CO2电化学还原Cu基金属有机框架催化剂及反应器设计研究

来源 :东华大学 | 被引量 : 0次 | 上传用户:aa377059590
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
工业革命以来,人口的急剧膨胀以及化石燃料的大量燃烧,致使大气中的CO2浓度越来越高,时至今日已经增加到411ppm。过多的CO2累积引发了温室效应以及海平面上升等众多环境问题。如何控制并减少大气中CO2的含量已经成为人们研究和关注的焦点。开发新的清洁能源以取代原有化石能源无疑是解决问题的关键,而减少CO2排放则需要通过开发新的催化剂材料,运用电化学的手段将CO2转化为可利用的高附加值能源燃料和有用化学品。然而,由于CO2分子中C=O双键极其稳定,其惰性特征很难使其在常温常压下发生反应,所以寻找合适的新型催化剂材料成为当今研究的重点。此外,新型催化剂材料如何运用到CO2电化学反应器,是决定CO2电催化还原技术实现实用化的关键。因此,从长远的角度出发,CO2电化学反应器的设计相比于开发新型催化剂材料显得更为迫切。
  本论文采用自组装的方法,成功制备了Cu基金属有机框架衍生的纳米颗粒催化剂材料,并通过调控煅烧的升温速率和温度,简便地合成了具有可调控Cu0与Cu+比例的Cu基金属有机框架催化剂,实现了大电流密度。在此基础上,为了进一步提高催化剂的选择性,通过水热法将Cu与In进行掺杂,通过控制不同的比例,成功制备了一系列铜、铟共掺杂金属有机框架催化剂。此外,通过改进传统H型反应器,设计构建了新型可流动式类燃料电池膜电极二氧化碳电化学还原反应器。运用XRD、XPS、SEM、TEM和BET对催化剂的组成结构进行了物理表征,利用电化学工作站进行了循环伏安法(CV)、线性扫描法(LSV)、计时电流法(I-T)和电化学阻抗法(EIS)电化学表征,详细分析了上述两种催化剂的CO2电化学还原性能,并解释了其反应机理。进一步将Cu基金属有机框架催化剂材料同自制的CO2电化学反应器相结合,达到了提高电流密度,减少能量损耗以及增大了产物检测灵敏度的作用。本论文的主要研究内容和成果概括如下:
  (1)采用自组装的方法,以三水合硝酸铜为Cu源前驱体,以均苯三甲酸作为配位聚合骨架,以聚乙烯吡咯烷酮为粘结剂,通过控制反应时间,简便的合成了Cu基金属有机框架衍生的纳米颗粒催化材料(Cu-MOF/NP)。进一步通过煅烧调控升温速率与温度,合成了可调控Cu0与Cu+比例的Cu基金属有机框架催化剂(Cu-MOF)。该类催化剂主要的孔径分布范围在0-40nm之间,表现了分级多孔结构的特征。该催化剂在0.5M KHCO3溶液中表现出极高的电流密度,以及优异的CO2电催化还原产CO与甲酸的催化活性。起峰电位为-0.29V vs.RHE,且在-0.79V vs.RHE时电流密度达到25.15mA/cm2。Cu-MOF其独特的表面包覆结构暴露出了更多的活性位点,能有效减少电化学极化,从而提高催化剂的活性。
  (2)采用水热法,以三水合硝酸铜为Cu源前驱体,以硝酸铟水合物和硫酸铟为In源前驱体,以均苯三甲酸和二甲基咪唑作为配位聚合骨架,通过有效调控Cu与In组分比例,成功制备了不同阴离子前驱体的CuIn-MOF催化剂。该催化剂由颗粒直径10nm左右的小球团聚而成,主要晶面Cu的(111)和(200)晶面,In2O3的(222)和(622)晶面以及CuO的(-111)晶面。不同的物质组分比例对催化剂的电化学性能具有重要影响。研究发现,Cu含量越高,催化剂的电流密度越大。当Cu∶In=3∶1时,控制电极电势在-1.16V vs.RHE的条件下,实现电流密度87.34mA/cm2。此外,法拉第效率随In含量的增加而增大。当Cu∶In=1∶1时,总法拉第效率达到89%,而当Cu∶In=1∶3,CO和甲酸的法拉第效率在阴离子前驱体为NO3-和SO42-时分别达到最大值79%和48%。
  (3)将Cu-MOF20/300催化剂负载气体扩散电极作为工作电极,运用循环伏安法对比研究了分别运用于传统H型反应器和自制新型连续流动式类燃料电池膜电极二氧化碳电化学还原反应器。研究表明,在施加电压0.64V vs.RHE条件下,传统H型反应器的电流密度为12.47mA/cm2,远低于自制的新型可流动式类燃料的电池膜电极反应器体系的34.97mA/cm2。进一步,以负载商业锡催化剂的气体扩散电极为工作电极,研究了多隔室新型可流动式类燃料电池膜电极的二氧化碳电化学还原反应器的电化学性能。当施加电压为1.06V vs.RHE时,单一电极的电流密度为27.3mA/cm2;而当并联时,电流密度达到361.6mA/cm2。由此可见,新型可流动式类燃料电池膜电极二氧化碳电化学还原反应器相比传统H型电解槽具有更优异的系统性能,且在多电极并联时表现出了比单电极更优的电化学性能。
