KR20170099201A - Prediction Method for Organic-Fouling of Membrane - Google Patents
Prediction Method for Organic-Fouling of Membrane Download PDFInfo
- Publication number
- KR20170099201A KR20170099201A KR1020160021285A KR20160021285A KR20170099201A KR 20170099201 A KR20170099201 A KR 20170099201A KR 1020160021285 A KR1020160021285 A KR 1020160021285A KR 20160021285 A KR20160021285 A KR 20160021285A KR 20170099201 A KR20170099201 A KR 20170099201A
- Authority
- KR
- South Korea
- Prior art keywords
- organic
- indicator
- film
- membrane
- degree
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 239000012528 membrane Substances 0.000 title claims description 72
- 239000000126 substance Substances 0.000 claims abstract description 63
- 238000011109 contamination Methods 0.000 claims abstract description 58
- 238000009825 accumulation Methods 0.000 claims abstract description 51
- 238000009285 membrane fouling Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 239000003814 drug Substances 0.000 claims description 17
- 229940079593 drug Drugs 0.000 claims description 16
- 239000005416 organic matter Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012921 fluorescence analysis Methods 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 12
- 239000007924 injection Substances 0.000 claims description 12
- 125000000962 organic group Chemical group 0.000 claims description 8
- 102000004169 proteins and genes Human genes 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 230000008021 deposition Effects 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 abstract description 4
- 239000011368 organic material Substances 0.000 description 10
- 239000000356 contaminant Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- 239000000084 colloidal system Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002209 hydrophobic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005374 membrane filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001728 nano-filtration Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000001223 reverse osmosis Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006065 biodegradation reaction Methods 0.000 description 1
- 159000000007 calcium salts Chemical class 0.000 description 1
- 239000000701 coagulant Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000009881 electrostatic interaction Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 231100001240 inorganic pollutant Toxicity 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000003206 sterilizing agent Substances 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
- B01D65/10—Testing of membranes or membrane apparatus; Detecting or repairing leaks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
- B01D65/02—Membrane cleaning or sterilisation ; Membrane regeneration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
- B01D65/08—Prevention of membrane fouling or of concentration polarisation
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/44—Treatment of water, waste water, or sewage by dialysis, osmosis or reverse osmosis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2311/00—Details relating to membrane separation process operations and control
- B01D2311/24—Quality control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2321/00—Details relating to membrane cleaning, regeneration, sterilization or to the prevention of fouling
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/20—Total organic carbon [TOC]
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
본 발명은 유기성 막 오염과 상관성이 높은 지표를 설정함에 따라 정확하고 빠르며, 용이하게 막 오염의 예측이 가능한 유기성 막 오염의 예측 방법에 관한 것으로, 본 발명은, 유기물을 그룹별로 분류하는 단계와, 상기 유기물을 그룹별로 분류하는 단계에 의해 분류된 각 유기물 그룹의 막 축적도를 분석하는 단계 및 상기 막 축적도를 분석하는 단계에 의해 분석된 각 유기물 그룹의 막 축적도에 기반하여 막 오염 예측의 지표를 설정하는 단계를 포함하는 유기성 막 오염의 예측 방법을 제공한다.The present invention relates to a method of predicting an organic film contamination that can accurately and quickly determine the contamination of an organic film by setting an indicator highly correlated with organic film contamination. Analyzing the film accumulation degree of each organic substance group classified by the grouping of the organic substances into groups and analyzing the film accumulation degree based on the film accumulation degree of each organic substance group analyzed, And setting an indicator. The present invention also provides a method for predicting organic film contamination.
Description
본 발명은 유기성 막 오염의 예측 방법에 관한 것으로, 보다 상세하게는 유기성 막 오염과 상관성이 높은 지표를 설정함에 따라 정확하고 빠르며, 용이하게 막 오염의 예측이 가능한 유기성 막 오염의 예측 방법에 관한 것이다. The present invention relates to a method for predicting organic film fouling, and more particularly, to a method for predicting organic film fouling which can accurately, quickly, and easily predict membrane fouling by setting an index highly correlated with organic film fouling .
멤브레인(Membrane) 여과 기술은 멤브레인의 세공크기와 표면 전하에 따라 원수 및 하, 폐수 중에 존재하는 처리대상물질을 거의 완벽하게 분리, 제거할 수 있는 분리공정이다. 멤브레인은 공극을 많이 가진 다공질 막(Porous Membrane)으로, 수중에 포함된 유기 오염물질, 무기 오염물질, 기생충, 박테리아 등을 분리시킬 수 있다. 따라서, 멤브레인 여과 기술은 유기/무기 오염 물질, 폐수의 방류수 내 유기 물질(EfOM) 등과 같은 오염물질의 제거 효율의 측면에서 상수/하수 처리 및 하수(폐수) 재처리에 유효한 기술들 중 하나로 인식되어 왔다. Membrane filtration technology is a separation process that can almost completely separate and remove substances to be treated in the raw water and the wastewater according to the pore size and surface charge of the membrane. Membrane is a porous membrane with a lot of pores. It can separate organic pollutants, inorganic contaminants, parasites, bacteria, etc. contained in water. Therefore, the membrane filtration technology is recognized as one of effective technologies for water / wastewater treatment and sewage (wastewater) reprocessing in terms of the efficiency of removal of pollutants such as organic / inorganic pollutants, organic substances in the effluent of waste water (EfOM) come.
또한, 멤브레인을 이용한 수처리는 다른 여과 공정에 비해 응집제 등 약품의 사용량이 적고, 소요되는 부지면적을 줄일 수 있다는 장점이 있어 전반적인 수처리 분야에서 널리 이용되고 있다. In addition, the water treatment using the membrane has advantages in that the amount of chemicals such as coagulant used is smaller than that of other filtration processes, and the area required can be reduced, which is widely used in the overall water treatment field.
멤브레인에서 가장 중요한 것은 어느 정도의 물리적 강도를 가지고 얼마나 많은 양의 양질의 멤브레인 투과수를 얻을 수 있는가이다. 하지만, 멤브레인 공정은 사용에 따라 오염(Fouling)이 발생하여 막의 성능을 떨어뜨린다는 문제점이 있다. 막 오염(Fouling)이란 유입수 중에 존재하는 여러 가지 이물질들이 막의 표면에 침착되거나 흡착되어 막의 물투과도를 감소시키는 현상으로, 막 오염을 유발하는 이물질의 종류로는 부유성 입자, 콜로이드, 유기물, 미생물, 칼슘염 등의 무기염 등 다양한 종류가 있다. 막 오염 현상은 오염 물질의 크기와 같은 수리학적 요소(hydrodynamic element), 막의 특성, 오염 물질의 화학적 특성 등에 따른 정전기적 상호작용(반발력 또는 인력) 또는 소수성 상호작용에 의하여 영향을 받으며, 이러한 막과 오염 물질 사이의 상호작용은 막 표면으로부터의 오염 물질의 확산 계수에도 영향을 미치게 된다. 이에 따라, 전반적인 설비의 작동성이 나빠지며, 비용이 증가한다는 문제점이 있다. The most important thing in the membrane is how much physical strength and how much good quality membrane permeate can be obtained. However, there is a problem that the membrane process causes fouling depending on use, thereby deteriorating the performance of the membrane. Fouling is a phenomenon that various foreign substances present in the influent water are deposited or adsorbed on the surface of the membrane to reduce the water permeability of the membrane. Examples of the foreign matter causing the membrane contamination include floating particles, colloids, organic matter, microorganisms, And inorganic salts such as calcium salts. Membrane contamination is affected by electrostatic interactions (repulsion or attraction) or hydrophobic interactions, depending on the hydrodynamic element, membrane properties, and chemical properties of the contaminants, such as the size of the contaminants, Interaction between contaminants also affects the diffusion coefficient of contaminants from the membrane surface. As a result, there is a problem that the operability of the overall facility deteriorates and the cost increases.
