CN112151123A - 一种预测烘焙生物质热解焦产率的方法 - Google Patents
一种预测烘焙生物质热解焦产率的方法 Download PDFInfo
- Publication number
- CN112151123A CN112151123A CN202010876099.7A CN202010876099A CN112151123A CN 112151123 A CN112151123 A CN 112151123A CN 202010876099 A CN202010876099 A CN 202010876099A CN 112151123 A CN112151123 A CN 112151123A
- Authority
- CN
- China
- Prior art keywords
- yield
- baking
- coke
- quality
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E50/00—Technologies for the production of fuel of non-fossil origin
- Y02E50/10—Biofuels, e.g. bio-diesel
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Crystallography & Structural Chemistry (AREA)
- Coke Industry (AREA)
Abstract
本发明公开了一种预测烘焙生物质热解焦产率的方法,将生物质分别进行有氧烘焙和无氧烘焙,得到第一固体产物和第二固体产物,并计算获得第一烘焙质量得率和第二烘焙质量得率,将第一固体产物和第二固体产物放入慢速热解装置进行慢速热解,得到固定碳含量,将第一固体产物和第二固体产物放入快速热解装置进行快速热解,得到快速热解焦样品,称量得到快速热解焦质量,进一步得到相对焦产率和绝对焦产率;分别以第一烘焙质量得率和第二烘焙质量得率为自变量,以固定碳含量为因变量,得到慢速热解下的预测模型,分别以第一烘焙质量得率和第二烘焙质量得率为自变量,以相对焦产率和绝对焦产率为因变量,得到快速热解下的预测模型,从而预测焦产率。
Description
技术领域
本发明涉及,尤其涉及一种预测烘焙生物质热解焦产率的方法。
背景技术
传统烘焙(无氧烘焙)通常是在200℃至300℃的常压惰性气氛条件下的一种温和热解技术,能够将生物质原料中的水分、轻质挥发分脱除,得到含水量低、能量密度高、可磨性较好的燃料。相较于无氧环境,以锅炉烟气作为烘焙气氛既能提高烘焙过程的经济性,又不会显著降低生物质的燃料品质(可磨性、疏水性、热值相较于无氧烘焙不会有太大改变),因此在工业上具有规模化应用的潜力。受过量空气系数的影响,锅炉烟气中氧浓度通常在1-13%之间变化,因此也称为有氧烘焙。已有的研究表明,无氧烘焙能够显著促进生物质化学键间的交联焦化,从而提升后续热解焦的产率,也有极少量的文献表明,烘焙中氧气的存在也能够显著提高后续热解焦的焦产率。无论是无氧还是有氧烘焙,都能显著提高生物质燃料的品质,因而正逐渐推广并且应用在生物质燃烧、气化的前处理过程。然而,烘焙在提高了热解焦产率的同时,也延长了生物质转化时间、降低其转化效率,所以如何采用简易的方法预测烘焙生物质热解焦产率,一方面作为烘焙处理过程优化的指标,另一方面作为调整锅炉和气化反应器工况的参考,在工业应用中极为重要。另外,烘焙后得到的热解焦经由活性化处理后可以获得比表面积较大的活性炭,可用于土壤改良,污水处理等场合。对焦产率的预测,有助于准备适量的焦炭,作为制备活性炭的原料,甚至可以直接预估特定工艺下的活性炭产率。迄今为止的国内外研究中,仅有适用于预测煤炭热解焦产率的方法,且方法所需参数多,模型复杂;但是缺乏预测生物质焦产率的方法。
发明内容
为了解决现有技术中存在的问题,本申请实施例的目的是提供一种预测烘焙生物质热解焦产率的方法。
本申请实施例提供了一种预测烘焙生物质热解焦产率的方法,包括:将生物质进行有氧烘焙,得到第一固体产物,将生物质进行无氧烘焙,得到第二固体产物,定义烘焙质量得率=烘焙后固体产物质量/原料质量,根据所述烘焙质量得率的计算公式可分别获得有氧烘焙时的第一烘焙质量得率和无氧烘焙时的第二烘焙质量得率;
将所述第一固体产物和所述第二固体产物放入慢速热解装置进行慢速热解实验,得到无水无灰基条件下的固定碳含量FCdaf;
将所述第一固体产物和所述第二固体产物放入快速热解装置进行快速热解实验,得到快速热解焦样品,称量所述快速热解焦样品,得到快速热解焦质量,定义相对焦产率=焦质量/ 烘焙后固体产物的质量,绝对焦产率=相对焦产率×烘焙质量得率×100%,可得到快速热解装置中的相对焦产率和绝对焦产率;
分别以所述第一烘焙质量得率和所述第二烘焙质量得率为自变量,以所述固定碳含量为因变量,分别建立慢速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合所述第一烘焙质量得率和所述第二烘焙质量得率,建立慢速热解下生物质在常压低氧气氛烘焙后的焦产率的预测模型;
分别以所述第一烘焙质量得率和所述第二烘焙质量得率为自变量,以所述相对焦产率和绝对焦产率为因变量,分别建立快速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合所述第一烘焙质量得率和所述第二烘焙质量得率,建立快速热解生物质在常压低氧气氛烘焙后的焦产率的预测模型。
