-
公开(公告)号:CN111547901B
公开(公告)日:2021-06-29
申请号:CN202010376143.8
申请日:2020-05-07
Applicant: 中南大学
IPC: C02F9/06 , C02F101/30
Abstract: 本发明公开了原位生成双氧水和高铁酸盐耦合水处理深度净化装置,所述装置包括溶液外循环单元、深度净化单元、空气泵单元和电控单元。本发明还公开了基于所述装置的污水处理方法。本发明引入电化学气体扩散体系,以相同制备工艺制得电化学阴极和阳极,简化工艺流程,电化学阴极可高效利用氧气,高效原位生成双氧水;同时电化学阳极可提供稳定铁源,电解碱液高效生成高铁酸盐。通过离子交换膜有效控制阴阳极区的溶液pH,抑制副反应,降低体系能耗。单原子铁的少量引入,可提高高铁酸盐的生成速率和产率,提高体系耦合效果,有助于加速降解有机物。以空气为氧气源,成本低廉;电极材料取材方便,可在线清洗,节约成本。
-
公开(公告)号:CN112678920A
公开(公告)日:2021-04-20
申请号:CN202011403325.6
申请日:2019-06-10
Applicant: 中南大学
IPC: C02F1/461 , C02F1/467 , C02F1/72 , C02F1/78 , C02F101/36
Abstract: 本发明公开了一种电化学/臭氧耦合水处理系统,该电化学/臭氧耦合水处理系统包括依次相连的氧气瓶(1)、氧气流量计(2)、臭氧发生器(3)、臭氧检测器(12)、直流/交流电源(4)和反应装置(7);本发明的系统结构简单,占地面积小,用于水处理时,能耗低,效率高,污染物矿化完全。
-
公开(公告)号:CN110172709B
公开(公告)日:2021-03-05
申请号:CN201910489246.2
申请日:2019-06-05
Applicant: 中南大学
IPC: C25B1/30 , C25B11/03 , C25B11/054 , C25B11/065 , C25B11/095 , C02F1/46 , C02F101/38 , C02F101/36 , C02F101/34
Abstract: 本发明公开了一种基于金属离子与有机物吸附的MOFs碳化材料电化学阴极的制备方法,包括以下步骤:1)吸附饱和的MOFs的碳化;2)电化学阴极的制备。本发明还公开了该电化学阴极及其应用。该电化学阴极可用于电催化PMS、电化学/O3等水处理体系。该制备方法扩大了MOFs材料的利用领域,实现资源的二次利用,碳化后材料具备多孔结构、过渡金属氧化物丰富,催化活性优异,原位产生双氧水能力强,该电化学阴极结构稳定,电催化活性高,连续工作性能优异,能高效矿化水中氟喹诺酮抗生素。
-
公开(公告)号:CN111613276A
公开(公告)日:2020-09-01
申请号:CN202010397333.8
申请日:2020-05-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于量子化学参数构建定量构效关系预测微塑料吸附有机物的方法,包括以下步骤:1)有机污染物的微塑料/水平衡分配系数(Kd)的获取;2)Dragon分子描述符的收集;3)量子化学参数的计算与选取;4)模型建立;5)模型验证与应用。本发明构建了新型污染物在水环境中微塑料的分配构效关系,为实际评价污染物与有机物的复合污染提供理论依据,构建的构效关系从反应机制出发,可适用的有机物范围更广,扩大了应用范围。本发明回归分析方法简单,模型适用范围广;有利于筛选出优先控制微塑料和有机物复合污染物;以有限的实验数据快速预测新型污染物微塑料与有机物的复合污染情况,操作简单,方法可行,节约大量人力物力成本。
-
公开(公告)号:CN112307001B
公开(公告)日:2023-10-20
申请号:CN202011202434.1
申请日:2020-11-02
Applicant: 中南大学
IPC: G06F16/215 , G06F18/214 , G06F18/241 , G06N3/084
Abstract: 本发明提供一种基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统,包括:获取汽油精炼样本数据;对样本数据进行预处理;基于皮尔森相关系数和最大信息系数构建识别差异表达操作变量的方法,获取样本数据中各变量之间的关联关系,筛选出N个变量作为操作变量;将获得样本数据分为训练集和测试集;以精炼汽油辛烷值和含硫量为约束条件,基于DA优化的BP神经网络进行模型训练学习,获得第一辛烷值预测模型;在测试集的基础上,对获得的第一辛烷值预测模型进行测试,在满足预设的预测精度基础上最终输出模型作为辛烷值的预测模型,否则进行模型优化;以辛烷值的预测模型对实时获得的汽油精炼数据进行辛烷值预测输出。
-
