Modelo de floculación hidráulica de AguaClara
El modelo de floculación hidráulica de AguaClara se desarrolló a lo largo de 15 años de extensa investigación de laboratorio y campo, y se basa en la física de las interacciones entre partículas en el agua cruda, moléculas orgánicas disueltas y nanopartículas coagulantes en un flujo de cizallamiento. El modelo de AguaClara se basa en la física de estas interacciones y es el primer modelo de floculación no empírico.
2005 - Utilizamos directrices convencionales basadas en el gradiente de velocidad para diseñar el primer floculador vertical de bajo flujo
2010 - Diseñamos usando la tasa de disipación de energía y tuvimos en cuenta la no uniformidad de la tasa de disipación de energía (\(\theta\) = 15 minutos)
2015 – Añadimos obstáculos para reducir la distancia entre expansiones y así lograr que todos nuestros floculadores tengan la máxima eficiencia de colisión (\(\theta\) = 8 minutos)
2016 – Aprendió que las colisiones partícula/flóculo están dominadas por cizalladura viscosa (no por remolinos turbulentos). Comenzó a diseñar floculadores basados en un pérdida de carga objetivo de 40 cm. Usó un \(G\theta\) de 37.000.
2017 - Diseñó un floculador de tuberías para la planta de 1 L/s con un \(G\theta\) de 20.000 y un tiempo de residencia de unos 100 s.
2020 - Se comprendió que los flóculos con una fracción alta de materia orgánica tienen una densidad menor y, por tanto, deben ser más grandes para depositarse en el clarificador. Esto requiere un gradiente de velocidad menor en el floculador y en la entrada del clarificador.
Floculación convencional vs AguaClara
Característica |
Convencional - Mecánico |
AguaClara - Hidráulico |
|---|---|---|
Objetivo |
producen grandes flóculos que serán capturados por sedimentación |
reducir la concentración de partículas primarias |
Tiempo de residencia (mínimo) |
30 |
2 to 7.5 |
Gradiente de velocidad (Hz) |
20 - 180 |
100+ |
\(G\theta\) |
50,000 - 250,000 |
20,000 - 37,000 |
Variabilidad del gradiente de velocidad |
8 (muy variable) |
aproximadamente 1,4 |
Tipo de reactor |
Aproximadamente completamente mixto |
Acercándose al flujo de enchufe |
#references Coagulación y floculación en el tratamiento de aguas residuales y agua residual, iwapublishing
Colisiones en el flujo de corte
Dado que los floculadores hidráulicos se acercan a las condiciones de flujo de tapula, es razonable suponer que en cualquier ubicación del floculador predomina un tamaño de flocópt. Por tanto, las colisiones entre flóculos de tamaño similar son lo más probable porque eso es lo que está presente. También hay una razón hidrodinámica por la cual se prefieren colisiones entre flóculos de tamaño similar.
En un flujo de cizalladura, las partículas giran y se crea una capa límite alrededor de las partículas en rotación. La capa límite evita colisiones entre partículas de diferentes tamaños (véase Figura 115) porque la más pequeña de las dos partículas no puede extenderse a través de la capa límite de la partícula mayor. Solo las partículas lo suficientemente grandes como para extenderse a través de las capas límite de las demás pueden colisionar (véase Figura 116). Por tanto, las partículas deben ser similares en tamaño porque la capa límite también escala con el diámetro de la partícula.
Figura 115 Las partículas que son muy diferentes en tamaño ni siquiera se acercan lo suficiente para hacer contacto debido a la capa límite alrededor de la partícula más grande. Esto se debe a que el grosor de la capa límite también escala con el diámetro de la partícula.
Las colisiones entre partículas de tamaño similar son posibles porque las partículas pueden extenderse a través de las capas límite.
Figura 116 En un flujo de cizalladura, las partículas giran y se crea una capa límite alrededor de la partícula en rotación. Partículas de tamaño similar pueden extenderse a través de las capas límite y establecer contacto.
Las capas límite giratorias en un flujo de cizallamiento limitan las colisiones a partículas de tamaño similar. Dado que la floculación es un entorno diseñado específicamente para crear cizalladura de fluido, es razonable suponer que solo pueden ocurrir colisiones entre partículas de tamaño similar. Esto simplifica enormemente la ecuación de Smoluchowski.
Formación de flóculos
Para simplificar el modelado, supongamos que los flóculos duplican repetidamente su tamaño, como sugiere la película en Figura 96. En ese caso, el número de partículas primarias en un flóculo está dado por
Si asumimos (y demostraremos que esta suposición es incorrecta en el siguiente paso) que el volumen del flóculo es directamente proporcional al volumen total de las partículas primarias en el flóculo, entonces podemos reorganizar (167) para resolver el número de colisiones secuenciales necesarias para aumentar el número de partículas primarias por un factor de 1000.000.000.
Consulta aquí el código para determinar el número de colisiones
30 se requerirían colisiones secuenciales para producir un floc que contenga 1 mil millones de partículas primarias.
A medida que los flóculos se combinan, no se agrupan como la niebla convirtiéndose en gotas de lluvia. En cambio, forman agregados sueltos que contienen una fracción cada vez mayor de agua en los vacíos entre las partículas primarias sólidas.
Aunque la ventaja obvia de la floculación es que produce agregados más grandes y fáciles de eliminar, también es posible (esta es una hipótesis que necesita ser comprobada) que una diferencia en una propiedad física entre partículas primarias y flóculos juegue un papel en una mayor eliminación de flóculos en filtros y filtros de flóculos. Por ejemplo, los muchos puntos de conexión relativamente débiles entre las partículas primarias en los flóculos permiten que estos se deformen. Es posible que la deformación juegue un papel importante justo en el momento de la colisión. Presumiblemente, la resistencia de enlace necesaria para unir las partículas en colisión es menor si las partículas pueden deformarse mientras colisionan.
El cambio de tamaño producido por la floculación es dramático. Las partículas de arcilla y los patógenos tienen tamaños de orden \(\mu m\) y se combinan para formar flóculos de orden \(mm\). Un aumento de mil veces en el diámetro sugiere un aumento de volumen mil millones de veces.
Figura 117 La cantidad de agua contenida dentro de un volumen definido por el flóculo aumenta a medida que crece el floculo.
Uno de los misterios de la floculación ha sido por qué es un proceso tan lento, que requiere 30 minutos según el diseño convencional, y sin embargo parece ser un proceso muy rápido. Los operadores de planta observan que, con altas turbidezs agua cruda, pueden ver la progresión de la floculación tras unos 0,5 minutos de floculación. Podemos estimar el potencial de colisión, \(G\theta\) eso corresponde a hacer flocós visibles.
hoja de trabajo de Colab para crear flóculos visibles durante altas turbidezs
Aquí la floculación inicial es visible a un \(G\theta\) inferior a 3000. Dado que la floculación es visible a este bajo potencial de colisión, no está claro por qué las \(G\theta\) recomendadas son tan altas como 100.000. Este es uno de los grandes misterios que motivaron la búsqueda de un modelo de floculación basado en la física y consistente con observaciones de laboratorio y de campo.
Tiempo de colisión
Ahora que sabemos que las colisiones están controladas por la viscosidad, podemos empezar a formular un modelo que describa la caminata aleatoria de larga distancia. Se asume que el transporte a larga distancia es el paso limitante de velocidad. Modelamos un sistema de dos partículas donde una partícula se mantiene fija y observamos el movimiento aleatorio de la segunda. Puede ser útil visualizar esto reproduciendo el vídeo dentro de tu mente en sentido inverso empezando desde el momento de la colisión. ¡Así sabes qué dos partículas seguir! La caminata aleatoria se ilustra en el vídeo de Figura 118.
Figura 118 El volumen rojo representa la posible zona final de la caminata aleatoria que se deslizará hacia una colisión con una caminata lenta y recta corta. La partícula errante barre un volumen de agua igual al volumen ocupado por una sola partícula.
Figura 119 El enfoque final es el camino lento y recto hacia la colisión.
El volumen despejado por la partícula errante es proporcional al área definida por un círculo con diámetro = suma de los diámetros de las partículas. Esto se debe a que la partícula errante impactará con la partícula estacionaria si el centro de la partícula errante está en cualquier lugar dentro de un diámetro del centro de la partícula estacionaria.
El volumen eliminado es proporcional al tiempo
El volumen eliminado es proporcional a la velocidad relativa entre las dos partículas.
Utilizamos análisis dimensionales para obtener una velocidad relativa para el transporte a larga distancia controlada por cizalladura. Se asume que la velocidad relativa entre las dos partículas que finalmente colisionarán es proporcional a la distancia media entre las dos partículas.
La suposición de que la velocidad relativa escala con la distancia media entre partículas de arcilla conduce a los siguientes pasos. El primer paso es simplemente una relación funcional propuesta. También podríamos haber saltado a la suposición de que la velocidad relativa es función de la escala de longitud y el gradiente de velocidad.
