生物质混煤的灰熔融特性研究

论文摘要

近年来,由于能源与环境问题日益突出,人们开始对诸如生物质之类的可再生能源进行研究,以期实现生物质的清洁、高效利用。由于生物质碱性物含量较大,熔融温度较低,且软化温度和流动温度相差较小,致使生物质锅炉及生物质混煤燃烧锅炉易发生积灰、结渣和腐蚀等问题,因此研究生物质及生物质混煤的灰熔融特性等关键基础科学问题会加快解决生物质能发电锅炉的积灰、腐蚀和结焦等问题,促使我国尽快具备生物质能发电系列锅炉的生产、研发和设计能力。首先,本文在TGA/SDTA851e热分析系统上,对麦秆、稻秆、玉米秆、棉秆、花生壳、杨木屑、酒糟和造纸废液浓缩颗粒等8种生物质的灰熔融特性做了试验研究。由于各种生物质灰成分和矿物组成的差异性,所以通过热分析方法所表现出来的熔融特性有着明显的差异性。碳酸盐和硫酸盐的分解以及碱金属氧化物和碱金属盐的蒸发是造成生物质灰升温失重的主要原因。DSC曲线的吸热峰多是由于碳酸盐分解和碱金属的硅酸盐和硅铝酸盐熔融造成的。根据生物质灰中各种化学元素在灰熔融过程中的迁移规律,应用回归分析方法构造的失重率函数能较好的反映出生物质灰中各种元素化合物的失重规律,方程的线性相关性好,回归效果显著。其次,本文在YX-HRD灰熔融性测定仪上研究了生物质以不同配比混煤时对灰熔融特征温度的影响规律。由于煤的灰分含量比生物质的灰分含量大,所以生物质混煤灰熔融特性在小配比范围内基本体现了煤灰的成分特点和熔融特性。随着生物质配比的增加,生物质混煤灰熔融特征温度与配比之间在总体上是呈现非线性的关系,但是在部分配比范围内可出现近似线性关系。通过单生物质混煤的灰熔融性试验研究发现,在小配比范围内生物质降低煤灰熔融特征温度能力的排序为:（稻秆、麦秆）＞（玉米杆、酒糟、棉秆）＞（杨木屑、花生壳）。在双生物质混煤的灰熔融性试验中研究发现,双生物质对煤灰熔融性特征温度的影响基本体现了两种生物质的共同作用。通过添加剂对生物质灰熔融性的影响试验,验证了灰熔融特征温度随着Al2O3含量的增加而增加,而SiO2对了灰熔融特征温度的影响不明显,但是当含量过高时易发生烧结现象。CaO和MgO对麦秆灰在小配比范围内起到了“骨架”作用,而当配比过大时灰熔融性特征温度增加明显。根据得到的在不同配比下生物质混煤灰熔融特征温度数据,通过回归分析方法得出灰组分与特征温度之间的多元线性回归模型及二次多项式回归模型,由回归分析结果得出,由11个灰组分变量合并得到的5个变量的二次多项式回归模型的显著性明显优于线性回归模型。最后,本文分别采用普通径向基神经网络和广义回归神经网络对生物质混煤灰熔融特征温度进行了建模,用190组样本数据对网络进行学习,用8组测试数据对网络的有效性进行检验。网络仿真结果表明广义回归神经网络与普通径向基神经网络相比,具有更好的预测能力和泛化能力,预测结果满足误差要求,适合用来对生物质配煤灰熔融特征温度进行建模预测。

论文目录

• 摘要
• ABSTRACT
• 符号表
• 1 前言
• 1.1 本课题研究的背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 灰熔融特性的研究现状
• 1.2.1 灰熔融性的试验方法
• 1.2.2 灰成分对灰熔融性的影响
• 1.2.3 灰熔点的预测
• 1.3 锅炉积灰结渣的研究现状
• 1.3.1 锅炉积灰结渣的机理及影响因素
• 1.3.2 结渣的预判
• 1.4 本课题研究目的及研究内容
• 1.4.1 研究目的
• 1.4.2 研究内容
• 2 试验装置及试验方法
• 2.1 试验装置简介
• 2.2.1 TGA/SDTA851e热分析系统
• 2.2.2 YX-HRD灰熔融性测定仪
• 2.2 试验样品制备
• 2.3 试验方法
• 2.3.1 TGA/SDTA851e热分析系统的试验方法
• 2.3.2 YX-HRD灰熔融性测定仪的试验方法
• 2.4 本章小结
• 3 用热分析方法研究生物质灰的熔融特性
• 3.1 生物质成灰元素的存在形式及迁移规律
• 3.2 利用TG-DSC方法研究生物质灰熔融特性
• 3.2.1 各种生物质灰的TG-DSC分析
• 3.2.2 升温速率对曲线的影响
• 3.2.3 失重率的回归分析
• 3.3 本章小结
• 4 生物质混煤灰熔点试验结果分析
• 4.1 生物质与煤的灰熔点结果分析
• 4.2 单生物质混煤灰熔点结果分析
• 4.3 双生物质混煤灰熔点结果分析
• 4.4 添加剂对生物质灰熔融性的影响
• 4.5 本章小结
• 5 生物质混煤灰熔点的回归分析
• 5.1 多元线性回归分析
• 5.1.1 全回归模型
• 5.1.2 逐步回归模型
• 5.2 二次多项式回归分析
• 5.3 本章小结
• 6 基于径向基神经网络的生物质混煤灰熔点预测模型
• 6.1 径向基神经网络的理论基础
• 6.2 面向MATLAB工具箱的径向基神经网络
• 6.2.1 面向MATLAB工具箱的径向基神经元模型
• 6.2.2 面向MATLAB工具箱的径向基神经网络结构
• 6.2.3 径向基函数的学习过程
• 6.3 生物质混煤灰熔点的RBF神经网络预测模型
• 6.3.1 用newrb设计径向基神经网络
• 6.3.2 用newgrnn设计广义回归神经网络
• 6.4 本章小结
• 7 全文总结
• 附录
• 附表1 生物质混煤灰熔点数据
• 附表2 生物质添加剂灰熔点数据
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表