引言
在全球气候变化日益成为国际关注焦点的背景下，了解和管理温室气体(GHG)排放变得尤为重要。我国政府提出，到2030年实现二氧化碳排放达峰，2060年实现碳中和。作为城市基础设施的核心组成部分，各类水处理设施不仅在民生和工业生产中担负着重要角色，还在碳循环和环境保护中发挥着关键作用。在国家双碳战略的引领下，水务企业需积极探索切实可行的碳中和实施策略，以应对全球气候变化的挑战。
本系列文章将深入探讨污水处理厂、水资源回收设施和饮用水处理厂的碳排放问题，揭示它们如何在操作过程中产生影响，以及如何通过现代化管理技术和策略有效降低碳排放。文章将详细解析水处理设施的碳足迹，从碳排放的分类到具体的排放流程，展示如何实现更为高效且更可持续的运营模式。
01
水处理设施概述和功能差异
污水处理厂(WWTPs)主要负责处理来自城市和工业区的废水，目的是防止环境污染并保护公众健康。这些设施采用一系列复杂的物理、化学和生物处理过程，如初沉、活性污泥处理和高级生物过滤，有效去除污水中的有机物、悬浮固体和营养物质。其核心任务是将污水处理至安全可排放或可再利用的标准，以支持城市的可持续水管理和环境保护目标。
水资源回收设施(WRRFs)是污水处理厂向更环保、更可持续方向的进化。这些设施不仅处理城市和工业废水，还注重资源的回收和再利用。通过采用如厌氧消化和微生物燃料电池等先进技术，将废水处理过程中产生的有机物转化为可用资源，例如生物气、电力和可回收的营养物。这些设施的设计和运营旨在促进可持续的环境管理，减少废物和提升资源利用效率，是向更绿色、更经济的水管理过渡的关键步骤。
饮用水处理厂(DWTPs)则主要负责从自然水源（如河流、湖泊或地下水）提取原水，并通过一系列净化过程确保水质达到安全饮用标准。这些过程包括混凝、沉淀、过滤和消毒等步骤，有效去除悬浮颗粒、病原体和化学污染物。饮用水处理厂的核心功能是确保供应的水质安全、清洁并可靠地分发给居民和商业用户，支持社区的健康和日常运作。
02
水处理设施的碳排放分类
了解和管理温室气体排放已成为企业承担社会责任和遵守法规的关键。根据世界资源研究所（WRI）与世界商业理事会可持续发展委员会共同开发的温室气体国际性标准（GHG Protocol），温室气体排放源被分为三个“范围”（Scope），这种分类有助于企业更有效地监控、报告及减少其碳足迹。
范围1：
直接排放
范围1排放指的是企业设施或操作中直接产生的排放。包括企业直接控制的源头产生的排放，如工业过程中的燃料燃烧、机械操作及生产过程的泄漏，以及企业拥有或控制的运输工具的排放。准确识别和管理这些排放有助于企业优化操作，提高能效，从而直接降低运营成本。
范围2：
间接排放
范围2排放涉及企业购买并使用的电力、热能或蒸汽等能源产生的碳排放。这些排放不是直接在企业的物理设施中发生，而是在能源生产地点产生的。通过选择使用更环保的能源或提高能源使用效率，企业不仅能减少对环境的影响，还能在日益紧缩的碳市场中保持竞争力。
范围3：
其他间接排放
范围3排放指的是企业运营之外但与其业务活动相关的排放，如供应链中的排放、物资采购、外包活动和员工出行等。虽然这些排放不直接受企业控制，但通过选择环保的供应商和实施绿色采购政策，企业可以在整个供应链中推广可持续实践，从而增强品牌形象和市场竞争力。
03
水处理设施碳排放关键过程的识别和分析
对于水处理设施碳排放问题的研究，需要特别关注关键排放流程的识别与分析，其中包括工艺的选择、能源消耗的管理以及如何通过改进管理模式减少直接和间接排放。目标是揭示如何有效降低水处理过程的碳足迹，并探索优化这些流程的策略，以促进环境的可持续发展。不同类型水厂由于处理工艺的差异，碳排放的构成也不尽相同。
污水处理厂
污水处理厂是全球人为碳排放的来源之一，在2023年占全球人为碳排放总量的1%至2%，并消耗全球电力的3%至5%。在污水处理过程中，主要产生的温室气体为甲烷（CH4）和氧化亚氮（N2O），其中CH4排放量占比可达7%，而N2O排放量占比可达10%。根据国际气候变化专门委员会（IPCC）的报告，由于N2O和CH4具有极高的导致全球升温的潜能（GWP），即便是少量的这些气体排放也会对环境产生重大影响。
上图展示了两种不同的污水处理技术：一种是带有厌氧消化的污水处理技术（WWTP-AD），另一种是带有同步好氧污泥稳定化的污水处理技术（WWTP-SAS）。污水处理厂超过60%的碳足迹来源于直接工艺排放，具体数值依赖于所采用的处理工艺。不同的污水处理技术带来的直接温室气体排放和能耗存在显著差异。例如，与厌氧技术相比，好氧技术产生的污泥量是其3至4倍，并且其温室气体排放明显更高。在厌氧消化过程中，有机物的分解主要产生甲烷；如果这些甲烷未能被有效捕集和利用，它们将直接释放到大气中。与此相比，在好氧处理过程中，尤其是在生物脱氮阶段，由氨氧化细菌和反硝化细菌产生的氧化亚氮的数量尤其可观。此外，废水处理过程中涉及的营养物质去除和污泥管理（包括浓缩、稳定化、脱水、干燥和处置）也会带来不同程度的直接温室气体排放和能耗。
污水处理厂的间接排放主要来自于能源消耗，约占碳足迹的30%，其中曝气系统耗能最大，占总能耗的50%以上。其电力消耗主要用于为微生物提供氧气以分解污水中的有机物。泵站和污泥处理设备在高温厌氧消化过程中也消耗了大量能量。而在可再生能源比例较高的国家，如芬兰和奥地利，这些排放的比例相对较小。
水资源回收设施
水资源回收设施的主要直接排放包括氧化亚氮（N2O）、甲烷（CH4）和二氧化碳（CO2），源自设施内的生物过程，如微生物呼吸产生的CO2和厌氧消化过程中生成的CH4。特别是活性污泥法（ASP）相关的工艺设施，在处理过程中会产生大量的温室气体，尤其是氧化亚氮（N2O），其全球变暖潜力（GWP）极高，是设施直接排放中的关键组成部分。水资源回收设施的间接排放主要来自电力和热能消耗、运输、化学品生产及污泥处置等过程。