进一步地改进,所述慢速热解装置为热重分析仪。
进一步地改进,所述快速热解装置为悬浮燃烧器。
进一步地改进,所述生物质为硬木。
进一步地改进,所述第一固体产物有9种,相应地可以获得9个固体的第一烘焙质量得率,第一固体产物经快速热解实验或慢速热解实验后可以获得九种焦,相应地可获得9个固定碳含量FCdaf、9个相对焦产率和9个绝对焦产率;
所述第二固体产物有5种,相应地可以获得5个固体的第二烘焙质量得率,第一固体产物经快速热解实验或慢速热解实验后可以获得五种焦,相应地可获得5个固定碳含量FCdaf、5 个相对焦产率和5个绝对焦产率。
进一步地改进,所述得到无水无灰基条件下的固定碳含量,具体步骤为:
根据慢速解热实验中的第一固体产物和第二固体产物的质量随时间的数据变化关系,可以获得收到基条件下第一固体产物和第二固体产物中的水分(Mad)、挥发分(VMad)和灰分含量(Ashad),即慢速热解焦产率FCad%=100(%)-Mad(%)-VMad(%)-Ashad(%);
进而可得到所述固定碳含量FCdaf,即FCdaf=FCad/(100-Mad-Ashad)×100。
进一步地改进,慢速热解条件下的预测模型包括:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个固定碳含量进行拟合,得到有氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.61×第一烘焙质量得率+68;R2=0.91 (9)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应的五个固定碳含量进行拟合,得到无氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.31×第二烘焙质量得率+47.2;R2=0.89 (8)
并且生物质在常压低氧气氛烘焙后的焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.48×烘焙质量得率+59.6;R2=0.8 (7)
进一步地改进,快速热解条件下焦产率的预测模型如下:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个相对焦产率进行拟合,得到有氧烘焙后相对焦产率的预测模型为
快速热解焦的相对产率=-0.33×第一烘焙质量得率+41.6;R2=0.78 (5)
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个绝对焦产率进行拟合,得到有氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第一烘焙质量得率+23.0;R2=0.83 (6)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个相对焦产率进行拟合,得到无氧烘焙后对焦产率的预测模型为
快速热解焦的相对产率=-0.37×第二烘焙质量得率+45.3;R2=0.95 (3)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个绝对焦产率进行拟合,得到无氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第二烘焙质量得率+22.7;R2=0.96 (4)
并且可以分别得到在常压低氧气氛烘焙后的相对焦产率预测模型和绝对焦产率预测模型:
快速热解焦的相对产率=-0.34×烘焙质量得率+41.9;R2=0.81 (1)
快速热解焦的绝对产率=-0.14×烘焙质量得率+22.7;R2=0.85 (2)
与现有技术相比,本发明能够实现的有益效果至少如下:
根据得到的烘焙质量得率,可以预测出生物质锅炉中的快速热解焦产率,从而为选择生物质锅炉燃烧条件提供依据,以及提高生物质燃尽率。同时,烘焙质量得率亦用于预测固定床中的慢速热解焦产率,从而便于准备足量的生物质焦,用以制备活性炭,或者为直接预测活性炭产率提供参考。
附图说明
图1是本发明实施例提供的预测方法的流程示意图。
图2是本发明实施例提供的快速热解焦产率(模拟生物质锅炉燃烧条件)的预测模型。
图3是本发明实施例提供的慢速热解焦产率(固定碳含量)的预测模型。
具体实施方式
为了更好地理解本发明,下面结合实施例进一步阐明本发明的内容,但本发明的内容不仅仅局限于下面的实施例。
本实施例采用中国南方的一种硬木(荷木)作为原料,每次烘焙实验将一定数量的荷木球放置在陶瓷坩埚内,待炉内温度和气氛达到设定值后,将原料连同坩埚送入到三温区管式炉中烘焙。本实验的烘焙温度变化范围为200-300℃,停留时间变化范围为 30min-240min,氧浓度变化范围为0-10vol%。通过分析天平称量烘焙前后固体产物的质量,即可计算得到烘焙质量得率。定义烘焙质量得率定义为烘焙后固体产物质量/原料的质量。将生物质进行有氧烘焙和无氧烘焙,经有氧烘焙后得到的产物为第一固体产物,经无氧烘焙后得到的产物为第二固体产物,根据烘焙质量得率的计算公式可以相应获得第一烘焙质量得率和第二烘焙质量得率。本实施例中,采用的生物质为荷木,生成的第一固体产物有9 种,第二固体产物有5种,通过前面所说的公式,可以分别获得9种第一固体产物的第一烘焙质量得率,5种第二固体产物的第二烘焙质量得率。将第一固体产物和第二固体产物作为实验样品进行热解实验,热解实验包括快速热解实验和慢速热解实验,分别在悬浮燃烧器和热重分析仪上进行。