따라서, 막 오염을 예측하는 것은 매우 중요하나, 상기와 같이 막 오염을 유발하는 물질이 매우 다양하기 때문에, 막 오염 현상을 미리 예측한다는 것은 상당히 어려운 일이다.Therefore, it is very important to predict membrane fouling, but it is very difficult to predict the membrane fouling phenomenon in advance because the materials causing the membrane fouling are very diverse as described above.
현재까지의 막 오염 현상에 관한 연구는 여과 실험, 오염이 일어난 막의 분석, 기존의 막 오염 지수[예컨대, 오니 밀도 지수(silt density index)]에 의한 막 오염 평가 등에 머물러 있다. 이러한 기존의 연구들은 분석하는 데 많은 시간을 필요로 하며, 오염도의 수치화에 한계가 있었다. Studies on membrane fouling phenomena to date have been focused on filtration experiments, analysis of contaminated membranes, and assessment of membrane fouling by existing membrane fouling indexes (e.g., sludge density index). These existing studies require much time to analyze and limit the quantification of pollution level.
이에 따라, 일반적으로 역삼투 또는 나노 여과공정에서의 막오염 현상을 미리 예측하기 위한 방법으로, SDI(Silt Density Index) 측정방법이 개발되었다. SDI는 분리막에 오염(fouling)이 일어날 수 있는 가능성을 나타내는 척도로 이용된다. SDI 측정방법에 따르면, 직경 47mm이고 0.45㎛의 필터에 30 psid의 압력으로 물을 흘려 부유물(SS;Suspended Solid)성분에 의해 일어나는 오염의 정도를 측정한다. 이때, 처음 500ml의 물이 흐르는데 걸리는 시간(T0)을 측정한다. 그리고 15분(T)이 지난 후 다시 500ml의 물이 흐르는데 걸리는 시간(T1)을 측정하고, 이 두 가지 시간의 비율을 척도로 사용한다.Accordingly, SDI (Silt Density Index) measurement method has been developed as a method for predicting membrane contamination phenomenon generally in reverse osmosis or nanofiltration process. SDI is used as a measure of the possibility of fouling in the membrane. According to the SDI measurement method, the degree of contamination caused by the SS (Suspended Solid) component is measured by flowing water at a pressure of 30 psid to a filter having a diameter of 47 mm and 0.45 탆. At this time, the time (T0) required for the first 500 ml of water to flow is measured. Then, after 15 minutes (T), the time required for 500 ml of water to flow again (T1) is measured, and the ratio of these two times is used as a scale.
SDI 측정은 현재 역삼투 또는 나노 여과공정에서 유입수의 막오염 경향을 예측하기 위해 가장 널리 사용되는 방법이다. 일반적으로 SDI가 3 미만이면 오염은 심하지 않으며, 5 이상이 될 경우 심한 오염이 일어날 수 있다. 즉, SDI 측정방법은, 0.45㎛ 이상의 크기를 가지는 부유성 입자에 의한 막오염 가능성을 간접적으로 평가하는 방법이다. 따라서 SDI로는 0.45㎛ 미만의 크기를 가지는 콜로이드나 유기물에 의한 영향을 평가할 수 없다.SDI measurements are the most widely used method for predicting membrane contamination trends of influent in current reverse osmosis or nanofiltration processes. In general, if the SDI is less than 3, the pollution is not severe. If the SDI is 5 or more, severe contamination may occur. That is, the SDI measurement method is a method for indirectly evaluating the possibility of film contamination by floating particles having a size of 0.45 탆 or more. Therefore, SDI can not evaluate the effect of colloid or organic matter having a size of less than 0.45 μm.
또한, 일반적으로 유기물에 의한 막 오염을 분석하는 방법으로는 TOC(Total Organic Carbon)가 이용되고 있으나, TOC 수치는 많은 유기물 종류를 포함하며 막 오염과 상관성이 낮은 유기물까지 모두 포함하여, 전체적으로 유기성 막 오염과 상관성이 낮아 정확하게 막 오염을 예측할 수 없다. In general, TOC (Total Organic Carbon) is used as a method for analyzing membrane fouling due to organic substances. However, the TOC value includes all kinds of organic substances and organic substances having low correlation with membrane contamination, Corrosion is not highly correlated and precise membrane contamination can not be predicted.
또한, 유기성 막 오염을 유발하는 물질을 분석하기 위해서는 고가의 분석장비와 전문 인력이 필요하여 현장 플랜트에서 지표로 사용하기에는 부적합하다는 문제점이 있다.
Also, there is a problem in that it is not suitable for use as an indicator in a field plant because expensive analytical equipments and specialized manpower are required to analyze substances causing organic film contamination.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로, 유기성 막 오염과 상관성이 높은 지표를 설정함에 따라 정확하고 빠르며, 용이하게 막 오염의 예측이 가능한 유기성 막 오염의 예측 방법을 제공하는 것에 그 목적이 있다. SUMMARY OF THE INVENTION It is an object of the present invention to provide a method for predicting membrane fouling which can accurately and quickly predict membrane fouling by setting an indicator having high correlation with organic membrane fouling have.
상기의 과제를 해결하기 위한 본 발명은, 유기물을 그룹별로 분류하는 단계와, 상기 유기물을 그룹별로 분류하는 단계에 의해 분류된 각 유기물 그룹의 막 축적도를 분석하는 단계 및 상기 막 축적도를 분석하는 단계에 의해 분석된 각 유기물 그룹의 막 축적도에 기반하여 막 오염 예측의 지표를 설정하는 단계를 포함하는 유기성 막 오염의 예측 방법을 제공한다. According to an aspect of the present invention, there is provided a method of analyzing an organic material, the method comprising: classifying organic substances into groups; analyzing a film accumulation degree of each organic substance group classified by grouping the organic substances into groups; Determining an indicator of membrane fouling predicting based on the film deposition degree of each organic matter group analyzed by the analyzing step.
