Reverse osmosis desalination process : water permeability constant assessment

After an introduction about the desalination process, its methodologies and configuration, this work assesses the performance of a reverse osmosis desalination process. The experiments are conducted in a batch system, where the recirculation of the brine in the feed tank is considered. The performance is evaluated in terms of permeate quantity and salinity as a function of other operating parameters such as pressure and feed salinity. The concentration polarization mechanism and the salt transport phenomenon across the membrane are also studied. Special attention is paid to the water permeability constant, which is an important parameter that affects the permeate flux. One of the most important observation in this section is a strong salinity dependence on the water permeability constant, which was always neglected or ignored in the literature from authors that studied this aspect of the process considering only the water permeability decay with the time due to the fouling phenomena. In addition, a system of differential-algebraic equations is proposed to model the batch reverse osmosis system. If feed salinity dependencies for water and salt permeability constants are introduced in the model, the simulation results better match the experimental results, proving that in modeling the desalination process, such dependence should be considered. In order to better quantify the batch performance, further experiments were conducted with a constant feed salinity (to reproduce the operating condition of continuous systems) and the results were compared with the batch system. The water permeability constant, (K_w) is one of many important parameters that affect optimal design and operation of RO processes; it should therefore be evaluated in an appropriate way. For a given membrane type, K_w gradually decreases with increasing the operating pressure, feed salinity and fouling (due to build up of salt). This decay results in less flux through the membrane and should be taken into account when designing a RO desalination plant. There are only two available literature correlation calculating the dynamic K_w values. However, each of them are only applicable for a given membrane type and given feed salinity over a certain operating pressure range. In this work, using the data generated by these two existing correlations, we develop a time dependent artificial neural network (ANN) based correlation to predict K_w in RO desalination processes under fouling conditions. It is found that the ANN based correlation can predict the K_w values very closely to those obtained by the existing correlations for the same membrane type, operating pressure range and feed salinity. However, the novel feature of this correlation is that it is able to predict K_w values for any of the two membrane types, for any operating pressure and any feed salinity within a wide range. In addition, for the first time the effect of feed salinity on K_w values at low pressure operation is reported. While developing the correlation, a number of different neural network architectures in terms of number of hidden layers and number of neurons in each layer are simulated, and the influence of the transfer functions is eventually investigated. ANN based correlations can be updated reliably in terms of new sets of weights and biases for the same architecture or for a new architecture, with new plant data.

Dopo un'introduzione sul processo di dissalazione, le sue metodologie e configurazioni, questo lavoro di tesi investiga le prestazioni di un impianto di dissalazione a osmosi inversa. Gli esperimenti sono svolti in un sistema batch, nel quale viene considerato il ricircolo dell'acqua salata di scarto nel bacino di alimentazione. Le prestazioni sono quindi valutate in termini di quantità di acqua dissalata uscente e relativa salinità, in funzione di alcuni parametri operativi come per esempio pressione e salinità dell'alimentazione. Inoltre, vengono studiati il fenomeno della concentration polarization e il meccanismo di trasporto di sale attraverso la membrana. Ulteriore attenzione è stata spesa sullo studio della costante di permeabilità dell'acqua, essendo un parametro chiave che riguarda il flusso di acqua dissalata prodotta. Una delle osservazioni più importanti fatte in questa sezione è una forte dipendenza della permeabilità dell'acqua dalla salinità dell'alimentazione, che è sempre stata ignorata in letteratura dagli autori che hanno studiato questo aspetto del processo, che si sono concentrati solo sulla sua diminuzione con il tempo dovuta allo sporcamento. In aggiunta, viene proposto un sistema di equazioni algebrico-differenziale per modellare il sistema batch a osmosi inversa. Quando vengono introdotte nel modello delle espressioni per la permeabilità dell'acqua e del sale dipendenti dalla salinità dell'alimentazione, i risultati della simulazione combaciano meglio con quelli sperimentali, mettendo in evidenza il fatto che tale dipendenza dovrebbe di fatto essere considerato durante la modellazione del processo. In modo da aver un occhio più critico sulle prestazioni del sistema batch, sono stati condotti ulteriori esperimenti con una salinità dell'alimentazione mantenuta costante (in modo da riprodurre il caso di un'operazione in continuo) e i risultati sono stati dunque confrontati con il caso batch. La costante di permeabilità dell'acqua (K_w) è uno dei parametri più importanti che riguarda un progetto efficiente e l'operabilità di un processo RO; deve quindi essere valutata in modo appropriato. Per un dato tipo di membrana, K_w decresce gradualmente con l'aumento della pressione operativa, della salinità dell'alimentazione e dello sporcamento (dovuto all'impaccamento di sale). Questa diminuzione porta a un minor flusso attraverso la membrane e deve quindi essere tenuto in considerazione quando si progetta un impianto RO di dissalazione. Ci sono solo due correlazioni disponibili in letteratura per calcolare la K_w dinamica. Comunque, esse sono applicabili solo per un dato tipo di membrana e salinità dell'alimentazione specifica su un intervallo di pressione operativa. In questo lavoro, usando i dati generati dalle due correlazioni esistenti, è stata sviluppata una correlazione dipendente dal tempo basata su una rete neurale artificiale (ANN) per predire K_w in un processo di dissalazione in caso di avvenuto sporcamento. Il risultato è che la correlazione ANN riesce a predire dei valori della K_w molto vicini a quelli predetti dalle correlazioni disponibili in letteratura per lo stesso tipo di membrana, intervallo di pressione operativa e salinità della alimentazione. Comunque, la nuova caratteristica di questa correlazione è che essa è in grado di predire la K_w per entrambi i tipi di membrane e per ogni valore di salinità dell'alimentazione e pressione, all'interno di un vasto intervallo. Inoltre, per la prima volta, viene messo in evidenza l'effetto della salinità dell'alimentazione sulla K_w. Durante lo sviluppo della correlazione, viene simulato un numero di diverse architetture neurali in termini di numero di strati nascosti e numero di neuroni in ciascuno strato, e l'influenza delle funzioni di trasferimento è analizzata. Le correlazioni basate su una ANN possono essere aggiornate in modo affidabile tramite un nuovo set di pesi e bias per la stessa architettura neurale, o una nuova basata su un nuovo set di dati di input.