En un entorno de cizalladura uniforme, el gradiente de velocidad es lineal. Por tanto, la velocidad relativa debe ser proporcional a la escala de longitud.
La única forma de que \(\bar \varepsilon\) y \(\nu\) produzcan dimensiones de tiempo es combinarse para crear \(1/\tilde{G}\).
El volumen eliminado, \({\forall_{\rm{Cleared}}}\) debe ser igual al volumen ocupado por una partícula, \({\forall_{\rm{Surround}}}\) para que ocurra una colisión. Combinando las tres ecuaciones para \({\forall_{\rm{Cleared}}}\) y la ecuación para \(v_r\) obtenemos el volumen despejado en función del tiempo.
Resolviendo para el tiempo de colisión obtenemos
En resumen, se encontró una relación para el tiempo medio entre colisiones \(\bar{t_{c}}\) proponiendo una condición media para que ocurra una colisión, exitosa o infructuosa. Para definir esta condición, se asumió que cada partícula primaria ocupa en promedio una fracción del volumen del reactor, \(\bar{V}_{Surround}\), inversamente proporcional al número de partículas concentradas. Además, antes de una colisión, una partícula en promedio barre un volumen, \(\bar{V}_{Cleared}\), proporcional a \(\bar{t_c}\) y a la velocidad relativa media entre partículas que se acercan, \(\bar{v}_r\). Como condición media, se postuló que para cada colisión, \(\bar{V}_{Cleared}\) debe ser igual a \(\bar{V}_{Surround}\). A partir de esto, se obtuvo una relación para un tiempo característico de colisión, \(\bar{t_c}\), siguiente:
El cambio en el número de partículas respecto al tiempo es proporcional a la eficiencia de la fijación y al tiempo requerido por colisión.
La tasa de colisión [PCWSL16] puede obtenerse sustituyendo la ecuación (169) por la ecuación (170).
donde \(\tilde{G}\) es el gradiente de velocidad de Camp Stein.
Como la ecuación de rendimiento de floculación finalmente seguirá la concentración de partículas, la concentración de partículas primarias, \(C_{P}\), se sustituyó por \(\bar \Lambda\) usando
donde \(\rho_{P}\) es la densidad característica de las partículas primarias. La ecuación (172) puede sustituirse en la ecuación (171) para dar lugar a:
La ecuación (173) revela que \(\frac{dN_c}{dt}\) aumenta con \(C_P\) y \(\bar{\Gamma}\). Durante la floculación \(C_P\) disminuirá y, por tanto, también \(\frac{dN_c}{dt}\) disminuirá.
Nanopartículas coagulantes y partículas primarias
Continuando desde [PCWSL16], las relaciones diferenciales lagrangianas anteriores se desarrollan aún más para convertirse en ecuaciones integradas de predicción del rendimiento. La ecuación (173) no puede integrarse tal como está escrita porque se espera que la concentración de partículas primarias cambie con cada colisión, por lo que esa relación debe especificarse. Durante el tiempo medio requerido para una colisión se espera que aproximadamente \(e^{-1}\) de las partículas sufran al menos una colisión. El tiempo requerido para una colisión cambiará a medida que avanza la floculación a medida que aumenta la distancia media entre partículas primarias. La tasa de pérdida de partículas primarias debido a colisiones exitosas será de primer orden respecto al número de colisiones exitosas.
donde \(k\) es una constante derivada experimentalmente que representa físicamente la porción de las partículas primarias que se vuelven partículas sedimentables en promedio tras cada tiempo de colisión, \(\bar{t_c}\), y dependerá, en parte, de la velocidad de captura de diseño, \(\bar v_c\), utilizada para la sedimentación. Dado que \(\bar{t_c}\) aumenta con el tiempo a medida que \(\bar \Lambda\) aumenta, la formulación anterior no es proporcional a \(\frac{dC_P}{dt}\). Físicamente, la Ecuación (174) establece que, con cada colisión progresiva de partículas primarias, \(C_P\) disminuye en alguna proporción. Además, la Ecuación (174) establece que esta disminución es directamente proporcional a \(C_P\). Con cada colisión sucesiva exitosa, la reducción absoluta en \(C_P\) es menor que la anterior. Se espera que el valor de \(k\) sea menor que 1, porque no todas las partículas primarias tendrán una colisión y crecerán hasta un tamaño con una velocidad terminal mayor que \(\bar v_c\) en el tiempo medio requerido para una colisión.
Teniendo la ecuación (174), el siguiente paso es sustituirla en la ecuación (173) e integrar. Resolver la ecuación (174) para \(dN_{c}\), sustituirla en la ecuación (173) y reescribir las ecuaciones en términos de partículas primarias da lugar a la ecuación (175),
Es interesante notar que reordenando la Ecuación (175) en términos de \(\frac{dC_P}{dt}\) se obtiene un exponente \(C_P\) de \(\frac{5}{3}\). Las ecuaciones anteriores de tasa de floculación eran de segundo orden, pero la tasa de floculación observada era menor que la de segundo orden [BL13]. La ligera desviación respecto a un exponente de dos proviene de la suposición de [PCWSL16] de que la velocidad relativa entre partículas colisionantes escala con \(\Lambda\) en lugar de \(d_P\). Esto significa que, en suspensiones diluidas características de agua cruda, donde las partículas están separadas por \(\bar \Lambda\gg \bar{D}_P\), la mayor parte de \(\bar{t_c}\) se dedica a la distancia entre partículas caracterizada por \(\bar \Lambda\) en lugar de \(\bar{D}_P\). Se hipotetiza que el tiempo requerido para la aproximación final de una colisión es insignificante en comparación con el tiempo para que \(\bar{V}_{Cleared}\) igualen \(\bar{V}_{Surround}\).
A partir de la ecuación (175) es posible integrar y obtener ecuaciones para el rendimiento de floculación. Tras la separación de variables, un lado de la ecuación se integra respecto al tiempo desde el tiempo inicial (\(t=0\)) hasta el momento de interés, generalmente tomado como el tiempo medio hidráulico de residencia (\(t=\theta\)). El otro lado de la ecuación se integra respecto a la concentración de partículas primarias desde el valor en el tiempo inicial (\(C_{P_0}\)), equivalente a la concentración inicial de partículas primarias, hasta la concentración de partículas primarias en el momento de interés (\(C_{P}\)). La integral se convierte en:
La integral en el lado izquierdo asume que \(\rho_{P}\) no cambia a medida que \(C_P\) cambia. Una suposición en el lado derecho es que \(\bar{\Gamma}\), de la cual \(\bar{\alpha}\) es una función, no varía con \(t\). Esto requiere que la adsorción de partículas coagulantes a partículas coloidales en mezcla rápida sea lo suficientemente rápida como para aproximarse como completada al inicio de la floculación. Esta suposición puede no ser válida para floculadores de alta tasa, especialmente en condiciones de baja \(C_{P_0}\). Se necesitan más estudios sobre la velocidad y eficacia de la unión de nanopartículas coagulantes a superficies primarias de partículas.
La otra suposición a la derecha es que el gradiente medio de velocidad, \(\tilde{G}\), no cambia a lo largo del proceso de floculación. En floculadores mecánicamente mixtos, el uso de un promedio espacial simple no es razonable, ya que el gradiente de velocidad cambia drásticamente desde el flujo masivo hasta la punta de la pala del impulsor y las partículas individuales siguen diferentes trayectorias que las exponen a distintas zonas de gradiente de velocidad en distintas secuencias y duraciones [BB98]. También habría que tener en cuenta la distribución de los tiempos de residencia en un floculador mecánico para la integración. Para floculadores hidráulicos con deflectores, en cambio, el uso del promedio espacial \(\tilde{G}\), y considerarlo constante con \(t\) es generalmente una aproximación razonable, ya que la energía de mezcla en un floculador hidráulico bien diseñado está distribuida espacialmente de forma bastante uniforme, las zonas de mayor tasa de disipación de energía tras los deflectores no varían apreciablemente con el tiempo cuando operan a un caudal constante, y todas las partículas tienen tiempos de residencia similares en el floculador.
La integración de la ecuación (176) da la siguiente:
Esto se puede expresar en términos de \(\bar \Lambda\) para simplificar usando la Ecuación (172) y reorganizando en términos del familiar parámetro de Camp-Stein, \(\tilde{G}\theta\), para que sea
La ecuación (178) da orientación para el diseño de floculadores, ya que se necesitan valores más altos de \(\tilde{G}\theta\) para que los floculadores logren mayores cambios en \(\bar \Lambda\) (o \(C_P\)) o para superar \(\bar{\Gamma}`bajas. Cabe señalar que el término :math:\)bar Lambda_0` en la ecuación (178) generalmente será muy pequeño en comparación con el término \(\bar \Lambda\) para la mayoría de los escenarios de floculación. En este caso, la distancia inicial de separación de partículas, \(\bar \Lambda_0\) puede considerarse insignificante. Simplificando la ecuación, esto también da como resultado que los floculadores deben diseñarse no tanto para las concentraciones de partículas que recibirán, sino para las concentraciones de partículas que pretenden producir.
