Minimizing the thermal energy use of membrane distillation with real-time operating controls
Notice bibliographique
Résumé
Membrane distillation (MD) has emerged as an alternative desalination process with many advantages, including high-purity product water, water recovery from highly concentrated feed sources, brine minimization, and the ability to make use of low-grade heat sources like renewables and waste heat. One of the challenges with MD however remains its energy intensive nature. Improving the energy efficiency of MD can be achieved by carefully controlling its operating conditions. In this study, we propose a real-time feedback control system that tracks the point of minimum specific heat input by adjusting operating conditions. A simple perturb and observe control strategy is employed to iteratively adjust feed temperature, feed circulation rate, and distillate recirculation rate so that over time the specific heat input to the system is reduced. The concept is evaluated using a laboratory-scale direct contact MD system for seawater desalination. The MD test bench is operated for nearly 6 h, over which period a series of 23 step changes is applied to the operating conditions, successfully reducing the specific heat input by a factor of 7×, from an initial baseline of 1589 kWh/m 3 down to a minimum of 274 kWh/m 3 . The lowest heat input is observed when feed temperature, feed circulation rate, and distillate recirculation rate reach 30.011 ± 0.465 °C, 75.33 ± 0.45 ml/min, and 16.5 ± 0.1 ml/min, respectively. While these conditions are specific to our bench-scale MD setup and short-duration testing, the tracking approach has the potential to be adapted to MD systems with different membranes, module geometries, feed sources, and operating environments. The present work therefore demonstrates a proof-of-concept pathway for improving the energy management of MD systems and can therefore contribute to efforts to make desalination and water reuse more sustainable.
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 ».