Processing math: 100%
2023 Volume 17 Issue 3
Article Contents
Abstract
1.   CFD模拟和运行参数敏感性分析
2.   燃用高热值垃圾工况的运行优化
3.   结论
References
Previous Article Next Article

ZHAO Fuwang, LU Qingxuan, YU Wenzheng, LIU Minmin. Gravity-driven filtration system based on wood membrane coupled with polymer membrane strengthening heavy metal removal from source water: insight of performance and mechanism[J]. Chinese Journal of Environmental Engineering, 2023, 17(3): 806-816. doi: 10.12030/j.cjee.202211018
Citation: ZHAO Fuwang, LU Qingxuan, YU Wenzheng, LIU Minmin. Gravity-driven filtration system based on wood membrane coupled with polymer membrane strengthening heavy metal removal from source water: insight of performance and mechanism[J]. Chinese Journal of Environmental Engineering, 2023, 17(3): 806-816. doi: 10.12030/j.cjee.202211018
shu

Gravity-driven filtration system based on wood membrane coupled with polymer membrane strengthening heavy metal removal from source water: insight of performance and mechanism

  • 1.

    School of Energy and Environment, Zhongyuan University of Technology, Zhengzhou 451191, China

  • 2.

    Key Laboratory of Drinking Water Science and Technology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China

  • Corresponding author: LIU Minmin, mmliu@rcees.ac.cn
  • Received Date: 03/11/2022
    Available Online: 10/03/2023
  • Gravity-driven membrane filtration system (GDM) with polymer membrane has a disadvantage of low efficiency of heavy metals removal from water. To address this problem, it is coupled with wood membrane (WM) to promote heavy metal removal in an environmentally friendly and low-cost way. In this study, we compared two microfiltration-based GDM systems, one was the wood membrane coupled with polymeric microfiltration (MF) membrane (GDM1), and the other was polymeric microfiltration membrane (GDM2) only. Their removal of heavy metals from water was compared and the underlying mechanism was further investigated. The results showed that, compared with GDM2, the GDM1 system with wood membrane had a thinner biofilm thickness with more sparse reticular structures on the microfiltration membrane (GDM1-MF). Thus, GDM1 system exhibited a lower membrane resistance and a higher stable flux. During the stable operation stage, the GDM1 system decreased 67%, 43% and 59% of Fe, Mn and Cu in water, respectively, which were much better than GDM2 system (64%, 15% and 36%, respectively). This is because the coupling of wood membrane increased the protein content as well as —OH and —COOH groups of the extracellular polymer (EPS) in the biofilm, which contributed to more heavy metal retention in the GDM1 system. In addition, the presence of more manganese-oxidizing bacteria, Acidobacteria phylum and Flavobacter spp. in GDM1-MF promoted the removal of Mn and Cu. This study provides a new insight into the removal of heavy metals in water by GDM system, which is of great significance to promote the application of GDM system in treating heavy metal contaminated water.

  • 垃圾焚烧发电是生活垃圾资源化利用的重要手段。为了提高垃圾的资源化利用效率，我国于2017年发布了《生活垃圾分类制度实施方案》[1]，强化城市生活垃圾分类收集与处置。截至2020年，我国垃圾焚烧处理量占总生活垃圾处理量的比例已达到62.3%[2]。同时，生活垃圾的热值显著提高，可达8 790~13 810 kJ·kg−1[3]，远超过当前运行的炉排式垃圾焚烧炉的设计基准热值(约为6 000 kJ·kg−1)[4]。燃用高热值垃圾后，焚烧炉普遍出现着火位置靠前，进料口附近温度升高，炉内受热面超温腐蚀等技术问题[5]，制约了焚烧炉的稳定运行。因此，焚烧炉的运行参数势必要进行优化调整。

    为适应垃圾热值的提高，工程项目常采用调整炉膛送风参数(送风温度、过量空气系数、各段炉排配风比例)和垃圾停留时间等手段。已有大量文献报道计算流体力学(CFD)方法在这一方面的应用。YAN等[6]研究发现，增加一次风温度，水分蒸发和脱挥发分速率加快，炉内温度水平提高。方海林[7]研究发现，过量空气系数的增大会导致第一烟道内的烟气温度下降且分布更为均匀。王占磊[8]研究发现，当垃圾热值较高时，将干燥段/燃烧段的风量配比从35%/45%调整为30%/50%，可防止喉部出口处出现超温。但是，现有研究主要考虑单一运行参数的影响，未考虑多种参数的相互影响和协同作用。在炉排式垃圾焚烧炉的设计和运行中，由于各工艺参数的影响程度不一，其调整往往基于现场经验。若采用工程领域广泛采用的敏感性分析方法[9-10]，基于大量可靠的CFD模拟数据，评估诸多工艺参数对炉内垃圾焚烧的影响，则有望找到更有效的调整方案。

    目前，广泛采用的 “FLIC+FLUENT”迭代模拟方法人为分割炉排燃烧与炉膛燃烧，忽略两者之间的实时动态耦合特性，导致计算成本高，模拟精度也有局限性，难以全面地评估各工艺参数对焚烧过程的影响[11-14]。单朋等[15]和夏梓洪等[16]提出了适用于工程化垃圾焚烧模拟的CFD模型，实现了炉排-炉膛的直接实时耦合，能够快速评估炉膛结构和工艺参数改变对床层燃烧的影响。本研究拟采用该模型对某1 000 t·d−1的炉排式焚烧炉燃用高热值垃圾的运行工况进行优化分析，验证炉膛燃烧的调节规律，以明确适应高热值垃圾燃烧运行参数的调整方案。

    1.   CFD模拟和运行参数敏感性分析

    1.1   模拟计算原理

    本研究采用的工程化垃圾焚烧炉CFD模型将焚烧炉划分为炉排床层和炉膛2个计算域。在床层计算域内，利用颗粒动理学 (KTGF)来描述固相颗粒的流变性质，模拟颗粒相的压力和粘性[17]，构建了气固两相的传递-反应模型。在床层上方的炉膛计算域内，采用有限速率/涡耗散模型描述高温烟气的湍流燃烧过程。2区域统一采用P1模型模拟炉内气固两相的辐射热流分布。在已知炉排和炉膛几何边界条件、垃圾处理量、初始床高、垃圾物性和配风参数等输入参数的条件下，该CFD模型能够根据计算域变化自动切换气固两相或气相模型，从而获得床层内气固相温度、成分和碳转化率分布，以及炉膛内气相流场、温度场和组分分布。模型的构建原理与求解过程概括如图1，详细的控制方程和子模型介绍见参考文献[16-17]。

    图 1  炉排式垃圾焚烧炉CFD模型构建和计算原理
    Figure 1.  CFD model construction and calculation principle of moving-grate waste incinerators
    下载: 全尺寸图片 幻灯片

    在垃圾焚烧过程中，本模型主要考虑水分蒸发、挥发分释放、挥发分燃烧和焦炭氧化4个子过程。水分蒸发速率用式(1)和式(2)计算。

    Revap=DH2OSh(Cw,s−Cw,g)/ds,Ts<100∘C (1)
    Revap=(Ts−Tevap)ρwcp,w/HevapΔt,Ts≥100∘C (2)

    式中：Revap为水分蒸发速率，kmol·(m3·s)−1；DH2O为水分扩散系数；ds为颗粒直径，m；Sh为舍伍德数；Cw,s为固相状态下饱和水蒸气密度，kg·m−3；Cw,g为气相中的水蒸气密度，kg·m−3；Ts为颗粒温度，K；Tevap为蒸发温度，K；ρw为固相密度，kg·m−3；cp,w为固相中颗粒的比热容，J·(kg·K)−1；Hevap为水的气化潜热，J·kmol−1；Δt为计算时间步长，s。

    挥发分释放速率用式(3)计算[18]。

    Rdevol=3 000exp(−69 000RTs)ρsYvol (3)

    式中：Rdevol为挥发分析出速率，kmol·(m3·s)−1；R为通用气体常数，8.314 5 J·(K·mol)−1；Yvol为床层中挥发分质量分数。挥发分释放的组分包括CmHn、CO2和H2O。其中，m、n的值根据垃圾的C、H、O组成计算求得。

    挥发分 (CmHn、CO)燃烧速率用式(4)和式(5)计算[19-20]。

    R(CmHn)=2.345×1012×exp(−1.7×105RTg)×C0.5CmHn×CO2 (4)
    R(CO)=2.239×1012×exp(−1.7×105RTg)×CCO×C0.25O2×C0.5H2O (5)

    式中：R(CmHn)、R(CO)分别为CmHn和CO的燃烧速率，kmol·(m3·s)−1；Tg为气相温度，K；c(CmHn)、c(CO)、c(O2)和c(H2O)分别为CmHn、CO、O2和H2O对应的气体浓度，kmol·m−3。