Modificar la ecuación (178) en términos de \(C_P\) produce:
Resolver la ecuación (179) para \(C_P\) obtenemos
Protocolos experimentales
La ecuación (177) se probó en condiciones turbulentas. El esquema de diseño elegido para cumplir estos requisitos fue un floculador tubular, ilustrado en Figura 120 y descrito en [PCWSL16]. Este floculador tubular operaba en régimen de flujo turbulento, lo que para el flujo de tuberías significa que \(Re>4,000\) [Gra95]. El cambio en la tasa media de disipación de energía debido a cualquier modificación del sistema se aproximaba por
donde \(g\) es la aceleración debida a la fuerza gravitatoria y \(h_\ell\) es la pérdida de carga a través del floculador. Como se mencionó anteriormente, el uso de \(\bar \varepsilon\) asume que la tasa de disipación de energía en todo el floculador es completamente uniforme, de modo que puede representarse con un promedio espacial simple en lugar de un promedio ponderado que tenga en cuenta la proporción del flujo que pasa por diferentes zonas de tasa de disipación de energía. Esta aproximación requiere que la mayor parte de la disipación de energía (representada por pérdida de carga) se deba al cizallamiento del fluido (pérdida menor) en el flujo a granel. Si las pérdida de carga a través de un floculador fueran principalmente resultado de cizalladura en las paredes del reactor (pérdida mayor), solo una pequeña fracción del flujo experimentaría esta tasa de disipación de energía en la zona cercana a la pared, y estimar la tasa media de disipación de energía con este método sería inválido.
Sin embargo, se hipotetiza que las constricciones en el floculador tubular crearon chorros libres sumergidos aguas abajo, generando cizalladura de fluido a lo largo de la sección transversal del flujo [PCWSL16]. Esta hipótesis se apoya en un cálculo de la pérdida de carga debida al cizalladura de pared utilizando la ecuación de Darcy-Weisbach [Gra95]. Se esperaría que el floculador tubular turbulento tuviera una pérdida de carga total de unos 7 cm si solo hubiera cizalladura en pared, pero se midió un pérdida de carga medio de 90 cm a través del floculador mediante un sensor de presión diferencial, lo que indica que hay un cizalladura significativa del fluido.
Refiriéndonos a la ecuación (181), cambiar la pérdida de carga modificando la constricción de los tubos o la diferencia de elevación del agua a través del floculador cambiaría la tasa de disipación de energía. Del mismo modo, cualquiera de las dos modificaciones anteriores cambiaría el tiempo medio de residencia hidráulica en el floculador. Esto también podría lograrse cambiando la longitud del floculador.
Figura 120 Diagrama del floculador de tubos turbulento adaptado de [PCWSL16] con modificaciones realizadas en el sistema de vertedero de salida y la adición de una solución base fuerte.
Figura 120 ilustra la secuencia del proceso utilizada en este estudio. Al inicio del proceso, el agua del grifo de la Planta de Filtración de Agua de la Universidad de Cornell entraba en el sistema con, en promedio, un pH de 7,67, una turbidez de 0,056 unidades de turbidez nefelométrica (NTU), una dureza total de 150 mg/L, una alcalinidad total de 140 mg/L y una concentración de carbono orgánico disuelto (COD) de 1,80 mg/L [BPMWSCIWSCUWS16]. Esta agua se controlaba a temperatura mediante un controlador PID (derivada integral proporcional), que regulaba las fracciones relativas de agua caliente y agua fría utilizadas para mantener el nivel en el tanque de carga constante. El agua controlada por temperatura pasaba por un filtro de carbón activado granular (GAC) para reducir el efecto de la materia orgánica disuelta (DOP) en los resultados experimentales. El agua se enviaba entonces al tanque de carga constante, donde se burbujeaba con aire para eliminar los gases disueltos sobresaturados que podían salir de la disolución durante el experimento, lo que resultaba en la formación de burbujas.
Desde el tanque de carga constante, esta agua acondicionada se suministraba al floculador de tubos turbulentos. Antes de entrar en el floculador, el agua se establecía a una concentración constante de partículas primarias mediante una bomba peristáltica controlada por ordenador que introducía una suspensión concentrada de caolinita en arcilla (R.T. Vanderbilt Co., Inc., Norwalk, Connecticut) de aproximadamente 250 g/L. Una fracción del flujo mixto era muestreada por una bomba peristáltica y analizada para detectar turbidez con un turbidímetro HF Scientific MicroTOL a una distancia superior a diez diámetros aguas abajo de la entrada de arcilla, y luego se reintroducía en el punto donde se añadió la suspensión de arcilla. Esta lectura de turbidez se introdujo en un sistema de control PID que determinaba la velocidad de la bomba de arcilla según la discrepancia entre la turbidez del influente y el valor experimental objetivo.
Junto con la arcilla, se añadió base fuerte (NaOH) fabricada por Sigma-Aldrich (St. Louis, MO) aguas arriba del floculador con una bomba peristáltica para mantener el pH del agua en \(7.5\pm0.5\), que era el criterio establecido para el pH en estos experimentos. En invierno, el pH del agua del grifo caía cerca de 7, por lo que se añadió suficiente NaOH para tener en cuenta las variaciones estacionales en la capacidad natural de neutralización de bases (BNC) del agua y elevar el pH por encima de 7 hasta aproximadamente 7,5. Esta adición de base también fue suficiente para neutralizar la acidez del coagulante de cloruro de polialuminio (PACl) utilizado en este estudio, que se había comprobado que afectaba la solubilidad del PACl a dosis altas. Se calcularon dosis de base para explicar la normalidad de la solución de PACl, basándose en una titulación que encontró que la solución de PACl era aproximadamente 0,025 equivalentes de ácido fuerte por gramo como Al.
Justo antes de entrar en el floculador, se añadió al flujo el coagulante PACl (PCH-180), fabricado por Holland Company, Inc. (Adams, Massachusetts), mediante una bomba peristáltica controlada por computadora que variaba la dosis de coagulante entre experimentos. Tras entrar en el sistema, el coagulante entraba en un pequeño orificio utilizado para realizar mezcla rápida formando un chorro aguas abajo. Desde allí, la suspensión viajaba hacia arriba a través del floculador compuesto por un tubo interior de 3,18 cm (1,25 in) de diámetro interior. Dentro del floculador, el fluido pasaba por las constricciones en la tubería que provocaban la contracción del flujo, resultando en expansiones posteriores del flujo y logrando una mayor mezcla y disipación de energía.
Tras salir del floculador, el flujo pasaba por un tubo vertical con superficie libre que servía como liberación de aire. Esto eliminaba las burbujas del sistema para que no interfirieran con la sedimentación o el análisis de los flóculos. Una parte del flujo se desviaba para sedimentación mediante una bomba peristáltica por un tubo transparente de PVC de una pulgada inclinado en \(60^{\circ}\). El caudal a través de la bomba se seleccionaba en función de las dimensiones del tubo y su ángulo para alcanzar la velocidad de captura deseada, \(\bar v_c\). El sobrenadante de este sedimentador de tubos pasaba por un turbidímetro nephelométrico HF Scientific MicroTOL para registrar la turbidez del efluente durante toda la duración del experimento. El registro de la turbidez del efluente sedimentado permitió calcular el término \(pC^*\) en Ecuaciones (177) (en términos de partículas primarias) y también permitió la comparación con datos de [SWSL14].
Tras recoger los datos de los flóculos sedimentados, el flujo del turbidímetro de efluentes se enviaba al desagüe junto con el flujo a granel. El flujo a granel pasaba por una segunda liberación de aire antes de salir del desagüe. La liberación de aire daba al flujo que salía del desagüe una superficie libre al pasar por el vertedero de salida, de modo que el agua que salía se desarrollaba en un flujo supercrítico. Así, el flujo sobre el vertedero no se veía influenciado por el flujo aguas abajo de la superficie libre, y el caudal podía controlarse ajustando la elevación de la superficie libre antes del drenaje. El vertedero era una tubería de PVC de 1-1/4» dentro de una tubería vertical transparente de 3», unida por un adaptador de acoplamiento flexible. El agua del efluente se acumulaba en la tubería exterior transparente hasta alcanzar la elevación de la parte superior de la tubería interior y fluía hacia abajo. El caudal podía ajustarse aflojando el acoplamiento flexible para que la elevación de la parte superior de la tubería interior pudiera ajustarse. A medida que el flujo masivo salía por la tubería interior hacia el desagüe, pasaba por un sensor de electrodos de vidrio para medir el pH.