悬浮燃烧器模拟了生物质燃料在锅炉中的实际燃烧过程,湿基条件下炉内温度实测值为1226℃,氧浓度实测值为3vol%。由于悬浮燃烧器装配有高速摄像机,所以能够观察焦颗粒的整个燃烧过程,因此在燃料颗粒挥发分火焰熄灭的一瞬间,实验人员立刻抽出残余的固体焦颗粒至水冷室,待其冷却至室温,随后用分析天平称量质量,由此可以获得在高温快速热解条件下的焦产率。定义相对焦产率=焦质量/烘焙后固体产物的质量,绝对焦产率=相对焦产率×烘焙质量得率×100%,即本实施例中的相对焦产率=焦颗粒质量/烘焙木颗粒质量×100%。通过相对焦产率和绝对焦产率公式,可以分别计算出9种第一固体产物分别与 9个第一烘焙质量得率相应的9个相对焦产率、9个绝对焦产率,可分别计算出5种第二固体产物分别与第二烘焙质量的相应的5个相对焦产率、5个绝对焦产率.
分别以第一烘焙质量得率和第二烘焙质量得率为自变量,以相对焦产率和绝对焦产率为因变量,分别建立快速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合第一烘焙质量得率和第二烘焙质量得率,建立快速热解生物质在常压低氧气氛烘焙后的焦产率的预测模型,包括有氧烘焙下的相对焦产率预测模型和绝对焦产率预测模型、无氧烘焙下的相对焦产率预测模型和绝对焦产率预测模型以及综合考虑有氧无氧时得到的焦产率预测模型。
具体地,快速热解条件下焦产率的预测模型如下:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个相对焦产率进行拟合,得到有氧烘焙后相对焦产率的预测模型为
快速热解焦的相对产率=-0.33×第一烘焙质量得率+41.6;R2=0.78 (5)
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个绝对焦产率进行拟合,得到有氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第一烘焙质量得率+23.0;R2=0.83 (6)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个相对焦产率进行拟合,得到无氧烘焙后对焦产率的预测模型为
快速热解焦的相对产率=-0.37×第二烘焙质量得率+45.3;R2=0.95 (3)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个绝对焦产率进行拟合,得到无氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第二烘焙质量得率+22.7;R2=0.96 (4)
如图2所示,将有氧烘焙得到的第一烘焙质量得率和无氧烘焙得到的第二烘焙质量得率同时作为待拟合的数据点,统称为烘焙质量得率,与快速热解中的相对焦产率、绝对焦产率分别与进行最小二乘拟合,得到在常压低氧气氛烘焙后的相对焦产率预测模型和绝对焦产率预测模型:
快速热解焦的相对产率=-0.34×烘焙质量得率+41.9;R2=0.81 (1)
快速热解焦的绝对产率=-0.14×烘焙质量得率+22.7;R2=0.85 (2)
其中,R2代表回归平方和与总离差平方和的比值,表示总离差平方和中可以由回归平方和解释的比例。R2介于0~1之间,越接近1,回归拟合效果越好。
慢速热解焦的制备过程依照生物质工业分析的国家标准(GBT28731-2012),在标准的固定床(热重分析仪)上进行。在氮气气氛下,随着炉内温度升高,样品逐渐脱除水分和挥发分,随后切换气氛为5%O2和95%N2的混合气体,固定碳逐渐燃烧,直至只剩下灰分。根据样品质量随时间的数据变化关系,可以获得空气收到基条件下(Air dry basis,ad),样品中的水分(Mad)、挥发分(VMad)和灰分含量(Ashad),而相应的固定碳含量(FCad,即慢速热解焦产率%)=100(%)-Mad(%)-VMad(%)-Ashad(%)。参照煤基准换算公式,可求得无水无灰基(Dry ash free,daf)条件下样品的固定碳含量,即FCdaf=FCad/(100-Mad-Ashad) ×100。通过FCdaf的计算公式,可以分别获得无氧烘焙时与5个第二烘焙质量得率相应的5 种第二固体产物的固定碳含量,有氧烘焙时与9个第一烘焙质量得率相对应的9种第一固体产物的固定碳含量。分别以第一烘焙质量得率和第二烘焙质量得率为自变量,以固定碳含量为因变量,分别建立慢速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合第一烘焙质量得率和第二烘焙质量得率,建立慢速热解下生物质在常压低氧气氛烘焙后的焦产率的预测模型。
具体地,慢速热解条件下的预测模型包括:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个固定碳含量进行拟合,得到有氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.61×第一烘焙质量得率+68;R2=0.91 (9)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应的五个固定碳含量进行拟合,得到无氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.31×第二烘焙质量得率+47.2;R2=0.89 (8)
结合有氧烘焙和无氧烘焙中的质量得率和焦产率,即可获得包括了无氧和有氧烘焙后的质量得率与慢速热解焦产率的预测模型