水资源回收设施的能耗主要集中在曝气系统、膜过滤系统和污泥处理设备上，其中曝气系统耗能约占总能耗的50%至60%。这些能量主要用于为微生物提供氧气，以分解污水中的有机物。厌氧消化过程中产生的甲烷不仅可以用于发电，减少对外部电力的需求，还可以降低范围2的排放。此外，为满足能源需求所使用的化石燃料也会进一步增加二氧化碳的排放。
饮用水处理厂
饮用水处理厂的碳排放主要源自电力和化学品的使用。在生产过程中，这些因素也是碳足迹的主要贡献者。电耗占其温室气体总排放量的69%至90%，而化学品和添加剂占其温室气体总排放量的6%至13%。对于地下水处理厂，直接从抽取的地下水中排放的甲烷可能是最大的单一碳排放源。饮用水处理厂通常通过混凝、沉淀、过滤和消毒等物理和化学处理工艺来净化水质，这些工艺所产生的电力消耗（范围2排放）是主要碳排放源。这些工艺不会产生大量的直接温室气体排放，但使用的电力会间接导致二氧化碳排放。
在能源消耗方面，饮用水处理厂的能耗主要集中在水的抽取和处理过程。自来水公司的能源使用显著增加了整体的碳足迹，据估计，美国自来水公司每年的温室气体排放约为4500万吨。随着人口增长和环保标准的提高，预计饮用水和废水处理设施对电力的需求将会显著增加。饮用水的来源可能包括地表水、地下水以及再生水或循环水，这些水源容易受到细菌、病毒、寄生虫和沉积物的污染，处理这些污染物也需要大量的能源。
04
管理模式对于水厂碳排放的影响
在污水处理厂、水资源回收设施和饮用水处理厂中，最值得注意的是管理模式的选择对碳排放具有相当显著的影响。传统管理模式主要依赖人工监控和经验管理，在碳排放控制上相对粗放。《水务数智化升级如何修炼“万剑归宗”》一文中提到，“水务行业流程多样性强，人为参与度高，场景复杂多变，这使得依靠纯经验式运营实现精准控制成为一种奢望，因此“过度”运营在行业中成为了一种不得不做的“安全”选择，药剂“过投”与池体“过曝”极为普遍，这种系统冗余也是节能、降本、增效的空间所在。更何况，过度与高效在水务行业从来都不是正相关，很多时候过度运营会对运行效率、碳排控制与后段处理产生直接的负面影响。”
水厂数智化管理部署通过对全厂或者关键工艺段进行数智化升级，能够显著提高管理效率并降低水厂对环境影响。例如，污水处理厂通过溶解氧和有机负荷等关键参数，精确控制曝气系统，有效减少能耗及二氧化碳和甲烷排放。实现水厂数智化精细管理，需要从碳排放及其他核心痛点或者主要瓶颈出发，制定“分步实现”或者“一步到位”的数字运营落地方案与实现路线图。《工艺模拟在污水厂数字化升级中的应用：基本原理与技术趋势》一文中提到，“得益于机理模型强大的可解释性与易泛化性，工艺模拟技术的核心价值体现在可帮助水务运营人员打破信息孤岛，提高其对工艺运营状况的整体感知和细节洞见，并对潜在运营风险进行更为高效的预判与方案制定。”《如何通过智慧水务专家系统引领水务的数字化转型？》一文中提到，“专家系统的功能在于通过明确专家决策流程以及运营事件边界条件，实现运营事件可定义、状态可预测、异常可诊断、控制有逻辑、操作有依据等目标。”《水厂“自动驾驶”未来已来》一文中提到，“‘水厂智控大脑’产品以‘人机协同’的模式实现了‘智能值守’乃至‘自动驾驶’。” 从工艺模拟到专家决策系统再到自适应的智能控制，合理选择与水厂实际情况和运营目标相匹配的管理工具组合，才能最大化释放出数智化碳排放管理的核心价值。
参考文献：
Biswas, W. K., & Yek, P. (2016). Improving the carbon footprint of water treatment with Renewable Energy: A Western Australian Case Study. Renewables: Wind, Water, and Solar, 3(1). https://doi.org/10.1186/s40807-016-0036-2
Blanco, E. C., Martín, M., & Vega, P. (2023). Waste integration for sustainable operation of WWTP’s. Computer Aided Chemical Engineering, 1969–1974. https://doi.org/10.1016/b978-0-443-15274-0.50313-9
Bohra, V., Ahamad, K. U., Kela, A., Vaghela, G., Sharma, A., & Deka, B. J. (2022). Energy and resources recovery from Wastewater Treatment Systems. Clean Energy and Resource Recovery, 17–36. https://doi.org/10.1016/b978-0-323-90178-9.00007-x
Bolognesi, S., Cecconet, D., & Capodaglio, A. G. (2020). Agro-industrial wastewater treatment in Microbial Fuel Cells. Integrated Microbial Fuel Cells for Wastewater Treatment, 93–133. https://doi.org/10.1016/b978-0-12-817493-7.00005-9