Resultados
El proceso anterior se utilizó para realizar los experimentos que comprobaron la aplicabilidad de la Ecuación (177) en floculación turbulenta. La turbidez del influente se estableció en una constante de 900 NTU. La tasa media de disipación de energía fue de unos 21,5 mW/kg, lo que resultó de elegir una caudal de unos 110 mL/s de modo que el número de Reynolds estuviera justo por encima de 4.000. Estos valores se eligieron para asegurar condiciones iniciales turbulentas dominadas por viscosidad. Para estos experimentos, las dosis de coagulante oscilaron entre 0,05 y 98 mg/L como Al. Se utilizó una \(\bar v_c\) de 0,12 mm/s para todos los experimentos. Los datos de estos experimentos nominalmente viscosos se muestran en Figura 121 en función de dosis de coagulante.
Figura 121 La turbidez del efluente en función de dosis de coagulante para experimentos realizados con turbidez del influente de 900 NTU, gradiente de velocidad de 147 Hz y tiempo de residencia hidráulica de unos 413 s.
Los datos mostrados en Figura 121 se compararon con el modelo viscoso, como se muestra en Figura 122. En este gráfico, los datos se representan en términos de la Ecuación (177) y su parámetro compuesto correspondiente tomado de la Ecuación (171),
Figura 122 Ajuste de la ecuación (177) a datos de \(Re\approx 4,000\) experimentos. Los puntos huecos indican datos no utilizados para ajustar el modelo.
Sin embargo, en los valores más altos comienza una disminución notable. Para estos gráficos, los ajustes del modelo se realizaron para todos los puntos donde se observó un aumento del rendimiento, porque el modelo actualmente no incluye un mecanismo para la disminución del rendimiento. Los valores para \(k\) fueron determinados por el algoritmo de Levenberg-Marquardt, y el valor para el modelo fue 0,030. El valor \(R^2\) para el ajuste es 0,958 y la suma de los errores cuadráticos es 0,228 (error medio pC* de 0,128).
A partir de los valores dados anteriormente, se puede calcular la relación \(\frac{\bar \Lambda_0}{\bar{\eta}}\) para las condiciones experimentales. La ecuación (172) puede usarse para calcular (\(\bar \Lambda_0\)). Para estos experimentos, \(\bar{D}_P\) se toma como el diámetro medio de las partículas de arcilla de caolinita, encontradas por [WZL+15] y [SWSL15] 7 \(\mu m\). La concentración puede convertirse de NTU a la unidad masa/volumen necesaria (mg/L) usando como proporción la medición reportada por [WZL+15] de 68 NTU para 100 mg/L de arcilla de caolinita. Por último, se asumió que la densidad era de 2.65 g/\(cm^3\) para caolinita.
Para la floculación en flujos laminares, se utilizaron datos del trabajo de [SWSL14]. Figura 123 muestra que la ecuación (177) ajustada a los resultados para una velocidad de captura de 0,12 mm/s en dos tiempos de residencia hidráulica, cinco valores de turbidez del influente y un rango de dosis de coagulante. [SWSL14] mostró que la intersección proyectada en el eje x de la región lineal de los datos (con una pendiente logarítmica de 1 según su trazado de los datos) era proporcional a la velocidad de captura utilizada para la sedimentación. Correspondientemente, se espera que \(k\) sea función de la velocidad de captura.
Figura 123 Ajuste de la ecuación (177) a los datos de floculación laminar de [SWSL14].
En referencia a Figura 123, la ecuación (177) ajusta los datos de [SWSL14] pozo con un valor de \(k\) de 0,027. El \(R^2\) resultante para este ajuste es 0,844. El error suma al cuadrado es 5,03, lo que da un error medio pC* de 0,034 para el ajuste.
Discusión
La calidad del ajuste observada en Figura 122 y Figura 123 indica que el modelo captura los mecanismos importantes que rigen el rendimiento de floculación para un amplio rango de dosis de coagulante tanto en floculación hidráulica laminar como turbulenta. Uno de los desafíos para ajustar los datos se refería a la suposición hecha para el diámetro característico de los cúmulos de precipitados PACl, \(\bar{D}_C\). Este valor tiene una influencia significativa en el valor de \(\bar{\Gamma}\), lo que a su vez influye en los valores del parámetro compuesto (Ecuación (182)).
Se sabe que PACl contiene monómeros y oligómeros de aluminio, así como nanoclústeres \(\mathrm{Al_{13}}\) y \(\mathrm{Al_{30}}\), siendo los nanoclústeres \(\mathrm{Al_{30}}\) mayores tener un diámetro de 1 nm y una longitud de 2 nm [MCM+12]. Sin embargo, se ha comprobado que los componentes de PACl se autoagregan y forman cúmulos mayores [SWSL13]. Para estos experimentos, el valor de \(\bar{D}_\mathrm{C}\) se eligió basándose en experimentos de dimensionamiento realizados por Garland (2017) con un Malvern Zetasizer Nano-ZS para analizar una solución de PACl de 138.5 mg/L (como aluminio).
Una limitación del modelo puede verse en los datos en Figura 122 a valores más altos de los parámetros compuestos. Tras aumentar de forma constante en todo el rango anterior de dosis de coagulante, el rendimiento comenzó a disminuir tras la dosis de 10,9 mg/L como aluminio. Una hipótesis sencilla para la disminución del rendimiento (que corresponde a un aumento de turbidez del efluente en los cinco puntos de datos de 2,7 NTU a 11,1 NTU) es que un aumento en nanopartículas de PACl libre contribuyó significativamente a la turbidez del efluente. A medida que aumentaba la concentración de PACl, la cobertura de las superficies plaquetarias del reactor y de arcilla por coagulante se completaba y también aumentaba la concentración de coagulante libre. Con dosis muy altas de coagulante como las utilizadas en el extremo superior del rango experimental, es posible que la formación de autoagregados de PACl fuera favorable, aumentando la turbidez de la suspensión. De hecho, el cálculo de la fracción volumétrica para la dosis experimental de PACl de 10,9 mg/L da un valor de fracción volumétrica (para arcilla y coagulante combinados) de \(6.1\times10^{-4}\), mientras que para la dosis más alta de 98 mg/L como Al, el valor fue \(8.3\times10^{-4}\), un aumento del 37% debido únicamente a la mayor contribución de los precipitados de PACl.
Otra posibilidad es que, a medida que \(\bar{\Gamma}\) aumenta por encima de 0,5, los flóculos resultantes se forman cada vez más por enlaces PACl-PACl en lugar de por enlaces PACl-caolinita. Si los enlaces PACl-PACl son más débiles que los enlaces PACl-caolinita, es posible que la eficiencia de unión disminuya para altos \(\bar{\Gamma}\). La debilidad de los enlaces PACl-PACl en comparación con los enlaces PACl-caolinita se sugiere por las cargas relativas de PACl y caolinita. Mientras que las superficies de precipitado PACl tienen carga positiva, las superficies de caolinita están mayormente cargadas negativamente [WZL+15]. Por lo tanto, se deduce que los precipitados PACl probablemente tengan mayor afinidad por superficies de caolinita que para otros precipitados PACl. El \(\bar{\Gamma}\) calculado para el rendimiento máximo fue 0,52, por lo que es posible que el rendimiento disminuyera más allá de ese punto porque la resistencia de los enlaces para experimentos a dosis más altas era más débil.
Aplicar el modelo de floculación de AguaClara al diseño de un floculador hidráulico da resultados razonables. Suponiendo que se espera que un floculador reciba turbidez suficientemente alta como para que se pueda descuidar la concentración del influente, se puede usar la Ecuación (179). Para que trate hasta un efluente sedimentado de 3 NTU (prefiltración) con suficiente PACl para lograr una fracción de cobertura superficial de 0,5, necesitaría un \(\tilde{G}\theta\) de 99.600. [DC08] dar el rango de valores de \(\tilde{G}\theta\) pertinentes a la floculación de turbidez elevada entre 36.000 y 96.000, por lo que este resultado es razonable. Este análisis no tiene en cuenta la eliminación de partículas en un filtro de flóculos que permitiría el uso de un valor menor de \(\tilde{G}\theta\).
En cuanto al diseño de floculadores, los valores recomendados de \(\tilde{G}\) en floculación varían de \(10\:\mathrm{\frac{1}{s}}\) a \(100\:\mathrm{\frac{1}{s}}\), que corresponden a valores de \(\bar{\varepsilon}\) de aproximadamente 0.1 a 10 mW/kg [ML00]. Sin embargo, hay evidencia de que gradientes de velocidad más altos son ventajosos, como descubrió [GWSL16] y el trabajo realizado en este estudio, que utilizó tasas de disipación de energía de aproximadamente 22 mW/kg. Para floculadores hidráulicos, al menos, los diseñadores deberían considerar el uso de tasas de disipación de energía más altas que las convencionales, ya que tienen una proporción mucho menor entre la máxima y la media de disipación de energía, lo que conduce a una menor ruptura de flóculos a altas tasas de disipación energética en comparación con los floculadores mezclados mecánicamente.