상기 유기물을 그룹별로 분류하는 단계는, 형광 분석 데이터와 TOC(Total Organic Carbon) 분석 데이터에 기반하여 이루어질 수 있다. The step of classifying the organic substances into groups may be performed based on fluorescence analysis data and TOC (Total Organic Carbon) analysis data.
상기 유기물을 그룹별로 분류하는 단계는, 휴믹(Humic) 계열의 2개의 유기물 그룹과 단백질(Protein) 계열의 3개의 유기물 그룹으로 분류하는 것을 특징으로 한다. The step of classifying the organic substances into groups is classified into two organic groups of Humic type and three organic groups of Protein type.
상기 막 축적도를 분석하는 단계는, 막 공정의 유입수와 유출수 내 각 유기물 그룹의 농도를 분석하여 이루어질 수 있다. The step of analyzing the film accumulation degree may be performed by analyzing the concentrations of the organic matter groups in the influent water and the effluent in the membrane process.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 가장 높은 유기물 그룹의 농도를 지표로 설정하는 것을 특징으로 한다. The step of setting the indicator is characterized by setting the concentration of the organic substance group having the highest film accumulation degree analyzed by the step of analyzing the film accumulation degree as an indicator.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 높은 복수의 유기물 그룹의 농도를 조합하여 지표로 설정하는 것을 특징으로 한다. The step of setting the indicator is characterized by combining the concentrations of a plurality of organic substance groups having a high degree of accumulation of the film analyzed by the step of analyzing the film accumulation degree as indicators.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 높은 복수의 유기물 그룹의 농도의 합을 지표로 설정하는 것을 특징으로 한다. The step of setting the indicator is characterized by setting the sum of the concentrations of the plurality of organic substance groups having a high film accumulation degree analyzed by the step of analyzing the film accumulation degree as an index.
상기 복수의 유기물 그룹의 농도의 합에서 각 유기물 그룹의 농도의 계수는 막 축적도에 따라 다르게 설정되는 것을 특징으로 한다. Wherein the coefficient of concentration of each organic substance group in the sum of the concentrations of the plurality of organic substance groups is set differently according to the film accumulation degree.
또한, 상기 지표를 설정하는 단계에 의해 지표가 설정되면, 각 멤브레인 공정에서 유기성 막 오염의 가능성을 예측할 수 있도록 막 오염의 정도에 따른 지표의 범위를 설정하는 단계를 더 포함할 수 있다. In addition, when the indicator is set by the step of setting the indicator, it may further include setting a range of the indicator according to the degree of membrane contamination so as to predict the possibility of contamination of the organic membrane in each membrane process.
상기 지표의 범위를 설정하는 단계는, 멤브레인 공정에서 차압의 상승률을 고려하여 설정하는 것을 특징으로 한다. The step of setting the range of the indicator is characterized by taking into account the rate of increase of the differential pressure in the membrane process.
또한, 상기 지표를 설정하는 단계에 의해 설정된 지표를 이용하여 각 멤브레인 공정에서 막 오염을 예측하는 단계를 더 포함할 수 있다. The method may further include the step of predicting membrane contamination in each membrane process using the index set by the step of setting the index.
상기 막 오염을 예측하는 단계는, 각 멤브레인 공정에서 상기 지표를 설정하는 단계에 의해 설정된 지표의 수치를 도출하고, 도출된 수치의 범위에 따라 막 오염을 예측하는 것을 특징으로 한다. The step of predicting the membrane fouling is characterized by deriving the numerical value of the indicator set by the step of setting the indicator in each membrane process and predicting membrane fouling according to the derived range of the numerical value.
상기 유기물을 그룹별로 분류하는 단계에 의해 지표의 수치가 도출되는 것을 특징으로 한다. And a numerical value of the indicator is derived by classifying the organic matter into groups.
또한, 상기 막 오염을 예측하는 단계에 따라 예측된 막 오염의 정도에 기반하여 약품 주입 스케줄을 결정하는 단계를 더 포함할 수 있다. The method may further include determining a drug injection schedule based on the degree of the predicted membrane fouling according to the step of predicting the membrane fouling.
상기 약품 주입 스케줄을 결정하는 단계는, 상기 막 오염을 예측하는 단계에 따라 예측된 막 오염의 정도가 낮을 때에는 약품을 주입하지 않으며, 예측된 막 오염의 정도가 중간일 때에는 약품을 간헐적으로 주입하고, 예측된 막 오염의 정도가 높을 때에는 약품을 연속적으로 주입하도록 결정하는 것을 특징으로 한다.
The step of determining the drug injection schedule may include injecting the drug intermittently when the degree of the predicted film contamination is low according to the step of predicting the film contamination, , And when the degree of predicted film contamination is high, it is determined to inject the chemicals continuously.
본 발명의 유기성 막 오염의 예측방법에 따르면, 형광 분석 데이터와 TOC(Total Organic Carbon) 분석 데이터에 기반하여 유기물을 그룹별로 분류함으로써, 정량분석 뿐만 아니라 정성분석도 가능하다. According to the method of predicting the organic film contamination of the present invention, organic matter can be classified into groups based on fluorescence analysis data and TOC (Total Organic Carbon) analysis data, so that quantitative analysis as well as qualitative analysis can be performed.
또한, 각 유기물 그룹의 막 축적도에 기반하여 유기성 막 오염과 상관성이 높은 막 오염 예측의 지표를 설정하고, 이를 이용하여 막 오염을 예측함으로써, 정확하게 예측이 가능하다는 효과가 있다. In addition, based on the film accumulation degree of each organic substance group, an indicator of film fouling prediction having a high correlation with the organic film fouling is set, and the film fouling is predicted using the indicator.
또한, 막 오염의 예측 분석에 고가의 분석장치와 전문인력이 필요하지 않아 쉽고 빠르게 막 오염의 예측이 가능하다. In addition, it is possible to predict film fouling easily and quickly because expensive analytical equipment and professional manpower are not needed for prediction analysis of membrane fouling.
또한, 막 오염을 예측하는 단계에 따라 예측된 막 오염의 정도에 기반하여 약품 주입 스케줄을 결정함으로써, 약품 비용을 최소화할 수 있고, 막 오염을 효과적으로 제어할 수 있다.
Further, by determining the drug injection schedule based on the predicted degree of film contamination according to the step of predicting the membrane contamination, the drug cost can be minimized and the membrane contamination can be effectively controlled.
도 1은 본 발명의 일 실시예에 따른 유기성 막 오염의 예측 방법을 단계적으로 나타내는 개략도이다.
도 2는 형광 분석 방법을 나타낸 개략도이다.
도 3은 일 실시예에서 도 2의 형광 분석 방법을 이용한 분석 결과를 나타낸 그래프이다.
도 4a~도 4e는 일 실시예에서 분류된 유기물 그룹별 그래프이다. BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a schematic diagram showing a step-by-step method for predicting organic film contamination according to an embodiment of the present invention; FIG.
2 is a schematic view showing a fluorescence analysis method.