其他文献
近年来,随着我国城市化进程的加快,各地江河水系均受到了不同程度的污染。底泥不仅是水中各类污染物的主要聚集地,而且底泥中的污染物大多沉积在表层,故水体环境一旦发生变化,其极易重新释放,造成二次污染。传统的底泥处理手段均具有一定的局限性,而水热处理作为一种新型的处理技术,不仅能实现固体废弃物的减量化、稳定化及资源化,而且能耗低,安全性高,具有很大的应用前景。目前,关于水热技术的研究主要针对剩余污泥等,
学位
卤乙酸(Haloacetic acid,HAAs)是一类在羧酸上有一到三个卤素原子替代的化学物质,其主要形成于水和废水的氯消毒过程。在所有HAAs中,二氯乙酸(Dichloroacetic acid)由于其高稳定性、分布广泛、环境毒性和致癌性而成为水处理研究领域的热点问题。二氯乙酸除了在消毒过程中产生,因其是药物、染料、化学品和除草剂的化工制造中间体,也会在上述化学物质的生产过程中产生泄漏和污染。
学位
聚乙烯醇(PVA)废水具有COD浓度高,难生物降解等特点。厌氧生物法可提高难降解废水的可生化性但处理效能低,铁炭微电解法作为单独预处理单元存在易锈蚀板结等弊端,因此,本实验构建了用于处理PVA退浆废水的铁炭微电解强化厌氧生物处理系统,将微电解技术与厌氧消化技术相结合,分别考察了添加不同微电解材料(铁-活性炭、铁屑)的水解酸化反应器、厌氧反应器处理PVA退浆废水的效果,以及各反应器颗粒污泥特性(胞外
学位
电动修复是一项治理土壤污染的电化学技术,能够短时间内高效修复土壤。其既可原位修复又可异位修复,原位修复不会扰动土层,对原有土壤结构影响较小。电动修复主要运用于有机、无机及复合污染土壤的修复,但该技术电能消耗大,重金属修复中普通的化学电解液可能造成土壤二次污染,一定程度上限制了该技术大范围的推广。通过对电动修复条件的优化和选取高效绿色阴极电解液及强化剂强化,能够提高其修复效果,为该技术的进一步推广提
学位
电化学还原CO2(ECR-CO2)由于其温和的反应条件,近年来受到研究界广泛关注。特别是电化学还原过程可以直接利用季节性、地理和间歇性能源(潮汐、风能、太阳能等),从而达到可持续发展。通过电化学还原,CO2可以被转化为具有高能量密度的有机分子,例如一氧化碳(CO)、甲酸(HCOOH)等高附加值的能源燃料和有用化学品。作为其中典型C1产品,HCOOH可被广泛用于皮革中的中和剂以及农药等领域。同时HC
印染废水具有色度高、难生化降解、含有有机污染物等特点,是工业废水中较难处理的一类废水。混凝工艺因投资低、效率高等优点,被广泛应用于印染废水的处理。染料种类多、性质不一,分散染料和活性染料占全球染料总需求量的一半以上,对于这两种染料的混凝去除机理并未得到充分研究,同种染料甚至是同一染料,在不同研究中被认为的去除机理也不同。分散染料易被混凝去除,电中和和吸附作用被认为是主要的去除机理。活性染料难被混凝
学位
铁基双金属催化剂因铁组分及复配金属间的协同作用而具备更高的催化活性及更宽的pH适应性,在水处理以及水体修复领域的潜在应用得到了广泛的关注。作为类芬顿催化剂,更高的Fe(Ⅲ)/Fe(Ⅱ)循环速率及更为高效的再生回用性能是本方向研究者一直以来追寻的目标。相应的,壳聚糖作为自然界唯一的碱性多糖,其结构中具有丰富的-OH和-NH2基团,能够与多种金属离子发生配位作用而形成高分子金属络合物,不但可对金属物质
学位
近几十年来,随着人类工业急速发展和传统化石燃料的大量使用,能源危机和环境污染问题日趋严重。开发高效、清洁的先进能源体系越来越受到世界各国关注。电化学能源因具有其他能源无法比拟的优点,如安全可靠、获取速度快、利用效率高、可适应多种环境等优势而备受青睐。其中以燃料电池和金属空气电池为代表的高比能量/比功率的先进电化学能源体系,有望成为下一代能源利用的主力。然而,要实现规模化和商业化仍面临诸多挑战,其中
青霉素类是目前畜禽养殖业上普遍应用的一类抗生素,重金属也常用于饲料添加剂,中国猪饲料中普遍大量添加了ZnSO4。畜禽粪便在种植业上的资源化利用,造成了农田土壤中抗生素和重金属的复合污染。为了评价其对生态环境和人类健康造成的潜在风险,本文选取了青霉素G钾盐(PG)与重金属锌(Zn)为研究对象,蔬菜地土壤为研究基质,研究Zn对青霉素G钾盐在土壤中衰减动力学的影响以及二者相互作用下对土壤中耐药细菌和抗性
学位
本文选择WRF模式中主要的云微物理参数化方案,包括Lin方案、Thompson方案、WSM6方案和WDM6方案,针对新疆四次典型暴雨过程,对云系的特征量包括云量、云顶高度、云顶温度、雷达反射率和冰相粒子分别进行模拟试验,并基于多源卫星数据定量评估WRF模式上述四个云微物理参数化方案在新疆地区针对强降水天气过程的适用性,从而增进对降水过程中云微物理属性的认识,并发现模式模拟的不足,为改进模式的预报性
学位