Practical energy-efficient reverse osmosis: experimental and modeling investigation for high-temperature water treatment
Notice bibliographique
Résumé
Reducing the energy demands of conventional water treatment systems is crucial. High-temperature treatment can be efficient when waste heat is freely available, such as from geothermal or steam-assisted gravity drainage (SAGD) produced water. These industrial streams present both an opportunity and a challenge: elevated temperatures enable integration with heat-recovery systems, yet most commercial membranes lose performance or stability under such conditions. In this study, we developed and evaluated lab-synthesized thin-film composite (TFC) high-temperature reverse osmosis (HTRO) membranes capable of stable operation from room temperature to 120 °C. The best-performing membrane (TFC3, made with 2 wt% TAP) achieved 255 LMH flux at 120 °C, over 190 % higher than the control membrane, and maintained >96 % salt rejection with only 12.9 % flux decline over seven hours of continuous operation. These results show higher permeability and thermal stability than the commercial AG membrane, due to greater polyamide crosslinking and better substrate thermal resistance. A temperature-dependent modeling framework was developed and validated against experimental data. Both convective and diffusive transport models were evaluated, with the diffusive model showing better agreement with the experiments. Energy analysis showed that optimized HTRO membranes can significantly reduce specific energy consumption (SEC) at high temperatures relative to ambient-temperature RO, reaching values as low as ~0.5 kWh/m 3 under geothermal-like conditions. These findings highlight the potential of high-performance HTRO membranes to address the energy intensity of conventional water treatment in thermally intensive industries. • Lab-made HTRO TFC membranes show stable operation from 25 to 120 °C in extended testing. • Trifunctional monomer boosts crosslinking, permeability, and stability in high-T TFCs • Diffusive-flow model best matches temperature-dependent flux and salt transport data. • Operating on hot feeds reduces SEC vs ambient RO; SAGD and geothermal cases assessed. • HTRO–ORC integration recovers energy while producing freshwater efficiently at scale.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».