Model‐based investigation of the chemical phosphorus removal potential of the peroxide regenerated iron‐sulfide control technology
Notice bibliographique
Résumé
In this study, the potential of using peroxide regenerated iron-sulfide control (PRI-SC®) for chemical phosphorus removal utilizing the existing iron sulfide found in wastewaters was investigated in batch tests and compared in full-scale facility-wide simulations to using iron salts. PRI-SC is a combination treatment that utilizes iron salts and hydrogen peroxide in a synergetic fashion, where hydrogen peroxide is used in regenerating the spent iron salt in situ in the form of iron sulfide, yielding ferric iron and colloidal sulfur. A simplified kinetic model was developed, calibrated, and integrated into a facility-wide model to simulate the process at the full-scale. Experimental results showed that dosing hydrogen peroxide, even at doses lower than the stoichiometrically required to oxidize iron sulfide, freed, and oxidized sulfide bound ferrous iron to ferric iron, which was consequently hydrolyzed and affected phosphorus removal. Higher dosing of hydrogen peroxide did not affect change in the speciation of sulfur remaining predominantly as elemental sulfur. Simulations showed that the application of PRI-SC with supplemental ferric iron dosing was able to cut the costs of chemicals addition up to 53% while maintaining a steady-state effluent phosphate concentration below 0.01 mg/L. PRACTITIONER POINTS: The kinetic model was used to optimize ferric iron and hydrogen peroxide dosing. The developed model can be integrated in existing wastewater process simulators. Dosing hydrogen peroxide effectively oxidized ferrous iron to ferric iron. The combination of hydrogen peroxide and iron salts can reduce the chemical addition cost by 53%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».