La suposición de que la eliminación de partículas no asentables es proporcional a la eliminación de partículas primarias parece estar respaldada por la bondad del ajuste proporcionada por el modelo de floculación de AguaClara a los datos (véase Figura 122). Esta suposición probablemente esté incluida en los valores de \(k\) ajuste por el modelo. Una comprensión mecanicista de \(k\) requerirá que la proporcionalidad entre partículas no asentables y primarias se entienda explícitamente. Es posible que \(k\) sea función de la efectividad de mezcla rápida, y dado que \(k\) predice \(pC^*\), también dependerá de \(\bar v_c\). Se planifican futuros experimentos a diferentes \(\bar v_c\). Actualmente, \(\bar{\alpha}\) se calcula asumiendo que la unión de nanopartículas de coagulante a las partículas primarias se logró muy temprano en el floculador, pero si el recubrimiento coloide por nanopartículas de coagulante depende de la difusión y no exclusivamente del cizallamiento hidráulico, será función del tiempo además de \(\tilde{G}\theta\), haciendo que la floculación sea menos efectiva a altas caudales. Además, el uso de \(\bar{\varepsilon}\) (o \(\tilde{G}\)) asume una tasa uniforme de disipación de energía en el floculador. Cualquier desviación espacial en el floculador de laboratorio respecto a una tasa uniforme de disipación de energía habría tenido un impacto en los valores de \(k\) relativos a sus valores teóricos, que están dictados por la velocidad de conversión de partículas primarias en flóculos.
Resúmenes
Desarrollamos un modelo que predice el rendimiento de los floculadores hidráulicos. Independientemente de si el flujo es laminar o turbulento, las fuerzas viscosas controlan las velocidades relativas entre partículas en una trayectoria de colisión, y la ecuación de rendimiento es \(pC^*=\frac{3}{2}\log_{10}\left[\frac{2}{3}\left(\frac{6}{\pi}\right)^{2/3}\pi k\bar{\alpha}\tilde{G}\theta\phi_0^{2/3}+1\right]\).
Las predicciones del modelo se compararon con datos de [SWSL14]. Para validar la primera y la segunda ecuación en flujo turbulento, se realizaron experimentos en flujo turbulento para condiciones iniciales de \(\frac{\bar \Lambda}{\bar{\eta}}<1\). Se encontró que la ecuación viscosa era ligeramente más adecuada en estas condiciones. Hasta que se realice más trabajo para delimitar la predominancia relativa de fuerzas viscosas e inerciales en el rango de condiciones de floculación turbulenta, los autores recomiendan usar el modelo de floculación de AguaClara. Para fines de diseño, este modelo indica que el diseño de floculadores es más sensible a la concentración deseada de partículas en el efluente que el rango de concentraciones del influente que podrían encontrarse. Este estudio también apoya el uso de tasas de disipación de energía (o gradientes de velocidad) más altas que las recomendadas convencionalmente para floculadores hidráulicos. Se necesita más trabajo para caracterizar la dependencia funcional de \(k\) en la velocidad de captura y la tasa de disipación de energía, así como la relación entre las concentraciones finales de partículas primarias y primarias.
Explicación geométrica de los efectos del ácido húmico en la floculación
La materia orgánica disuelta (DOD) es ubicua en aguas naturales y tiene una influencia considerable en el tratamiento de agua potable, ya que la presencia de DOM puede generar la necesidad de dosis de coagulante aumentadas además de ser precursora de subproductos de desinfección (DBPs). Este trabajo evaluó el uso de cloruro de polialuminio (PACl) como coagulante para agua sintética para determinar el efecto del DOM sobre la turbidez del efluente sedimentado. La investigación empleó el modelo de rendimiento de floculación hidráulica mencionado anteriormente y añadió al algoritmo del modelo para incorporar los efectos del ácido húmico en la floculación de partículas inorgánicas. Los datos se obtuvieron utilizando un floculador de tubo de flujo laminar y un sedimentador de tubo lamelar. Se utilizaron dos parámetros ajustables del modelo para ajustar los datos, uno relacionado con la velocidad de captura utilizada para la sedimentación y otro que estimaba el tamaño medio de moléculas de ácido húmico disuelto. El modelo modificado que tuvo en cuenta la presencia de ácido húmico pudo predecir de forma independiente los resultados experimentales de 60 experimentos en una turbidez del influente diferente. Esta sección se basa en Observaciones y una explicación geométrica de los efectos del ácido húmico en la floculación publicada en Environmental Engineering Science en 2019 (DOI#10.1089/ees.2018.0405), y se anima al lector a consultar este artículo para más detalles.
Introducción
Las condiciones óptimas de floculación para la turbidez o la eliminación de patógenos no siempre son las mismas que para la eliminación de DOM (Hua y Reckhow, 2008). Debido a la composición variable de la DOM, los mecanismos de eliminación pueden ser diferentes para distintos tipos de DOM en agua (Sharp y Jarvis, 2006). Jarvis y Jefferson (2007) afirman que los mecanismos mediante los cuales se elimina la DOM incluyen una combinación de neutralización de carga, adsorción, atrapamiento y complexación con policaciones coagulantes en agregados particulados suspendidos. La fracción hidrofóbica de DOM, que incluye ácidos húmicos, generalmente se elimina en coagulación de forma más eficaz que la fracción hidrofílica (Marhaba et al., 2003; Matilainen et al., 2010). Para el sistema considerado en esta investigación, los mecanismos de unión del DOM (ácido húmico) al coagulante (PACl con 10,6% de Al2O3 p/w y basicidad, OH/Al, de 2,1) parecen ser la adsorción (Yan et al., 2008) o la complejación (Lin et al., 2014; Xiong et al., 2018).
Los coagulantes poliméricos prehidrolizados, como el cloruro de polialuminio (PACl), tienen varias ventajas sobre los coagulantes convencionales, como el sulfato de aluminio, pero las características del agua cruda (por ejemplo, pH, alcalinidad y contenido de DOM) afectan el rendimiento de diferentes coagulantes. Como resultado, los coagulantes prehidrolizados no mejoran consistentemente la eficiencia de eliminación del DOM (Hu et al., 2006).
La investigación descrita en este artículo se basa en el modelo de floculación hidráulica de AguaClara desarrollado por Pennock et al. (2018) y añade detalles al coeficiente de eficiencia de la fijación que describe las interacciones geométricas y probabilísticas entre arcilla, coagulante, DOV y paredes del reactor. El agua cruda sintético utilizado en experimentos añadió un tipo de DOM, ácido húmico, a un sistema sintético previamente estudiado (Swetland et al., 2014) con la expectativa de que el sistema resultante estuviera suficientemente bien caracterizado para desarrollar un modelo predictivo.
Formación del modelo
En floculadores de flujo laminar, la velocidad de un flóculo respecto a otro escala con la distancia media de separación entre flóculos (Swetland et al., 2014). El tiempo entre colisiones de flóculos es inversamente proporcional tanto a \(\phi\) como a la velocidad relativa entre flóculos. Dado que la velocidad relativa entre flóculos es proporcional a la distancia de separación, el tiempo entre colisiones es proporcional a \({\phi }^{\frac{1}{3}}\), ya que la distancia media de separación, \(\overline \Lambda\), se da por
El resultado es que, para el flujo laminar, el tiempo medio para colisiones de partículas primarias escala con \({\phi }^{-\frac{2}{3}}\) (Weber-Shirk y Lion 2010).
Se desarrolló y validó un modelo de floculador hidráulico de flujo laminar basado en el análisis anterior en Pennock et al. (2018) con la forma
donde \(k\) es un parámetro de ajuste dependiente del valor de \(V_{\mathrm c}\) usado para la sedimentación, \(\overline{\alpha }\) es la fracción media de colisiones exitosas (es decir, que resultan en agregación), y \(\mathrm{p}C^*\) se define como
La ecuación (183), conocida como el modelo de floculación de AguaClara en Pennock et al. (2018), es un modelo hidrodinámico lagrangiano que asume que la agregación de partículas primarias es limitante de velocidad. Además, asume que estas partículas, de media, colisionarán cuando el volumen de fluido barrido a medida que una partícula se acerca a la otra es igual al volumen medio ocupado por una sola partícula en la suspensión. El tiempo para que estas colisiones ocurran aumenta a medida que avanza la floculación, ya que la concentración de partículas primarias disminuye de una manera que se asume de primer orden respecto a las colisiones. Así, con cada colisión sucesiva, el volumen medio ocupado por las partículas primarias aumenta y tarda más en producirse la siguiente colisión. En la ecuación (183), el rendimiento es linealmente proporcional al logaritmo del potencial efectivo de colisión, \(\log(\overline{\alpha }\tilde{G}\theta {\phi }^{2/3}_0)\).
