1 引言(Introduction)

在中国, 随着社会经济的高速发展, 环境问题也越来越突出, 尤其是污水处理问题.为了缓解环境压力, 我国提高了污水处理厂各类污染物的排放标准, 因此, 许多污水处理厂都需要进行提标改造以适应新标准.目前, 大多数污水处理厂都采用活性污泥法进行处理, 具有运行费用低、二次污染少、去除效果好等特点, 是现阶段应用最广泛的污水生物脱氮除磷技术(Katipoglu-Yazan et al., 2013; 2015;Lv et al., 2014).污水厂中污染物主要依靠活性污泥系统中微生物的代谢作用去除.由于我国各地环境条件差异较大, 因此, 各地区污水处理厂的进水水质、水量不尽相同.活性污泥系统中微生物的活性也随温度、进水水质及水量的变化而产生改变, 从而影响污水处理厂的生物处理效果(张玲玲等, 2012；Roeleveld et al., 2002).

目前, 我国大多数污水处理厂的运行管理主要是基于人工经验模型, 无法根据进水水质、水量的波动及时优化调整工艺参数, 导致污水处理厂出水难以稳定达标, 另外也可能造成了资源的过度浪费.因此, 若能实现污水处理厂智能化反馈控制, 并结合工艺模型的模拟结果分析, 将有助于提高污水厂工艺优化效率, 显著降低污水处理工艺参数优化控制试验的成本, 最终实现对污水厂工艺的最优化设计与运行(周雪飞等, 2004).张代钧等(2003)利用ASM1模型, 用MATLAB开发出了一套模拟软件, 对污水处理厂中COD和氨氮去除过程进行数值模拟, 并得出了该污水厂运行的最佳工艺参数.另外, Kaelin等(2009)通过对ASM3模型结构的优化, 准确模拟了两步硝化-反硝化过程中亚硝酸盐氮的变化过程.朱向东等(2007)通过ASM2d模型对北京某污水厂的运行工艺进行数值模拟, 试验结果表明, 在模型提供的参考值的基础上, 通过对该厂进水特征的分析, 能够提高模型对运行工艺模拟的准确度.Yang等(2013)通过FCASM4机理模型对绍兴市某污水处理厂进行了工艺建模和工艺优化研究, 模拟结果表明, FCASM4机理模型能对该厂的氧化沟运行过程较好地模拟, 并经过模型对该厂工艺参数的优化控制, 解决了该厂冬季氨氮出水浓度难以稳定达标的问题.然而大部分的研究都忽略了由于各地污水处理厂污水源的水质特征、工艺运行参数及工况特征的差异而产生的各污水处理厂中微生物群落结构的差异.这一差异将最终影响系统中微生物的动力学参数和耗氧速率, 导致模型动力学参数的默认值与实际动力学参数值的不一致.另外, 也有可能产生模型组分划分不合理的问题, 导致模型无法真实反映污染物去除过程.因此, 若要提高模型的准确度, 就有必要测定污水处理厂的进水水质特征及微生物的动力学参数.

本研究基于全耦合活性污泥3号模型(Fully Coupled Activated Sludge Model No.3, 简称FCASM3), 建立杭州某污水处理A+A²/O工艺模型(孙培德等, 2006；2007;Sun et al., 2009).然后, 通过进水水质特征分析和动力学参数的测定, 完成模型参数的识别工作, 以大幅提高模型预测的精度.最后, 通过模拟确定该厂的最佳运行工况条件, 以解决该厂在运行过程中出水总氮(TN)难以稳定达标的问题, 为实现智能化污水处理厂提供理论基础和技术保障.

2 材料与方法(Materials and methods) 2.1 污水处理厂工艺概括

本文以杭州市某污水处理厂为研究对象, 该厂采用改良A+A²/O污水二级处理工艺和微絮凝过滤深度处理工艺.污水处理工艺概化图如图 1所示.一期出水水质达到《城镇污水处理厂污染物排放标准》(GB18918—2002)的一级A标准要求(COD_Cr≤40 mg·L^-1)；二期工程实施后, 出水水质执行“AA标准”(TN≤10 mg·L^-1).污水处理厂技术参数如表 1所示, 2017年上半年进水水质年均值列于表 2.

