气浮旋流器用于含油废水的优化与性能预测

《RSC Advances》：Optimization and performance prediction of air-flotation cyclones for oily wastewaterOpen Access

　　

在海上生产平台上处理重油废水仍具有挑战性，因为重油密度接近水，且分散液滴难以仅通过常规离心分离去除。为解决这一局限，本研究提出了一种耦合离心分离与溶气气浮的集成处理工艺，并开发了用于气浮旋流器的改进型Bloom–Heindel相互作用模型。该模型明确纳入了完整的气泡-液滴相互作用序列，包括在高剪切旋流离心场中的碰撞、附着和稳定-脱附。与忽略气泡-液滴微观相互作用且可能产生高达15%预测误差的常规模型相比，改进模型将现场实测的平均偏差降至1.2%。基于验证后的模型，研究人员进行了计算流体动力学（CFD）模拟，以分析速度、压力、湍动能和油相浓度分布。为降低重复多相模拟的计算成本，研究人员建立了一个反向传播（BP）神经网络，用于预测不同结构和操作参数下的分离效率。独立测试结果显示，皮尔逊相关系数大于0.99，均方误差为0.00223785，且超过95%的预测误差在±5%以内。研究人员进一步采用粒子群优化（PSO）来确定面向现场条件的最优设计。优化后的配置，包括6.4 mm溢流管直径和13°大锥角，实现了理论最大除油效率95.71%。该耦合物理建模、CFD模拟、神经网络预测和智能优化的框架，为海上平台紧凑型含油废水处理设备的改进提供了定量依据。

**论文解读：气浮旋流器用于含油废水的优化与性能预测**

**研究背景与问题**

海上平台产生的含油废水，尤其是重油开采过程中产生的废水，处理难度极大。重油密度接近水，与水的密度差小，导致常规水力旋流器（hydrocyclone）的离心驱动力不足，难以有效分离分散的细小油滴，分离效率有限。尽管已有研究尝试将离心分离与溶气气浮（dissolved air flotation）耦合，但现有模型未能充分描述高剪切旋流场中气泡与油滴之间的微观相互作用，包括碰撞、附着和稳定-脱附过程。此外，针对多参数优化的重复CFD（计算流体动力学，Computational Fluid Dynamics）模拟计算成本高昂，缺乏快速且物理验证的工程预测工具。因此，本研究旨在开发一种改进的气泡-油滴相互作用模型，结合CFD、神经网络（BP神经网络，Backpropagation Neural Network）和粒子群优化（PSO，Particle Swarm Optimization），以实现气浮旋流器性能的准确预测与结构优化。

**研究目的**

本研究的目标包括：第一，开发一种改进的气泡-油滴相互作用模型，用于描述旋流离心场中的碰撞、附着和稳定性；第二，利用CFD揭示气浮旋流器的流场特性与分离机理；第三，建立BP神经网络替代模型，用于快速预测油水分离效率；第四，采用粒子群优化（PSO）优化关键结构与操作参数，为设备改造提供现场指导。

**主要技术方法**

研究人员采用以下关键技术方法：首先，基于多相流动力学和界面化学理论，在传统Bloom–Heindel模型基础上进行改进，引入湍流诱导相对速度、离心浮力、Saffman升力、Magnus力和动态Bond数，构建了适用于高剪切旋流场的气泡-油滴相互作用模型。其次，采用ANSYS Workbench中的RNG k–ε湍流模型进行CFD数值模拟，通过用户自定义源项引入气泡-油滴碰撞、附着和稳定效应，并采用O型结构化网格（网格独立性测试后选用220万网格）以减少计算误差。然后，基于正交实验设计（L₂₇(3¹³)）生成的226组CFD数据，在MATLAB中建立BP神经网络预测模型，输入层包含10个节点（溢流管插入深度、溢流管直径、圆柱段长度、大锥角、小锥角、尾管直径、入口流量、气泡直径、油滴直径、入口油浓度），输出为分离效率。最后，采用粒子群优化（PSO）算法在面向现场条件下搜索最优参数组合。样本数据来源于中国H油田的现场测试，重油酸值为2.10 mg KOH/g，蜡含量12.32 wt%，树脂含量11.27 wt%，沥青质含量2.51 wt%，硫含量0.23 wt%，入口油浓度平均360 mg/L，中位油滴粒径50.37 μm。

**研究结果**

**4.1 流场特征**：CFD模拟显示，未曝气时油相浓度在壁面最低，在大锥和小锥过渡区最高；曝气后油相浓度分布更集中，由于气泡-油滴复合颗粒的形成降低了表观密度，增强了向心浮力，显著提升了分离效率。曝气后分离效率从5.01%提高至84.39%。