慢速热解焦产率(daf,%)=-0.48×烘焙质量得率+59.6;R2=0.8 (7)
通过上述预测模型可知,无论是无氧烘焙还是有氧烘焙后,烘焙产物的质量得率与快速热解焦产率具有良好的线性关系(0.78≤R2≤0.96),同时与慢速热解焦的相对产率也具有良好的线性关系(0.8≤R2≤0.91)。因此,可以根据简单易得的烘焙质量得率代入上述拟合的预测模型中,即可获得快速热解焦的相对/绝对焦产率以及慢速热解焦产率。
相对焦产率和绝对焦产率的差别在于后者反应了烘焙造成生物质间化学键的交联-焦化,促进热解过程中的二次反应,导致热解焦真正意义上的提高。而相对焦产率只能代表惰性物质含量的提高,两者的含义不同。在知道烘焙质量得率的情况下,两者的最终目的都是用来预测快速热解(模拟生物质锅炉燃烧条件下)焦产率。
相对焦产率升高是由于烘焙失重引起的浓缩效应(即水、CO、CO2等轻质挥发分的析出,其他惰性组分如灰分和固定碳相对浓度升高),而绝对焦产率升高是因为烘焙促进了生物质官能团间的交联-焦化反应,代表焦产率的真正升高。相对/绝对焦产率在已发表的国内外文献中作为两种普遍存在评价指标,都有被预测的价值。其中,快速热解的相对/绝对焦产率模型都可用于预测生物质锅炉中焦产率,以用于预测焦燃烬时间,从而为调整生物质锅炉的燃烧工况提供依据。第一烘焙质量得率与相对/绝对焦产率的预测模型适用于有氧烘焙后生物质焦产率的预测;第二烘焙质量得率与相对/绝对焦产率的预测模型适用于无氧烘焙后生物质焦产率的预测;第一烘焙质量得率和第二烘焙质量得率的数据点统称为烘焙质量得率,该烘焙质量得率与相对/绝对焦产率进行最小二乘拟合,得到通用模型应用于生物质在常压、低氧气氛烘焙后相对/绝对焦产率的预测。慢速热解焦(固定碳)是生物质工业分析中的一种指标,可用于评价生物质燃料性质的优劣程度,第一烘焙质量得率与慢速热解焦产率的预测模型适用于有氧烘焙后生物质固定碳含量的预测;第二烘焙质量得率与慢速热解焦产率的预测模型适用于无氧烘焙后生物质固定碳含量的预测;第一烘焙质量得率和第二烘焙质量得率的数据点统称的烘焙质量得率与慢速热解焦产率进行最小二乘拟合,得到通用模型应用于生物质在常压,低氧气氛烘焙后,固定碳含量的预测。
图2、图3中的阴影部分都是总体拟合(即综合了无氧和有氧烘焙的实验数据进行拟合) 结果的95%置信区间,实测数据点落在区间内预示其可靠性较强。当烘焙质量得率处于低值 (<50%)时,相对/绝对焦产率的实测值偏离了95%置信区间,意味着本模型在预测低烘焙质量得率条件下生物质的焦产率可靠性较低。然而在实际的工业应用条件下,为了降低烘焙过程所需能耗以及减少烘焙过程生物质的质量损失,烘焙生物质的质量得率一般处于 70-90%之间,此时绝大部分实测的相对和绝对焦产率实测值均位于预测模型的95%置信区间,预示着本模型能够准确地预测工业应用条件下,烘焙生物质的相对/绝对焦产率。
本发明未涉及部分均与现有技术相同或采用现有技术加以实现。
以上所述仅为本发明的优先实施例,而非对本发明作任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进,凡在权利要求范围内所做的等同变化和修饰,均应落入本发明的保护范围之内。
Claims (8)
1.一种预测烘焙生物质热解焦产率的方法,其特征在于,包括:
将生物质进行有氧烘焙,得到第一固体产物,将生物质进行无氧烘焙,得到第二固体产物,定义烘焙质量得率=烘焙后固体产物质量/原料质量,根据所述烘焙质量得率的计算公式可分别获得有氧烘焙时的第一烘焙质量得率和无氧烘焙时的第二烘焙质量得率;
将所述第一固体产物和所述第二固体产物放入慢速热解装置进行慢速热解实验,得到无水无灰基条件下的固定碳含量FCdaf;将所述第一固体产物和所述第二固体产物放入快速热解装置进行快速热解实验,得到快速热解焦样品,称量所述快速热解焦样品,得到快速热解焦质量,定义相对焦产率=焦质量/烘焙后固体产物的质量,绝对焦产率=相对焦产率×烘焙质量得率×100%,可得到快速热解装置中的相对焦产率和绝对焦产率;
分别以所述第一烘焙质量得率和所述第二烘焙质量得率为自变量,以所述固定碳含量为因变量,分别建立慢速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合所述第一烘焙质量得率和所述第二烘焙质量得率,建立慢速热解下生物质在常压低氧气氛烘焙后的焦产率的预测模型;
分别以所述第一烘焙质量得率和所述第二烘焙质量得率为自变量,以所述相对焦产率和绝对焦产率为因变量,分别建立快速热解下生物质在有氧烘焙和无氧烘焙后焦产率的预测模型,并且结合所述第一烘焙质量得率和所述第二烘焙质量得率,建立快速热解生物质在常压低氧气氛烘焙后的焦产率的预测模型。
2.根据权利要求1所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,所述慢速热解装置为热重分析仪。
3.根据权利要求1所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,所述快速热解装置为悬浮燃烧器。
4.根据权利要求1所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,所述生物质为硬木。
5.根据权利要求1-4任一所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,