Campos, J. L., Valenzuela-Heredia, D., Pedrouso, A., Val del Río, A., Belmonte, M., & Mosquera-Corral, A. (2016). Greenhouse gases emissions from wastewater treatment plants: Minimization, treatment, and prevention. Journal of Chemistry, 2016, 1–12. https://doi.org/10.1155/2016/3796352
Caniani, D., Caivano, M., Pascale, R., Bianco, G., Mancini, I. M., Masi, S., Mazzone, G., Firouzian, M., & Rosso, D. (2019). CO2 and n2o from Water Resource Recovery Facilities: Evaluation of emissions from biological treatment, settling, disinfection, and receiving water body. Science of The Total Environment, 648, 1130–1140. https://doi.org/10.1016/j.scitotenv.2018.08.150
Daneshgar, S., Amerlinck, Y., Amaral, A., De Mulder, C., Di Nisio, A., Bellandi, G., Gori, R., Caretti, C., Ducci, I., Rehman, U., Porro, J., Nopens, I., & Torfs, E. (2024). An innovative model-based protocol for minimisation of Greenhouse Gas (GHG) emissions in wrrfs. Chemical Engineering Journal,483, 148327. https://doi.org/10.1016/j.cej.2023.148327
Das, A., Kumawat, P. K., & Chaturvedi, N. D. (2021). A study to target energy consumption in wastewater treatment plant using machine learning algorithms. 31st European Symposium on Computer Aided Process Engineering, 1511–1516. https://doi.org/10.1016/b978-0-323-88506-5.50233-3
Faragò, M., Damgaard, A., Madsen, J. A., Andersen, J. K., Thornberg, D., Andersen, M. H., & Rygaard, M. (2021). From wastewater treatment to water resource recovery: Environmental and economic impacts of full-scale implementation. Water Research, 204, 117554. https://doi.org/10.1016/j.watres.2021.117554
Faragò, M., Damgaard, A., Rebsdorf, M., Nielsen, P. H., & Rygaard, M. (2022). Challenges in carbon footprint evaluations of state-of-the-art municipal wastewater resource recovery facilities. Journal of Environmental Management, 320, 115715. https://doi.org/10.1016/j.jenvman.2022.115715
Guven, H., Ersahin, M. E., & Ozgun, H. (2022). Energy self-sufficiency in wastewater treatment plants: Perspectives, challenges, and opportunities. Clean Energy and Resource Recovery, 105–122. https://doi.org/10.1016/b978-0-323-90178-9.00019-6
Hardisty, P. E., Sivapalan, M., & Humphries, R. (2013). Determining a sustainable and economically optimal wastewater treatment and discharge strategy. Journal of Environmental Management, 114, 285–292. https://doi.org/10.1016/j.jenvman.2012.10.019