FIG. 3 is a graph showing an analysis result using the fluorescence analysis method of FIG. 2 in one embodiment.
Figures 4A-4E are graphs of organics groups sorted in one embodiment.
이하, 본 발명의 유기성 막 오염의 예측 방법에 대한 바람직한 실시예를 첨부된 도1 내지 도4e를 참조하여 설명하도록 한다. Hereinafter, a preferred embodiment of a method for predicting organic film contamination according to the present invention will be described with reference to FIGS. 1 to 4E.
또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으며, 아래의 실시예는 본 발명의 권리범위를 한정하는 것이 아니라 본 발명의 청구범위에 제시된 구성요소의 예시적인 사항에 불과하다.It is to be understood that both the foregoing description and the following detailed description are exemplary and explanatory and are intended to provide further explanation of the invention, and are not intended to limit the scope of the invention. But are merely illustrative of the elements recited in the claims.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.In order to clearly illustrate the present invention, parts not related to the description are omitted, and the same or similar components are denoted by the same reference numerals throughout the specification. Throughout the specification, when an element is referred to as "comprising ", it means that it can include other elements, not excluding other elements unless specifically stated otherwise.
도 1은 본 발명의 일 실시예에 따른 유기성 막 오염의 예측 방법을 단계적으로 나타내는 개략도, 도 2는 형광 분석 방법을 나타낸 개략도, 도 3은 일 실시예에서 도 2의 형광 분석 방법을 이용한 분석 결과를 나타낸 그래프이며, 도 4a~도 4e는 일 실시예에서 분류된 유기물 그룹별 그래프이다.
FIG. 1 is a schematic view showing a method of predicting organic film contamination according to an embodiment of the present invention, FIG. 2 is a schematic view showing a fluorescence analysis method, FIG. 3 is a graph showing an analysis result using the fluorescence analysis method of FIG. And FIGS. 4A to 4E are graphs of organic compounds classified in one embodiment.
우선, 도 1을 참고하여 본 발명의 일 실시예에 따른 유기성 막 오염의 예측 방법에 관하여 단계적으로 설명하도록 한다. First, a method for predicting organic film contamination according to an embodiment of the present invention will be described step by step with reference to FIG.
본 발명의 유기성 막 오염의 예측 방법은 개략적으로 유기물을 그룹별로 분류하는 단계(S100), 각 유기물 그룹의 막 축적도를 분석하는 단계(S200), 막 오염 예측의 지표를 설정하는 단계(S300), 막 오염의 정도에 따른 지표의 범위를 설정하는 단계(S400), 막 오염을 예측하는 단계(S500) 및 약품 주입 스케줄을 결정하는 단계(S600)를 포함하고 있다. The method of predicting organic film contamination according to the present invention includes a step S100 of classifying organic substances into groups, a step S200 of analyzing the film accumulation degree of each organic substance group, a step S300 of setting an indicator of film contamination prediction, A step S400 of setting the range of the indicator according to the degree of the membrane fouling, a step S500 of predicting the membrane fouling, and a step S600 of determining the drug injection schedule.
막(Membrane) 공정은 사용에 따라 오염(Fouling)이 발생하며 막의 성능을 떨어뜨린다. 막 공정의 유입수 중에 존재하는 유기물은 막 표면에 흡착되거나 미생물들의 성장(Bio-fouling) 현상을 가속화시켜 막의 물투과도를 감소시킨다. Membrane processes cause fouling and degrade the performance of membranes. The organic matter present in the influent of the membrane process adsorbs on the surface of the membrane or accelerates the growth of the microorganisms (Bio-fouling), thereby reducing the water permeability of the membrane.
유기물은 극성, Charge, 크기 등에 있어서 서로 유사한 특성을 갖는 유기물끼리 그룹으로 분류될 수 있다(S100 : 유기물을 그룹별로 분류하는 단계). 유기물은 다양한 방법에 의해 분류될 수 있으나, 본 일 실시예에서는 형광 분석 데이터와 TOC(Total Organic Carbon) 분석 데이터에 기반하여 이루어질 수 있다. 유기물 형광 분석(FEEM; Fluorescence Excitation Emission Matrix)은 정성분석을 위한 것이며, TOC 분석은 정량분석을 위한 것이다. Organic materials can be classified into groups of similar properties in terms of polarity, charge, size, etc. (S100: classification of organic materials into groups). Organic materials can be classified by various methods, but they can be based on fluorescence analysis data and TOC (Total Organic Carbon) analysis data in this embodiment. The Fluorescence Excitation Emission Matrix (FEEM) is for qualitative analysis, and the TOC analysis is for quantitative analysis.
형광 분석 방법은 도 2에 도시된 바와 같이, 광원(Light Source)을 분석할 대상 샘플에 자극시키고, 샘플로부터 발산되는 광원을 분석하는 방법으로 이루어질 수 있다. 형광 분석에서, 각 유기물은 고유의 형광흡수 및 발산 파장을 보이며, 유기물에 대한 종합적인 정보 제공이 가능하다. 또한, 분석 감도가 높아 미량의 유기물이라도 측정이 가능하다. As shown in FIG. 2, the fluorescence analysis method may include a method of stimulating a light source to a sample to be analyzed and analyzing a light source emitted from the sample. In fluorescence analysis, each organic material exhibits inherent fluorescence absorption and emission wavelengths, and it is possible to provide comprehensive information on organic matter. Also, because of its high sensitivity, it is possible to measure even a trace amount of organic matter.
도 3에는 일 실시예에서 상기의 형광 분석 방법을 이용한 분석 결과가 도시되어 있으며, 형광흡수(Excitation) 및 발산파장(Emission)에 따른 그래프로 나타나 있다. FIG. 3 shows an analysis result using the fluorescence analysis method in one embodiment, and is shown in a graph according to fluorescence excitation and divergence wavelength (Emission).
형광 분석 데이터와 TOC 분석 데이터에 기반하여 유기물이 그룹별로 분류될 수 있으며, 이는 다양한 방법에 의해 이루어질 수 있으나 통계학적 분석을 통해 분류되는 것이 바람직하다. 통계학적 분석 방법으로는 parafac tool 등이 이용될 수 있으며, matlab 코딩 등을 통해 분석 데이터에 기반하여 유사한 특성을 갖는 유기물들을 그룹별로 분류, 정량화할 수 있다. Based on fluorescence analysis data and TOC analysis data, organics can be classified into groups, which can be achieved by various methods, but are preferably classified through statistical analysis. The parafac tool can be used as a statistical analysis method, and organic materials having similar characteristics can be classified and quantified by group based on the analysis data through matlab coding or the like.