公开(公告)号:CN111547902B
公开(公告)日:2021-06-29
申请号:CN202010384581.9
申请日:2020-05-07
Applicant: 中南大学
IPC: C02F9/06
Abstract: 本发明公开了原位生成过硫酸盐和双氧水去除污染物的装置及处理方法,包括污水循环单元、气体生成单元、污水处理单元、电控单元;污水循环单元通过蠕动泵将外部污水输送到气体生成单元和污水处理单元;气体生成单元可生成氧气后通过纳米曝气盘输送到气体扩散阴极底部;污水处理单元包括阳极区和阴极区,阳极区可通过电解硫酸盐生成过硫酸盐,阴极区可通过气体扩散阴极电解催化氧气生成双氧水;电控单元可提供直/交流电,正极和负极分别与电化学阳极和阴极连接。本发明装置原材料来源丰富、成本低,反应装置制备简单,占地面积小;借助电催化,耦合过硫酸盐和双氧水可实现新型污染物的异地高效去除,同时适用范围广、操作简单,水质净化效果优异。
-
公开(公告)号:CN109142572B
公开(公告)日:2021-06-04
申请号:CN201810966281.4
申请日:2018-08-23
Applicant: 中南大学
Abstract: 本发明公开了一种环境多介质中多种药物同步提取和检测分析方法,包括以下步骤:1)将污水经过离心过滤得到水样和固体样品;2)水样中和固体样品中药物萃取;3)水样中和固体样品中药物提取;4)环境多介质中多种药物的定性分析;5)环境多介质中多种药物的定量分析。该方法在完成环境多介质中多种药物提取的基础上,采用固相萃取与高效液相色谱与质谱串联(LC‑MS/MS)的方法,通过优化色谱条件和检测方法等,建立适用于环境多介质(地表水、污水处理厂进出水、污泥和沉积物)中多种药物同步提取和检测的分析方法,为全面普查复杂环境中药物的含量水平及分布特征提供可靠的分析手段。
-
公开(公告)号:CN112844320A
公开(公告)日:2021-05-28
申请号:CN202011570957.1
申请日:2020-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种碳材料包裹尖晶石铁氧化物原位生长MOFs吸附催化复合体及其制备方法和在水处理催化方面的应用,制备方法包括:1)准备磁性纳米材料,2)将步骤1)中得到的纳米尖晶石铁氧体与碳材料、超纯水以一定比例制备碳材料包裹的磁性尖晶石铁氧化物TFe2O4;3)将步骤2)得到的碳材料包裹的磁性TFe2O4与有机配体、超纯水以一定比例制备碳材料包裹的磁性碳材料原位生长MOFs材料,即为碳材料包裹尖晶石铁氧化物TFe2O4原位生长MOFs吸附催化复合体。本发明的复合体制备工艺操作简单、原材料来源丰富、制作成本低,磁性回收能力强、再生性能优异,能高效吸附去除水中重金属和痕量有机物。
-
公开(公告)号:CN112307001A
公开(公告)日:2021-02-02
申请号:CN202011202434.1
申请日:2020-11-02
Applicant: 中南大学
IPC: G06F16/215 , G06K9/62 , G06N3/08
Abstract: 本发明提供一种基于DA优化的汽油精炼过程中辛烷值损失预测方法与系统,包括:获取汽油精炼样本数据;对样本数据进行预处理;基于皮尔森相关系数和最大信息系数构建识别差异表达操作变量的方法,获取样本数据中各变量之间的关联关系,筛选出N个变量作为操作变量;将获得样本数据分为训练集和测试集;以精炼汽油辛烷值和含硫量为约束条件,基于DA优化的BP神经网络进行模型训练学习,获得第一辛烷值预测模型;在测试集的基础上,对获得的第一辛烷值预测模型进行测试,在满足预设的预测精度基础上最终输出模型作为辛烷值的预测模型,否则进行模型优化;以辛烷值的预测模型对实时获得的汽油精炼数据进行辛烷值预测输出。
-
公开(公告)号:CN110156120A
公开(公告)日:2019-08-23
申请号:CN201910564320.2
申请日:2019-06-26
Applicant: 中南大学
IPC: C02F1/467 , C02F1/461 , C02F101/30
Abstract: 本发明提供了一种污水处理装置及处理方法,包括处理罐体、动力与电控单元、气体供给与尾气回收单元以及循环反应处理单元;处理罐体上设置有进液口、排液口、气体入口以及尾气排气口;气体供给与尾气回收单元通过气体入口与处理罐体相贯通;尾气排气口与气体供给与尾气回收单元相贯通;循环反应处理单元包括外部循环设备以及反应处理部件;反应处理部件置于处理罐体内部;外部循环设备置于处理罐体外部并分别与进液口以及排液口相贯通;动力与电控单元与反应处理部件相连;待处理污水通过进液口进入处理罐体内部并与反应处理部件反应。本发明构造简单、电极材料来源丰富、可实现污水的异地高效净化、运行成本较低,处理后水质高。
-
-
-
-
-
-
-
-
-