2.2 污水处理厂运行数据的动态监测

为了探究该厂各个生物处理单元的污水处理效果及运行性能, 确定模型的初始条件、边界条件、好氧池的曝气特征及水质组分浓度变化情况, 本研究对该厂的生物处理单元进行水质动态监测, 以满足工艺模型建立的运行特征及精度要求.此次运行数据的监测, 污水处理厂的生物处理单元均布置动态监测点, 具体监测点位置见图 2.取3个平行样, 现场测定的常规水质指标, 如化学需氧量(COD)、氨氮(NH₄⁺-N)、硝酸盐氮(NO₃^--N)、亚硝酸盐氮(NO₂^--N)、总氮(TN)和正磷酸盐(PO₄^3--P)等各个生物处理单元的浓度值, 具体测定方法参考《水和废水监测分析方法》(第4版)(魏复盛, 2002).

2.3 呼吸试验方法 2.3.1 呼吸试验设置

本试验所用反应器为1 L密封的呼吸瓶.反应器进水通过磁力循环泵将进水排入反应器中.呼吸瓶采用磁力搅拌, 搅拌器的转动速率控制在200~250 r·min^-1, 以保证反应器内泥水充分混合, 同时内部设有微孔曝气头及溶解氧探头以提供良好的曝气环境.整套装置的运行由“污水智能控制系统”控制和调节磁力循环泵、搅拌器和曝气泵的开启与关闭, 从而实现实时地监测呼吸瓶反应过程中溶解氧变化情况及反应器的连续运行.

2.3.2 进水水质组分测定

FCASM3模型中S_O2、S_NH4、S_NO3、S_NO2、S_PO4、S_ALK、X_TSS等组分(文中符号含义见文献(孙培德等, 2008))通过常规指标的测定可以直接获得.FCASM3组分简单定义详见表 3.具体测定方法参考《水和废水监测分析方法》(第四版)(魏复盛, 2002).根据污水处理厂进水水质特征分析可知, S_S、S_I、X_I、X_S需通过与COD确立转换关系计算其各自的浓度, 其余模型组分则可假定在进水中的浓度近似为零.本实验采用好氧间歇呼吸计量法, 通过绘制耗氧速率(OUR)曲线测定进水中易生物降解物质(S_S)和慢速可降解基质(X_S)的浓度值, 建立与COD之间的转换关系式, 再测定溶解性COD, 分别求出对应的溶解惰性有机物(S_I)和惰性不可生物降解有机物(X_I).从污水处理厂生物池进水口处取0.2 L进水放置在1 L的呼吸试验瓶中, 并向呼吸瓶中投加2.5 mg硝化作用抑制剂丙烯基硫脲(ATU), 避免硝化反应对耗氧速率造成影响, 利用溶解氧探针监测呼吸瓶反应过程中溶解氧的变化情况, 绘制OUR呼吸速率曲线.根据S_S和X_S所引起的OUR积分面积再减去微生物内源呼吸的OUR积分面积, 再利用FCASM3公式计算各组分的浓度(刘芳等, 2004；樊杰等, 2012；Dulekgurgen et al., 2006).进水水质组分的确定方法列于表 4.S_S和X_S则可由公式(1)和(2)得到.

(1)

(2)

式中, V_T为反应器体积(L)；V_W为所加污水体积(L)；Y_{STO, O2}为X_STO的好氧产率系数；t1、t2为耗氧曲线中对应的拐点时间(min)；R₁、R₂、R₃为耗氧曲线中对应的OUR(mg·L^-1·h^-1)数值.

2.3.3 污水处理厂模型动力学参数测定

本试验接种的活性污泥取自污水处理厂的曝气池出口污泥.通过绘制耗氧速率(OUR)曲线分别测定活性污泥中硝化细菌和异养菌的动力学参数：μ_NS(亚硝化菌比生长速率)、μ_NB(硝化菌比生长速率)、b_{O2, NS}(亚硝化菌衰减系数)、b_{O2, NB}(硝化菌衰减系数)、K_NH4⁺(亚硝化菌半饱和常数)、K_NO2^-(硝化菌半饱和常数)、b_OH(异养菌衰减系数)、Y_OH(异养菌产率系数).