Este grupo de parámetros es el mismo que el descrito por primera vez por Swetland et al. (2014), con la excepción de que utilizaron la cobertura fraccional estimada de la superficie coloide por coagulante, \({\overline{\Gamma}}_{\mathrm{PACl-Clay}}\), como medida de la eficiencia de la unión en lugar de \(\overline{\alpha }\). Pennock et al. (2018) reconocieron que la cobertura superficial de ambas partículas que participan en una colisión es importante e introdujeron \(\overline{\alpha }\) para convertir la información geométrica contenida en \({\overline{\Gamma}}_{\mathrm{PACl-Clay}}\) en una probabilidad de colisión exitosa. Utilizando datos recopilados por Swetland et al. (2014), Pennock et al. (2018) pudieron predecir los resultados de experimentos independientes de floculación laminar sin parámetros ajustables en ausencia de MO añadido.
Los resultados experimentales obtenidos con ácido húmico añadido dejaron claro que la eficiencia de unión se veía afectada negativamente por la adición de ácido húmico. Referenciando mediciones de adsorción de Davis (1982), una minoría (su estudio encontró un 20%) de DOM añadido sería adsorbida por caolinita al pH experimental de 7,5. Así, la mayoría de las macromoléculas de ácido húmico estaban disponibles para adherirse a las nanopartículas coagulantes añadidas. Se hicieron las siguientes suposiciones simplificadoras para tener en cuenta la presencia de ácidos húmicos: 1) las macromoléculas de ácido húmico se adhieren a nanopartículas coagulantes para formar nanoagregados, 2) los nanoagregados se adhieren a la arcilla y a las paredes del reactor, y 3) las superficies de las nanopartículas de coagulante precipitadas promueven la adhesión, mientras que las superficies de los ácidos húmicos unidos impiden la adhesión.
En este estudio, se modelaron macromoléculas de ácido húmico y nanopartículas de PACl como esferas. Basándose en el tamaño de las nanopartículas coagulantes y macromoléculas de ácido húmico, sus concentraciones numéricas, \(N_{\mathrm HA}\) y \(N_{\mathrm PACl}\) respectivamente, pueden estimarse mediante
y
donde \(C_{\mathrm PACl}\) es la dosis de coagulante en mg/L como Al; \(C_{\mathrm HA}\) es la concentración de ácido húmico en mg/L; \({\rho }_{\mathrm PACl}\) es la densidad del coagulante (Swetland et al. (2013) encontrada \(1,138 \frac{\mathrm kg}{\mathrm m^3}\)); \({\rho }_{\mathrm HA}\) es la densidad del ácido húmico, \(1,520\frac{\mathrm kg}{\mathrm m^3}\) (Sigma-Aldrich, 2014); \(d_{\mathrm HA}\) es el diámetro de las macromoléculas de ácido húmico (un parámetro modelo ajustable); y \(d_{\mathrm PACl}\) es el diámetro de las nanopartículas de coagulante PACl precipitadas, tomadas como 90 nm según el Dr. Casey Garland (2017).
Una suposición clave del modelo fue que las macromoléculas de ácido húmico no pueden adherirse a una superficie coagulante ocupada por una macromolécula de ácido húmico, ya que se asume que las macromoléculas de ácido húmico no se autoagregan apreciablemente. Li et al. (2018) observaron que para la adsorción de ácido húmico en \(\mathrm{Al_2O_3}\) superficies, las macromoléculas se adsorben en una monocapa. El resultado de esta suposición es que las macromoléculas de ácido húmico se adhieren a una superficie de coagulante descubierta y no se apilan unas sobre otras. El área superficial disponible de la nanopartícula PACl se modeló como el área superficial de una esfera de ácido húmico unida como el área proyectada de una esfera con volumen equivalente a una macromolécula de ácido húmico. Una nueva variable que describe la cobertura del área superficial de nanopartículas coagulantes por las macromoléculas de ácido húmico,
fue creado para incorporarse al modelo (dentro de \(\overline{\alpha }\)) para representar la fracción del área superficial de la nanopartícula PACl que cubren las macromoléculas de ácidos húmicos.
Los dos primeros pasos en la agregación de partículas, donde las macromoléculas de ácido húmico se adhieren a nanopartículas coagulantes y luego los nanoagregados resultantes se adhieren a las superficies de arcilla, se asumieron rápidos porque la difusión es un proceso eficaz de transporte para nanopartículas (Benjamin y Lawler, 2013). Posteriormente a mezcla rápida, las partículas de arcilla con nanoagregados adheridos sufren colisiones durante el proceso de floculación y este proceso está gobernado por cizalladura de fluidos (Pennock et al., 2018). Se hipotetiza que el éxito de una colisión entre partículas de arcilla depende de las propiedades de las superficies de contacto en el punto inicial de contacto.
Los tres tipos de superficies (PACl, ácido húmico, arcilla) tienen 6 (¡3!) interacciones potenciales, como se ilustra en Figura 124.
Figura 124 Modos de colisión entre partículas durante la floculación.
De estas interacciones consideradas en el modelo, se asume que las colisiones que resultarán en la unión involucran al menos una superficie de nanopartículas PACl (Figura 124 A, B, C). Se hipotetiza que la eficiencia de unión es la suma de la probabilidad de estos tres tipos de colisiones, expresada formalmente como
donde los subíndices definen las dos superficies que interactúan. Las barras superiores indican que todas estas representan probabilidades medias para toda una suspensión en lugar de las probabilidades para partículas específicas.
La probabilidad de que una superficie de arcilla colisione con una superficie PACl (Figura 124 A) es igual al doble de la probabilidad de que la primera superficie sea arcilla (\(1-{\overline{\Gamma}}_\mathrm{PACl-Clay}\)) y la segunda superficie sea la superficie PACl de un nanoagregado PACl-HA (\(\left(1-{\overline{\Gamma}}_\mathrm{HA-PACl}\right){\overline{\Gamma}}_\mathrm{PACl-Clay}\)), ya que cualquiera de dos partículas colisionantes podría proporcionar la superficie de arcilla o la superficie PACl,
La probabilidad de colisión entre las superficies PACl de dos nanoagregados PACl-HA (\(\left(1-{\overline{\Gamma}}_\mathrm{HA-PACl}\right){\overline{\Gamma}}_\mathrm{PACl-Clay}\)) (Figura 124 B) está dada por
La probabilidad de colisión entre una superficie PACl de un nanoagregado PACl-HA (\(\left(1-{\overline{\Gamma}}_\mathrm{HA-PACl}\right){\overline{\Gamma}}_\mathrm{PACl-Clay}\)) y una superficie HA de un nanoagregado PACl-HA (\({\overline{\Gamma}}_\mathrm{HA-PACl}{\overline{\Gamma}}_\mathrm{PACl-Clay}\)) (Figura 124 C), o viceversa, está dada por
donde el factor 2 explica la posibilidad de que cualquiera de las partículas colisionantes pueda contribuir a cualquiera de los tipos de superficie.
El modelo que explica la presencia de ácidos húmicos se modifica a partir del modelo de Pennock et al. (2018) redefiniendo la eficiencia de anclajación, \(\overline{\alpha }\), usando la Ecuación 14 para tener en cuenta la presencia de ácido húmico.
Las propiedades físicas del ácido húmico varían según la composición. Se estima que el diámetro de las macromoléculas de ácido húmico varía de 4 nm a 110 nm ("{O}sterberg, 1993). Debido a la variación en el tamaño de las macromoléculas de ácido húmico, se utilizó el diámetro característico de las macromoléculas de ácido húmico como parámetro de ajuste. Así, existen dos parámetros ajustables del modelo, \(k`(Ecuación :eq:`eq_AguaClara_Flocculation_Model\),), que tiene en cuenta la velocidad de captura de sedimentación, y \(d_\mathrm{HA}\), que tiene en cuenta la cobertura superficial de los precipitados coagulantes por parte del ácido húmico. Estos parámetros se ajustaron a los resultados de observaciones tomadas con una turbidez del influente de 50 NTU; el modelo fue luego validado prediciendo de forma independiente los resultados de experimentos con una turbidez del influente de 100 NTU.
Discusión
La solubilidad del ácido húmico depende en gran medida del pH, y se necesitan resultados experimentales adicionales para probar la aplicabilidad del enfoque modelo en función de la variación del pH. Las condiciones experimentales fueron diseñadas para mantener el pH relativamente constante, y el cambio de pH en los experimentos fue pequeño (7,5 \(\pm\) 0,3).
El modelo consideró la floculación en presencia de ácido húmico como un proceso de dos pasos. En primer lugar, las macromoléculas de ácido húmico se unieron a nanopartículas de coagulante precipitadas. Luego, los nanoagregados coagulantes parcialmente recubiertos podían unirse a la arcilla y a las superficies de las paredes del reactor. El ácido húmico y las nanopartículas de coagulante se trataron como esferas al estimar la eficiencia de unión basada en la cobertura superficial y la probabilidad. El diámetro de las nanopartículas de PACl precipitadas se midió experimentalmente en 90 nm (Garland, 2017), y un diámetro de macromolécula de ácido húmico de 75 nm se ajustaba mejor a las observaciones. Se consideró la pérdida de pared de precipitados coagulantes con nanoagregados de ácido húmico, mientras que no se consideró la pérdida directa de pared de macromoléculas de ácido húmico.