**4.2 溢流口位置影响**：当溢流口插入深度从圆柱段（0–25 mm）进入大锥段（50 mm）时，分离效率上升；当插入小锥段（75 mm）时，由于局部流场扰动导致油滴再分散，效率下降。

**4.3 溢流口直径影响**：直径从4.4 mm增大至5.4 mm时，分离效率从1.52%升至12.66%；继续增大至6.4 mm时，效率下降至2.52%，因为过小直径导致压头损失过大，过大直径则削弱油芯排出能力。

**4.4 圆柱段长度影响**：圆柱段长度从0.8D增至1.2D（D=47 mm），分离效率先升后稳，在42.5 mm（0.9D）后趋于稳定，表明该参数为非主导影响因子。

**4.5 锥角影响**：大锥角8°、13°、18°中，13°时分离效率最高；小锥角0.8°、0.9°、1.0°、1.1°中，1°时对20–60 μm油滴分离效果最佳。

**4.6 尾管直径与长度影响**：尾管直径从11 mm增至13 mm时，分离效率下降；尾管长度从290 mm增至640 mm时，效率先升后稳，442 mm为优化平衡点。

**4.7 流量影响**：入口流量从5.7 m³/h增至6.25 m³/h，对20–50 μm小油滴效率影响小；对100–200 μm大油滴，效率先升后降，临界流量约6.1 m³/h。

**4.8 粒径影响**：未曝气时，油滴粒径增大效率上升；曝气后，当气泡与油滴粒径匹配时（如均为50 μm），效率提升最显著；粒径差异越大，改善效果越弱。

**4.9 油浓度影响**：油浓度从200 mg/L增至1000 mg/L，效率先升后降，在750 mg/L附近达到峰值，过高浓度导致气泡-油滴复合物过载。

**BP神经网络优化**：基于正交实验数据训练的BP神经网络，独立测试集显示出皮尔逊相关系数>0.99，均方误差0.00223785，95%以上预测误差在±5%以内。采用粒子群优化（PSO）获得最优结构参数：溢流管直径6.4 mm、大锥角13°、溢流管插入深度0 mm、圆柱段长度47 mm、小锥角1°、尾管直径11 mm、长度440 mm、入口流量6.25 m³/h（对应油滴和气泡直径50 μm、油浓度360 mg/L）。优化后理论分离效率达95.71%，较曝气前（5.01%）和曝气后未优化（84.39%）分别提升90.7%和11.3%。CFD验证显示预测误差小于0.1%。

**讨论与结论**

研究人员讨论了工程适用性：溢流管直径和大锥角是现场改造中最可控的结构变量，它们共同决定中心油芯提取、径向加速度和气泡-油滴复合物的剪切稳定性。单因素分析无法捕捉参数间的非线性交互，而正交设计与BP神经网络有效表征了耦合效应。不确定性方面，空间离散化通过网格独立性测试控制，边界条件使用H油田现场实测数据，但未进行全概率不确定性量化。优化框架目前仅以除油效率为目标，未考虑压降、能耗和成本，未来需引入多目标优化。局限性包括：未考虑气泡和油滴变形、二次聚并和破碎；BP神经网络在训练范围外不宜外推；优化结果需物理原型和现场中试验证。

**结论部分翻译**：

(1) 研究人员开发了一种改进的Bloom–Heindel模型，用于描述高剪切气浮旋流器中气泡-液滴的碰撞、附着和稳定-脱附。通过引入湍流诱导相对速度、离心浮力、Saffman升力、Magnus力和动态Bond数，该模型将微观界面相互作用与宏观旋流行为联系起来。与忽略气泡-液滴相互作用且可能产生高达15%误差的常规模型相比，改进模型将现场实测的平均偏差降至1.2%。

(2) CFD分析揭示了气浮增强离心分离的流场机理。曝气促进了气泡-油滴复合颗粒的形成，降低了其表观密度，并增强了向溢流区域的向心迁移。这一机理解释了在定义的数值边界条件下曝气后分离效率显著提升的原因。

(3) 系统评估了结构和操作参数的影响。尽管油滴直径、气泡直径和入口流量强烈影响分离性能，但现场改造中最可控的结构参数是溢流管直径和大锥角。这两个参数共同决定了中心油芯提取、径向加速度以及气泡-油滴复合物的剪切稳定性。

(4) 研究人员利用基于CFD的正交模拟数据建立了BP神经网络替代模型。该模型实现了皮尔逊相关系数大于0.99，测试集均方误差为0.00223785，且超过95%的预测误差在±5%以内。基于该替代模型，粒子群优化（PSO）确定了面向现场的最优配置，即6.4 mm溢流管直径和13°大锥角，实现了理论最大分离效率95.71%。

(5) 当前优化仍是一个以除油效率为目标的单目标框架。因此，优化后的效率应解释为理论预测，而非直接的现场保证。未来研究应开展物理原型和中试测试，纳入气泡聚并与破碎，考虑表面活性剂和化学添加剂的影响，并开发平衡分离效率、压降、能耗和全生命周期成本的多目标优化模型。