Optimizing the Disinfection Inactivation Efficiency in Wastewater Treatment: A Computational Fluid Dynamics Investigation of a Full‐Scale Ozonation Contactor

Abstract

The inactivation kinetics of total coliforms to increase the pathogenic removal efficiency in a full‐scale ozonation contactor in a wastewater treatment plant in Algeria is investigated. An enhanced ozone contactor design is proposed and 3D multiphase computational fluid dynamics simulations were conducted to optimize the operating parameters, including flow rates, ozone concentrations considering the treatment performance, and total operating cost. The existing design has several limitations, including poor mass‐transfer efficiency and uneven distribution of dissolved ozone. To address these issues, the optimized design includes new injection‐point settings and an increased number of diffusers. The optimized design achieved a significant improvement in mass transfer efficiency. The ozone treatment effectively reduced the total coliform counts in the wastewater samples compared to the existing design. The Chick‐Watson model predicted inactivation kinetics, with a reduction of up to 99.997 %. The practical implications of this research can significantly improve the inactivation kinetics of ozone treatments.

Comparing the Performance of Machine Learning and Deep Learning Algorithms in Wastewater Treatment Process

“…[2][3][4] 수치해석 모델(예시: 전산유체역학 프로그램)은 이러한 다양한 단위 공정들로부터 효율적인 폐수처리 공정을 설계하 고 처리 목표에 적합한 최적의 운전 조건을 도출하기 위해서 활용될 수 있으며, 다만 유입 부하의 변동과 더불어 폐수처리 공정의 복잡성 및 비선형성의 특성으로 인하여 모든 공정 메 커니즘의 모의 및 해석에는 다소 한계가 있는 것으로 평가되 고 있다. [5][6][7][8] 한편, 최근 인공지능 기반의 기계학습 및 심층학습 알고리 즘은 입력 및 출력 데이터의 복잡하고 비선형적인 관계의 학 습을 통해 예측 성능이 우수한 모델 개발이 가능한 것으로 알려져 있다. 9),10) 예를 들면, Wang 등…”