본 일 실시예에서는, 도4a~도4e에 도시된 바와 같이, 형광흡수(Excitation) 및 발산파장(Emission)에 따른 그래프의 위치 및 형상에 따라 휴믹(Humic) 계열의 2개의 유기물 그룹과 단백질(Protein) 계열의 3개의 유기물 그룹으로 분류될 수 있으며, 이를 기준으로 설명하도록 한다. 휴믹(Humic) 계열의 2개의 유기물 그룹을 각각 C1, C2 그룹, 단백질(Protein) 계열의 3개의 유기물 그룹을 각각 C3, C4, C5 그룹으로 정한다. 휴믹 계열의 유기물 그룹은 흡착에 의해 막 오염이 일어나며, 음전하(Negative charge)를 띄고, 소수성의 성질을 갖는다. 반면, 단백질 계열의 유기물 그룹은 흡착 또는 생분해에 의해 막 오염이 일어나며, 양쪽성(Amphoteric) 물질이고, 친수성의 성질을 갖는다. 일반적으로, 단백질 계열의 유기물이 휴믹 계열의 유기물보다 크기가 크다.
4A to 4E, according to the position and shape of the graph according to the fluorescence excitation and the emission wavelength, two organic groups of humic type and a protein Protein) group, and we will explain this by reference. The three organic groups of the C1, C2, and Protein groups are defined as C3, C4, and C5 groups, respectively, in the two organic groups of the humic system. The organic group of the humic system is contaminated by adsorption, has a negative charge, and has a hydrophobic property. On the other hand, the protein-based organic material group is an amphoteric substance and has a hydrophilic property, causing membrane contamination by adsorption or biodegradation. Generally, the organic materials of the protein series are larger than the organic materials of the humic type.
다음으로는, 분류된 각 유기물 그룹 별로 막 오염 가능성을 분석한다(S200 : 막 축적도를 분석하는 단계). 막 오염 가능성은 유기물이 막에 축적되는 정도를 이용하여 분석할 수 있으며, 막 공정에 유입되는 유입수와 유출되는 유출수 내의 각 유기물 그룹의 농도를 일정시간 동안 분석하여 이루어질 수 있다. Next, the possibility of membrane contamination is analyzed for each group of organic substances classified (S200: step of analyzing the film accumulation degree). The possibility of membrane contamination can be analyzed by using the degree of accumulation of organic matter in the membrane, and the concentration of each organic substance group in the influent water flowing into the membrane process and the effluent flowing out can be analyzed for a predetermined time.
예를 들어 살펴보면, 유입수에서 각 유기물 그룹의 농도를 측정하고, 유출수에서 각 유기물 그룹의 농도를 측정하여, 각 유기물 그룹마다 Mass Balance를 이용하여 막에 축적되는 정도를 판단할 수 있다. 즉, 유입수에서의 농도와 유출수에서의 농도가 동일하거나 유입수에서의 농도가 유출수에서의 농도보다 약간 높아 거의 동일한 경우에는 막에 축적되지 않아 막 오염 가능성이 낮다고 볼 수 있으며, 유입수에서의 농도가 유출수에서의 농도보다 상당한 차이로 높은 값을 가지면 막에 축적되는 정도가 높아 막 오염 가능성이 높다고 볼 수 있다. 또한, 오차로 인해 유입수에서의 농도가 유출수에서의 농도보다 낮은 경우에도 막에 축적되지 않아 막 오염 가능성이 낮은 것으로 보아야 한다. For example, the concentration of each organic substance group in the influent can be measured, the concentration of each organic substance group in the effluent can be measured, and the degree of accumulation in the membrane can be determined using Mass Balance for each organic substance group. That is, if the concentration in the influent water is the same as the concentration in the effluent or the concentration in the influent water is slightly higher than the concentration in the effluent, it is not likely to accumulate in the membrane and the possibility of membrane contamination is low. It is considered that there is a high probability of membrane contamination because the degree of accumulation in the membrane is high. Also, even if the concentration in the influent water is lower than the concentration in the effluent due to the error, it should be considered that the possibility of contamination of the membrane is low because it is not accumulated in the membrane.
또한, 상기의 막 축적도를 분석하는 단계(S200)는 일정시간 동안 분석되어, 계절별, 지역별 막 공정 조건이 다소 다른 경우에도 평균적인 막 축적도로 분석될 수 있다.
In addition, the step of analyzing the film accumulation degree (S200) may be analyzed for a predetermined period of time, so that even when the film processing conditions of each season and region are somewhat different, the average film accumulation can be analyzed.
다음으로는, 상기 막 축적도를 분석하는 단계(S200)에 의해 분석된 각 유기물 그룹의 막 축적도에 기반하여 막 오염 예측의 지표를 설정한다(S300 : 막 오염 예측의 지표를 설정하는 단계). Next, an index of the film fouling prediction is set based on the film accumulation degree of each organic substance group analyzed by the step of analyzing the film accumulation degree (S200) (S300: step of setting an indicator of membrane fouling prediction) .
막 오염 예측의 지표(Index)는 분석된 각 유기물 그룹의 막 축적도에 기반하여 막 축적도가 높은 하나의 유기물 그룹의 농도나 복수의 유기물 그룹의 농도를 기준으로 정해질 수 있으며, 막 오염과 상관성이 높아 지표의 값에 따라 막 오염을 예측할 수 있다. The index of membrane fouling prediction can be determined based on the concentration of one organic substance group or the concentration of a plurality of organic substance groups having a high film accumulation degree based on the film accumulation degree of each organic substance group analyzed, The correlation is high, and membrane contamination can be predicted according to the value of the indicator.
일 실시예에서, 상기 막 오염 예측의 지표(Index)는 상기 막 축적도를 분석하는 단계(S200)에 의해 분석된 막 축적도가 가장 높은 유기물 그룹의 농도로 설정될 수 있다. In one embodiment, the index of the film fouling prediction may be set to the concentration of the organic substance group having the highest film accumulation degree analyzed by the step S200 of analyzing the film accumulation degree.
또한, 적용 가능한 다른 실시예에 따르면, 상기 막 오염 예측의 지표(Index)는 상기 막 축적도를 분석하는 단계(S200)에 의해 분석된 막 축적도가 비교적 높은 복수의 유기물 그룹의 농도의 합으로 설정될 수 있다. 하지만, 이에 한정되는 것은 아니며, 막 축적도가 높은 복수의 유기물 그룹의 농도가 조합되어있는 것이면 가능하다. 또한, 상기 복수의 유기물 그룹의 농도의 합에서 각 유기물 그룹의 농도의 계수는 막 축적도에 따라 다르게 설정될 수 있다. 막 축적도가 가장 높게 분석되는 유기물 그룹의 농도에는 곱해지는 계수를 가장 크게 설정하여 지표에 미치는 영향을 가장 크게 만드는 것이 바람직하다. 이와 같이 막 축적도에 따라서 막 축적도가 비교적 높은 것은 계수를 크게 설정하여 지표에 미치는 영향을 크게 만들고, 막 축적도가 비교적 낮은 것은 계수를 작게 설정하여 지표에 미치는 영향을 작게 만들 수 있다. 이에 따라, 더욱 정확한 지표 설정이 가능해지며, 막 오염을 정확하게 예측할 수 있다. Further, according to another applicable embodiment, the index of film fouling prediction may be calculated by summing the concentrations of a plurality of organic material groups having relatively high film accumulation degrees analyzed by the step S200 of analyzing the film accumulation degree Can be set. However, the present invention is not limited thereto, and it is possible that the concentration of a plurality of organic substance groups having a high degree of film accumulation is combined. Further, the coefficient of the concentration of each organic substance group in the sum of the concentrations of the plurality of organic substance groups may be set differently according to the film accumulation degree. It is preferable to set the coefficient multiplied to the concentration of the organic substance group to be analyzed with the highest degree of film accumulation to maximize the effect on the indicator. As described above, the film accumulation degree is relatively high according to the film accumulation degree, and the coefficient is set to a large value to make the influence on the indicator large. The relatively low film accumulation degree can reduce the influence on the indicator by setting the coefficient to be small. This makes it possible to set more accurate indices and accurately predict film fouling.