根据Hao等(2009)的方法, 测定硝化细菌和异养菌衰减系数(b_{O2, NS}、b_{O2, NB}).从反应器中取0.2 L活性污泥放入在呼吸瓶中, 测自养菌的OUR分3步, 首先测定内源呼吸速率, 无需添加其他基质, 然后依次投加亚硝酸钠和氯化铵到呼吸瓶中, 分别测硝化菌(AOB)和亚硝化菌(NOB)的OUR.异养菌衰亡系数(b_OH)的测试主要将相同浓度的污泥添加到呼吸瓶中, 并向呼吸瓶中投加ATU(丙烯基硫脲).呼吸瓶在随后的7 d中连续曝气, 并每隔12 h测定污泥耗氧速率OUR(Vanrolleghem et al., 1999).然后, 参考Liu等(2011)的方法, 测定硝化细菌半饱和常数(K_NH4⁺、K_NO2^-)和比生长速率(μ_NS、μ_NB).从反应器中取出200 mL活性污泥, 并用营养溶液反复冲洗.在接下来的18 h中, 每12 min分别测定一次亚硝化菌和硝化菌的OUR(Liu et al., 2011; Liwarska-Bizukojc et al., 2012; Hao et al., 2009).

根据Vanrolleghem等(1999)的方法, 在反应器内按一定的比例投加污泥和葡萄糖溶液, 待系统中污泥达到内源呼吸水平时, 呼吸试验结束.根据OUR曲线与内源呼吸线围成的积分面积及反应器内的COD, 确定异养菌的产率系数(Y_OH)和比生长速率(μ_H), 试验设置3组平行(Friedrich et al., 2013; Moussa et al., 2005; Vanrolleghem et al., 1999).

2.4 工艺模拟与优化方法 2.4.1 污水处理厂A+A²/O工艺模型建立

基于对生物场模型的改进和模型建立的基本假设, 结合该污水厂A+A²/O工艺运行条件及出水水质要求, 建立了基于FCASM3的活性污泥工艺模型(Yang et al., 2013; Luo, 2014).FCASM3将系统的微生物划分为8类菌群, 共包含31种组分, 72个子过程.同时, A+A²/O工艺运行条件下, 水流的弥散过程也会对污染物质转化过程和微生物的活性及分布产生影响, 该数值模型同时结合水流的推流作用及生物场对污水厂的生化反应池进行工艺数值模拟.根据水质特征和微生物动力学参数, 基于MATLAB数学工具软件建立活性污泥系统A+A²/O工艺模型, 并利用MATLAB内置的常微分方程数值求解函数(ode15s)解算生物场耦合模型(FCASM3), 从而实现对A+A²/O工艺的数值模拟.

2.4.2 工艺参数优化方法

对于A+A²/O工艺而言, 溶解氧、污泥回流比及混合液回流比是对系统的污染物质处理效果影响较大的3个工艺参数.好氧池中的溶解氧不足将抑制硝化细菌的活性及异样菌的生长, 从而影响有机物去除、硝化反应及吸磷过程.混合液回流比对缺氧池的反硝化过程影响较大, 混合液回流比太小将导致硝化液回流量较少, 不利于系统中TN的去除, 同时, 混合液回流比太大容易将好氧池的溶解氧携带到缺氧池, 影响缺氧池的缺氧条件, 抑制反硝化细菌的活性(徐伟峰等, 2007；吴昌永等, 2012; 陈昆柏等, 2008; Smolders et al., 1995).所以对于特定的工艺运行方式而言, 存在一个最佳的工艺参数组合.按照4因素3水平的正交试验表列出了正交试验方案, 具体见表 5.不同氧转移系数水平下好氧池中平均溶解氧浓度值列于表 6.

3 结果与讨论(Results and discussion) 3.1 污水处理厂模型参数识别 3.1.1 污水处理厂的常规水质测定结果

由图 3可知, 整体上COD依次呈下降趋势, 生物池中进水COD主要消耗在反硝化段和厌氧段生物池, 这两个过程COD共降低了57%.根据NO₂^--N浓度动态监测可知, 在整个过程中, NO₂^--N的浓度值较为稳定.NO₃^--N浓度整体上依次呈上升趋势且进水浓度相对较低, NO₃^--N浓度在反硝化段和好氧池出现两个高峰, 反硝化段出现高峰的主要原因可能是二沉池污泥回流到反硝化段携带大量的硝酸盐溶液, 导致反硝化段呈小幅度上升趋势.好氧池出现高峰的原因是在好氧条件下, 硝化细菌利用溶解氧提供的电子将氨氮氧化成硝态氮, 导致好氧池硝酸盐浓度上升至8.7 mg·L^-1.PO₄^3--P浓度动态监测结果发现, 该污水处理厂进水PO₄^3--P浓度较低, 在厌氧段进水口呈上升趋势；随后, 在好氧段的进水口PO₄^3--P浓度开始下降, 好氧池最终出水PO₄^3--P浓度是0.25 mg·L^-1.