La dimensión característica del ácido húmico, \(d_\mathrm{HA}\), tiene un significado físico, con el valor ajustado, 75 nm, dentro del rango (4-110 nm) reportado por "{O}sterberg (1993), y los ajustes del modelo están bien correlacionados con las observaciones. La capacidad predictiva del modelo se verificó prediciendo resultados bajo diferentes condiciones experimentales sin parámetros ajustables adicionales.
El modelo de floculación sin los efectos del ácido húmico muestra que \(\mathrm{p}C^*\) es directamente proporcional al logaritmo del potencial efectivo de colisión, \(\log(\overline{\alpha }\tilde{G}\theta {\phi }^{\frac{2}{3}})\), y esta relación sigue presente en el modelo con una eficiencia de unión modificada, \(\overline{\alpha },\) basada en la cobertura superficial de arcilla por nanopartículas coagulantes ajustada para la presencia de ácidos húmicos.
La forma de la ecuación del modelo de floculación establece las interacciones entre las propiedades de agua cruda (\({\phi }_0\)), el área superficial influente de la partícula (que contribuye a \({\overline{\Gamma}}_\mathrm{PACl-Clay}\)), el tamaño y la dosis del precipitado coagulante (que contribuyen a \({\overline{\Gamma}}_\mathrm{PACl-Clay}\) y \({\overline{\Gamma}}_\mathrm{HA-PACl}\)), el tamaño y concentración de la molécula de ácido húmico (que contribuyen a \({\overline{\Gamma}}_\mathrm{HA-PACl}\)), el diseño del floculador (\(\tilde{G}\theta\)) y el diseño del clarificador (\(k\)). En una planta de tratamiento de agua accionada por gravedad que opera a caudal constante, los parámetros del floculador y del clarificador son constantes. Un aumento en la concentración de ácido húmico provoca un incremento en \({\overline{\Gamma}}_\mathrm{HA-PACl}\), que disminuye \(\mathrm{p}C^*\) pero puede compensarse aumentando dosis de coagulante.
El efecto del ácido húmico es atar una cantidad proporcional de coagulante. La turbidez no comienza a disminuir hasta que todo el ácido húmico ha recubierto las nanopartículas coagulantes y, por tanto, finalmente es posible que las nanopartículas coagulantes permanezcan pegajosas y se adhieran a las partículas inorgánicas (véase Figura 125 de Yingda Du, et al., 2019)
Figura 125 El rendimiento de la floculación depende de la concentración de dosis de coagulante y ácido húmico.
Los datos mostrados en Figura 125 también pueden graficarse en forma adimensional para mostrar que todos los datos convergen razonablemente bien en una sola curva de modelo (véase Figura 126).
Figura 126 El rendimiento de la floculación depende de la concentración de dosis de coagulante y ácido húmico.
Referencias
Amin, M., Safari, M., Maleki, A., Ghasemian, M., Rezaee, R., & Hashemi, H. (2012). Viabilidad de la eliminación de sustancias húmicas mediante un proceso de coagulación mejorado en aguas superficiales. Revista Internacional de Ingeniería de la Salud Ambiental. http://www.ijehe.org/text.asp?2012/1/1/29/99323
Benjamin, M. M., & Lawler, D. F. (2013). Ingeniería de la calidad del agua: procesos de tratamiento físico/químico. Hoboken, N.J.: Wiley.
BP-MWS, CIWS & CUWS. (2016). agua potable Informe de Calidad 2016. Ithaca, NY: Sistema Municipal de Agua de Bolton Point, Sistema de Agua de la Ciudad de Ithaca, Sistema de Agua de la Universidad de Cornell. Consultado de https://fcs.cornell.edu/content/water-system-updates-and-water-quality-reports
Camp, T. R. (1953). Cuencas de floculación y floculación. Sociedad Americana de Ingenieros Civiles.
Chow, C. W. K., Fabris, R., Leeuwen, J. van, Wang, D., & Drikas, M. (2008). Evaluación de la tratabilidad de materia orgánica natural mediante cromatografía de exclusión de tamaño de alto rendimiento. Ciencia y Tecnología Ambiental, 42(17), 6683–6689. https://doi.org/10.1021/es800794r
Cleasby, J. (1984). ¿Es el gradiente de velocidad un parámetro válido de floculación turbulenta? Journal of Environmental Engineering, 110(5), 875–897. https://doi-org.proxy.library.cornell.edu/10.1061/(ASCE)0733-9372(1984)110:5(875)
Davis, J. A. (1982). Adsorción de materia orgánica disuelta natural en la interfaz óxido/agua. Geochimica et Cosmochimica Acta, 46(11), 2381–2393. https://doi.org/10.1016/0016-7037(82)90209-5
Fosso-Kankeu, E., Webster, A., Ntwampe, I. O., & Waanders, F. B. (2017). Potencial de coagulación/floculación de cloruro de polialuminio y arcilla bentonita probado en la eliminación de rojo metilo y violeta cristalina. Arabian Journal for Science and Engineering, 42(4), 1389–1397. https://doi.org/10.1007/s13369-016-2244-x
Garland, C. A. (2017). Descubriendo los misterios de la manta Floc: Una exploración con chorros de entrada, floculadores y precipitados de cloruro de polialuminio (tesis doctoral). Universidad de Cornell, Estados Unidos – Nueva York. Recuperado de https://search.proquest.com/docview/1959337645/abstract/A3C1677072644AD5PQ/1
Granger, R. A. (1995). Mecánica de fluidos. Nueva York: Dover Publications.
Hu, C., Liu, H., Qu, J., Wang, D., & Ru, J. (2006). Comportamiento de coagulación de sales de aluminio en agua eutrófica: importancia de las especies Al13 y control del pH. Ciencia y Tecnología Ambiental, 40(1), 325–331. https://doi.org/10.1021/es051423+
Hua, G., & Reckhow, D. A. (2008). Relación entre THMs bromados, HAAs y bromo orgánico total durante la cloración agua potable. En T. Karanfil, S. W. Krasner, P. Westerhoff, & Y. Xie (eds.), Subproductos de desinfección en agua potable (Vol. 995, pp. 109–123). Washington, DC: Sociedad Química Americana. https://doi.org/10.1021/bk-2008-0995.ch008
Diseño integrado de instalaciones tratamiento de agua : Susumu Kawamura. John Wiley & Sons, Inc.: Nueva York, NY 1991. (pp. 658, ISBN 0-471-61591-9) 69,95 dólares en tapa dura. (1992). Waste Management, 12(1), 101. https://doi.org/10.1016/0956-053X(92)90024-D
Ives, K. J. (1968). Teoría de funcionamiento de los clarificadores de mantas de lodo. Actas de la Institución de Ingenieros Civiles, 39(2), 243–260. https://doi.org/10.1680/iicep.1968.8090
Jarvis, P., Jefferson, B., Gregory, J., & Parsons, S. A. (2005). Revisión de la resistencia y rotura de los flóculos. Water Research, 39(14), 3121–3137. https://doi.org/10.1016/j.watres.2005.05.022
Kundu, P. K., & Cohen, I. M. (2008). Mecánica de fluidos. Ámsterdam; Boston: Academic Press.
Letterman, R. D. (1999). calidad del agua y tratamiento: manual de suministro comunitario de agua (5ª ed.). Nueva York: McGraw-Hill.
Li, W., Liao, P., Oldham, T., Jiang, Y., Pan, C., Yuan, S., & Fortner, J. D. (2018). Evaluación en tiempo real de los procesos naturales de deposición de materia orgánica en superficies ambientales modelo. Investigación del Agua, 129, 231–239. https://doi.org/10.1016/j.watres.2017.11.024
Lin, J.-L., Huang, C., Dempsey, B., & Hu, J.-Y. (2014). Destino de las especies hidrolizadas de Al en la coagulación del ácido húmico. Water Research, 56, 314–324. https://doi.org/10.1016/j.watres.2014.03.004
Matilainen, A., Vepsäläinen, M., & Sillanpää, M. (2010). Eliminación natural de materia orgánica por coagulación durante el tratamiento de agua potable: Una revisión. Avances en la ciencia de coloides e interfaces, 159(2), 189–197. https://doi.org/10.1016/j.cis.2010.06.007
Marhaba, T. F., Pu, Y., & Bengraine, K. (2003). Técnica modificada de fraccionamiento de materia orgánica disuelta para agua natural. Journal of Hazardous Materials, 101(1), 43–53. https://doi.org/10.1016/S0304-3894(03)00133-X
O’Melia, C. R. (1972). Coagulación y floculación. En W. J. Weber (ed.), Procesos fisicoquímicos para el control calidad del agua. Nueva York: Wiley-Interscience.
