MESSAI.iO
Plattform
  • Atlas
  • Research Intelligence
  • Ihr Reproduzierbarkeitsbericht
  • Wissensgraph
  • Protokollgraph
  • Parameterkatalog
  • Mikrobenkatalog
  • Metaanalyse
  • Hunter
  • Erkenntnisse
  • Manuskriptprüfung
Labor
  • 3D-Labor
  • Modellkatalog
  • MESS Explorer
  • Parameterstudie
  • Vorhersagen
  • Experimente
  • Virtueller Sensor
  • Methodik
Anwendungsfälle
  • Für Forschende
  • Für Unternehmen
  • Für Institutionen
Wissen
  • Die Wissenschaft
  • Handbuch
  • Whitepaper
Über uns

Sprache

  • Englishen
  • Deutschde

Plattform

  • Atlas
  • Research Intelligence
  • Ihr Reproduzierbarkeitsbericht
  • Wissensgraph
  • Protokollgraph
  • Parameterkatalog
  • Mikrobenkatalog
  • Metaanalyse
  • Hunter
  • Erkenntnisse
  • Manuskriptprüfung

Labor

  • 3D-Labor
  • Modellkatalog
  • MESS Explorer
  • Parameterstudie
  • Vorhersagen
  • Experimente
  • Virtueller Sensor
  • Demo: Ressourcenrückgewinnung

Unternehmen

  • Über uns
  • Für Forschende
  • Für Unternehmen
  • Für Institutionen
  • Whitepaper
  • Handbuch
  • API-Dokumentation

Rechtliches

  • Datenschutz
  • Nutzungsbedingungen
  • Nachweise
  • Kontakt

MESSAI · KI für mikrobielle elektrochemische Systeme · © 2026

Jede Zahl auf dieser Website führt auf eine Quelldatei zurück – /proof

Forschungsdaten – Titel und Zusammenfassungen von Publikationen, extrahierte Daten und Katalogeinträge – erscheinen in ihrer Originalsprache Englisch.

← Zurück zur Forschung

Combined autotrophic nitritation and bioelectrochemical-sulfur denitrification for treatment of ammonium rich wastewater with low C/N ratio

Haiyan Wang, Qianyu Hang, John Crittenden, Yuexi Zhou +2

Environmental Science and Pollution Research·2015·6 Zitationen·doi.org/10.1007/s11356-015-5460-0
KI-angereichert· 70 %

KI-Zusammenfassung

70 % Konfidenz

A novel combined process is proposed for treating ammonium-rich wastewater with low C/N ratio, utilizing autotrophic nitritation and bioelectrochemical-sulfur denitrification.

Erstellt von der MESSAI-Extraktionspipeline · mit dem Quell-PDF abgleichen

Extraktion

Berichtete Parameter

Noch keine extrahierten Parameter – fordern Sie eine KI-Extraktion an, um diese Publikation mit den Literaturverteilungen zu vergleichen.

Dieser Publikation ist noch kein 3D-Modell zugeordnet. Die Parameterbereiche oben ordnen die berichteten Werte trotzdem in die Literaturverteilung ein.

Zusammenfassung

A novel combined autotrophic nitritation and bioelectrochemical-sulfur denitrification (CANBSD) process was developed for treatment of synthetic ammonium-rich wastewater with low carbon/nitrogen ratio. Total nitrogen removal of the CANBSD was higher than 95 %, the effluent SO₄²⁻ was lower than 1280 mg L⁻¹, and the maximum nitrogen volumetric loading rate was 1.2 kg m⁻³ day⁻¹ when (1) the influent NH₄⁺-N was lower than 1008 mg L⁻¹, (2) hydraulic retention time was between 3.7 and 32 h, (3) the DO was between 0.5 and 1.2 mg L⁻¹, (4) the pH was between 7.5 and 8.2, and (5) the temperature was between 28 and 30 °C. Both the NH₄⁺-N removal and conversion to NO₂⁻-N in the nitritation membrane reactor (NMBR) were maintained at about 50 %, and the residual NH₄⁺-N and accumulated NO₂⁻-N were subsequently treated in the bioelectrochemical-sulfur three-dimensional denitrification reactor. The CANBSD energy consumption was 0.13 and 3.4 kWh m⁻³, respectively, for influent NH₄⁺-N of 100 and 1000 mg L⁻¹. The energy consumption of CANBSD was close to that of partial nitritation-ANNMMOX.

Zentrale Ergebnisse

  • ▸Autotrophic nitritation was effective in removing ammonium from wastewater with low C/N ratio.
  • ▸Bioelectrochemical-sulfur denitrification showed high denitrification efficiency and stable operation.
  • ▸The combined process demonstrated improved removal of nitrogen and sulfur compounds from wastewater.

Schlagwörter

AnammoxDenitrificationSulfurWastewaterAutotrophEnvironmental chemistry

Kennungen

DOI
10.1007/s11356-015-5460-0
PubMed
26408123
Zeitschrift
Environmental Science and Pollution Research
Jahr
2015
Extraktion

Berichtete Parameter

Noch keine extrahierten Parameter – fordern Sie eine KI-Extraktion an, um diese Publikation mit den Literaturverteilungen zu vergleichen.

Dieser Publikation ist noch kein 3D-Modell zugeordnet. Die Parameterbereiche oben ordnen die berichteten Werte trotzdem in die Literaturverteilung ein.