Hofs, B., van den Broek, W., van Eckeveld, A., & van der Wal, A. (2022). Carbon footprint of drinking water over Treatment Plant Life Span (2025–2075) is probably dominated by construction phase. Cleaner Environmental Systems, 5, 100079.https://doi.org/10.1016/j.cesys.2022.100079
International Water Association. (2023). Greenhouse gas emissions and water resource recovery facilities. International Water Association. https://iwa-network.org/publications/greenhouse-gas-emissions-and-water-resource-recovery-facilities/
Karapanagioti, H. K. (2016). Water management, treatment and environmental impact. Encyclopedia of Food and Health, 453–457. https://doi.org/10.1016/b978-0-12-384947-2.00740-6
Liu, Z., Xu, Z., Zhu, X., Yin, L., Yin, Z., Li, X., & Zheng, W. (2024). Calculation of carbon emissions in wastewater treatment and its neutralization measures: A Review. Science of The Total Environment, 912, 169356. https://doi.org/10.1016/j.scitotenv.2023.169356
Maktabifard, M., Al-Hazmi, H. E., Szulc, P., Mousavizadegan, M., Xu, X., Zaborowska, E., Li, X., & Mąkinia, J. (2023). Net-zero carbon condition in wastewater treatment plants: A systematic review of mitigation strategies and challenges. Renewable and Sustainable Energy Reviews,185, 113638. https://doi.org/10.1016/j.rser.2023.113638
Naşcu, I., & Naşcu, I. (2016). Modelling and optimization of an activated sludge wastewater treatment process. Computer Aided Chemical Engineering, 1159–1164. https://doi.org/10.1016/b978-0-444-63428-3.50198-3
Wu, Z., Duan, H., Li, K., & Ye, L. (2022). A comprehensive carbon footprint analysis of different wastewater treatment plant configurations. Environmental Research, 214, 113818. https://doi.org/10.1016/j.envres.2022.113818
Yateh, M., Li, F., Tang, Y., Li, C., & Xu, B. (2024). Energy consumption and carbon emissions management in drinking water treatment plants: A systematic review. Journal of Cleaner Production, 437, 140688. https://doi.org/10.1016/j.jclepro.2024.140688
• E N D •
奥科环境是全球智慧水务领先技术方案集成商与全流程技术咨询服务提供商，承接各类流体仿真/机理模型/数据模型/混合模型的工程化应用项目，覆盖数据诊断、工艺建模、运营优化与自动控制等智慧水务全流程环节。凭借核心团队在系统建模、智能算法、智能物联网、数字孪生与水务运营的深度沉淀与长期积累，奥科环境在智慧水务领域拥有系统化产品布局与深厚人才储备。如您希望获得更多智慧水务与工艺建模相关资讯，敬请关注：
微信公众号：奥科环境数智加
微信视频号：奥科环境数智加
奥科环境数智加Bilibili主页：space.bilibili.com/3493144647699130
如您对水厂数字化升级整体方案或者工艺建模有相关需求，欢迎咨询客服：
客服 | 周先生
微信号：sumoservice | |
电话：13810730166 |
更多信息请参见：
奥科环境数智加
info@alclechina.com
+86 13810730166
长按二维码关注