综上可知, 污水厂各个生物处理单元的污水处理效果较好, 主要由于动态监测时间处于炎热的夏季, 硝化细菌的活性较强, 导致该厂出水TN浓度较低, 但该厂部分时间段依然存在TN出水浓度高于10 mg·L^-1, 不能稳定达标的问题.由监测结果可知, 混合液回流过程中可能携带部分氧气进入缺氧池, 因此, 在缺氧池的溶解氧模型组分计算时, 需要考虑这部分溶解氧的浓度.另外, 由于好氧池中的溶解氧曝气头均匀分布在好氧池, 并且在好氧池中氨氮浓度变化趋势较为平稳, 因此, 在建立污水处理厂工艺模型时, 为了简化模型的计算量, 提高模型优化工艺参数的频率, 在不影响模型准确度的前提下, 好氧池只考虑污水的一维推流作用, 将好氧池均匀划分为3部分, 依次串联在一起.

3.1.2 典型进水水质特征分析

现场的动态监测试验期间, 取生物池进水水样进行COD组分浓度划分测定, 确认模型组分.本实验采用好氧间歇呼吸计量法, 通过绘制耗氧速率(OUR)曲线测定进水中COD各组分浓度值, 水质组分比例结果列于表 7中.

由表 7可知, 生物池进水COD是87 mg·L^-1, 该厂进水中S_S占总COD的47.27%, S_I+X_I占总COD的29.6%.与典型城镇污水厂进水水质相比, 该厂进水COD中S_S+X_S比例偏高, 表明该厂进水可生化性比较好, 然而可生物降解有机碳的浓度较低, 可能直接影响到系统的脱氮除磷性能, 因此, 该厂的厌氧池和缺氧池需要投加一定量的碳源.同时, 该厂进水中S_I+ X_I的比例较高, 表明进水中无机颗粒物及不可降解有机物含量较高, 原因是该厂接纳的进水中可能混有较小比例的工业废水或下雨时冲刷的建筑废弃物及泥沙.根据活性污泥模型中X_I的定义, 在生物处理系统中, 这部分有机物主要是在沉淀池中去除, 因此, 沉淀池的沉淀效果对于污水厂的出水水质有很大的影响(蔡健明, 2009).

3.1.3 模型动力学参数分析

由图 4a、4b、4e及4g的硝化细菌动力学参数测定结果可知, 亚硝化菌和硝化菌衰减系数分别是0.151 d^-1和0.2242 d^-1, 硝化细菌的衰减系数略低于以往文献的参考值(b_{O2, NS}=0.22 d^-1, b_{O2, NB}=0.37 d^-1)(Salem et al., 2006).亚硝化菌和硝化菌的最大比生长速率分别是0.72 d^-1和0.86 d^-1, 远高于以往文献给出的参考值(μ_NS=0.52 d^-1, μ_NB=78 d^-1), 表明硝化细菌的新陈代谢能力较强, 硝化反应速率较高, 由于硝化菌的最大比生长速率高于亚硝化细菌, 因此, 硝化过程的中间体亚硝酸盐的含量比较低.半饱和常数对硝化细菌底物的转化有重要的影响, 在好氧阶段, 半饱和常数通过开关函数控制硝化细菌对底物的利用程度, 影响好氧池氨氮的出水浓度.由图 4f和图 4h可知, 亚硝化菌(AOB)和硝化菌(NOB)的半饱和常数分别是0.78和0.82 g·m^-3, 呼吸试验测定的硝化细菌动力学参数与以往文献的测定值相似(Moussa et al., 2005; Yang et al., 2013), 其中, 硝化细菌的K_NH4⁺略低于模型典型值(K_NH4⁺=0.87 g·m^-3, 以N计), 表明硝化细菌对氨氮有较强的利用能力, 好氧池出水氨氮浓度较低.

