纳滤分离机理模型的研究进展
Research progress on nanofiltration separation mechanism models
吴雨茜 1唐元晖 1任书平 2王晓琳 2武浩宇 2林亚凯2
作者信息
- 1. 中国矿业大学(北京)化学与环境工程学院,北京 100083;清华大学化学工程系膜材料与工程北京市重点实验室,北京 100084
- 2. 清华大学化学工程系膜材料与工程北京市重点实验室,北京 100084
- 折叠
摘要
近年来,纳滤(Nanofiltration,NF)分离技术广泛应用在物料分离、水处理等领域.对NF分离机理的认识是能够准确预测NF分离性能的理论基础.本文从历史发展的角度回顾了用于解读和预测N F分离性能的非平衡热力学模型、结构模型及其他模型.结构模型包括细孔模型、固定电荷模型、空间电荷模型、静电位阻模型、道南位阻模型与道南位阻-介电排斥模型等.总结了各模型的特点、发展及其在NF分离机理解读和性能预测方面的应用.随着分析仪器和计算机技术的进步,未来NF分离机理和理论的研究应着重于将结构模型和人工智能模型相结合,针对各种复杂的NF分离体系开展膜分离性能预测和膜材料的设计优化,以期能进一步推动NF膜的精准构筑,从而拓展其应用场景.
Abstract
Recently,nanofiltration membrane separation technology has been widely used in material separation and water treatment,and the understanding of nanofiltration membrane separation mechanism is the theoretical basis to accurately predict the separation performance of nanofiltration membrane.This paper reviews models used to interpret and predict nanofiltration separation performance from perspective of historical development,including irreversible thermodynamic model,structural models and other methods.The structural models involve the steric-hindrance pore model,the fixed charge model,space charge model,the electrostatic and steric-hindrance model,the Donnan steric pore model and dielectric exclusion.Then the models'characteristic,development and applications to analyze separation mechanism and predict separation performance are summarized.With the advancement of analytical instruments and computer technology,future research on NF separation mechanism and theory should focus on combining structural and artificial intelligence models to predict membrane separation performance and optimize the design of membrane materials for various complex NF separation systems in order to further promote the accurate construction of NF membranes and thus expand their application scenarios.
关键词
纳滤/分离机理/非平衡热力学模型/结构模型Key words
nanofiltration/separation mechanism/irreversible thermodynamic model/structure models引用本文复制引用
基金项目
国家重点研发计划(2022YFC2105103)
清华大学与中国石化股份有限公司北京燕山分公司横向合作课题(20212000432)
清华大学与中国石化股份有限公司北京燕山分公司横向合作课题(20212910094)
化学工程联合国家重点实验室开放基金(SKL-CHE-19A02)
中央高校基本科研业务费专项(2022YQHH04)
中央高校基本科研业务费专项(2022YJSHH14)
中央高校基本科研业务费专项(2023ZKPYHH04)
北京市自然科学基金(2232018)
出版年
2024
NETL
NSTL
维普
万方数据