生物质气化过程的混合神经网络模拟

用几种生物质的料进行了水蒸汽流化条件下的常压气化实验。为得到各种生物质的气化特性,用混合神经网络模型于气化过程进行了模拟。模型得到的气化产率与实验数据吻合得较好。神经网络给出的气化特性能正确地反映实际的生物质气化过程。模拟结果还显示,草本生物质和木本生物质在气化过程中,各种煤气成分的释放有不同的规律。     

内循环流化床生物质气化过程的神经网络模型

基于BP人工神经网络原理,利用MATLAB神经网络工具箱,以实验得到的57组气化实验数据作为样本,建立了一个以加料量和送风量为输入变量,以燃气热值、产气率、碳转化率和气化效率为输出变量,用于描述连续稳定气化过程的内循环流化床生物质气化模型。对模型的隐层节点数和训练周期改变对模拟结果的影响进行了分析,发现当隐层节点数为20,训练步骤为50步,模型的4个输出变量的模拟结果与实验结果相关系数均超过0.95;同时对该模型的预测能力进行了考察,模型预测结果与实验结果吻合良好,证明了该模型具有较强的泛化能力,为生物质内循环流化床气化系统的优化设计和自动控制提供新思路。     

生物质发电气化过程的机理建模分析

生物质气化发电的关键技术是生物质气化技术,目前国内外对生物质气化发电技术的研究,还缺乏通用的气化模型和方法来模拟气化过程的特性,不能准确地确定生物质燃气的组分和热值等参数,难以提供气化发电系统的可靠数据.最常用的气化过程建模方法是建立机理模型,文章在重点分析了气化过程机理的基础上,把气化模型划分为平衡模型和动态模型两大类,并比较了各模型的优缺点.     

生物质气化的应用与研究

生物质能是一种重要的可再生能源,利用生物质气化技术能实现CO2的减排,节约常规能源,符合可持续发展的要求.文章介绍了自1664年Thomas shirly进行气化试验以来,历经几百年的发展,生物质气化工艺和相关气化装置已经取得了巨大的进步;阐述了近几十年来我国在生物质气化领域的发展历程和取得的研究成果;对生物质的气化机理、气化装置结构,生物质气化技术的推广与应用、开发前景与经济效益进行了探讨.     

生物质气化过程的神经网络模型拟合方法

用神经网络模型来拟合生物质气化过程的特性,以影响气化过程的主要因素:温度(T)和气化剂当量比(α)作为网络输入,气化燃气组分为网络输出,通过调整网络的权值和阈值,对神经网络模型训练学习,来预测气化过程特性.仿真表明,该模型对生物质气化反应过程特性有较好的预测性能,具有一定的实用性.     

应用神经网络方法预测生物质的热值

应用人工神经网络方法对生物质的热值进行了预测,网络的训练数据集来自美国Biomass Feedstock Composition and Property Database of U．S．Department of Energy。神经网络以生物质的工业分析结果作为输入数据．采用56组数据对网络进行训练,以7组数据对网络进行验证,对网络输出值与实际值进行比较,相对误差在0．08％以内。人工神经网络成功地预测各种生物质的热值,说明人工神经网络能够处理生物质的热值与工业分析各组分间的非线性关系。     

基于生物质气化耦合发电的气化特性实践研究

在10 MW级生物质气化耦合燃煤发电工程项目上,考察了当量比、添加蒸汽、掺混秸秆对稻壳气化特性的影响。在当前的实验条件下,随着当量比在0. 14～0. 20的范围内增加时,CO、H_2和CH_4的体积分数均随之减少,燃气热值和气化效率也随当量比的增大而降低;添加适量蒸汽可以促进CO、H_2和CH_4及燃气热值的提高,气化效率则随蒸汽量的增加而升高;当秸秆掺混比例逐渐增加时,CO、H_2和CH_4的体积分数和燃气热值出现了不同程度的下降,气化效率也不断降低。     

