污水管网入流入渗分析不同指标的关系及选择—智慧排水之乱弹（83）

小编按：入流入渗量化分析是排水管网诊断的重要工作之一。本文借助实际案例，探讨了各类水质指标的关系及选择方法，仅供参考借鉴。

0前言

排水管网的长距离诊断，类似于人类的体检。站在目标、难度以及收益的角度上，CCTV与QV的检测费用较高、无法连续跟踪监测，且无法定量计算管道缺陷修复后对水量控制及水质浓度的提高。目前常用的技术方法为基于生活污水的水质特征因子，运用物料守恒方法对污水管道的入渗水量进行定量与定位，然后对入渗量较大的局部管道进行检测与修复。

而对于水质特征因子的选择存在较大差异性：

n徐祖信等的研究中认为传统的用作水质特征因子的指标为氨氮、总氮等，氨氮在有氧环境中容易发生硝化反应，与总氮相比其稳定性较差；

n在O Kracht等与Bares V等的研究中发现COD在地表水中的浓度普遍较低，通过COD作为指示性指标可以量化管道入渗水量。

但是，这种单一的水质因子分析方法往往缺乏对比性，缺乏普遍适用性。需进行多指标数据统计的对比分析，确定研究区域客水入渗量。

1系统概况

1.1区域概况

研究区域位于北方某沿海地区，属温带季风气候，降雨量较少，2020年降雨日为59天，占比全年16%，降雨量1261mm，降雨天气主要集中在7月底至9月初。其中，小雨居多，占总降雨天数的66%；研究区域纳污范围为16.85Km²，区域内主要以居民区为主，无生产企业。

1.2本底数据分析

获得污水厂数据为2020年1月至12月污水厂的处理污水量、进水水质指标和出水水质指标数据。

（1）水量数据

监测点位所在污水干管下游入流污水厂为X水厂，统计2020年水厂水量数据与降雨数据趋势发现，非汛期时段场次降雨的发生会引起污水厂进水量数据的同步增高，体现了该区域一定程度的降雨入流现象。

（2）水质数据

目前已有水质数据为2020年水厂进水CODcr、BOD₅、TN、TP、氨氮等常规水质浓度。在常规污染物指标中，TN在各类水中浓度变化较为规律，稳定性也较高；氨氮浓度容易受水中有机氮分解的影响；COD指标虽然稳定性稍差，但其在污水和外来水中的浓度差异更加显著，且其与BOD₅的相关性一般来说属于最高的。污水厂进厂浓度各水质指标相关性如图所示。

BOD数据量较小，样本数量为16，皮尔逊曲线显示与COD的相关性可达到0.74，属强相关状态，显著性水平检验为0.014（＜0.05），因此COD与BOD相关，且结果可靠。

污水厂进水COD、BOD、TN、TP的相关性分析来看，COD&BOD、TN&TP相关性比较显著，可相互表征；由于，在常规水质指标中，电导率在线监测的成本低、鲁棒性强、耐用性强、数据稳定性较好，对外来水的识别灵敏度较高，且后期工程开展中比较容易实现在线监测。

因此，最终确定水质检测指标为COD、TN和电导率。当然，流量是必须要连续在线监测滴，以表征其水量变化情况。

1.3监测方案

研究区域污水管网共分为三个等级，污水一级干管为沿河污水主干管，污水二级干管为市政道路污水管道，污水三级干管为小区地块污水管道。为摸清研究区域本底现状，为后期管网诊断提供监测思路，本次监测方案仅针对污水一级干管，共布设在线监测点位3个，手持监测点位3个。监测设备采用Thwater流量计TWQ，数据采集频次为1min，数据可无线传输至网页端，支持随时下载数据。

同时，在流量监测点位的检查井处进行人工水质检测。为确定典型小区及客水浓度，选择研究区域附近不受地下水影响的小区市政污水管线接驳点和河道断面处布设人工采样点。

2入流入渗分析

污水管网入流入渗主要分为降雨引起的入流入渗（Rainfall-derived Infiltration and Inflow，，以下简称“RDII”）与旱天的入流入渗。降雨的入流主要表现为，污水管道流量随降雨的发生而出现增大现象，与降雨过程线具有较大的吻合性，通过在线监测的技术手段，可在物联网平台进行客观性判断，如图所示。

2.1方法确定

旱天的入流入渗位置和时间过于随机，且部分管道入渗过程缓慢，往往不易察觉，需要结合水质-流量数据进行物料守恒计算确定。

本次检测的A小区，经前期现场踏勘不存在地下水入渗，水质均值浓度COD为634.14mg/L、TN为118.79mg/L；河道断面水量丰富，水质均值浓度COD为45.14mg/L、TN为6.13mg/L。

2.2数据计算

监测点位的旱天水量基准流量应选择降雨结束48小时后且未受到降雨影响同时不少于连续7天的有效数据。人工水质采样同样选择不受降雨影响的旱天内，并且进行连续两天的水质检测。由于电导率数据在强/弱电解质中，随着物质浓度的升高具有先升高后降低的趋势，不适宜物料守恒浓度的计算。因此，基于已监测的COD、TN水质数据，利用公式计算各监测点所服务片区的外来水量，统计其与监测点旱天流量的比值作为旱天入流入渗率如下表。

表1 客水入流入渗率（以TN浓度作为客水入流入渗计算指标）

表2 客水入流入渗率（以COD浓度作为客水入渗计算指标）

3结果讨论

经计算用不同的指标计算，发现各点位入渗率均超过15%。同一监测点位的不同计算指标下入渗率偏差值较小，但仍存在一定差异性。为得到较为准确的计算结果，更好地指导工程开展，对水质指标进行对比分析，以各点位均值浓度为纵坐标，按照管道上下游关系设置横坐标点位，得到趋势图，发现TN与电导率波动趋势具有高度一致性。

在水质水量的联合计算分析中，水质指标稳定性同样关乎计算结果的准确性。对水质指标稳定性进行评估，统计各点位检测到的COD、TN、电导率变异系数（C.V）分别为14.56%、7.09%、8.29%。

因此，电导率与TN数据稳定性较好。监测结果选择TN为指标的客水入渗率作为研究区域工程开展的数据支撑，在线电导设备24小时时时监测，辅助进行决策。

其他入流入渗相关文章请参考：

1. 基于流量监测的入流入渗分析————智慧排水之乱弹（14）

2. 典型入流入渗监测分析—智慧排水之乱弹（28）
   

3. 污水管网雨天入流监测分析—智慧排水之乱弹（54）