본 일 실시예에서 막 축적도를 분석한 결과, 상기에서 분류된 5개의 각 유기물 그룹 중, C4 그룹의 막 축적도가 가장 높으며, C1, C3 그룹의 막 축적도는 비교적 높고, C2, C5 그룹은 막 축적도가 낮아 막 오염 가능성이 거의 없는 것으로 분석되었으며, 이를 기준으로 설명하도록 한다. As a result of analyzing the degree of film accumulation in the present embodiment, it was found that among the five organic substances classified in the above, the C4 accumulation degree is the highest, the accumulation degree of the C1 and C3 groups is relatively high, The film accumulation degree is low and there is almost no possibility of contamination of membrane.
이 때, 일 실시예에서는 막 축적도가 가장 높은 유기물 C4 그룹의 농도로 지표가 설정될 수 있다. At this time, in one embodiment, the indicator can be set to the concentration of the organic C4 group having the highest film accumulation degree.
또한, 적용 가능한 다른 실시예에서는 막 축적도가 비교적 높은 복수의 유기물 그룹, 즉 C1, C3, C4 그룹의 농도의 합(C1+C3+C4)으로 설정될 수 있다. 이 때, 막 축적도가 가장 높게 분석된 유기물 C4 그룹의 농도의 계수를 크게 설정하여 지표(C1+C3+6C4)를 설정할 수도 있다.
In other applicable embodiments, the sum of the concentrations of a plurality of groups of organic substances, that is, C1, C3, and C4 groups having a relatively high degree of film accumulation (C1 + C3 + C4) can be set. At this time, the index (C1 + C3 + 6C4) can be set by setting the coefficient of the concentration of the organic substance C4 group analyzed to have the highest degree of film accumulation to be large.
상기와 같이 지표를 설정하는 단계(S300)에 따라 막 오염을 예측할 수 있는 지표(Index)가 설정되면, 각 멤브레인 공정에서 유기성 막 오염 가능성의 정도를 예측할 수 있도록 막 오염의 정도에 따른 지표의 범위가 설정될 수 있다(S400 : 지표의 범위를 설정하는 단계). 예를 들어 본 일 실시예에서, 지표를 막 축적도가 높은 복수의 유기물 그룹(C1, C3, C4)의 농도의 합 C1+C3+6C4로 정했을 때, 막 오염 예측의 지표(Index) 수치가 0≤C1+C3+6C4＜3 이면 막 오염 가능성이 낮은 것이며, 3≤C1+C3+6C4＜6 이면 막 오염 가능성이 있는 것이고, 6≤C1+C3+6C4 인 경우에는 막 오염 가능성이 높은 것으로 설정될 수 있다. If an index capable of predicting membrane fouling is set in accordance with the setting of the indicator (S300) as described above, the range of the indicator according to the degree of membrane fouling can be predicted so as to predict the degree of possibility of organic membrane fouling in each membrane process (S400: setting the range of the indicator). For example, in this embodiment, when the index is defined as the sum of the concentrations C1 + C3 + 6C4 of the plurality of organic substance groups C1, C3, and C4 having high film accumulation degrees, The probability of film contamination is low when 3? C1 + C3 + 6C4? 6, and the possibility of film contamination is high when 6? C1 + C3 + 6C4 <3 Can be set.
이 때, 막 오염의 정도는 멤브레인 공정에서 원수의 멤브레인 통과 전과 후의 압력 차이를 나타내는 차압(△DP; Membrane Feed Channel Pressure Drop)과 상관성이 높으며, 막 오염의 정도가 클수록 차압 또한 크게 나타난다. 따라서, 막 오염 가능성의 정도를 예측할 수 있는 지표의 범위를 설정할 때 멤브레인 공정 차압의 상승률을 고려하는 것이 바람직하다.
At this time, the degree of membrane contamination is highly correlated with the differential pressure (DELTA DP) indicating the difference in pressure before and after membrane permeation of the membrane in the membrane process, and the greater the degree of membrane contamination, the greater the differential pressure. Therefore, it is preferable to consider the rate of increase of the differential pressure of the membrane process when setting the range of the indicator capable of predicting the degree of possibility of membrane contamination.
막 오염을 예측할 수 있는 지표가 설정되었으므로, 다음으로는 설정된 지표를 이용하여 막 오염을 예측할 수 있다(S500 : 막 오염을 예측하는 단계). 이를 위해서는, 막 오염을 예측하고자 하는 막 공정에서 유입수에서의 각 유기물 그룹별 농도를 측정한다. 미리 설정된 지표(Index)의 수치를 계산하는데 필요한 유기물 그룹의 농도만을 측정할 수도 있다. 이 때, 상기 유기물을 그룹별로 분류하는 단계(S100)에 의해, 즉 형광 분석과 TOC 분석을 통해 각 유기물 그룹별 농도가 측정될 수도 있다. 다음은, 측정된 각 유기물 그룹의 농도를 이용하여 미리 설정된 지표의 수치를 도출하고, 도출된 지표에 따라 막 오염 가능성의 정도를 예측할 수 있다. Since the indicator for predicting the membrane contamination is set, the membrane contamination can be predicted using the set index (S500: step for predicting membrane contamination). To do this, the concentration of each organics group in the influent water is measured in a membrane process to predict membrane contamination. It is also possible to measure only the concentration of the organic substance group necessary for calculating the numerical value of the preset index. At this time, the concentration of each organic substance group may be measured by a step S100 of classifying the organic substances into groups, that is, by fluorescence analysis and TOC analysis. Next, the numerical value of the predetermined indicator can be derived using the concentration of each organic substance group measured, and the degree of possibility of contamination of the membrane can be predicted according to the derived indicator.
다음으로는, 상기 막 오염을 예측하는 단계(S500)에 따라 예측된 막 오염의 정도에 기반하여 약품 주입 스케줄을 결정할 수 있다(S600 : 약품 주입 스케줄을 결정하는 단계). Next, the drug injection schedule may be determined based on the predicted degree of film contamination according to the step S500 of predicting the membrane fouling (S600: step of determining the drug injection schedule).