生物质气化过程中焦油形成机理的研究

以谷壳气化过程中产生焦油为研究对象,考查了在不同温度情况下的焦油组成变化。实验结果表明:温度的不同,气化过程中产生的焦油组成也不同,且随温度的升高,低温中形成的焦油组成会发生热裂解进行二次反应,生成新的焦油组成。通过对焦油的GC-MS分析说明,随温度升高,焦油组分的变化是一个脱氧且芳香化程度增大过程,当达到800℃以上时,焦油中的主要组份以多环芳烃为主,从而为生物质气化过程中焦油催化裂解催化剂的开发指明方向。     

基于热化学平衡机理的生物质气化过程模型

生物质气化是生物质能利用的有效方式之一,通过分析气化过程热化学反应机理,基于气化过程的物料平衡、热量平衡和热化学反应平衡关系,建立了一种生物质气化过程的热化学平衡模型.由该模型模拟计算了锯屑、棉花秸和木粉三种生物质料在以空气为气化剂,不同输入参数(物料湿度和气化剂当量比)下的气化气组分及气体产率,考察了当模型输入参数分别变化时气化气组分、气体产率的变化情况,结果表明该模型输出值与文献值的变化趋势基本相符,模拟具有较好的预测效果.     

生物质气化催化剂的研究现状

在生物质气化过程中,由于焦油的产生以及生成的小分子可燃气体较少的特点,影响了生物质气化技术的进一步推广和应用。使用催化剂是一种可以提高小分子可燃气体品位、提高生物质利用效率、减少焦油产生的经济可行的办法。文中叙述了生物质气化催化剂的研究概况,并着重介绍了各种催化剂使用的效果。     

生物质气化过程的可视化研究

生物质燃料种类多,气化过程复杂多变。生物质燃料气化反应条件、规律及反应物的研究,是生物质气化技术研究的重点。文章提出将电容层析成像技术用于生物质气化过程的可视化监测;采用COMSOL建立了生物质气化炉电容层析成像模型;分析了不同生物质介质对电容敏感场的影响。文章通过仿真计算求取灵敏度矩阵及电容值;应用串联的归一化模型对电容值进行归一化处理;应用两种不同算法对气化炉内不规则介质进行成像,对生物质气化过程可视化监测做了有益的探索。     

基于铁矿石载氧体的生物质化学链气化机理研究

在单批次进料小型流化床上,以稻壳为生物质燃料,研究了床料、气化温度、水蒸气体积分数以及载氧体载氧量与生物质含碳量的摩尔比(O/C)对生物质化学链气化反应特性的影响,并考察了铁矿石的长期交替氧化还原过程中的反应特性,分析了在小型流化床,水蒸气气氛气化条件下,铁矿石载氧体在反应过程中主要的反应以及反应后的铁矿石的床料变化。研究表明:在载氧体条件下,生物质的碳转化率显著增大,随着反应温度的升高,合成气中的H_2和CO的体积分数也相应升高。在温度不变情况下,随着水蒸气比例的升高,CO_2和H_2的体积分数显著上升。伴随着O/C摩尔比的升高,CO和H_2均显著下降。因此,在不同的反应条件下,铁矿石在生物质化学链气化过程中对反应速度、合成气比例等均有明显的作用,对研究生物质的综合利用具有一定的意义。     

生物质加压气化技术的研究与应用现状

生物质气化气可以替代化石燃料用于发电、供热和用于生产合成反应的化工原料,解决日益严重的能源短缺和环境污染等问题.加压气化具有生产能力大、效率高,可降低单位投资成本,减少焦油的产生,有利于后续发电及合成工艺等诸多优点.文章介绍了压力对气化的影响,加压气化存在的主要问题,加压在生物质和劣质煤等联合气化、定向气化制备合成气、IGCC上应用的研究和应用现状.     

