Evides Industriewater (hierna: EIW) exploiteert meerdere afvalwaterzuiveringsinstallaties in Nederland. Een tijdelijke meetcampagne van lachgas (N2O) op een van zijn industriële zuiveringen legde zeer dynamische lachgasemissies met significante pieken bloot. Lachgas kan op verschillende manieren vrijkomen door de biologische processen in de reactor, afhankelijk van welke lokale condities zich voordoen (zie kader). EIW wil de uitstoot van broeikasgassen verminderen en tegelijkertijd de zuiveringsprestaties van de installaties optimaliseren. Aangezien N2O alleen al bijna 50% van de totale koolstofvoetafdruk van EIW vertegenwoordigt, wordt het als prioriteit aangemerkt. Om hiervoor (mitigatie)maatregelen te ontwikkelen moesten eerst de belangrijkste oorzaken van de N2O-vorming worden vastgesteld.
Dat leidde tot de doelstellingen voor dit onderzoek:
De chemie van lachgasvorming
Onbehandeld huishoudelijk afvalwater bevat stikstof en koolstof. Koolstof in de vorm van organische stof: poep, zeep en dergelijke. En stikstof vooral als ammonium (NH4+). In een biologische zuivering zetten bacteriën in een beluchte (aerobe) zone ammonium om in nitraat en nitriet (nitrificatie). Dan volgt denitrificatie: nitraat en nitriet worden door weer andere bacteriën onder zuurstofloze condities (anaeroob ofwel anoxisch) omgezet in het onschuldige stikstofgas (N2), dat ontsnapt naar de lucht.
Voor de eerste stap (nitrificatie) is geen koolstof nodig, maar de aanwezige koolstof wordt wel afgebroken en ontsnapt als CO2. Dat is ‘verspilling’ van koolstof, want daarna, in de denitrificatie (anaeroob), is wél koolstof nodig, als voeding voor de bacteriën. Dit moet dan van buitenaf worden toegevoegd.
De oplossing is het laten circuleren van het water. In de anoxische zone wordt aan de grote stroom nitraatrijk water ‘vers’ bacterieslib toegevoegd en een kleine stroom onbehandeld afvalwater met daarin de van nature aanwezige organische stof (inlet in afb. 1a). De organische stof wordt dan effectief gebruikt voor de denitrificatie, waardoor er minder externe koolstof nodig is. Alles stroomt vervolgens weer naar de beluchte zone. Deze cyclus herhaalt zich vele malen, waarbij uit de beluchte zone steeds een stroompje water als ‘schoon’ effluent wordt afgevoerd (outlet in afb. 1a). Dat stroompje bevat dan nog een slechts zeer minimale hoeveelheid nitraat.
Het basisconcept van biologische zuivering zit dus in de lokale verhoudingen van opgeloste zuurstof (DO), ammonium en koolstof. Maar: bij verstoring van de verhoudingen krijgen we niet alleen omzetting naar N2, maar ook naar N2O (lachgas), een zeer sterk broeikasgas. De N2O-productie schommelt mee met de omstandigheden in de reactoren. Om de uitstoot van N2O te minimaliseren is het dus zaak een betere controle te krijgen over het proces.
Aanpak
De onderzochte zuivering heeft de volgende eigenschappen:
EIW heeft in samenwerking met AM-Team gekozen voor een bijzondere aanpak: monitoring op de echte zuivering gecombineerd met modellering, om zo snel tot resultaat te komen. De monitoring gaf de mate van uitstoot aan, terwijl modellen de kernoorzaken van N2O blootleggen en strategieën doorrekenen die ter plaatse op de echte zuivering niet te evalueren zijn. Er werden twee typen modellen gebruikt: een 3D CFD-model en een dynamisch model. Het 3D model brengt in kaart waar exact in de reactor de N2O-vorming plaatsvindt, terwijl het dynamisch model de schommelingen van N2O en zuiveringsprestaties in de tijd voorspelt [1, 2].
Afbeelding 1. Door 3D CFD-model voorspelde 3D-profielen voor opgeloste zuurstof (DO) [a] en lachgas (N2O) [b]. Het DO-profiel (a) laat gebieden met een zuurstofconcentratie zien, zelfs in de beluchte zones. De lokale zuurstof-, ammonium- en koolstofgehaltes veroorzaken drie N2O-hotspots in verschillende delen van de bioreactor (b).
De modellen werden gevoed en gevalideerd met drie soorten gegevens van de zuivering (een mix van online en offline data):
Vervolgens zijn simulaties uitgevoerd van verschillende ‘wat-als’ scenario’s met proceswijzigingen die mogelijk de N2O-uitstoot verminderen én de zuiveringsprestaties verbeteren. In totaal werden zo vijf maatregelen getest, en gerangschikt op basis van impact en praktische haalbaarheid.
Bevindingen
3D-model: de N2O hotspots in de zuivering
Het 3D-profiel van DO (afbeelding 1a) laat zien dat (ongewenste) recirculatie optreedt van DO vanaf de beluchte (laatste) zone van de reactor naar de anoxische zone 1. Zoals eerder aangehaald moet de anoxische zone vrij van zuurstof zijn. Samen met de hoge ammoniumconcentratie van het instromende influent zorgt dit voor een lokale N2O-hotspot op die plek (afbeelding 1b). Vervolgens zorgt ook een gebrek aan koolstofbron iets verderop in anoxische zone 1 voor een N2O-hotspot. En tenslotte zien we dat de beluchte (aerobe) zones over het algemeen zeer lage zuurstofconcentraties hebben (afbeelding 1a). Pas in het tweede deel van aerobe zone 2 beginnen de zuurstofniveaus te stijgen, tot waarden rond de 2 mg O2/l. Deze lage zuurstofconcentraties stimuleren de lokale N2O-productie in deze zones, zoals de hotspots laten zien. Zo hebben we dus drie kernoorzaken geïdentificeerd. Het gebrek aan koolstofbron, dat leidt tot onvolledige denitrificatie, komt echter als dominante oorzaak naar voren, met een geschatte relatieve bijdrage van >90% op de totale N2O-productie.