막 공정의 유입수 중에 존재하는 유기물은 막 표면에 흡착되거나 미생물들의 성장(Bio-fouling) 현상을 가속화시키며, 이를 제어하기 위해 살균제 등의 약품이 주입된다. 이 때, 약품 비용의 절감을 위해서는 유입수의 유기물 농도에 따라 약품의 주입시점과 농도 등을 결정하는 것이 중요하다. The organic matter present in the influent water of the membrane process is adsorbed on the membrane surface or accelerates the growth of the microorganisms (bio-fouling), and a medicine such as a sterilizing agent is injected to control the organic matter. At this time, it is important to determine the injection timing and concentration of the drug according to the organic matter concentration of the influent water in order to reduce the cost of the drug.
본 일 실시예에서는, 상기 막 오염을 예측하는 단계(S500)에 따라 예측된 막 오염의 정도가 낮을 때에는 약품을 주입하지 않으며, 예측된 막 오염의 정도가 중간일 때에는 약품을 간헐적으로 주입하고, 예측된 막 오염의 정도가 높을 때에는 약품을 연속적으로 주입하도록 약품 주입 스케줄을 결정할 수 있다. 예를 들어 일 실시예에서, 상기 막 오염을 예측하는 단계(S500)에 의해 도출된 지표의 수치가 3≤C1+C3+6C4＜6으로, 막 오염 가능성이 중간일 때에는 약품을 하루에 1~6시간동안 간헐적으로 주입할 수 있다. According to the present embodiment, when the degree of predicted film fouling is low according to the step S500 of predicting the film fouling, no chemical is injected. When the predicted degree of film fouling is intermediate, the chemical is intermittently injected, When the predicted degree of film contamination is high, the drug injection schedule can be determined so that the drug is continuously injected. For example, in one embodiment, when the numerical value of the index derived by the step S500 of predicting the film contamination is 3? C1 + C3 + 6C4 < 6, It can be injected intermittently for 6 hours.
따라서, 상기와 같이 막 오염 예측의 지표(Index) 수치를 기준으로 약품 주입시점과 주입주기를 결정하면 약품 비용을 최소화할 수 있으며, 막 오염을 효과적으로 제어할 수 있다.
Therefore, if the chemical injection timing and the injection cycle are determined based on the index value of the film fouling prediction as described above, the drug cost can be minimized and the film contamination can be effectively controlled.
본 발명은 상술한 특정의 실시예 및 설명에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 실시가 가능하며, 그와 같은 변형은 본 발명의 보호 범위 내에 있게 된다.
The present invention is not limited to the above-described specific embodiment and description, and various changes and modifications may be made by those skilled in the art without departing from the scope of the present invention as claimed in the claims. And such modifications are within the scope of protection of the present invention.
Claims (15)
상기 유기물을 그룹별로 분류하는 단계에 의해 분류된 각 유기물 그룹의 막 축적도를 분석하는 단계; 및
상기 막 축적도를 분석하는 단계에 의해 분석된 각 유기물 그룹의 막 축적도에 기반하여 막 오염 예측의 지표를 설정하는 단계;
를 포함하는 유기성 막 오염의 예측 방법. Classifying the organic substances into groups;
Analyzing a film accumulation degree of each organic substance group classified by grouping the organic substances into groups; And
Setting an indicator of membrane fouling predicting based on a film deposition degree of each organic matter group analyzed by analyzing the film deposition degree;
Wherein the organic film is contaminated.
상기 유기물을 그룹별로 분류하는 단계는, 형광 분석 데이터와 TOC(Total Organic Carbon) 분석 데이터에 기반하여 이루어지는 유기성 막 오염의 예측 방법. The method according to claim 1,
The method of claim 1, wherein the grouping of the organics is performed based on fluorescence analysis data and TOC (Total Organic Carbon) analysis data.
상기 유기물을 그룹별로 분류하는 단계는, 휴믹(Humic) 계열의 2개의 유기물 그룹과 단백질(Protein) 계열의 3개의 유기물 그룹으로 분류하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. 3. The method of claim 2,
Wherein the step of classifying the organic substances into groups is classified into two organic groups of Humic type and three organic groups of Protein type.
상기 막 축적도를 분석하는 단계는, 막 공정의 유입수와 유출수 내 각 유기물 그룹의 농도를 분석하여 이루어지는 유기성 막 오염의 예측 방법. The method according to claim 1,
Wherein analyzing the film accumulation degree comprises analyzing the concentration of each organic substance group in the influent water and the effluent in the membrane process.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 가장 높은 유기물 그룹의 농도를 지표로 설정하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. The method according to claim 1,
Wherein the setting of the indicator sets the concentration of the organic substance group having the highest film accumulation degree analyzed by the step of analyzing the film accumulation degree as an indicator.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 높은 복수의 유기물 그룹의 농도를 조합하여 지표로 설정하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. The method according to claim 1,
Wherein the setting of the indicator is performed by combining the concentrations of a plurality of organic substance groups having a high film accumulation degree analyzed by the step of analyzing the film accumulation degree as an indicator.
상기 지표를 설정하는 단계는, 상기 막 축적도를 분석하는 단계에 의해 분석된 막 축적도가 높은 복수의 유기물 그룹의 농도의 합을 지표로 설정하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. The method according to claim 6,
Wherein the setting of the indicator sets the sum of the concentrations of the plurality of organic substance groups having a high film accumulation degree analyzed by the step of analyzing the film accumulation degree as an indicator.
상기 복수의 유기물 그룹의 농도의 합에서 각 유기물 그룹의 농도의 계수는 막 축적도에 따라 다르게 설정되는 것을 특징으로 하는 유기성 막 오염의 예측 방법. 8. The method of claim 7,
Wherein the coefficient of concentration of each organic substance group in the sum of the concentrations of the plurality of organic substance groups is set differently according to the film accumulation degree.
상기 지표를 설정하는 단계에 의해 지표가 설정되면, 각 멤브레인 공정에서 유기성 막 오염의 가능성을 예측할 수 있도록 막 오염의 정도에 따른 지표의 범위를 설정하는 단계;
를 더 포함하는 유기성 막 오염의 예측 방법. The method according to claim 1,
Setting a range of an indicator according to the degree of film contamination so that the probability of organic film contamination in each membrane process can be predicted when the indicator is set by setting the indicator;
Further comprising the steps of:
상기 지표의 범위를 설정하는 단계는, 멤브레인 공정에서 차압의 상승률을 고려하여 설정하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. 10. The method of claim 9,
Wherein the step of setting the range of the indicator is set in consideration of the rate of increase of the differential pressure in the membrane process.
