선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 음폐수의 메탄생성 향상을 위하여 통합소화 기질(co-substrate)로 Chlorella vulgaris(C. vulgaris)를 이용하여 통합소화시 COD/N비를 11 ∼ 25로 변화시켰을 때 메탄생성효율 특성에 대하여 평가하고자 하였다.
제안 방법
- 1과 같으며, 본 연구에서는 Eq. 1을 이용하여 발생된 메탄 자료를 이용하여 가스발생량, 지체시간, 최대 메탄 발생 비율 등을 예측하였다.
- BMP 분석에서 기질과 미생물의 비율은 Volatile Solid (VS)의 무게비 0.5로써 유효용적 100 mL의 Serum bottle에 각각 주입하였으며, Table 2에 나타낸 바와 같이 혐기성 소화 반응에 필요한 영양물질, Buffer 등의 배지를 주입하였으며, 최종 부피를 100 mL로 조절하였다. 혐기성 환경 조성을 위하여 시료 상단부 (head space)는 질소 가스를 이용하여 약 1분간 퍼지하였으며, 이후 테프론으로 표면 처리된 고무마개와 알루미늄 마개를 이용하여 Serum bottle을 기밀하였다.
- 바이오가스의 분석은 BMP 반응이 진행되는 초기에는 1일 1회 이후 2 ∼ 3일에 1회 유리 주사기를 이용하여 바이오가스 발생량을 측정하였으며, 메탄과 이산화탄소 함량은 열전도도 검출기(Thermal coductivity detector, TCD)가 장착된 Gas Chromatography (GC, Agillent, 5890, USA)를 이용하였다.
- 본 연구에 사용된 기질은 미세조류, C. vulgaris와 음폐수로써 두 기질의 통합 소화 시 바이오 가스 및 메탄 생성효율에 대하여 분석하였다. C.
- vulgaris와 음폐수를 통합소화 하였을 때 바이오가스 발생에 대하여 분석하였다. 소화의 조건은 기질의 배합비율에 따라 COD/N의 비율을 각각 11/1, 15/1, 17/1, 20/1, 24/1, 25/1의 6가지 조건으로 혼합하였다. 기 서술한 바와 같이 Yen(2007)에 따르면 일반적인 COD/N비의 최적 조건은 20/1에서 30/1까지로 보고하고 있어 이를 토대로 하여 실험하였다.
대상 데이터
- vulgaris와 음폐수로써 두 기질의 통합 소화 시 바이오 가스 및 메탄 생성효율에 대하여 분석하였다. C. vulgaris는 대상(주)에서 제공받아 실험에 사용하였으며, 음폐수는 경기도 A시 음식물 처리시설에서 공정 중 발생되는 음폐수를 이용하였다. 혐기성 소화 미생물로 사용된 미생물은 경기도 A시 B하수처리시설의 혐기성 소화조 미생물을 사용하였다.
- vulgaris는 대상(주)에서 제공받아 실험에 사용하였으며, 음폐수는 경기도 A시 음식물 처리시설에서 공정 중 발생되는 음폐수를 이용하였다. 혐기성 소화 미생물로 사용된 미생물은 경기도 A시 B하수처리시설의 혐기성 소화조 미생물을 사용하였다. C.
데이터처리
- 4 mL-CH4/g-VS 경우이다. 혐기성 소화 반응의 인자들을 예측하기 위하여 회귀선(regression)은 통계 소프트웨어인 Sigma plot (version 12)를 이용하여 fitting 하였다. fitting에 사용된 회귀식은 modified Gompertz equation이 사용되었으며, 메탄 발생량 및 각각의 인자들을 예측할 수 있었다.
이론/모형
- 혐기성 소화 미생물로 사용된 미생물은 경기도 A시 B하수처리시설의 혐기성 소화조 미생물을 사용하였다. C. vulgaris와 음폐수의 특성 분석항목은 TS, VS, TCOD, SCOD, TN, NH3-N등이며, Standard method(APHA, 2005)에 준하여 실험하였다. 실험에 사용된 기질 및 혐기성 소화 미생물의 특성은 다음 Table 1 과 같다.
- 혐기성 소화 반응의 인자들을 예측하기 위하여 회귀선(regression)은 통계 소프트웨어인 Sigma plot (version 12)를 이용하여 fitting 하였다. fitting에 사용된 회귀식은 modified Gompertz equation이 사용되었으며, 메탄 발생량 및 각각의 인자들을 예측할 수 있었다. Eq.