所述第一固体产物有9种,相应地可以获得9个固体的第一烘焙质量得率,第一固体产物经快速热解实验或慢速热解实验后可以获得九种焦,相应地可获得9个固定碳含量FCdaf、9个相对焦产率和9个绝对焦产率;
所述第二固体产物有5种,相应地可以获得5个固体的第二烘焙质量得率,第一固体产物经快速热解实验或慢速热解实验后可以获得五种焦,相应地可获得5个固定碳含量FCdaf、5个相对焦产率和5个绝对焦产率。
6.根据权利要求5所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,
所述得到无水无灰基条件下的固定碳含量,具体步骤为:
根据慢速解热实验中的第一固体产物和第二固体产物的质量随时间的数据变化关系,可以获得收到基条件下第一固体产物和第二固体产物中的水分(Mad)、挥发分(VMad)和灰分含量(Ashad),即慢速热解焦产率FCad%=100(%)-Mad(%)-VMad(%)-Ashad(%);
进而可得到所述固定碳含量FCdaf,即FCdaf=FCad/(100-Mad-Ashad)×100。
7.根据权利要求5所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,慢速热解条件下的预测模型包括:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个固定碳含量进行拟合,得到有氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.61×第一烘焙质量得率+68;R2=0.91 (9)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应的五个固定碳含量进行拟合,得到无氧烘焙后焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.31×第二烘焙质量得率+47.2;R2=0.89 (8)
并且生物质在常压低氧气氛烘焙后的焦产率的预测模型为
慢速热解焦产率(daf,%)=-0.48×烘焙质量得率+59.6;R2=0.8 (7)。
8.根据权利要求5所述的一种预测烘焙生物质热解焦产率的方法,其特征在于,快速热解条件下焦产率的预测模型如下:
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个相对焦产率进行拟合,得到有氧烘焙后相对焦产率的预测模型为
快速热解焦的相对产率=-0.33×第一烘焙质量得率+41.6;R2=0.78 (5)
将有氧烘焙时得到的九种第一固体产物的九个第一烘焙质量得率以及相对应的九个绝对焦产率进行拟合,得到有氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第一烘焙质量得率+23.0;R2=0.83 (6)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个相对焦产率进行拟合,得到无氧烘焙后对焦产率的预测模型为
快速热解焦的相对产率=-0.37×第二烘焙质量得率+45.3;R2=0.95 (3)
将无氧烘焙时得到的五种第一固体产物的五个第二烘焙质量得率以及相对应五个绝对焦产率进行拟合,得到无氧烘焙后绝对焦产率的预测模型为
快速热解焦的绝对产率=-0.14×第二烘焙质量得率+22.7;R2=0.96 (4)
并且可以分别得到在常压低氧气氛烘焙后的相对焦产率预测模型和绝对焦产率预测模型:
快速热解焦的相对产率=-0.34×烘焙质量得率+41.9;R2=0.81 (1)
快速热解焦的绝对产率=-0.14×烘焙质量得率+22.7;R2=0.85 (2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010876099.7A CN112151123B (zh) | 2020-08-25 | 2020-08-25 | 一种预测烘焙生物质热解焦产率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010876099.7A CN112151123B (zh) | 2020-08-25 | 2020-08-25 | 一种预测烘焙生物质热解焦产率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112151123A true CN112151123A (zh) | 2020-12-29 |
CN112151123B CN112151123B (zh) | 2023-06-20 |
Family
ID=73887622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010876099.7A Active CN112151123B (zh) | 2020-08-25 | 2020-08-25 | 一种预测烘焙生物质热解焦产率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112151123B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040019437A1 (en) * | 2002-05-01 | 2004-01-29 | Exxonmobil Upstream Research Company | Chemical structural and compositonal yields model for predicting hydrocarbon thermolysis products |