    焦炭燃烧速率采用式(6)计算[21]。

    Rchar=p(O2)/p(O2)(1kd+1kr)(1kd+1kr) (6)

    式中：Rchar为焦炭的燃烧速率，kmol·(m3·s)−1；p(O2)为氧气的分压，Pa；kd=ψShwcDO2/RTgds，为扩散速率；ψ为化学计量数；wc为碳分子量；kr=0.871×exp(−20 000/1.987/Ts)，为化学反应动力学速率。

    1.2   模拟对象

    敏感性分析选取750 t·d−1处理量的炉排式垃圾焚烧炉为模拟对象，其结构简图如图2所示。针对该焚烧炉的模拟分析和可靠性验证见文献[15-17]，本研究以文献[15]提供的运行参数和垃圾成分作为基准工况，基准垃圾低位热值为7 115 kJ·kg−1。

    图 2  750 t·d−1焚烧炉的结构示意图[15]
    Figure 2.  Schematic diagram of 750 t·d−1 incinerator
    下载: 全尺寸图片 幻灯片

    1.3   计算网格和边界条件

    计算采用二维CFD模型模拟750 t·d−1焚烧炉喉部以下的床层和炉膛气固两相燃烧过程，以便快捷地为后续敏感性分析提供充分的数据库。网格划分如图3所示，计算域网格全部为四边形，使用加密网格对模拟计算结果无影响。

    图 3  喉部以下炉膛二维网格划分示意图
    Figure 3.  Two-dimensional grid partition diagram below the throat
    下载: 全尺寸图片 幻灯片

    边界条件具体设置如下：设置炉排一次风入口为速度入口；喉部出口为质量流出边界，内部发射率为0.5，出口等效黑体温度设置为1 000 K，以替代二次风对床层燃烧的影响。前后拱和灰斗均设置为绝热壁面，气相边界和固相边界分别设置为无滑移和部分滑移，近壁面采用标准壁面函数。垃圾入口用速度入口边界，进料速度与炉排运动速度相同，垃圾入口高度 (H) 由垃圾处理量、垃圾停留时间和炉排尺寸共同决定，计算公式为：H=[(垃圾日处理量×停留时间/24)/堆密度]/炉排面积。

    离散格式：组分、速度、湍流和温度(能量方程)的计算采用二阶离散格式，气固相的体积分数采用QUICK格式，模拟采用PC-SIMPLE算法求解压力-速度耦合方程。计算时间步长为1 s，计算物理时间为1.75 h (即6 300 s)，单个工况在16 CPU工作站上的计算耗时约3 h。

    1.4   运行参数敏感性分析

    垃圾燃烧过程受多个运行参数影响，主要包括炉膛送风参数 (一次风温度T、干燥段风量占比A和过量空气系数α) 和垃圾停留时间t等。本研究采用Morris方法开展敏感性分析，确定不同运行参数对炉膛最高火焰温度和着火点位置的影响程度。Morris法也称基本效应法，是一种应用广泛的全局性敏感性分析法 [10]。根据垃圾焚烧炉运行的相关经验，已知一次风温度、过量空气系数、干燥段风量占比和垃圾停留时间等4个参数的变化范围如表1示。本研究采用4轨道，5水平抽样，得到20组运行参数的抽样样本，具体抽样样本见表2。然后将各组运行参数作为输入条件，分别进行CFD模拟计算，对模拟结果处理提取炉膛最高火焰温度Tmax和着火点位置LIg(床层表面气相温度首次跃升的点)2组参数作为样本输出值，然后由式(7)和式(8)轮流计算4种运行参数对样本输出值的“基本影响”(elementary effect, EE) [10]。

    表 1  焚烧炉运行参数的变化范围
    Table 1.  Variation ranges of incinerator’s operating parameters
    考察参数符号量纲范围
    一次风温度TKT~U(423,483)
    过量空气系数α—α~U(1.35,1.75)
    干燥段风量占比A—A~U(0.1,0.3)
    垃圾停留时间tht~U(1.5,2)
     | Show Table
    DownLoad: CSV
    表 2  焚烧炉运行参数的抽样样本
    Table 2.  Samples of incinerator’s operating parameters
    样本轨道1轨道2轨道3轨道4
    1(438,1.55,0.2,1.75)(468,1.75,0.3,1.75)(453,1.65,0.2,2)(453,1.55,0.15,1.75)
    2(453,1.55,0.2,1.75)(483,1.75,0.3,1.75)(453,1.55,0.2,2)(453,1.55,0.1,1.75)
    3(453,1.55,0.25,1.75)(483,1.75,0.3,1.625)(453,1.55,0.15,2)(453,1.45,0.1,1.75)
    4(453,1.45,0.25,1.75)(483,1.65,0.3,1.625)(468,1.55,0.15,2)(438,1.45,0.1,1.75)
    5(453,1.45,0.25,1.625)(483,1.65,0.25,1.625)(468,1.55,0.15,1.875)(438,1.45,0.1,1.875)
     | Show Table
    DownLoad: CSV
    EETmax=(Timax,j+1−Timax,j)/Δ (7)
    EELig=(Liig,j+1−Liig,j)/Δ (8)

    其中：i代表轨道1~4；j代表样本1~4；△为参数的变化率。

    限于篇幅，本节只展示轨道1中样本1的炉膛气相温度分布，如图4所示。轨道1各样本工况床层表面气相温度分布及各工况的着火位置示意如图5所示。所有轨道的汇总模拟计算结果如表3和表4所示。

    图 4  样本1的炉膛气相温度分布
    Figure 4.  Gas temperature distribution of incinerator of sample 1
    下载: 全尺寸图片 幻灯片
    图 5  各样本床层表面气相温度分布
    Figure 5.  Gas temperature distribution on the bed surface of 5 samples
    下载: 全尺寸图片 幻灯片
    表 3  下炉膛火焰最高温度
    Table 3.  Maximum flame temperatures of lower furnace
    样本下炉膛最高温度/K
    轨道1轨道2轨道3轨道4
    11 4561 5001 5241 461
    21 5651 4831 5001 459
    31 5461 4501 5301 428
    41 5481 4801 5321 396
    51 4931 5021 4711 458
     | Show Table
    DownLoad: CSV
    表 4  床层垃圾着火点位置
    Table 4.  Ignition locations on wastes bed
    样本着火点位置/m
    轨道1轨道2轨道3轨道4
    13.763.243.054.38
    23.353.353.165.19
    33.143.993.215.07
    43.243.443.595.65
    53.563.564.675.48
     | Show Table
    DownLoad: CSV

    最后，由式(9)和式(10)分别计算各参数“基本影响”的均值μ和标准差σ，然后进行敏感性分析。

    μk=4∑i=1EEk,i/4 (9)
    σk=√4∑i=1(EEk,i−μk)2/4 (10)

    式中：k代表4种运行参数 (T，α，A，t) ；i代表轨道1~4。

    式(9)和式(10)中，均值μ表示输入变量对输出值影响的强弱，均值越大，代表对应的参数变量敏感性越强；标准差σ表示输入变量间相互作用的强弱，标准差越大，代表该参数影响模型输出值时与其他参数之间的相互作用越强。利用抽样样本(表2)和模拟结果(表3~表4)分别计算炉膛最高火焰温度、垃圾着火点位置对一次风温度、过量空气系数、干燥段风量占比、垃圾停留时间的Morris敏感性指标μ和标准差σ，结果如图6所示。

    图 6  炉膛最高火焰温度和着火点位置的敏感性指标
    Figure 6.  Sensitivity analysis results on maximum gas temperature and ignition location
    下载: 全尺寸图片 幻灯片

    从图6 (a) 可看出，4种参数的敏感性指标大小的排序为：垃圾停留时间＞一次风温度＞干燥段风量占比＞过量空气系数。这说明，在4种运行参数中垃圾停留时间和一次风温度对炉内火焰温度影响较大。从图6 (b) 可看出，对垃圾着火点位置影响程度大小的排序：垃圾停留时间＞干燥段风量配比＞一次风温度＞过量空气系数。这说明，垃圾停留时间同样是灵敏度最大的参数。同时，一次风温度和垃圾停留时间的标准差较大，说明其在影响炉内火焰温度和垃圾着火点位置的同时，与其他参数存在较强的相互作用。

    2.   燃用高热值垃圾工况的运行优化

    2.1   模拟对象

    本节考察处理量1 000 t·d−1的炉排式垃圾焚烧炉，其结构示意如图7。此炉型炉排为一段式炉排 (长9.8 m×宽17.71 m)。炉排下方布置有4个风室，配风比例为0.1∶0.4∶0.4∶0.1。在基准热值垃圾燃烧工况下，一次风温度418 K，二次风温度293 K，过量空气系数1.55，一、二次风比例0.78∶0.22，垃圾停留时间1.75 h。

