生物质混煤燃烧及污染物排放特性研究

被引:0
作者
张海清
机构
[1] 山东大学
关键词
生物质; 热重分析; 燃烧; 污染物排放; BP神经网络;
D O I
暂无
年度学位
2007
学位类型
硕士
导师
摘要
能源是人类生存和发展的重要物质基础,是人类从事各种经济活动的原动力。随着人类社会经济的发展,能源的消耗量急剧增长。然而,目前世界各国正面临着能源短缺的巨大挑战。同时,由燃煤排放的污染物对环境产生的污染严重影响着国家的资源安全和社会经济持续发展,威胁着人类的生存。面对这种严峻的形势,人类迫切要求寻找新的能源,以逐步减少和替代化石能源的使用。在众多的可再生能源中,具有广泛使用价值的是生物质能。生物质与煤共燃是利用生物质简单方便经济有效的方法之一,但其利用方面还面临着许多困难。 本文应用热分析方法研究了生物质和煤各自的燃烧特性以及混合后的燃烧特性,试验研究了生物质种类、升温速率以及混合比例等参数对样品燃烧特性的影响,进而得到了各样品燃烧的动力学特性;应用静态燃烧试验系统对生物质和煤分别燃烧以及混合燃烧后的污染物排放特性进行了研究,试验分析了炉温、混合比例等对污染物排放特性的影响。 首先,本文利用TGA/SDTA851综合热分析仪(瑞士Mettler-Toledo公司)研究了试验参数对燃烧特性的影响。试验煤种为取自山东里彦电厂的烟煤,生物质样品包括:玉米秆、稻秆、麦秆、花生壳、棉秆和杨木屑,为便于对比,另外选用了木质素、造纸废液颗粒和纤维素等生物质制品进行比较试验。研究发现,煤的着火温度和燃尽温度分别为429.0℃和626℃,而各生物质样品的着火温度分别为266.0℃、271.7℃、267.3℃、286.8℃、274.0℃、306.5℃、372.6℃、317.2℃和338.9℃,它们的燃尽温度分别为480℃、492.5℃、443℃、443℃、384℃、420℃、1014℃、487℃和447℃;除木质素外,生物质和煤相比具有较低的着火温度、燃尽温度和较大的燃烧特性指数,放热峰出现的时间比煤的早。生物质混煤的着火温度均比煤的低,挥发分析出、燃烧趋于均匀,焦炭燃烧温度提前。随升温速率的升高(30~100℃/min),各混煤的挥发分和焦炭的最大燃烧速率、燃尽温度及燃烧特性指数均增加,放热峰及其对应的温度先增加后略微减小。随混煤中生物质比例的增加(5%~30%),着火温度下降,挥发分燃烧速率增大,焦炭燃烧速率及放热峰值减小,且对应温度也有所降低,混煤的燃尽温度降低,挥发分燃烧特性指数增大,焦炭燃烧特性指数减小。在挥发分析出燃烧阶段,生物质的活化能和频率因子都很大,使其具有很大的燃烧速率;随着生物质比例的增加,混煤的活化能和频率因子增加,燃烧速率变大;随着升温速率的升高,活化能和频率因子降低,其综合效果使燃烧速率增大。在焦炭燃烧阶段,煤的活化能和频率因子均较小,其燃烧速率小于生物质挥发分的燃烧速率:混煤的活化能和频率因子比煤单独燃烧时的低,其燃烧速率比煤本身的小;随混合比例的增加,混煤的活化能和频率因子均下降,燃烧速率也变小;随着升温速率的升高,活化能和频率因子均降低,而燃烧速率增大。 其次,在静态燃烧试验系统上进行了生物质混煤燃烧时的污染物排放试验,考察了温度及混合比例对混煤燃烧时硫、氮析出特性的影响。研究表明,与煤相比,生物质的含硫量很少,甚至不含硫;SO2析出时间较早,析出峰小;SO2和NO的转化率远远低于煤。煤单独燃烧时的SO2转化率为76.19%,而麦秆和棉秆的SO2转化率分别只有22.90%和36.63%,玉米秆和杨木屑两种生物质没有明显的硫析出。加入生物质后,混煤SO2的转化率比煤单独燃烧时降低,但加入比例的影响规律性不强。煤单独燃烧时NO转化率为51.54%,混煤NO的转化率降低。当往煤中添加5%~30%的生物质时,麦秆混煤、玉米秆混煤、棉秆混煤和杨木屑混煤的NO转变率与煤的相比分别降低了5.09%~17.25%,3.77%~14.30%,4.34%~11.89%,3.47%~15.24%。随着炉温的升高,SO2开始释放时间提前,析出峰值降低,但排放总量增加。从850℃到950℃,玉米秆混煤SO2转化率分别为65.13%、65.83%和74.66%,麦秆混煤分别为68.76%、69.58%和72.99%,棉秆混煤分别为63.87%、67.78%和75.58%,杨木屑混煤分别为67.55%、73.07%和81.11%。随着炉温的升高,NO的转化率略有增加。 最后,应用BP神经网络模型对不同生物质混煤燃烧过程中SO2和NO的释放特性进行了预测。通过分析、计算建立了两个BP网络模型分别预测SO2和NO的转化率。SO2的BP神经网络预测模型选用了trainbfg训练函数,隐含层节点数为7,而预测NO的网络选用函数trainlm,隐含层节点数为4。用28组样本数据进行训练,用4组测试数据对网络的有效性进行检验。网络模拟表明,训练过的神经网络模型对检验样本集的预测是足够准确的,满足试验误差要求的范围。也就是说,本次试验建立的BP神经网络可以用来预测SO2和NO的转化率。
引用
收藏
页数:111
共 64 条
[1]
生物质热裂解机理试验研究 [D]. 
谭洪 .
浙江大学,
2005
[2]
城市生活垃圾流化床焚烧过程酸性气体排放及其人工神经网络预测 [D]. 
张东平 .
浙江大学,
2003
[3]
生物质与煤共燃特性的研究 [J].
徐朝芬 ;
陈汉平 .
实验技术与管理, 2006, (09) :35-38
[4]
秸秆类生物质燃烧特性的研究 [J].
乐园 ;
李龙生 .
能源工程, 2006, (04) :30-33
[5]
不同煤种燃烧中NOX排放规律的试验研究 [J].
杨冬 ;
路春美 ;
王永征 ;
刘汉涛 .
华东电力, 2006, (06) :9-12
[6]
生物质能利用技术控制污染物排放的作用 [J].
廖艳芬 ;
马晓茜 .
环境污染与防治, 2006, (05) :369-372+387
[7]
生物质与煤共燃发电CDM项目案例分析 [J].
马晓茜 ;
何军飞 ;
赵增立 ;
李海滨 ;
陈勇 .
华南理工大学学报(自然科学版), 2006, (04) :91-95+110
[8]
煤粉锅炉共燃生物质发电技术的特点和优势 [J].
盛昌栋 ;
张军 .
热力发电, 2006, (03) :8-11+2
[9]
煤与垃圾衍生燃料的流化床混烧试验研究 [J].
孙红杰 ;
赵明举 ;
王亮 ;
谢克昌 .
现代化工, 2006, (01) :28-31+33
[10]
燃煤过程中硫析出特性的影响因素 [J].
郝宇 ;
齐庆杰 ;
孙青威 ;
周新华 ;
吴宪 .
辽宁工程技术大学学报, 2005, (S2) :22-24