상기 지표를 설정하는 단계에 의해 설정된 지표를 이용하여 각 멤브레인 공정에서 막 오염을 예측하는 단계;
를 더 포함하는 유기성 막 오염의 예측 방법. 10. The method of claim 9,
Predicting membrane fouling in each membrane process using an indicator set by setting the indicator;
Further comprising the steps of:
상기 막 오염을 예측하는 단계는, 각 멤브레인 공정에서 상기 지표를 설정하는 단계에 의해 설정된 지표의 수치를 도출하고, 도출된 수치의 범위에 따라 막 오염을 예측하는 것을 특징으로 하는 유기성 막 오염의 예측 방법. 12. The method of claim 11,
Wherein the step of predicting membrane fouling includes deriving numerical values of the indicator set by the step of setting the indicator in each membrane process and predicting membrane fouling according to the range of the derived numerical value Way.
상기 유기물을 그룹별로 분류하는 단계에 의해 지표의 수치가 도출되는 것을 특징으로 하는 유기성 막 오염의 예측 방법. 13. The method of claim 12,
Wherein the numerical value of the indicator is derived by classifying the organic matter into groups.
상기 막 오염을 예측하는 단계에 따라 예측된 막 오염의 정도에 기반하여 약품 주입 스케줄을 결정하는 단계;
를 더 포함하는 유기성 막 오염의 예측 방법. 12. The method of claim 11,
Determining a drug injection schedule based on the predicted degree of membrane contamination according to the step of predicting membrane fouling;
Further comprising the steps of:
상기 약품 주입 스케줄을 결정하는 단계는, 상기 막 오염을 예측하는 단계에 따라 예측된 막 오염의 정도가 낮을 때에는 약품을 주입하지 않으며, 예측된 막 오염의 정도가 중간일 때에는 약품을 간헐적으로 주입하고, 예측된 막 오염의 정도가 높을 때에는 약품을 연속적으로 주입하도록 결정하는 것을 특징으로 하는 유기성 막 오염의 예측 방법.
15. The method of claim 14,
The step of determining the drug injection schedule may include injecting the drug intermittently when the degree of the predicted film contamination is low according to the step of predicting the film contamination, , And when the predicted degree of film contamination is high, it is determined to continuously inject the chemical.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160021285A KR101795910B1 (en) | 2016-02-23 | 2016-02-23 | Prediction Method for Organic-Fouling of Membrane |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160021285A KR101795910B1 (en) | 2016-02-23 | 2016-02-23 | Prediction Method for Organic-Fouling of Membrane |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20170099201A true KR20170099201A (en) | 2017-08-31 |
| KR101795910B1 KR101795910B1 (en) | 2017-11-08 |
Family
ID=59761093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160021285A KR101795910B1 (en) | 2016-02-23 | 2016-02-23 | Prediction Method for Organic-Fouling of Membrane |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101795910B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190136681A (en) * | 2018-05-31 | 2019-12-10 | 광주과학기술원 | The supporting method of determination of fouling control in reverse osmosis using classification algorithm |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102097552B1 (en) * | 2018-03-28 | 2020-04-07 | 광주과학기술원 | Method for determination of the amount of a model input data for predicting membrane fouling in reverse osmosis process and device using the same |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100811199B1 (en) | 2006-11-13 | 2008-03-07 | 광주과학기술원 | Membrane Contamination Prediction / Evaluation Method Using Flow Field Flow Fractionation Technique |
| JP5618874B2 (en) * | 2011-03-15 | 2014-11-05 | 株式会社東芝 | Fouling generation prediction method and membrane filtration system |
| JP5677476B2 (en) | 2013-01-18 | 2015-02-25 | 株式会社東芝 | Membrane fouling diagnosis / control device, membrane fouling diagnosis / control method, and membrane fouling diagnosis / control program |
-
2016
- 2016-02-23 KR KR1020160021285A patent/KR101795910B1/en active IP Right Grant
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190136681A (en) * | 2018-05-31 | 2019-12-10 | 광주과학기술원 | The supporting method of determination of fouling control in reverse osmosis using classification algorithm |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101795910B1 (en) | 2017-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dalmau-Soler et al. | Microplastics from headwaters to tap water: occurrence and removal in a drinking water treatment plant in Barcelona Metropolitan area (Catalonia, NE Spain) | |
| Bitter et al. | First quantification of semi-crystalline microplastics in industrial wastewaters | |
| KR101462565B1 (en) | Monitoring method real-time fouling potential in Reverse Osmosis Process for Seawater Desalination and Desalination equipment having such monitoring function | |
| Peldszus et al. | Reversible and irreversible low-pressure membrane foulants in drinking water treatment: Identification by principal component analysis of fluorescence EEM and mitigation by biofiltration pretreatment | |
| Zhan et al. | Quantitative analysis of the irreversible membrane fouling of forward osmosis during wastewater reclamation: Correlation with the modified fouling index | |
| KR101995355B1 (en) | Prediction method of reverse osmosis process | |
| Huang et al. | Novel approach for the analysis of bench-scale, low pressure membrane fouling in water treatment | |
| Pype et al. | Monitoring reverse osmosis performance: Conductivity versus fluorescence excitation–emission matrix (EEM) | |
| Christensen et al. | Effects of relaxation time on fouling propensity in membrane bioreactors | |
| EP2933011B1 (en) | Filtration membrane fouling index measuring methods | |
| AWWA Membrane Technology Research Committee | Committee report: membrane processes | |
| Yu et al. | Long-term fouling evolution of polyvinyl chloride ultrafiltration membranes in a hybrid short-length sedimentation/ultrafiltration process for drinking water production | |
| KR101795910B1 (en) | Prediction Method for Organic-Fouling of Membrane | |
| Vergine et al. | Reuse of ultrafiltered effluents for crop irrigation: On-site flow cytometry unveiled microbial removal patterns across a full-scale tertiary treatment | |
| Jeong et al. | Practical use of standard pore blocking index as an indicator of biofouling potential in seawater desalination | |
| Hess et al. | Stagnation leads to short-term fluctuations in the effluent water quality of biofilters: A problem for greywater reuse? | |
| Vrouwenvelder et al. | Biofouling of spiral wound membrane systems | |
| Zhan et al. | Application of fouling index for forward osmosis hybrid system: A pilot demonstration | |
| Łaskawiec et al. | The use of membrane techniques in swimming pool water treatment | |
| Kaneko et al. | Physical and statistical model for predicting a transmembrane pressure jump for a membrane bioreactor | |
| KR20200042437A (en) | Method and apparatus for inspection of polymeric membrane aging in water treatment process | |
| Lipp et al. | Characterization of nanoparticulate fouling and breakthrough during low-pressure membrane filtration | |
| Branch et al. | National validation guidelines for water recycling: Membrane bioreactors | |
| Bergman et al. | Fluorescence characterization of organic matter and fouling: Case study in a full‐scale reverse osmosis membrane treatment plant | |
| Hammes et al. | Online flow cytometry: Towards a rapid, robust, and reliable microbial sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20160223 |
|
| PA0201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20170321 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20170831 |
|
| PG1501 | Laying open of application | ||
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20171102 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20171102 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20210930 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20220928 Start annual number: 6 End annual number: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20230920 Start annual number: 7 End annual number: 7 |
|
| PR1001 | Payment of annual fee |