US20140130402A1 (en) * | 2012-11-15 | 2014-05-15 | University Of Georgia Research Foundation, Inc. | Torrefaction reduction of coke formation on catalysts used in esterification and cracking of biofuels from pyrolysed lignocellulosic feedstocks |
CN104463327A (zh) * | 2014-10-27 | 2015-03-25 | 中国石油大学(北京) | 一种预测催化裂化焦炭产率的方法 |
CN104680003A (zh) * | 2015-02-11 | 2015-06-03 | 中原工学院 | 一种水热焦产率的预测方法 |
CN104789256A (zh) * | 2015-03-26 | 2015-07-22 | 华东理工大学 | 一种催化裂化装置的收率实时预测方法 |
CN106190416A (zh) * | 2016-09-23 | 2016-12-07 | 河南省博顿生物质转化技术研究院 | 一种生物质炭燃料 |
CN106383934A (zh) * | 2016-09-05 | 2017-02-08 | 中国矿业大学 | 一种焦炭质量预测模型的构建方法和炼焦配煤方法 |
CN108410493A (zh) * | 2018-05-04 | 2018-08-17 | 安徽工业大学 | 一种用二氧化碳提高煤热解焦油收率的方法 |
-
2020
- 2020-08-25 CN CN202010876099.7A patent/CN112151123B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040019437A1 (en) * | 2002-05-01 | 2004-01-29 | Exxonmobil Upstream Research Company | Chemical structural and compositonal yields model for predicting hydrocarbon thermolysis products |
US20140130402A1 (en) * | 2012-11-15 | 2014-05-15 | University Of Georgia Research Foundation, Inc. | Torrefaction reduction of coke formation on catalysts used in esterification and cracking of biofuels from pyrolysed lignocellulosic feedstocks |
CN104463327A (zh) * | 2014-10-27 | 2015-03-25 | 中国石油大学(北京) | 一种预测催化裂化焦炭产率的方法 |
CN104680003A (zh) * | 2015-02-11 | 2015-06-03 | 中原工学院 | 一种水热焦产率的预测方法 |
CN104789256A (zh) * | 2015-03-26 | 2015-07-22 | 华东理工大学 | 一种催化裂化装置的收率实时预测方法 |
CN106383934A (zh) * | 2016-09-05 | 2017-02-08 | 中国矿业大学 | 一种焦炭质量预测模型的构建方法和炼焦配煤方法 |
CN106190416A (zh) * | 2016-09-23 | 2016-12-07 | 河南省博顿生物质转化技术研究院 | 一种生物质炭燃料 |
CN108410493A (zh) * | 2018-05-04 | 2018-08-17 | 安徽工业大学 | 一种用二氧化碳提高煤热解焦油收率的方法 |
Non-Patent Citations (3)
Title |
---|
简杰: "烘焙生物质燃烧、热解特性研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
贺强等: "不同温度下棉杆颗粒热解制炭的性能研究", 《河北工业大学学报》 * |
闻蕾 等: "烘焙条件对生物质烘焙特性的影响", 《新能源进展 》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112151123B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Characteristics of biomass charcoal briquettes and pollutant emission reduction for sulfur and nitrogen during combustion | |
Carvalho et al. | Effects of potassium and calcium on the early stages of combustion of single biomass particles | |
Li et al. | High-temperature rapid devolatilization of biomasses with varying degrees of torrefaction | |