Dynamisch model
Zowel het dynamisch model als de N2O-monitoringscampagne laat een dynamisch emissieprofiel zien (afbeelding 2a), met 2 pieken per dag. Gekalibreerd op basis van de beschikbare zuiveringsdata, voorspelde het model de concentraties DO en ammonium en uiteindelijk de N2O-dynamiek. De voorspelling van het model kwam redelijk overeen met de meetdata van N2O (afbeelding 2a), ammonium en DO (niet getoond). Hoewel aanvullende informatie, met name over de koolstofbron in het influent, de nauwkeurigheid van het model verder zou kunnen verbeteren, werd het model voldoende adequaat bevonden om te beginnen met het virtueel testen van mitigatiestrategieën. Ook dit model gaf aan dat de te lage gehaltes aan koolstofbron (onvolledige denitrificatie) de hoofdoorzaak van de pieken was. De mitigatiestrategieën gaan we dus vooral hierop richten.
Virtueel testen van mitigatiestrategieën
Het dynamisch model werd vervolgens gebruikt om ‘wat-als’-scenario’s uit te voeren. De scenario’s speelden op diverse manieren in op de hoeveelheid en timing van koolstofdosering. Afbeelding 2a laat zien dat aanpassen van de koolstofdosering zeer effectief de N2O-emissies omlaag brengt (mitigeert): de N2O-pieken verdwijnen in diverse scenario’s praktisch volledig. Scenario 5 bevat een doseringsstrategie proportioneel met de inkomende koolstofbron waarbij de de N2O-uitstoot met 87% zou verminderen, en de dosering van externe koolstofbron met 10%. Bovendien voorspelt het model een verbetering van de zuiveringsprestatie: de totale stikstof van het effluent zou met 10-15% afnemen (resultaten niet getoond).
Afbeelding 2. Dynamisch model: N2O in de waterfase zoals gemeten (kruisjes) en voorspeld (lijnen) (a). Het optimaliseren van de koolstofdosering zal naar verwachting leiden tot aanzienlijke vermindering van de N2O-uitstoot en verbetering van effluentkwaliteit, terwijl tegelijk op de inkoop van externe koolstofbron wordt bespaard (b).
Conclusie en impact
EIW kon de belangrijkste oorzaken van N2O-emissies uit de zuivering achterhalen. Er werden drie oorzaken (hotspots) van N2O geïdentificeerd: 1) ongewenste recirculatie van zuurstof van de aerobe naar anoxische zone, 2) zeer lage zuurstofgehaltes in de aerobe zones en 3) gebrek aan koolstofbron in de anoxische zone. De laatste werd geïdentificeerd als de dominante route van N2O-productie, met een verwacht aandeel van om en nabij de 90%. Volgens de modelscenario’s zal het optimaliseren van de koolstofbrondosering de N2O-emissies met 87% verminderen en een extra operationele kostenbesparing van 10% externe koolstofbron opleveren. Bovendien voorspelt het model dat deze maatregel de kwaliteit van het effluent met 10-15% verbetert als het gaat om verwijdering van N-totaal. Het testen van een veelheid aan scenario’s was alleen mogelijk dankzij de modellering.Testing a multitude of scenarios was only possible thanks to modelling.
Aangezien er meerdere oorzaken zijn voor N2O-emissies, ligt er een extra optimalisatiepotentieel in het vermijden van lage DO-niveaus (in beluchtingszone 1 en eerste helft van zone 2) en van DO-recirculatie (einde van zone 2). Dit zou kunnen door de sturing van de beluchting aan te passen. We denken echter dat de aanpassing van de koolstofbron-dosering de hoogste return on investment zou hebben als we kijken naar 3E-optimalisatie (emissies, effluent, efficiëntie). De uitkomsten van het model ondersteunen de businesscase voor de gekozen maatregelen: op het moment van schrijven van dit artikel werkt EIW aan de implementatie van de nieuwe koolstofdoseerstrategie. Na implementatie zal EIW de uiteindelijke impact op praktijkschaal nagaan.
Evides Industriewater exploiteert onder andere een biologische zuivering voor afvalwater met huishoudelijke kenmerken. Het bedrijf zocht maatregelen om de lachtgasemissies te verminderen en de zuiveringsprestaties te verbeteren. Er werden twee modellen voor de N2O-emissies toegepast, en gekalibreerd en gevalideerd met de beschikbare zuiverings- en monitoringdata. Het eerste, een Computational Fluid Dynamics (CFD) model, legde in 3D de kernoorzaken en omvang van de emissies bloot. Het tweede, het dynamische model, kon de emissiepieken in de tijd voorspellen en verklaren. Gebrek aan koolstofbron werd geïdentificeerd als de dominante oorzaak van N2O-uitstoot. Op dit moment wordt de externe koolstofdosering aangepast. De modellen voorspellen dat dit de N2O-uitstoot met 87% zal verlagen en 10% zal besparen op externe koolstofbron, terwijl het effluent 10-15% minder N-totaal zal bevatten.