由图 4c和4d可知, 通过间歇OUR呼吸计量试验测定的异氧菌产率系数为0.61 g·g^-1, 测定的产率系数低于模型典型值(0.63 g·g^-1).可能由于进水COD中相当部分的有机物无法被微生物转化成贮存物质所消耗, 同时, 经过外回流带入大量含硝酸盐的污水, 导致生物池S_s组分比例进一步降低, 抑制异样菌的生长, 进而异养菌对有机碳的吸收量减少, 转化率不高, 导致产率系数降低(Sollfrank et al., 1990).

3.2 工艺模型校验 3.2.1 灵敏度分析

灵敏度分析是研究或分析一个模型的状态或输出变化对系统参数或周围条件变化的敏感程度的方法.在选取相关典型值作为动力学参数初值的基础上, 通过对比模拟结果与实测结果的一致性, 结合经验及所得的动力学参数灵敏度对动力学参数进行不断调整, 以更好地反映水中污染物的转化情况及微生物的活性, 最终使模拟结果与实测结果的吻合程度最佳(孙培德等, 2007).本文对污水厂的A+A²/O工艺模型的全部动力学参数进行了灵敏度分析, 由于受到篇幅的限制, 只选取对模拟结果影响较大的6个动力学参数进行分析说明, 表 8列出了主要动力学参数的灵敏度分析结果.

3.2.2 模型校验结果

数值模型经过模型动力学的识别和灵敏度分析后, 利用污水厂前60 d的历史水质监测数据对FCASM3模型进行校核, 再利用污水厂后60 d的历史数据对模型进行验证, 并对校验后的模型进行模拟值与实测值的对比, 评估模型的可靠性及其精度.FCASM3模拟好氧池出水COD、NH₄⁺-N、NO₃^--N和PO₄^3--P浓度值与实测值对比结果如图 5所示.主要模型动力学参数校核结果列于表 9中.

由图 5可以看出, COD和PO₄^3--P的模拟变化趋势与实际的动态趋势十分一致, 且比实际值变化趋势更加稳定.NH₄⁺-N的模拟值总体上比实测值略高, 原因可能是该污水处理厂的好氧池中NH₄⁺-N的实测浓度值比较低, 实测值略微的监测误差和波动均能使模拟值与实测值的误差结果放大, 同时, 系统中可能存在短程硝化-反硝化的脱氮方式, 导致好氧池中NH₄⁺-N浓度偏低.由模拟结果可知, FCASM3机理模型对有机物的去除、氨氮的转化及磷酸盐的去除过程的描述比较准确, 其COD、NH₄⁺-N和PO₄^3--P模拟值与实测值的平均相对误差不超过10%.然而, 虽然该模型能较好地模拟出好氧池中硝酸盐的变化趋势, 但系统生化反应过程中NO₃^--N的模拟值比真实值略高, 系统中NO₃^--N模拟值与实测值的平均相对误差为16%.主要原因可能是：一方面, 在FCASM3机理模型假设中默认好氧池的溶解氧均匀分布, 不存在空间位置上浓度的差异, 而实际好氧池分为3个廊道, 采用的是推流式曝气池及生物池水深存在落差, 导致溶解氧在生物池中的分布不可能很均匀, 而溶解氧浓度对硝化细菌和反硝化细菌的生长代谢有很大的影响, 低溶解氧浓度不利于硝化细菌的活动, 这就造成模型模拟的硝化菌、亚硝化菌及硝酸还原菌和亚硝酸还原菌的生长趋势要好于实际的体系, 造成了硝酸盐和亚硝盐模拟结果稍有失真(杨敏, 2013).另一方面, 污水处理厂中二沉池的污泥回流到缺氧池的过程中, 回流污泥可能携带部分溶解氧量进入缺氧池, 对反硝化细菌的活性产生抑制影响, 造成了硝酸盐的实测值与模拟值略有偏差.总体而言, FCASM3能够较好地模拟该厂的A+A²/O工艺系统中各物质的转化情况, 其模拟结果具有说服力.

3.3 污水处理厂最佳运行工况数值模拟

在动态进水水质和水量波动的条件下, 利用校核完成的A+A²/O工艺模型, 用污水厂2017年上半年运行的历史数据对不同工艺组合的A+A²/O工况进行COD、NH₄⁺-N、TN和PO₄^3--P数值模拟, 结果见图 6.