    图 7  1 000 t·d−1焚烧炉结构的三维网格和二维网格
    Figure 7.  Schematic diagram of the structure and meshes of 1 000 t·d−1 incinerator
    下载: 全尺寸图片 幻灯片

    该炉型的后拱较低，与前拱存在高度差，有利于引导高温烟气流向前拱区域，强化垃圾的干燥。但是，在燃用高热值垃圾时，焚烧炉易出现着火位置靠前、进料口附近温度偏高的问题。本研究重点考察其在高热值垃圾燃烧条件下的运行优化。

    模拟计算选取水分和挥发分差异明显的2种城市生活垃圾，比较垃圾热值的变化对炉内燃烧状况的影响。其中，基准热值垃圾的组成为某公司提供的设计基准垃圾，低位发热量为7 953 kJ·kg−1；高热值垃圾的组成引自文献[22]，与基准热值相比，高热值垃圾中水分含量仅为14.7%，可燃分显著增加，低位发热量达到11 183 kJ·kg−1。2种垃圾的元素分析和工业分析分别列于表5和表6。

    表 5  2种垃圾的元素分析
    Table 5.  Ultimate analysis of two MSWs %
    成分基准热值垃圾高热值垃圾
    Cdaf57.0252.32
    Hdaf8.586.57
    Odaf31.6938.26
    Ndaf1.421.75
    St,d0.040.08
    Cldaf1.230.97
     | Show Table
    DownLoad: CSV
    表 6  2种垃圾的工业分析
    Table 6.  Proximate analysis of two MSWs %
    成分基准热值垃圾高热值垃圾
    Mar43.414.7
    Var28.150
    FCar8.57.7
    Aar2027.6
    　　注: daf为干燥无灰基，ar为收到基，d为干燥基。
     | Show Table
    DownLoad: CSV

    计算网格划分如图7所示。其中，二维模型网格数8 093，三维模型网格数为3.45×106。边界条件设置基本与1.3小节中相同。模拟计算分为二维床层瞬态燃烧计算和三维炉膛气相稳态燃烧计算，详细见参考文献[16]。

    2.2   不同燃烧工况的模拟与比较

    图8显示了2种热值垃圾燃烧工况下的床层内部固相温度分布。床层上部温度普遍高于底部温度，这说明床层中反应过程是由上往下逐渐扩散进行的。在高热值垃圾工况下，床层内固相温度明显升高，高温位置前移，说明垃圾的着火位置大幅提前。

    图 8  2种热值垃圾工况床层固相温度分布
    Figure 8.  Solid temperature distributions in waste beds of two MSWs
    下载: 全尺寸图片 幻灯片

    图9显示了2种热值垃圾工况下的炉膛中心截面气相温度分布。与基准热值垃圾工况比较，高热值垃圾的高温燃烧区位置靠前，前拱与炉排之间区域的温度明显升高，易造成进料口发生回火现象。另外，烟道内的高温区域面积明显增大，前墙(进料侧)向火侧附近温度较高，易造成壁面的结焦腐蚀。这是因为，垃圾着火点位置前移，导致向上流动的高温烟气向前墙偏移，不利于其与后墙二次风充分的混合燃烧，造成烟道内温度分布不均匀。

    图 9  2种热值垃圾工况炉内气相温度分布
    Figure 9.  Gas temperature distributions in the incinerator of two MSWs
    下载: 全尺寸图片 幻灯片

    1) 送风参数及垃圾停留时间优化。针对焚烧炉在燃用高热值垃圾出现的着火位置太过靠前的问题，由敏感性分析结论推断，应首先对垃圾停留时间进行调整，同时还可对干燥段风量占比和一次风温度进行调整，从而改变垃圾着火点位置。工况1为燃用高热值垃圾时沿用基准垃圾的运行条件，在工况1的基础上，对垃圾停留时间、各段炉排配风比例和一次风温度进行调整，分别得到工况2 (工况1+停留时间1 h)、工况3 (工况2+一次风温度降低50 K)和工况4 (工况2+改变炉排配风比)，具体运行参数如表7所示。

    表 7  工况1~4的运行参数
    Table 7.  Operating parameters of cases 1~4
    工况垃圾停留时间/h各段炉排配风比例一次风温度/K
    11.750.1∶0.4∶0.4∶0.1418
    210.1∶0.4∶0.4∶0.1418
    310.1∶0.4∶0.4∶0.1368
    410.1∶0.2∶0.5∶0.2418
     | Show Table
    DownLoad: CSV

    图10比较了工况1~4的床层表面温度分布，并与基准热值垃圾工况(实线)进行比较。缩短停留时间至1 h后 (工况2)高温燃烧区位置明显后移，分布在炉排的1.6~6.2 m处，燃烧区更为分散，床层表面最高温度降低。这说明，缩短垃圾停留时间能显著延迟垃圾着火的位置，使燃烧区后移。同时，降低一次风温度50 K (工况3)对垃圾着火位置影响较小，但床层表面最高温度降低，燃烧区范围增大，分布在炉排的1.6~6.5 m处。改变一次风配风比例后 (工况4)垃圾着火位置后移，高温燃烧区分布在炉排的2.2~6.1 m，燃烧区位置较为接近基准垃圾工况。改变配风参数和停留时间后垃圾燃烧特性与前述的敏感性分析结论一致。此外，在缩短垃圾停留时间的同时，减少炉排前半段配风比例对垃圾着火点位置的影响更为明显，这说明各参数的影响相互叠加。若同步与降低一次风温度，可以有效降低炉膛火焰温度。

    图 10  不同计算工况的床层表面温度分布
    Figure 10.  Temperature distributions on bed surface for different cases
    下载: 全尺寸图片 幻灯片

    图11表示各工况的炉膛中心截面温度分布。工况2的高温燃烧区整体后移，且相对基准工况1更为分散，一烟道内温度分布较为均匀。工况3与工况2的炉内温度分布相近，结合图10可看出，在高热值垃圾工况下，一次风温度由418 K降至368 K，对整体炉内的燃烧影响较小。比较工况4和工况2可知，高温燃烧区更为靠后，且较为集中，烟道内的高温区域减小。比较工况4和工况3可知，工况4中烟道内的高温区域面积较小，高温贴墙现象得到改善。

    图 11  工况1~4炉内气相温度分布
    Figure 11.  Gas temperature distributions in the incinerator for cases 1~4
    下载: 全尺寸图片 幻灯片

    表8列出了4种工况的第1烟道内前侧壁面附近平均温度、烟气停留时间和出口氧量的体积分数。从表8可知，4种工况的第1烟道出口氧量的体积分数均满足《生活就焚烧污染控制标准(GB18485-2014)》[23]中不低于6%的要求，且烟气停留时间均超过2 s。工况4的前墙壁面附近温度最低，相对于工况1，平均温度下降了93 K，且烟气停留时间适中，达到2.48 s，是4个工况中的较优工况。

    表 8  工况1~4的第1烟道烟气性质模拟结果
    Table 8.  Computational results of the first flue conduit for cases 1~4
    考察项目工况1工况2工况3工况4
    距离一烟道前侧壁面0.1 m处截面平均温度/K1 2901 2211 2171 197
    烟气停留时间/s2.572.322.332.48
    烟道出口O2体积分数/%6.346.06.166.35
     | Show Table
    DownLoad: CSV

    图12比较了4种工况下床层内固体质量分数分布。由图12可知，缩短垃圾停留时间可使水分蒸发速率减慢，推迟水分蒸发和挥发分的释放与燃烧，进而使垃圾着火点位置后移，工况2至工况4均未出现基准工况的“断烧现象”，说明燃烧位置较为合理。

    图 12  工况1~4床层固体中水分、挥发分和焦炭的质量分数
    Figure 12.  Mass fractions of moisture, volatile and char in bed for cases 1~4
    下载: 全尺寸图片 幻灯片

    图13显示了工况4中炉膛中心截面的速度矢量分布。从图13中可知，高热值垃圾工况中，由于送风量的增加以及入射角度下倾，后墙二次风的流速增大，造成部分高温烟气在二次风的影响下流向前拱与炉排之间的区域，形成回流，造成此区域温度偏高(见图11)。此现象易造成着火位置提前。

    图 13  工况4的炉内速度矢量分布
    Figure 13.  Velocity vectors distribution in the incinerator for case 4
    下载: 全尺寸图片 幻灯片

    2) 后墙二次风角度优化。为解决工况4中高温烟气在前拱与炉排之间区域产生回流的问题，现对后墙二次风的入射角进行调整，将后墙二次风入射角由下倾23°调整至水平 (工况5)。图14比较了工况4和工况5的炉内温度分布。可以看出，喉部附近的温度偏移得到纠正，烟道内温度分布趋于均匀。