Österberg, R., Lindovist, I., & Mortensen, K. (1993). Tamaño de partícula del ácido húmico. Revista de la Sociedad de Ciencias del Suelo de América, 57(1), 283–285. https://www.nbi.dk/~kell/publ/1993_SoilSciSocAJ_HumicAcid.pdf
Pennock, William H., Weber-Shirk, Monroe, & Lion, Leonard W. (2018). Un modelo hidrodinámico y de cobertura superficial capaz de predecir la turbidez de efluentes sedimentados tras la floculación hidráulica. Ciencia de la Ingeniería Ambiental, 35(12). https://doi.org/10.1089/ees.2017.0332
Schulz, C. R., & Okun, D. A. (1984). tratamiento de aguas superficiales para comunidades en países en desarrollo. Nueva York: Wiley.
Sharp, E. L., Jarvis, P., Parsons, S. A., & Jefferson, B. (2006). Impacto del carácter fraccionario en la coagulación de NOM. Coloides y superficies A: Aspectos físico-químicos e ingenieriles, 286(1–3), 104–111. https://doi.org/10.1016/j.colsurfa.2006.03.009
Sigma-Aldrich. (2014). Ácido húmico sal sódica (H16752) (Hoja de datos de seguridad) (p. 7). St. Louis, MO.
Soh, Y. C., Roddick, F., & Leeuwen, J. van. (2008). El impacto de la coagulación del sulfato de aluminio en el carácter, la biodegradabilidad y el potencial de formación de subproductos desinfectantes de fracciones de materia orgánica natural (NOM) de reservorio. Ciencia y Tecnología del Agua; Londres, 58(6), 1173–1179. http://dx.doi.org/10.2166/wst.2008.475
Swetland, K. A., Weber-Shirk, M. L., & Lion, L. W. (2013). Influencia de la agregación de precipitados de oxihidróxido de aluminio polimérico en el rendimiento de floculación. Environmental Engineering Science, 30(9), 536–545. https://doi.org/10.1089/ees.2012.0199
Swetland, K. A., Weber-Shirk, M. L., & Lion, L. W. (2014). Modelo de Rendimiento de Clarificación por Floculación para Floculación Hidráulica de Flujo Laminar con Cloruro de Polialuminio y Coagulantes de Sulfato de Aluminio. Revista de Ingeniería Ambiental, 140(3), 04014002. https://doi.org/10.1061/(ASCE)EE.1943-7870.0000814
Tse, I. C., Swetland, K., Weber-Shirk, M. L., & Lion, L. W. (2011). Método para el análisis cuantitativo del rendimiento de la floculación. Water Research, 45(10), 3075–3084. https://doi.org/10.1016/j.watres.2011.03.021
Van Benschoten, J. E., & Edzwald, J. K. (1990). Aspectos químicos de la coagulación usando sales de aluminio—I. Reacciones hidrolíticas de sulfato de aluminio y cloruro de polialuminio. Water Research, 24(12), 1519–1526. https://doi.org/10.1016/0043-1354(90)90086-L
Weber-Shirk, M. L. (2016). ProCoDA: Un método automatizado para probar parámetros de proceso. Consultado el 30 de octubre de 2015 de https://confluence.cornell.edu/display/AGUACLARA/ProCoDA
Weber-Shirk, M. L., & Lion, L. W. (2010). Modelo de floculación y potencial de colisión para reactores con caudales caracterizados por altos números de pecletes. Water Research, 44(18), 5180–5187. https://doi.org/10.1016/j.watres.2010.06.026
Willis, R. M. (1978). Colonos tubulares—Una revisión técnica. Revista (Asociación Americana de Obras de Agua), 70(6), 331–335.
Xiong, X., Wu, X., Zhang, B., Xu, H., & Wang, D. (2018). La interacción entre las fracciones de materia orgánica efluente y Al2(SO4)3 identificada mediante análisis factorial paralelo de fluorescencia y espectroscopía FT-IR. Coloides y superficies A: Aspectos físico-químicos e ingenieriles, 555, 418–428. https://doi.org/10.1016/j.colsurfa.2018.07.026
Yan, M., Wang, D., Ni, J., Qu, J., Chow, C. W. K., & Liu, H. (2008). Mecanismo de eliminación de materia orgánica natural por cloruro de polialuminio: efecto del tamaño de las partículas coagulantes y la cinética de hidrólisis. Water Research, 42(13), 3361–3370. https://doi.org/10.1016/j.watres.2008.04.017
Mark M. Benjamin and Desmond F. Lawler. Water quality engineering: physical / chemical treatment processes. Wiley, Hoboken, N.J., July 2013. ISBN 978-1-118-16965-0. URL: http://encompass.library.cornell.edu/cgi-bin/checkIP.cgi?access=gateway_standard%26url=http://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=631668 (visited on 2017-02-22).
Markus Boller and Stefan Blaser. Particles under stress. Water Science and Technology, 37(10):9–29, May 1998. URL: http://wst.iwaponline.com/content/37/10/9 (visited on 2016-08-21).
Mackenzie Leo Davis and David A Cornwell. Introduction to Environmental Engineering. McGraw-Hill Companies, Dubuque, IA, 4th edition, 2008. ISBN 978-0-07-242411-9 978-0-07-125922-4 978-7-302-15210-1. OCLC: 70708094.
Casey Garland, Monroe Weber-Shirk, and Leonard W. Lion. Revisiting Hydraulic Flocculator Design for Use in Water Treatment Systems with Fluidized Floc Beds. Environmental Engineering Science, 34(2):122–129, August 2016. URL: http://online.liebertpub.com/doi/abs/10.1089/ees.2016.0174 (visited on 2017-02-22), doi:10.1089/ees.2016.0174.
Robert Alan Granger. Fluid Mechanics. Dover Publications, New York, 1995. ISBN 978-1-62198-654-6 1-62198-654-3.
G. L. McConnachie and J. Liu. Design of baffled hydraulic channels for turbulence-induced flocculation. Water Research, 34(6):1886–1896, April 2000. URL: https://www.sciencedirect.com/science/article/pii/S0043135499003292 (visited on 2016-04-08), doi:10.1016/S0043-1354(99)00329-2.
Jasmin Mertens, Barbara Casentini, Armand Masion, Rosemarie Pöthig, Bernhard Wehrli, and Gerhard Furrer. Polyaluminum chloride with high Al30 content as removal agent for arsenic-contaminated well water. Water Research, 46(1):53–62, January 2012. URL: https://www.sciencedirect.com/science/article/pii/S0043135411006294 (visited on 2017-03-31), doi:10.1016/j.watres.2011.10.031.
William H. Pennock, Felice C. Chan, Monroe L. Weber-Shirk, and Leonard W. Lion. Theoretical Foundation and Test Apparatus for an Agent-Based Flocculation Model. Environmental Engineering Science, July 2016. URL: http://online.liebertpub.com/doi/abs/10.1089/ees.2015.0558 (visited on 2016-07-07), doi:10.1089/ees.2015.0558.
Siwei Sun, Monroe Weber-Shirk, and Leonard W. Lion. Characterization of Flocs and Floc Size Distributions Using Image Analysis. Environmental Engineering Science, 33(1):25–34, November 2015. URL: http://online.liebertpub.com/doi/10.1089/ees.2015.0311 (visited on 2016-05-17), doi:10.1089/ees.2015.0311.
Karen A. Swetland, Monroe L. Weber-Shirk, and Leonard W. Lion. Influence of Polymeric Aluminum Oxyhydroxide Precipitate-Aggregation on Flocculation Performance. Environmental Engineering Science, 30(9):536–545, September 2013. URL: http://online.liebertpub.com/doi/abs/10.1089/ees.2012.0199 (visited on 2017-06-09), doi:10.1089/ees.2012.0199.
Karen A. Swetland, Monroe L. Weber-Shirk, and Leonard W. Lion. Flocculation-Clarification Performance Model for Laminar-Flow Hydraulic Flocculation with Polyaluminum Chloride and Aluminum Sulfate Coagulants. Journal of Environmental Engineering, 140(3):04014002, March 2014. URL: http://ascelibrary.org/doi/10.1061/%28ASCE%29EE.1943-7870.0000814 (visited on 2015-06-26), doi:10.1061/(ASCE)EE.1943-7870.0000814.
Ning Wei, Zhongguo Zhang, Dan Liu, Yue Wu, Jun Wang, and Qunhui Wang. Coagulation behavior of polyaluminum chloride: Effects of pH and coagulant dosage. Chinese Journal of Chemical Engineering, 23(6):1041–1046, June 2015. URL: https://www.sciencedirect.com/science/article/pii/S1004954115000804 (visited on 2015-10-03), doi:10.1016/j.cjche.2015.02.003.
BP-MWS, CIWS, and CUWS. Drinking Water Quality Report 2016. Technical Report, Bolton Point Municipal Water System, City of Ithaca Water System, Cornell University Water System, Ithaca, NY, 2016. URL: https://energyandsustainability.fs.cornell.edu/file/AWQR_2016%20final.pdf.