由图 6a对COD的模拟结果可知, 工艺参数的调整对好氧池中COD出水值并无较大影响.由图 6b及6c可知, 试验1、试验2、试验7和试验3的模拟结果明显区别于其他各组的模拟结果, 试验1、试验2、试验7对出水NH₄⁺-N的模拟结果明显低于其他各组试验, 尤其试验7的出水浓度值最低, 而试验3的模拟结果远远高于其他各组的模拟值；由好氧池中TN的模拟结果可知, 试验1、试验6、试验9的模拟结果低于其他试验组, 试验3对TN的模拟值要比其他各组试验高的多；试验6和试验9模拟的好氧池中溶解氧浓度低于试验1、试验2和试验7.由此表明, 溶解氧对系统的脱氮过程十分重要.另外, 低溶解氧浓度有利于系统的脱氮过程, 可能是由于低溶解氧有利于系统中短程硝化-反硝化过程的实现(Chuang et al., 2007).同时, 对比试验3和试验9的模拟结果可知, 较高的混合液回流比携带了大量的硝化液回流到缺氧池, 有利于增强系统的反硝化过程, 提高缺氧池的脱氮性能.

由图 6d对PO₄^3--P的模拟结果发现, 试验1、试验2和试验8所得的PO₄^3--P好氧池出水浓度值高于其他各组试验模拟浓度, 而试验2和试验8的溶解氧浓度较高, 试验1和试验2的污泥回流比高于其他试验组, 表明高溶解氧不利于系统的除磷, 高污泥龄不利于磷酸盐的去除.主要原因是当生物除磷的好氧区过度曝气, 聚磷菌的胞内聚合物会过度消耗, 导致好氧阶段无法提供足够能量完成吸磷过程, 从而导致系统除磷效果的恶化(王晓莲等，2005; Werle et al., 2010).另外, 污水处理厂通过排泥的方式, 将聚磷菌体内的磷酸盐释放到外界, 达到系统生物除磷的效果.

综合上图可得, A+A²/O工艺系统最佳运行工况是氧传输速率K_La、污泥回流比和混合液回流比分别控制在2 h^-1、75%及250%.该工况在满足污水厂运行过程中出水TN浓度稳定达标(TN≤10 mg·L^-1)的前提下, 同时保证好氧池出水COD和PO₄^3--P浓度较低且运行成本最低.在最佳运行工况条件下, 模拟结果表明, 好氧池出水TN浓度下降了1.28 mg·L^-1, 脱氮效率提高了15.91%.

4 结论(Conclusions)

1) 通过对污水处理厂进水水质组分的测定, 完成了机理模型组分划分, 测定结果为S_S占47.27%, X_S占23.12%, S_I占11.39%, X_I占18.21%.

2) 通过对活性污泥系统中微生物的动力学参数测定, 确认了模型动力学参数, 测定结果显示, 亚硝化菌能够很好地利用氨氮, 使得好氧池出水保持较低的氨氮浓度.同时, 硝化菌的比生长速率较高, 硝化速率较快, 整个系统的硝化过程较强.另外, 异养菌的生长速率缓慢, 对系统中有机碳的吸收量较少, 同化率效率不高, 因此, 导致异养菌的产率系数较低.

3) 经过生物池进水水质组分分析和模型动力学的测定, 完成了模型参数的识别, 结合模型参数的灵敏度分析, 并利用污水处理厂的运行数据对工艺模型FCASM3进行校验, 模拟结果表明, 基于FCASM3机理模型的A+A²/O工艺模型模拟的出水值与实测出水值吻合度高, 模拟的平均相对误差不超过10%, 模拟结果具有说服力.另外, 该校核方法有助于确认各污水处理厂的运行特征, 克服一般的模型预测难以达到污水处理控制精度的需求, 为实现智能化污水处理厂提供理论基础和技术保障.

4) 利用FCASM3模型模拟多因素正交试验, 筛选出最佳的溶解氧、污泥回流比和混合液回流比.模拟结果表明, 当A+A²/O系统的好氧池氧传输速率K_La、污泥回流比和混合液回流比分别控制在2 h^-1、75%及250%时, 该工况在满足污水厂运行过程中出水TN浓度稳定达标(10 mg·L^-1)的前提下, 同时能保证好氧池出水COD和PO₄^3--P浓度较低且运行成本最低.