    图 14  后墙二次风入射角下倾23°和水平工况的炉内气相温度分布
    Figure 14.  Gas temperature contours in the incinerator with different angles of secondary air jets from rear wall
    下载: 全尺寸图片 幻灯片

    图15显示了工况4和工况5的下部炉膛中心截面的速度矢量分布。从图15中明显看出，前拱与炉排之间区域的高温烟气回流现象在工况5中消失。分析其可能的原因是，后墙二次风入射角的减小，使二次风与高温烟气的混合位置上移，喉口流通面积收缩，导致高温烟气流速增大，流向不易受到二次风的干扰。

    图 15  后墙二次风入射角下倾23°和水平工况的炉内速度矢量分布
    Figure 15.  Velocity vector distributions with different angles of secondary air jets from rear wall
    下载: 全尺寸图片 幻灯片

    图16显示了工况5烟道内不同水平截面(各截面与进料口的垂直高度分别为6 、9 、12、15 和18 m)的平均温度变化曲线，从计算结果可得，工况5的第一烟道出口气相组分中φ(O2)和φ(CO)分别为6.81%、1.01×10−6，烟气停留时间为2.29 s。结合图16可知，烟道内温度从1 422 K降至1 160 K，各截面的温度均高于1 123 K，烟气停留时间为2.29 s，符合850 ℃大于2 s的要求。且一烟道出口φ(O2)不低于6%，φ(CO)不高于8.0×10−5。因此，合理调整二次风的入射角有利于对高热值垃圾的燃烧过程调控。

    图 16  工况5一烟道内不同截面温度变化曲线
    Figure 16.  Temperature profile at different sections in first flue conduit for case 5
    下载: 全尺寸图片 幻灯片

    3.   结论

    1) 在一次风温度、过量空气系数、干燥段配风比例和垃圾停留时间4种运行参数中，垃圾停留时间对炉排上垃圾的着火点位置影响最大，是最重要的控制参数。

    2) 同时缩短垃圾停留时间至1 h和降低第二段炉排配风比例为0.2可使着火点位置从炉排1 m延后至2.2 m处，使烟道前侧壁面附近温度相对基准工况降低93 K，缓解壁面结焦风险。与降低一次风温度比较，改变配风比例更为有效，烟道内高温贴墙得到改善。

    3) 进一步调整后墙二次风入射角至水平，可使进料口壁面附近温度显著降低，且前墙烟道内温度和出口气体体积分数均满足国家排放标准，该运行参数调整方案更为适应高热值垃圾的燃烧。

  • [1] ZHAO C, ZHANG X, FANG X, et al. Characterization of drinking groundwater quality in rural areas of Inner Mongolia and assessment of human health risks[J]. Ecotoxicology and Environmental Safety, 2022, 234: 113360. doi: 10.1016/j.ecoenv.2022.113360

    CrossRef Google Scholar Pub Med

    [2] 何清波. 六盘水市双桥水库锰超标原因分析及处理措施[J]. 河南科技, 2019(34): 87-89. doi: 10.3969/j.issn.1003-5168.2019.34.030

    CrossRef Google Scholar Pub Med

    [3] 刘昌文. 遵义水泊渡库区饮用水源锰超标原因分析及对策措施[J]. 环境与发展, 2018, 30(9): 20-21. doi: 10.16647/j.cnki.cn15-1369/X.2018.09.011

    CrossRef Google Scholar Pub Med

    [4] TAKEDA A. Manganese action in brain function[J]. Brain Research Reviews, 2003, 41(1): 79-87. doi: 10.1016/S0165-0173(02)00234-5

    CrossRef Google Scholar Pub Med

    [5] ISMAEL M, MOKHTAR A, ADIL H, et al. Appraisal of heavy metals exposure risks via water pathway by using a combination pollution indices approaches, and the associated potential health hazards on population, Red Sea State, Sudan[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2022, 127: 103153. doi: 10.1016/j.pce.2022.103153

    CrossRef Google Scholar Pub Med

    [6] PRONK W, DING A, MORGENROTH E, et al. Gravity-driven membrane filtration for water and wastewater treatment: A review[J]. Water Research, 2019, 149: 553-565. doi: 10.1016/j.watres.2018.11.062

    CrossRef Google Scholar Pub Med

    [7] LEE D, YOON T, LEE B H, et al. Can prechlorination improve the permeate flux and water quality of gravity-driven membrane (GDM) filtration?[J]. Journal of Cleaner Production, 2022, 368: 133203. doi: 10.1016/j.jclepro.2022.133203

    CrossRef Google Scholar Pub Med

    [8] PETER-VARBANETS M, HAMMES F, VITAL M, et al. Stabilization of flux during dead-end ultra-low pressure ultrafiltration[J]. Water Research, 2010, 44(12): 3607-3616. doi: 10.1016/j.watres.2010.04.020

    CrossRef Google Scholar Pub Med

    [9] LEE D, LEE Y, CHOI S S, et al. Effect of membrane property and feed water organic matter quality on long-term performance of the gravity-driven membrane filtration process[J]. Environmental Science and Pollution Research, 2019, 26(2): 1152-1162. doi: 10.1007/s11356-017-9627-8

    CrossRef Google Scholar Pub Med

    [10] WU B, CHRISTEN T, TAN H S, et al. Improved performance of gravity-driven membrane filtration for seawater pretreatment: Implications of membrane module configuration[J]. Water Research, 2017, 114: 59-68. doi: 10.1016/j.watres.2017.02.022

    CrossRef Google Scholar Pub Med

    [11] AKHONDI E, WU B, SUN S, et al. Gravity-driven membrane filtration as pretreatment for seawater reverse osmosis: Linking biofouling layer morphology with flux stabilization[J]. Water Research, 2015, 70: 158-173. doi: 10.1016/j.watres.2014.12.001

    CrossRef Google Scholar Pub Med

    [12] SHI D, ZENG F, GONG T, et al. Iron amended gravity-driven membrane (IGDM) system for heavy-metal-containing groundwater treatment[J]. Journal of Membrane Science, 2022, 643: 120067. doi: 10.1016/j.memsci.2021.120067

    CrossRef Google Scholar Pub Med

    [13] TANG X, XIE B, CHEN R, et al. Gravity-driven membrane filtration treating manganese-contaminated surface water: Flux stabilization and removal performance[J]. Chemical Engineering Journal, 2020, 397: 125248. doi: 10.1016/j.cej.2020.125248

    CrossRef Google Scholar Pub Med

    [14] DU X, LIU Y, RAO P, et al. Pre-depositing PAC-birnessite cake layer on gravity driven ceramic membrane (GDCM) reactor for manganese removal: The significance of stable flux and biofilm[J]. Separation and Purification Technology, 2021, 267: 118623. doi: 10.1016/j.seppur.2021.118623

    CrossRef Google Scholar Pub Med

    [15] LIU M, ZHAO Z, YU W. Citric acid modified wood membranes for efficient adsorption of tetracycline: Effect of alkali pretreatment concentration and adsorption mechanism[J]. Chemical Engineering Journal, 2020, 393: 124748. doi: 10.1016/j.cej.2020.124748

    CrossRef Google Scholar Pub Med

    [16] VITAS S, KEPLINGER T, REICHHOLF N, et al. Functional lignocellulosic material for the remediation of copper(II) ions from water: Towards the design of a wood filter[J]. Journal of Hazardous Materials, 2018, 355: 119-127. doi: 10.1016/j.jhazmat.2018.05.015

    CrossRef Google Scholar Pub Med

    [17] YANG Z, LIU H, LI J, et al. High-throughput metal trap: Sulfhydryl-functionalized wood membrane stacks for rapid and highly efficient heavy metal Ion removal[J]. ACS Applied Materials & Interfaces, 2020, 12(13): 15002-15011.

    Google Scholar Pub Med

    [18] XIAO Y, ZHANG E H, ZHANG J D, et al. Extracellular polymeric substances are transient media for microbial extracellular electron transfer[J]. Science Advances, 2017, 3(7).

    Google Scholar Pub Med

    [19] BRADFORD M M. A rapid and sensitive method for the quantitation of microgram quantities of protein utilizing the principle of protein-dye binding[J]. Analytical Biochemistry, 1976, 72(1): 248-254.