- 본 연구에 사용된 데이터 분석 모델은 Modified gompertz equation이다. Modified Gompertz equation(Zwietering et al.
성능/효과
- 3에서는 COD/N비율에 따른 메탄 발생 효율 향상을 보여 주고 있다. C. vulgaris(463.4 mL-CH4/g-VS)와 음폐수(762.2 mL-CH4/g-VS)를 단일 기질로 100 %을 주입하고 혐기성 소화 했을 때와 COD/N비를 조절한 통합소화에서 메탄 발생효율 향상을 비교하였을 때 COD/N비가 15/1인 경우 메탄발생 효율이 약 129 %가 향상되었으며, 17/1의 경우 128 %, 20/1은 120% 및 24/1일 때는 116 %가 향상되었다.
- Modified gompertz equation을 이용한 혐기성 소화 반응의 인자 및 메탄 발생량 예측에서는 유의도(R2)가 0.95 ∼ 0.99로 높은 유의도를 나타내어 Modified gompertz equation을 이용한 인자 및 발생량 예측이 가능할 것으로 사료된다.
- 1에 표현되어 있듯 혐기성 소화반응의 모든 인자들은 Gmpertz equation으로 평가 될 수 있으며, Table 3에 그 결과를 나타내었다. 결과에 의하면, 유의도(R2)가 0.95에서 0.99로 사용된 Modified gompertz equation을 이용한 인자 및 메탄 발생량 예측이 본 식으로 가능하며, 높은 유의도를 나타내는 것으로 보여진다.
- 7 mLCH4/g-VS로 가장 높은 메탄 발생량을 나타내었다. 메탄 발생효율 향상 측면에서는 COD/N비가 15/1에서 129 % 비율로 가장 높은 메탄 발생 효율을 보였다. Modified gompertz equation을 이용한 혐기성 소화 반응의 인자 및 메탄 발생량 예측에서는 유의도(R2)가 0.
- 메탄발생량의 경우 COD/N비가 24/1인 경우가 가장 높은 메탄 발생량을 보였으나, 음폐수와 C. vulgaris의 메탄 발생 잠재량 대비 메탄 발생 효율은 향상은 15/1의 COD/N비가 가장 높은 것으로 나타났다. COD/N비 15/1(C/N = 10)의 경우 Yen(2007) 등이 서술한 혐기성 소화의 적정 C/N비 20 ∼ 30에 보다 다소 낮은 경향이 있으나 혐기성 소화 반응에 큰 영향을 받지 않은 것이라 할 수 있으며, 본 실험의 COD/N비 조건에서는 15/1이 가장 높게 소화효율이 향상되어 통합소화의 효과를 나타내고 있다.
- 음폐수 (FWL, COD/N=25), C. vulgaris (C.V, COD/N=11) 그리고 음폐수에 C. vulgaris를 혼합하여 COD/N를 11/1 ∼25/1로 조절한 시료를 대상으로 메탄 발생량을 측정한 결과, 음폐수와 C. vulgaris가 100 % 일 때의 메탄 발생량은 C. vulgaris(COD/N=11), 463.4 mL-CH4/g-VS, 음폐수(COD/N=25), 762.2 mL-CH/g-VS로 나타났으며, 음폐수와 C. vulgaris를 혼합하여 COD/N비를 15/1, 17/1, 20/1, 24/1로 조절한 시료에서의 최종 메탄 발생량은 COD/N비 15/1에서 756.4 mLCH4/g-VS, 17/1에서 848.9 mL-CH4/g-VS,20/1은 850.8 mL-CH4/g-VS 그리고 24/1은 872.7 mL-CH4/g-VS으로 24/1의 COD/N비에서 가장 높은 메탄 발생량을 나타내고 있다.
후속연구
- , 1996). 또한 단백질 조성도 하수슬러지와 상이하여 단일 기질에 의한 혐기성 소화의 신뢰성 부족에 대한 대안으로서의 통합소화가 일익을 담당할 수 있을 것으로 생각된다.
- 본 연구에서는 메탄 발생 효율 향상은 일반적으로 알려져 있는 C/N비 20/1 ∼ 30/1보다 낮은 영역인 COD/N비(C/N비 = 10)로 15/1에서 나타났으나 이러한 결과는 단일 기질의 낮은 혐기성 통합소화(co-digestion)의 효과의 개선으로 보여지며, 통합기질을 이용한 영양소 공급과 C/N비 개선을 통한 안정적인 혐기성 소화 반응 메탄생산 효율 향상이 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.