论文部分内容阅读
基于机械蒸汽再压缩(Mechanical Vapor Recompression,MVR)的钻井液污水处理装置以低温负压蒸发为核心,结合压滤、脱油、吸附等物理处理技术,解决了传统钻井液污水处理工艺(回收再利用法、固化法、生物处理法、蒸发浓缩处理法)难以适用于不同组分的钻井液污水、只能终端处理、成本高等工程问题,非常适合于目前我国钻井现场空间有限的的钻井液污水的处理。但目前装置存在以下问题:(1)辅助处理模块(曝气、破乳、压滤、活性炭吸附)无法检测处理效果;(2)由于钻井液污水的多样性,采用统一的处理流程会造成能耗的浪费、处理时间的增加。因此,论文开展对装置优化控制的研究。首先对曝气、破乳、压滤、活性炭吸附模块进行针对性实验研究,以此为基础对装置进行优化。研究发现:前处理阶段,当钻井液污水中溶解氧含量低于2.55mg/L时,需曝气处理20min分钟;在处理水基钻井液时不需要破乳模块投用;当钻井液污水悬浮物浓度高于20mg/L时,需要在进入MVR蒸发器前进入压滤机过滤处理。后处理阶段,当MVR蒸发器蒸发后的出水水质中COD含量大于188.2mg/L时,需脱油、活性炭吸附模块先后处理;当MVR蒸发器蒸发后的出水水质中COD含量小于188.2mg/L、大于《污水综合排放标准》(GB8978-1996)二级标准(120mg/L)时,只需活性炭吸附模块处理;当MVR蒸发器蒸发后的出水水质中COD含量小于120mg/L时,输送到水池。其次引入水质在线监测系统。通过对装置各阶段处理过程的机理分析,在钻井液污水处理过程中需要监测的水质参数为溶解氧、悬浮物、COD。由于COD含量检测时间较长,而且设备成本以及分析成本都比较昂贵,论文采用软测量模型对COD含量进行预测,以影响钻井液污水COD含量的主要水质参数溶解氧、悬浮物、浊度、pH含量为输入、COD含量为输出建立软测量预测模型,并仿真比较BP(Back Propagation)神经网络和改进BP神经网络-无迹卡尔曼神经网络预测模型,发现无迹卡尔曼神经网络预测模型预测相比BP神经网精度预测模型更高,预测误差10%左右,更符合COD测量的要求。仿真结果表明,无迹卡尔曼神经网络预测模型精度较高,能够实时预测钻井液污水中的COD含量,并与能够实时测定的溶解氧、悬浮物含量相结合,实现水质在线检测的实时性。最后对装置进行优化控制。在装置出水处安装一套集成溶解氧、悬浮物、浊度、pH水质在线检测仪,实现水质的实时在线检测;添加两通换向阀以及管道完成给水管网的并联优化,实现钻井液污水流向的多元化;由于装置存在能耗高、自动化程度低的问题,论文根据控制对象的物理特性以及工程实践经验建立模糊控制规则,控制曝气、压滤、脱油、活性炭吸附模块的启动和停止,通过调节MVR蒸发器平衡阀的开度调节蒸发温度,并在活性炭吸附模块子控制系统中采用负反馈闭环控制,实现装置在保证出水水质达标、稳定的基础上,降低能耗,减少运行成本。优化控制实验研究:装置处理采自合探1#钻井现场的钻井液污水,出水水质各水质参数指标均达到《污水综合排放标准》(GB8978-1996)二级标准;装置处理钻井液污水10小时,每小时能耗27.8kW.h,较之前期实验每小时能耗28.4kW.h,节省能耗每小时0.6kW.h。