    Google Scholar Pub Med

    [20] DUBOIS M, GILLES K A, HAMILTON J K, et al. Colorimetirc method for determination of sugars and related substances[J]. Analytical Chemistry, 1956, 28(3): 350-356. doi: 10.1021/ac60111a017

    CrossRef Google Scholar Pub Med

    [21] FENG J, LI X, LI H, et al. Enhanced filtration performance of biocarriers facilitated gravity-driven membrane (GDM) by vacuum ultraviolet (VUV) pretreatment: Membrane biofouling characteristics and bacterial investigation[J]. Journal of Membrane Science, 2022, 660: 120859. doi: 10.1016/j.memsci.2022.120859

    CrossRef Google Scholar Pub Med

    [22] TANG X, DING A, PRONK W, et al. Biological pre-treatments enhance gravity-driven membrane filtration for the decentralized water supply: Linking extracellular polymeric substances formation to flux stabilization[J]. Journal of Cleaner Production, 2018, 197: 721-731. doi: 10.1016/j.jclepro.2018.06.155

    CrossRef Google Scholar Pub Med

    [23] DU X, XU J, MO Z, et al. The performance of gravity-driven membrane (GDM) filtration for roofing rainwater reuse: Implications of roofing rainwater energy and rainwater purification[J]. Science of the Total Environment, 2019, 697: 134187. doi: 10.1016/j.scitotenv.2019.134187

    CrossRef Google Scholar Pub Med

    [24] JULIEN C, LAURENT E, LEGUBE B, et al. Investigation on the iron-uptake by natural biofilms[J]. Water Research, 2014, 50: 212-220. doi: 10.1016/j.watres.2013.12.008

    CrossRef Google Scholar Pub Med

    [25] BURGER M S, MERCER S S, SHUPE G D, et al. Manganese removal during bench-scale biofiltration[J]. Water Research, 2008, 42(19): 4733-4742. doi: 10.1016/j.watres.2008.08.024

    CrossRef Google Scholar Pub Med

    [26] PRIYADARSHANEE M, DAS S. Biosorption and removal of toxic heavy metals by metal tolerating bacteria for bioremediation of metal contamination: A comprehensive review[J]. Journal of Environmental Chemical Engineering, 2021, 9(1): 104686. doi: 10.1016/j.jece.2020.104686

    CrossRef Google Scholar Pub Med

    [27] HE Y, MEN B, YANG X, et al. Relationship between heavy metals and dissolved organic matter released from sediment by bioturbation/bioirrigation[J]. Journal of Environmental Sciences, 2019, 75: 216-223. doi: 10.1016/j.jes.2018.03.031

    CrossRef Google Scholar Pub Med

    [28] KLEIN T, ZIHLMANN D, DERLON N, et al. Biological control of biofilms on membranes by metazoans[J]. Water Research, 2016, 88: 20-29. doi: 10.1016/j.watres.2015.09.050

    CrossRef Google Scholar Pub Med

    [29] ZHAO G, ZHU H. Cation–π interactions in graphene-containing systems for water treatment and beyond[J]. Advanced Materials, 2020, 32(22): 1905756. doi: 10.1002/adma.201905756

    CrossRef Google Scholar Pub Med

    [30] BADIREDDY A R, KORPOL B R, CHELLAM S, et al. Spectroscopic characterization of extracellular polymeric substances from Escherichia coli and Serratia marcescens: Suppression using sub-inhibitory concentrations of bismuth Thiols[J]. Biomacromolecules, 2008, 9(11): 3079-3089. doi: 10.1021/bm800600p

    CrossRef Google Scholar Pub Med

    [31] GUIBAUD G, COMTE S, BORDAS F, et al. Comparison of the complexation potential of extracellular polymeric substances (EPS), extracted from activated sludges and produced by pure bacteria strains, for cadmium, lead and nickel[J]. Chemosphere, 2005, 59(5): 629-638. doi: 10.1016/j.chemosphere.2004.10.028

    CrossRef Google Scholar Pub Med

    [32] CHOIŃSKA-PULIT A, SOBOLCZYK-BEDNAREK J, ŁABA W. Optimization of copper, lead and cadmium biosorption onto newly isolated bacterium using a Box-Behnken design[J]. Ecotoxicology and Environmental Safety, 2018, 149: 275-283. doi: 10.1016/j.ecoenv.2017.12.008

    CrossRef Google Scholar Pub Med

    [33] KANG F, QU X, ALVAREZ P J J, et al. Extracellular saccharide-mediated reduction of Au3+to gold nanoparticles: new Insights for heavy metals biomineralization on microbial surfaces[J]. Environmental Science & Technology, 2017, 51(5): 2776-2785.

    Google Scholar Pub Med

    [34] SIOW K S, BRITCHER L, KUMAR S, et al. QCM-D and XPS study of protein adsorption on plasma polymers with sulfonate and phosphonate surface groups[J]. Colloids and Surfaces B:Biointerfaces, 2019, 173: 447-453. doi: 10.1016/j.colsurfb.2018.10.015

    CrossRef Google Scholar Pub Med

    [35] WEI L L, LI J J, XUE M, et al. Adsorption behaviors of Cu2+, Zn2+ and Cd2+ onto proteins, humic acid, and polysaccharides extracted from sludge EPS: Sorption properties and mechanisms[J]. Bioresource Technology, 2019: 291.

    Google Scholar Pub Med

    [36] TANG X, ZHU X, HUANG K, et al. Can ultrafiltration singly treat the iron- and manganese-containing groundwater?[J]. Journal of Hazardous Materials, 2021, 409: 124983. doi: 10.1016/j.jhazmat.2020.124983

    CrossRef Google Scholar Pub Med

    [37] URAZOVA T S, BYCHKOV A L, LOMOVSKII O I. Sorption capacity of lignocellulosic materials toward humic acids[J]. Russian Chemical Bulletin, 2015, 64(5): 1183-1188. doi: 10.1007/s11172-015-0997-0

    CrossRef Google Scholar Pub Med

    [38] SU X, HU J, ZHANG J, et al. Investigating the adsorption behavior and mechanisms of insoluble Humic acid/starch composite microspheres for metal ions from water[J]. Colloids and Surfaces A:Physicochemical and Engineering Aspects, 2021, 610: 125672. doi: 10.1016/j.colsurfa.2020.125672

    CrossRef Google Scholar Pub Med

    [39] WU Y, ZHAO X, JIN M, et al. Copper removal and microbial community analysis in single-chamber microbial fuel cell[J]. Bioresource Technology, 2018, 253: 372-377. doi: 10.1016/j.biortech.2018.01.046

    CrossRef Google Scholar Pub Med

    [40] JIA L, WU W, ZHOU Q, et al. New insights on the synergetic removal of nutrients and sulfonamides in solid carbon/manganese ore supported denitrification system: Water quality, microbial community and antibiotic resistance genes[J]. Chemical Engineering Journal, 2022, 446: 136992. doi: 10.1016/j.cej.2022.136992

    CrossRef Google Scholar Pub Med

    [41] FENG J, LI X, YANG Y, et al. Insight into biofouling mechanism in biofiltration-facilitated gravity-driven membrane (GDM) system: Beneficial effects of pre-deposited adsorbents[J]. Journal of Membrane Science, 2022, 662: 121017. doi: 10.1016/j.memsci.2022.121017

    CrossRef Google Scholar Pub Med

    [42] XUE J, ZHANG Y, LIU Y, et al. Effects of ozone pretreatment and operating conditions on membrane fouling behaviors of an anoxic-aerobic membrane bioreactor for oil sands process-affected water (OSPW) treatment[J]. Water Research, 2016, 105: 444-455. doi: 10.1016/j.watres.2016.09.011

    CrossRef Google Scholar Pub Med

    [43] CIANCIO CASALINI L, PIAZZA A, MASOTTI F, et al. Manganese removal efficiencies and bacterial community profiles in non-bioaugmented and in bioaugmented sand filters exposed to different temperatures[J]. Journal of Water Process Engineering, 2020, 36: 101261. doi: 10.1016/j.jwpe.2020.101261

    CrossRef Google Scholar Pub Med

    [44] ZHANG X C, LI X G. Equilibrium and kinetic studies of copper metal ion biosorption by flavobacterium sp[J]. as a low-cost natural biosorbent[C]//International Conference on Material Science, Environmental Science and Computer Science, Guangzhou, China, 2011: 436-439.

    Google Scholar Pub Med

  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(5)

Export Citation
PDF
XML

Article Metrics

Article views(5062) PDF downloads(134) Cited by(0)

Access History

Gravity-driven filtration system based on wood membrane coupled with polymer membrane strengthening heavy metal removal from source water: insight of performance and mechanism

  • Received Date: 03/11/2022
  • Available Online: 10/03/2023

Abstract: Gravity-driven membrane filtration system (GDM) with polymer membrane has a disadvantage of low efficiency of heavy metals removal from water. To address this problem, it is coupled with wood membrane (WM) to promote heavy metal removal in an environmentally friendly and low-cost way. In this study, we compared two microfiltration-based GDM systems, one was the wood membrane coupled with polymeric microfiltration (MF) membrane (GDM1), and the other was polymeric microfiltration membrane (GDM2) only. Their removal of heavy metals from water was compared and the underlying mechanism was further investigated. The results showed that, compared with GDM2, the GDM1 system with wood membrane had a thinner biofilm thickness with more sparse reticular structures on the microfiltration membrane (GDM1-MF). Thus, GDM1 system exhibited a lower membrane resistance and a higher stable flux. During the stable operation stage, the GDM1 system decreased 67%, 43% and 59% of Fe, Mn and Cu in water, respectively, which were much better than GDM2 system (64%, 15% and 36%, respectively). This is because the coupling of wood membrane increased the protein content as well as —OH and —COOH groups of the extracellular polymer (EPS) in the biofilm, which contributed to more heavy metal retention in the GDM1 system. In addition, the presence of more manganese-oxidizing bacteria, Acidobacteria phylum and Flavobacter spp. in GDM1-MF promoted the removal of Mn and Cu. This study provides a new insight into the removal of heavy metals in water by GDM system, which is of great significance to promote the application of GDM system in treating heavy metal contaminated water.

    HTML

  • 我国不发达的偏远农村地区由于水资源缺乏不得不使用重金属超标的水体作为饮用水水源[1]，一些地区存在锰含量超标的现象[2-3]，对饮用水安全造成威胁。当人体摄入过量重金属后，可能导致胃溃疡、脑损伤、心力衰竭、糖尿病以及神经系统疾病[4-5]。由于农村饮用水源较分散，常规用于城市集约化饮用水处理的工艺在农村较难实现，重力驱动膜过滤系统(gravity-driven membrane filtration system，GDM)作为一种分散性强、操作简单、低能耗和低成本的水处理技术，在农村地区饮用水处理方面具有较高的应用前景[6]。GDM在4~10 kPa条件下运行，无需任何物理或化学清洗，能够稳定运行数月甚至数年[6-8]，适用于农村水处理场景。在GDM系统中，原水中的大分子污染物被膜截留，随着时间的增长，在膜表面形成一层不均匀的污垢层，进一步截留和吸附污染物以实现水质净化[9-11]。

    传统的GDM系统很难去除重金属[12]，对此，研究者们尝试对GDM系统进行改进以增强处理效能。一些研究将各种预处理方式与GDM系统相结合，以提高重金属的去除率。这包括在膜表面预涂锰氧化物增加生物膜的孔隙率，提高微生物群落的多样性，利用微生物去除锰和铁[13]。此外，DU等[14]通过在膜表面的粉末活性炭上沉积一层锰氧化物，使锰氧化细菌在膜上富集，从而促进锰的去除。SHI等[12]还通过在膜表面添加零价铁从而增加生物膜的多孔结构，极大地提高了重金属的去除率。但是，在膜表面添加锰和零价铁等重金属，易造成锰和铁的流失，导致二次污染。因此，开发一种绿色环保的方法提高GDM系统对重金属的去除，以及对促进GDM系统在饮用水处理中的应用具有重大意义。

    木质膜(wood membrane，WM)是一种具有几至几十微米孔道结构的天然绿色微滤膜，在水处理领域具有巨大的应用潜力[15]。VITAS等[16]将其羧基化后，提高了对铜的去除率。YANG等[17]将木质膜巯基功能化，以快速去除重金属。考虑到经济性和材料可得性，运用木质膜改进GDM系统在农村易于实现。当前关于木质膜运用于GDM系统的报道较为缺乏，其对GDM系统运行的影响仍不清楚。因此，本研究利用典型乔木(白杨木)为原材料作为木质膜，探究基于聚合物微滤(microfiltration，MF)膜和木质膜的GDM系统对重金属的去除效能及潜在机理，以期为解决农村饮水安全问题提供绿色且成本低廉的处理方案。

    • 1.   材料与方法

      1.1.   实验用水水质

    • 实验用水取自北京市饮用水水源之一的京密引水渠，其水中Fe、Mn和Cu的质量浓度分别为(111.3±0.2)、(4.2±0.2)和(31.69±0.1) μg·L−1。为了模拟某些地区Mn含量超标而Fe和Cu含量不超标的情况，在京密水中加入FeCl3、MnCl2和CuCl2，控制Fe、Mn和Cu质量浓度均为200 μg·L−1。最终进水的其他化学性质为：pH为7.8~8.1；电导率为353.5~376.1 μS·cm−1；总有机碳为9.4~13.7 mg·L−1，出水以期达到我国《生活饮用水卫生标准》(GB 5749-2022)。

      • 1.2.   实验材料及装置

    • 本实验的GDM系统装置图如图1所示，采用圆形白杨木和醋酸纤维素膜分别作为木质膜(WM)和聚合物微滤(MF)膜。木质膜从福建省森林人木材公司购买，孔径为10~70 μm，密度为0.39 g·cm−3，厚度为5 mm，容积为0.25 mL，比表面积为2.13 m2·g−1，膜面积为7.07 cm2，木质膜对Cu的吸附量为0.06 mg，对Fe和Mn的吸附量约为0，其清水通量为24 442.5 L·(m2·h)−1。聚合物微滤膜的孔径为0.45 μm，对Fe、Mn和Cu的吸附量约为0，清水通量为1 151.8 L·(m2·h)−1。木质膜和聚合物微滤膜的表面形貌如图3(a)~(b)所示，木质膜表面粗糙且存在较大孔洞，而聚合物微滤膜表面致密均匀。实验设置2组GDM系统，第1组为木质膜耦合聚合物微滤膜系统(GDM1)，其中木质膜为GDM1-WM，微滤膜为GDM1-MF；第2组为聚合物微滤膜系统(GDM2)，其微滤膜为GDM2-MF。实验前，将木质膜依次通过乙醇、1% NaOH和热超纯水进行抽滤冲洗，直至通过木质膜的出水在紫外254 nm处的吸光度(UV254)小于0.001。同样地，用超纯水将微滤膜冲洗至UV254小于0.001。2组GDM系统以死端过滤模式并联运行，膜有效过滤直径为3 cm，驱动压力为恒压5 kPa(50 cm水头)。为了尽可能减少其他因素的影响，2组过滤系统共用1个恒位水箱。运行过程中，每天记录渗透通量，定期收集出水并对水质进行检测。

      • 1.3.   水质检测

    • 进出水样品的紫外吸光度采用紫外-可见分光光度计(UV-2600，岛津公司，日本)测定，利用680 nm处吸光度检测水样颗粒物浓度的变化。采用荧光分光光度计(F-4600，日立，日本)识别胞外聚合物(extracellular polymeric substances，EPS)中的蛋白和腐殖类物质。水样中Fe、Mn和Cu的含量经过微波消解之后用电感耦合等离子体质谱仪(inductively coupled plasma-mass spectrometry，ICP-MS，Agilent 7800，美国)检测。

      • 1.4.   生物膜检测

    • 1)生物膜表征。在实验结束后将生物膜样品切割成数份。取1块生物膜进行冷冻，经过提取脱氧核糖核酸(deoxyribonucleic acid，DNA)、聚合酶链反应(polymerase chain reaction，PCR)扩增等流程，在Illumina MiSeq平台对16S rRNA进行测序，在美吉生物云平台(上海美吉生物医药科技有限公司)进行数据处理，分析生物膜中微生物群落组成的信息。生物膜样品经冷冻干燥后，用溅射法对样品进行镀铂，在扫描电子显微镜(scanning electron microscopy，SEM，SU8020，日本)下观察生物膜的表面和横截面形貌。此外，生物膜经自然风干后进行如下表征：用X射线光电子能谱(X-ray photoelectron spectroscopy，XPS，ESCALAB 250Xi，美国)揭示生物膜中的元素组成及其化学键信息；通过傅里叶变换红外光谱(Fourier transform infrared spectroscopy，FTIR，Spectrum 400，美国)对生物膜的官能团进行表征；采用接触角仪(Dataphysics，OCA15EC，德国)测定生物膜的亲疏水性。

      2) EPS的提取与测定。取部分生物膜，将其剪碎并置于磷酸盐缓冲溶液(phosphate buffer solution，PBS)中，再进行涡旋振荡和离心，取上清液即为EPS提取液[18]。EPS中的蛋白含量用Bradford法测定[19]。多糖含量采用苯酚-硫酸法测定[20]。

      3)数据分析方法。数据处理在Microsoft Office 2019中进行，并使用Origin 2021作图。2组GDM系统的组间差异通过配对t检验方法进行检验，在IBM SPSS Statistics 26中进行。

    2.   结果与讨论

      2.1.   GDM系统通量与重金属去除

    • 如图2(a)所示，GDM系统共运行67 d，根据通量的变化可分为0~10、11~40和41~67 d 3个阶段，这与FENG等[21]发现GDM系统通量呈现阶段性变化的现象一致。在第I阶段(0~10 d)，2组GDM系统通量较高，但迅速降低，这与进水中的污染物堵塞膜孔以及生物膜的形成有关[22]；在第II阶段(11~40 d)，通量缓慢下降；第III阶段(41~67 d)中，2组GDM系统通量均维持在一个相对稳定的状态。最终，在第III阶段，GDM1系统的平均通量为1.1 L·(m2·h)−1，GDM2系统的平均通量为0.9 L·(m2·h)−1，GDM1系统的通量显著高于GDM2(P<0.05)。与此同时，由图2(b)可见，生物膜的水力阻力与通量呈现出完全相反的趋势，并且GDM1系统的阻力显著低于GDM2(P<0.05)。这表明在GDM1系统中，木质膜的存在降低了系统的水力阻力，因此，GDM1系统具有较高的稳定通量。

      在GDM系统不同运行阶段共选取5个时间点测定重金属离子质量浓度。如图2(c)~(e)所示，GDM1和GDM2系统在运行后期对3种重金属的去除率均表现出Fe>Cu>Mn的规律。其中，GDM1在稳定运行阶段(第III阶段)的Fe、Mn、Cu的平均去除率分别为67%、43%和59%，GDM2 中Fe、Mn、Cu的平均去除率分别为64%、15%和36%。2组重力流系统Fe和Cu的去除率均高于Mn，这是由于Fe和Cu在中性或弱碱性体系中易形成氢氧化物胶体而更易被系统截留，同时，也通过吸附于膜表面、微生物细胞壁或蛋白质衣壳等去除，而Mn的去除更多依赖于与生物膜以及特定微生物群落的直接相互作用[23-24]。在运行初始阶段，生物量不断增长，使得生物吸附位点增多，Fe的去除率增加，随着吸附位点逐渐饱和，Fe的去除率有所降低。此外，由于GDM1的通量高于GDM2，使得GDM1截留的生物量更多，从而具有较多的吸附位点，因此，GDM1的Fe去除率高于GDM2。GDM1对Mn的去除率随着时间的增长而逐渐增加，而GDM2的去除率却降低，去除规律的差异主要与微生物和Mn之间的相互作用有关[25]，这将在后续进一步讨论。GDM1和GDM2对Cu的去除原理与Fe类似，主要通过生物吸附去除Cu[26]，GDM1的吸附位点多于GDM2，因此，GDM1对于Cu的去除率相对较高。鉴于Fe和Mn去除率在49 d后呈现出相对降低的趋势，这可能是由于可溶性微生物产物与重金属结合从膜表面流失进入出水导致的[27]，建议在67 d对膜进行冲洗，并可以在膜表面接种锰氧化细菌，进而缩短启动时间和提高去除率。

      根据图2(f)所示，即使进水浊度有一定程度的波动，GDM1和GDM2系统均能显著降低浊度(P<0.001)。表明GDM1和GDM2系统有着良好的颗粒或胶体截留能力。与此同时，GDM1系统还可显著降低出水中DOM的芳香性(SUVA254)(P<0.05)，而GDM2系统的作用不显著(P>0.05)。

      • 2.2.   生物膜的结构特性

    • PETER-VARBANETS等[8]认为生物膜的结构特性是影响GDM通量的主导因素，因此本研究对生物膜的形态结构进行了表征，3种生物膜的表面和横截面结构在SEM下呈现出较大差别。由图3(c)~(e)可知，GDM1-WM的生物膜表面存在较多孔洞，且GDM1-MF生物膜表面为疏松多孔的结构，而GDM2-MF生物膜比GDM1-WM和GDM1-MF均更加致密。有研究[28]表明，生物膜的多孔结构和GDM的稳定通量之间存在正相关关系，较大的孔径有助于水流穿过。另一方面，如图3(f)~(h)所示，GDM2-MF生物膜的厚度远大于GDM1中WM和MF生物膜的厚度，不利于水流的通过。因此，木质膜的存在改变了GDM生物膜的表面和横截面结构，造成2种GDM系统的通量和水力阻力差异，这部分解释了图2(a)~(b)中GDM2系统比GDM1系统的水力阻力更大且稳定通量更低的原因。

      如图3(i)所示，2个GDM系统生物膜的接触角显示其亲疏水性存在明显差异。GDM1-WM、GDM1-MF和GDM2-MF中生物膜的初始接触角分别为141.6°、93.6°和87.7°，因此GDM1-WM生物膜表现出强疏水性，GDM1-MF为弱疏水性，而GDM2-MF为弱亲水性。GDM1-WM生物膜的动态接触角下降缓慢，而GDM1-MF和GDM2-MF的生物膜动态接触角下降更快且下降速度近似。GDM1系统中2种生物膜均表现为疏水性，而疏水性物质如具有双键或芳环的物质与金属离子存在阳离子-π键作用，这种作用可能加强GDM1系统中重金属与生物膜的相互作用，使得重金属更易被截留[29]。此外，值得注意的是，相比GDM2系统，GDM1系统中生物膜更加疏水但其稳定通量更高，这表明生物膜结构对稳定通量的主导作用强于亲疏水性的作用。

      图3(j)反映了3种生物膜的红外光谱结果。3种生物膜中1 634、1 545和1 457 cm−1处的峰分别为—NH2/C＝O、C—N/N—H以及C—OH。这些基团与微生物分泌的蛋白类物质有关[30]。而1 244/1 257 cm−1和1 024 cm−1分别为C—O—C和C—O，主要来自于多糖类物质[30]。GDM1-MF生物膜中的—NH2/C＝O、C—N/N—H、C—OH、C—O—C和C—O峰的强度最强，其次是GDM2-MF和GDM1-WM生物膜，这表明GDM1-MF可能含有更多蛋白和多糖类物质。3 274 cm−1和1 727 cm−1处的峰来自于—OH和—COOH中的C＝O的拉伸振动[16, 30-31]，这些峰在GDM2-MF中均显示出较低的强度。同时，与GDM1-MF和GDM2-MF相比，GDM1-WM生物膜中—OH强度更强。CHOIŃSKA-PULIT等[32]认为—OH和—COOH等可以作为活性金属结合位点，可将其从溶液中去除。因此，GDM1系统中的生物膜具有更好的重金属去除能力。生物膜内化学键特性的XPS表征结果如图3(k)~(l)所示。O1s图谱中532.5 eV处的峰为C—O—C或C—O—H键，常见于醇、半缩醛、糖[33]；N1s图谱中399.2 eV处的峰被解析为胺中的N—H，与蛋白的存在有关[34]。GDM1-MF生物膜的C—O—C和N—H的信号最强，其次是GDM2-MF和GDM1-WM。因此，FTIR和XPS的结果均表明木质膜的存在可能增加了GDM系统的蛋白和多糖含量。

      • 2.3.   生物膜的化学组成

    • 为确定生物膜对重金属去除的作用，测定了实验结束时EPS中单位面积生物膜内的重金属含量。如图4(a)所示，单位膜面积上Fe、Mn和Cu的含量在2组GDM系统生物膜中均表现出相同规律，即GDM1-WM+GDM1-MF>GDM2-MF，并且2组GDM系统中微滤膜单位膜面积生物膜中Fe和Cu的含量均为GDM1-MF>GDM2-MF。上述结果表明GDM1的生物膜对Fe、Mn和Cu的去除作用优于GDM2，木质膜促进了GDM1-MF对Fe和Cu的去除。

      为进一步探究生物膜的化学组成对重金属的去除作用，对生物膜中蛋白和多糖的含量进行了分析。图4(b)中UV254吸光度大小表现为：GDM1-WM<GDM2-MF<GDM1-MF，与图4(c)中生物膜中的蛋白和多糖含量规律一致。以上结果表明3种膜表面EPS的含量为：GDM1-WM<GDM2-MF<GDM1-MF。此外，图4(d)~(f)展示了生物膜内荧光有机物的组成和含量。GDM1-WM和GDM1-MF生物膜中EPS的荧光强度均强于GDM2-MF，表明在GDM1系统中，木质膜的存在使得系统生物膜中酪氨酸(荧光区域I)和色氨酸(荧光区域II)类物质以及溶解性微生物副产物的含量(荧光区域IV)增加。GDM1系统生物膜中的蛋白和多糖含量高于GDM2，与FTIR和XPS结果一致。这可能是因为增加的木质膜能够为微生物生长繁殖提供适宜的条件，从而促进EPS的分泌，致使GDM1中EPS的浓度更高，从而对重金属的吸附作用更强[35]。ZHAO等[29]还发现蛋白类物质与金属离子存在阳离子-π键作用，故GDM1系统EPS中更高的蛋白含量促进了重金属的去除。与此同时，EPS在通量稳定中发挥着重要作用，本研究中GDM1系统同时具有更高含量的EPS和更高的稳定通量，这符合TANG等[36]发现的以蛋白和多糖为特征的EPS含量越高，相对应的稳定通量也越高的结果。此外，在GDM1-WM生物膜中存在明显的腐殖酸类物质的荧光峰信号(荧光区域V)，这可能是由于木质膜中的木质纤维素吸附了水中的腐殖酸[37]，这与GDM1出水中有机物芳香性(SUVA254)(图2(f))显著降低相一致。另一方面，这些在木质膜表面或内部的腐殖类物质可与金属络合形成胶体[38]，对GDM1系统出水重金属质量浓度的降低有一定贡献。

