

[18] Kirke B, Gezawy A E L. Design and model tests for an efficient mechanical circulator/aerator for lakes and reservoirs [J]. Water Research, 1997,31(6):1283-1290.

[19] 馬 越,黃廷林,叢海兵,等.揚水曝氣技術在河道型深水水庫水質原位修復中的應用 [J]. 給水排水, 2012,38(4):7-13.

[20] Zic, K, Stefan, H G., and Ellis C. Laboratory study of water destratification by a bubble plume [J]. J. Hydraul. Res., 1992, 30(1):7–27.

[21] Matsunashi G, Miyagawa Y. A field study on the characteristics of air bubble plume in a reservoir [J]. J. Hydrosci. Hydraul. Engng. Proc. JSCE., 1990,9:65–78.

[22] Baines W D, and Leitch, A M Destruction of stratification by bubble plume [J]. J. Hydraul. Eng., 1992,118(4):559–577.

Estimation of energy efficiency of a destratification system for reservoirs: a case study of Jinpen Reservoir.

SUN Xin*, YE Li-li, HUANG Ting-lin, LIU Wei (School of Environmental and Municipal Engineering, Xi’an University of Architecture and Technology, Xi’an 710055, China). China Environmental Science, 2014,34(11)：2781～2787

In order guide the selection of effective and energy-saving destratification technologies for reservoirs, an uniform criteria of energy efficiency should be developed. The average water temperature after complete mixing can be calculated based on the conservation laws of mass and heat, the reservoir’s gravity centres before and after mixing were calculated.The total potential energy (PE) was determined by integrating the PE in each thin sub-layer over the water depth with data of water volume and density depending on the water temperature. The difference of total potential energy before and after mixing is the minimum energy input required for destratification. The minimum carbon emission from destratification was then calculated based on conversion ratio of the energy consumption to carbon emission. The energy efficiency of a destratification system was the ratio of the minimum required energy input to the actual energy input for destratification. Taking Jinpen Reservoir in Xi’an as a study case, water volumes under different water levels of the reservoir were numerically calculated using the geometry data, this new method was applied to estimate the energy input required for destratification and energy efficiency of destratification system. Minimum energy required for destratification of different months were both calculated using the geometry data. The results showed that minimum energy increase with the temperature gradient, was relatively high during the period from June to October, and reached a peak of 2432.08kW?h in July. The energy efficiency of the water-lifting aeration system was about 4%. It would be efficient at reducing the energy required for destratification and saving carbon emission by running the destratification system at the initial stratification period.

stratified reservoirs；thermal structure；destratification；energy efficiency

X524/TU991

A

1000-6923(2014)11-2781-07

孫 昕(1971-),男,安徽桐城人,副教授,博士,主要從事水質污染控制與模擬研究.發表論文30余篇.

2014-01-13

國家自然科學基金資助項目(51178379,51278404);國家科技支撐項目(2012BAC04B02);教育部高等學校博士點專項科研基金(20106120120012);西安建筑科技大學人才科技基金(RC1130).

* 責任作者, 副教授, xinsunn@gmail.com