废轮胎胶粒气化脱硫BP神经网络预测

对废轮胎胶粒使用流化床试验装置进行气化和脱硫,得到样本数据。使用BP神经网络建立气化产气热值和含硫气体排放特性预测模型,较好地实现了对试验数据的再现。在训练过程中,误差快速的单调下降,表明该网络的学习能力很强。模型很好的预测了试验工况,预测值和试验值的误差的数量级均在10~(-6)。     

生物质气化焦油脱除过程参数优化方法

焦油是生物质气化过程中的有害产物,它会降低燃气品质,对气化设备及后续用气设备产生危害.本文通过对生物质气化过程中影响焦油生成量的因素进行分析,依据最小二乘曲线拟合原理和目标规划理论建立了生物质料木屑气化过程焦油脱除的参数优化模型,在此基础上采用遗传算法对焦油脱除过程优化模型进行参数寻优.计算结果表明,当气化温度为796.6℃、当量比为0.203时,木屑气化的焦油生成量最小.     

基于ASPEN PLUS模拟生物质气流床气化工艺过程

基于ASPEN PLUS模拟平台,对热解后半焦气化与生物质原料直接气化分别进行了模拟计算,得出如下结论:热解方法作为生物质气流床气化工艺的前处理手段是可行的。热解终温为300℃时对气流床气化是最合适的;O/C摩尔比在0.9～1.1之间比较合适;气化温度和碳转化率随着O/C摩尔比的增加而升高;对于300℃半焦进行气化,空气温度预热到550℃比较合适,气化温度可达到1056℃,煤气热值可达到5958kJ/Nm~3,碳转化率也可达到99.59%。     

流化床生物质气化发电过程动力学建模与验证

为更好地描述生物质气化过程的反应机理,文章从模型采用的反映速率形式出发,对已建立的动力学模型[1]做了进一步修正,并拟和了以松木屑为生物质原料的气化反应动力学参数,建立了包括质量平衡方程、反应动力学方程以及能量平衡方程在内的整体生物质气化动力学模型。最后以MATLB为平台,通过模型仿真,从反应进程以及最终气体组分两个方面验证了模型的可靠性。为进一步应用该模型评价和优化流化床生物质气化过程气化方案和气化参数打下了基础。     

基于热化学平衡的生物质气化过程建模

生物质气化是生物质能利用的主要形式之一。通过对生物质气化过程的分析,建立了一种基于热化学平衡机理的气化过程平衡模型。详细介绍了模型的原理、建立过程以及模型的求解和验证。计算结果表明,模型能够对生物质的气化过程中的反应特性起到预测作用,为今后生物质气化过程的参数优化和控制计算提供了一定的理论依据。     

基于BP神经网络的固体废弃物热解产物分布规律预测

选择 4 种不同种类的固体废弃物样品进行热解实验,探究在不同热解温度、停留时间、载气流量以及升温速率影响下固、液、气三态产物的分布规律．基于 BP 神经网络原理,利用 Matlab 神经网络工具箱,建立了针对不同种类废弃物在不同反应条件下的热解产物产率分布模型．模型的输入条件为反应工况和样品特性参数,输出结果为热解三态产物产率,预测值与实验值吻合良好,相关系数 R²为 0.969 6,均方根误差为 2.297 5,表明了该模型对热解过程模拟的可行性与有效性．     

生物质气化制氢的模拟

以秸秆为研究对象,利用Aspen P lus软件建立气化反应器模型,对生物质气化制氢进行模拟计算.探讨不同反应条件,包括气化温度、生物质与蒸汽质量配比以及催化剂对富氢气体成分的影响.计算结果表明,未加催化剂条件下,采用生物质蒸汽气化技术可获得体积分数为6000/以上的富氢燃料气,增大蒸汽与生物质质量配比有利于氢气产率的提高;添加CaO、MgO催化剂可较大幅度地提高氢气产率,氢气体积分数最大可达到9400/,其中CaO对生物质气化制氢过程的催化作用非常显著.