CN1603833A (zh) | 大型煤粉炉优化控制*** | |
Su et al. | Thermal behavior and gaseous emission analysis during co-combustion of ethanol fermentation residue from food waste and coal using TG–FTIR | |
Jesus et al. | Energy and mass balance in the pyrolysis process of eucalyptus wood | |
Schönnenbeck et al. | Combustion tests of grape marc in a multi-fuel domestic boiler | |
Khasraw et al. | Devolatilisation characteristics of coal and biomass with respect to temperature and heating rate for HIsarna alternative ironmaking process | |
CN111261237B (zh) | 一种单一煤种一维火焰炉燃尽率的计算方法 | |
Li et al. | Characterization of high-temperature rapid char oxidation of raw and torrefied biomass fuels | |
Kraszkiewicz et al. | Combustion of plant biomass pellets on the grate of a low power boiler | |
Pielsticker et al. | Influence of biomass torrefaction parameters on fast pyrolysis products under flame-equivalent conditions | |
Nzali et al. | Effect of particle size on syngas production using sawdust of Cameroonian Triplochiton scleroxylon | |
CN112151123A (zh) | 一种预测烘焙生物质热解焦产率的方法 | |
Kwaghger et al. | The development of equations for estimating high heating values from proximate and ultimate analysis for some selected indigenous fuel woods | |
Guajardo et al. | Carbonization of microalgae for bio-coal production as a solid biofuel similar to bituminous coal | |
Jones et al. | The Combustion of Solid Biomass | |
Protić et al. | Thermogravimetric analysis of biomass and sub-bituminous coal | |
Unz et al. | Characterization of biomass used in thermal processes with regard to the kinetic properties | |
Wang et al. | Influence of the synergistic effects and potassium on the combustion behaviors of biomass under high heating rate | |
Bastakoti et al. | Study of Effects of Temperature and Residence Time on Calorific Value of Torrefied Biomass | |
Mirowski et al. | The new meaning of solid fuels from lignocellulosic biomass used in low-emission automatic pellet boilers | |
Osuolale et al. | Prediction of higher heating value of biomass based on ultimate and proximate analyses | |
Suksuwan et al. | The effect of biomass shapes on combustion characteristic in updraft chamber | |
Onochie et al. | The Effect of Elaeis Guineensis Residue on CO2 and SO2 Emissions from Coal Pellets Combustion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |