Fenton-流化床处理制革废水的试验研究

来源 :郑州大学 | 被引量 : 0次 | 上传用户:wkadjx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
作为主要工业污染源之一,制革废水通常具有污染物浓度高及难生物降解的特点,仅仅通过生化处理已难以满足愈发严格的排放标准要求,因此亟需开发出制革废水深度处理的新工艺。本文以某皮革厂制革废水为研究对象,针对该厂污水站生化处理部分原有氧化沟前新增A/O工艺后出水仍不达标的问题,决定通过Fenton反应对生化出水进行深度处理。首先通过小试试验对比传统Fenton和Fenton-流化床的处理效果,利用正交试验考察废水初始p H值、双氧水投加量、硫酸亚铁与过氧化氢摩尔浓度比(即硫酸亚铁投加量)及反应时间对COD去除率的影响程度,再经过单因素试验确定最佳反应条件。传统Fenton的正交试验结果表明,各因素对COD去除率的影响程度依次为:[Fe2+]/[H2O2](摩尔浓度比)>p H>H2O2投加量>反应时间;单因素试验结果确表明最佳反应条件为:初始p H值3,30%双氧水投加量0.8m L/L,[Fe2+]/[H2O2]=0.8,搅拌反应时间20min,曝气时间30min,絮凝沉淀部分PAM(0.1%)投加量2m L/L,此时出水COD为49.9mg/L,COD去除率为59.8%。Fenton-流化床的正交试验结果表明各因素对COD去除率的影响程度依次为:H2O2投加量>p H>反应时间>[Fe2+]/[H2O2](摩尔浓度比);单因素试验结果表明最佳反应条件为:铁氧化物负载石英砂填充率10%(140g/L),初始p H值3,30%双氧水投加量0.8m L/L,[Fe2+]/[H2O2]=0.1(Fe SO4·7H2O投加量0.22g/L),反应时间60min,曝气时间30min,絮凝沉淀部分PAM(0.1%)投加量2m L/L,此时出水COD为43.7mg/L,去除率为64.8%。对比两种工艺可看出在相同工艺条件下,双氧水投加量均为0.8m L/L时,Fenton-流化床比传统Fenton的COD去除率高5%,Fe SO4·7H2O投加量减少了87.5%,铁泥产率降低了64.0%。综上可知Fenton-流化床工艺深度处理制革废水的效果优于传统Fenton工艺,并且为进一步验证Fenton-流化床在工程中的实际应用效果,在小试阶段确定最佳加药量基础上,扩大至中试,以验证试验在工程上应用的效果并继续探索最佳加药量。此外,本研究也对污水站生化处理部分新建A/O工艺及深度处理部分Fenton-流化床的运行效果进行了简要的分析,并探讨了新建A/O对原有氧化沟的影响。
其他文献
在线监测水质重金属含量是预防水质污染、科学治理污染的重要环节。阳极溶出伏安法因其高灵敏度和快速的信号响应成为水质现场检测的首选技术。遗憾的是,金属电极作为此检测方法的核心部件却难以实现绿色、长效、高精度的检测应用。为此,本文提出利用掺硼金刚石电极取代现行金属电极以满足应用需求。通过设计电极传感层结构,分步解决科学问题,实现研究目标。综合考察电极的微观结构特性及电化学行为,并通过真实检测性能衡量电极
机器学习技术特别是深度学习技术的发展与日益完善,使得机器学习在企业中尤其是互联网企业中的应用频率越来越高,使用范围也越来越广泛。尽管目前各种机器学习算法的理论基础日益完善,应用机器学习必备的硬件设备(CPU、GPU、存储训练数据的磁盘等)成本也越来越低,但是在机器学习技术的应用过程中还存在许多其他问题。机器学习属于比较专业的领域,而在互联网公司中需求是快速迭代的,对于一个需要使用到机器学习的小需求
战略管理作为管理学的重要组成部分,近年来发展迅速,规模不断扩大。随之而来的是伴随着范围扩大产生的领域碎片化,阻碍了战略管理在指导组织战略决策方面的作用,也不利于研究