      • 2.4.   微生物群落组成

    • 如图5(a)所示，GDM1-WM、GDM1-MF和GDM2-MF生物膜中微生物的OTU数分别为219、181和264个。其中，3种生物膜中有116个OTU是共有的，对于单独拥有的OTU数量，GDM2-MF最多(81个)，其次是GDM1-WM(38个)和GDM1-MF(27个)，并且GDM2-MF中Chao(270.4)和Shannon指数(3.6)均高于GDM1-MF(分别为202.4和3.2)。这表明木质膜的存在能降低GDM系统细菌群落的丰富度和多样性。由图5(b)可见，3种生物膜内变形菌门Proteobacteria的相对丰度均最高(70%~80%)，疣微菌门Verrucomicrobiota和拟杆菌门Bacteroidota为次优势菌门。GDM1-WM和GDM1-MF中酸杆菌门Acidobacteriota的相对丰度均高于GDM2-MF，而Acidobacteriota具有去除Cu的作用[39]，因此，GDM1系统对Cu的去除效果较好。

      图5(c)反映了属水平微生物群落的差异。GDM1-MF中的norank_f__Microscillaceae、甲基异黄酮Methyloversatilis和脱氯单胞菌Dechloromonas的相对丰度均高于GDM2-MF，而此3种菌可产生大量EPS[40-42]，最终导致GDM1-MF中的EPS含量更高，进一步解释了图4(c)的结果。同时，EPS中的蛋白对重金属有较强的相互作用[29, 35]，因此，GDM1系统对重金属的去除效果更好。黄杆菌属Flavobacterium、红细菌属Rhodobacter、鞘氨醇单胞菌属Sphingopyxis、军团菌Legionella以及生丝微菌属Hyphomicrobium属于锰氧化细菌，它们能将Mn2+氧化为Mn3+或者Mn4+，形成大量的锰氧化物并通过锰氧化物的吸附作用和化学自催化氧化去除Mn，从而实现重金属的去除[13, 25, 43]。尽管GDM2-MF中Hyphomicrobium的相对丰度高于GDM1-MF，但低于GDM1-WM。总之，稳定运行阶段GDM1系统中的Flavobacterium、Rhodobacter、Sphingopyxis、Legionella和Hyphomicrobium相对丰度较高，对Mn的去除效果较好。GDM2系统在第II阶段对Mn的去除优于GDM1系统，这可能是因为锰氧化细菌还未在GDM1系统上稳定生长，但随着时间的增加而逐渐增长，最后可能由于GDM2膜表面的锰氧化物的吸附容量达到饱和而导致去除率下降。此外，Flavobacterium可以通过吸附作用去除Cu[44]，而GDM1-MF中Flavobacterium的相对丰度远高于GDM2-MF，因而GDM1系统对Cu的去除效果更好。综上，尽管木质膜降低了系统微生物群落的丰富度和多样性，但其促进了去除重金属的细菌群落的生长，提升了微生物群落去除重金属的专一性，使得GDM1系统具有更好的重金属去除能力。

    3.   结论

    • 1)在稳定运行阶段，木质膜耦合聚合物微滤膜(GDM1S)和聚合物微滤膜(GDM2)的重力驱动膜过滤系统的稳定通量分别为1.1 L·(m2·h)−1和0.9 L·(m2·h)−1，且GDM1对Mn和Cu的去除率达43%和59%，比GDM2分别高出28%和23%。

      2)与GDM2系统相比，GDM1-WM和GDM1-MF表面生物膜结构更加疏松多孔，因此，具有更高的稳定通量。同时，GDM1系统整体胞外聚合物(EPS)含量更高，从而可强化对重金属的去除。

      3) GDM1系统中微生物群落的多样性和丰富度低于GDM2系统，但与重金属直接去除有关的微生物菌群(如锰氧化细菌、Flavobacterium和Acidobacteriota)以及通过分泌EPS间接促进重金属去除的微生物菌群丰度更高。

    Figure (5)  Reference (44)

Catalog

  • HTML

  • 1.   材料与方法

  • 1.1.   实验用水水质

  • 1.2.   实验材料及装置

  • 1.3.   水质检测

  • 1.4.   生物膜检测

  • 2.1.   GDM系统通量与重金属去除

  • 2.2.   生物膜的结构特性

  • 2.3.   生物膜的化学组成

  • 2.4.   微生物群落组成

/

DownLoad:  Full-Size Img  PowerPoint
Return
  • 表 1  焚烧炉运行参数的变化范围
    Table 1.  Variation ranges of incinerator’s operating parameters
    考察参数符号量纲范围
    一次风温度TKT~U(423,483)
    过量空气系数α—α~U(1.35,1.75)
    干燥段风量占比A—A~U(0.1,0.3)
    垃圾停留时间tht~U(1.5,2)
     | Show Table
    DownLoad: CSV
  • 表 2  焚烧炉运行参数的抽样样本
    Table 2.  Samples of incinerator’s operating parameters
    样本轨道1轨道2轨道3轨道4
    1(438,1.55,0.2,1.75)(468,1.75,0.3,1.75)(453,1.65,0.2,2)(453,1.55,0.15,1.75)
    2(453,1.55,0.2,1.75)(483,1.75,0.3,1.75)(453,1.55,0.2,2)(453,1.55,0.1,1.75)
    3(453,1.55,0.25,1.75)(483,1.75,0.3,1.625)(453,1.55,0.15,2)(453,1.45,0.1,1.75)
    4(453,1.45,0.25,1.75)(483,1.65,0.3,1.625)(468,1.55,0.15,2)(438,1.45,0.1,1.75)
    5(453,1.45,0.25,1.625)(483,1.65,0.25,1.625)(468,1.55,0.15,1.875)(438,1.45,0.1,1.875)
     | Show Table
    DownLoad: CSV
  • 表 3  下炉膛火焰最高温度
    Table 3.  Maximum flame temperatures of lower furnace
    样本下炉膛最高温度/K
    轨道1轨道2轨道3轨道4
    11 4561 5001 5241 461
    21 5651 4831 5001 459
    31 5461 4501 5301 428
    41 5481 4801 5321 396
    51 4931 5021 4711 458
     | Show Table
    DownLoad: CSV
  • 表 4  床层垃圾着火点位置
    Table 4.  Ignition locations on wastes bed
    样本着火点位置/m
    轨道1轨道2轨道3轨道4
    13.763.243.054.38
    23.353.353.165.19
    33.143.993.215.07
    43.243.443.595.65
    53.563.564.675.48
     | Show Table
    DownLoad: CSV
  • 表 5  2种垃圾的元素分析
    Table 5.  Ultimate analysis of two MSWs %
    成分基准热值垃圾高热值垃圾
    Cdaf57.0252.32
    Hdaf8.586.57
    Odaf31.6938.26
    Ndaf1.421.75
    St,d0.040.08
    Cldaf1.230.97
     | Show Table
    DownLoad: CSV
  • 表 6  2种垃圾的工业分析
    Table 6.  Proximate analysis of two MSWs %
    成分基准热值垃圾高热值垃圾
    Mar43.414.7
    Var28.150
    FCar8.57.7
    Aar2027.6
    　　注: daf为干燥无灰基，ar为收到基，d为干燥基。
     | Show Table
    DownLoad: CSV
  • 表 7  工况1~4的运行参数
    Table 7.  Operating parameters of cases 1~4
    工况垃圾停留时间/h各段炉排配风比例一次风温度/K
    11.750.1∶0.4∶0.4∶0.1418
    210.1∶0.4∶0.4∶0.1418
    310.1∶0.4∶0.4∶0.1368
    410.1∶0.2∶0.5∶0.2418
     | Show Table
    DownLoad: CSV
  • 表 8  工况1~4的第1烟道烟气性质模拟结果
    Table 8.  Computational results of the first flue conduit for cases 1~4
    考察项目工况1工况2工况3工况4
    距离一烟道前侧壁面0.1 m处截面平均温度/K1 2901 2211 2171 197
    烟气停留时间/s2.572.322.332.48
    烟道出口O2体积分数/%6.346.06.166.35
     | Show Table
    DownLoad: CSV

All rights reserved: Reesearch Center for Eco-Environmental Sciences,Chinese Academy of Sciences Copyright © 1997-2016

Address:  Postcode: 100085 Phone: 010-62941074 E-mail: cjee@rcees.ac.cn

Supported by: Beijing Renhe Information Technology Co. Ltd  Technical support: info@rhhz.net