Capacitive deionization (CDI) is a fast-emerging water desalination technology in which a small cell voltage of ~1 V across porous carbon electrodes removes salt from feedwaters via electrosorption. In flow-through electrode (FTE) CDI cell architecture, feedwater is pumped through macropores or laser perforated channels in porous electrodes, enabling highly compact cells with parallel flow and electric field, as well as rapid salt removal. We here present a one-dimensional model describing water desalination by FTE CDI, and a comparison to data from a custom-built experimental cell. The model employs simple cell boundary conditions derived via scaling arguments. We show good model-to-data fits with reasonable values for fitting parameters such as the Stern layer capacitance, micropore volume, and attraction energy. Thus, we demonstrate that from an engineering modeling perspective, an FTE CDI cell may be described with simpler one-dimensional models, unlike more typical flow-between electrodes architecture where 2D models are required.


翻译:电解脱盐技术(CDI)是一种快速出现的海水淡化技术,在这种技术中,孔隙碳电极通过电吸附将盐从进水中去除,小细胞电压~1伏,通过孔隙碳电极从进水中去除盐。在通过流体电极(FTE)CDI细胞结构中,通过孔隙电极电极(FTE)电极(FTI)或激光穿孔管道抽水,使高度紧凑的电池与平行流电场和电场相连接,以及快速脱盐。我们在这里展示了一个描述FTE CDI的水淡化的一维模型,并与自定制实验细胞的数据进行了比较。该模型采用了通过缩放参数得出的简单的细胞边界条件。我们展示了良好的模型到数据,符合适当参数的合理值,如钢铁层电能、微pore量和吸引能量。因此,我们从工程模型的角度,可以用较简单的一维模型描述FTE CDI细胞,不同于需要2D模型的更典型的流间电极结构。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Python计算导论,560页pdf,Introduction to Computing Using Python
专知会员服务
72+阅读 · 2020年5月5日
2019必读的十大深度强化学习论文
专知会员服务
57+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
12+阅读 · 2019年4月9日
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Arxiv
7+阅读 · 2018年4月11日
VIP会员
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
推荐|深度强化学习聊天机器人(附论文)!
全球人工智能
4+阅读 · 2018年1月30日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员