【摘要】：為探究不同秸稈原料和炭化條件對秸稈炭樣品熱化工特性的影響,分析元素組成和工業(yè)組成與熱值之間的相關(guān)性,探討利用傅里葉中外光譜技術(shù)(FT-MIR)對秸稈炭熱化工特性指標(biāo)快速測定的可行性,采集5種農(nóng)作物秸稈,在不同的炭化條件下進行炭化處理,得到秸稈炭樣品共計175個,并按照相關(guān)標(biāo)準(zhǔn)測定其熱值、元素組成及工業(yè)組成的含量,同時采集樣品的中紅外透射光譜。對實驗數(shù)據(jù)進行統(tǒng)計分析,在簡單相關(guān)性分析和共線性診斷基礎(chǔ)上,分別建立基于元素組成、工業(yè)組成的熱值預(yù)測模型;利用TQ Analyst 8.3化學(xué)計量學(xué)軟件,通過光譜理化值共生距離法(SPXY)劃分樣本集后,采用不同預(yù)處理方法,結(jié)合偏最小二乘法(PLS)建立秸稈生物炭樣品的熱值、元素組成及工業(yè)組成的中紅外光譜定量分析模型。研究結(jié)果如下:(1)從5種農(nóng)作物秸稈炭的熱值統(tǒng)計結(jié)果看,農(nóng)作物秸稈經(jīng)過炭化后,熱值增大。從5種農(nóng)作物秸稈炭的元素組成統(tǒng)計結(jié)果看,C元素含量最高,N元素含量最低。從5種農(nóng)作物秸稈炭的工業(yè)組成統(tǒng)計結(jié)果看,炭化后灰分、固定碳含量提高;而揮發(fā)份含量降低;樣品中水分的含量變異系數(shù)較大,沒有明顯的變化趨勢。(2)對比不同炭化條件下制備的秸稈炭樣品的熱化工特性指標(biāo)。結(jié)果顯示,秸稈種類及炭化溫度對熱值、元素組成及工業(yè)組成的影響較為明顯,保溫時間與升溫速率對熱化工特性影響小。隨著溫度的升高,熱值呈現(xiàn)先急后緩的增長趨勢;秸稈炭的N、O、H元素含量隨著炭化終溫的升高而降低,C元素含量隨溫度的升高而增加;隨著炭化溫度的升高,灰分含量增加,揮發(fā)分含量減少,固定碳含量增加。5種農(nóng)作物中,水稻秸稈炭的熱值最小,棉花和油菜的熱值相對較高;水稻秸稈炭的C元素含量最低,棉花秸稈炭的O元素含量最高,H元素含量無明顯差異;油菜與棉花的灰分含量較低,固定碳含量較高,而水稻秸稈炭的灰分含量最高,固定碳含量最低。(3)建立了基于元素組成的高、低位預(yù)測模型。結(jié)果表明,主成分回歸模型預(yù)測精度優(yōu)于多元線性回歸模型,其中,高位熱值預(yù)測模型的決定系數(shù)R~2、預(yù)測標(biāo)準(zhǔn)差SEP、相對標(biāo)準(zhǔn)差RSD分別為0.75、1255.72 J·g~(-1)、5.32%;低位熱值的決定系數(shù)R~2、預(yù)測標(biāo)準(zhǔn)差SEP、相對標(biāo)準(zhǔn)差RSD分別為0.75、1274.88 J·g~(-1)、5.32%。外部預(yù)測結(jié)果為:高、低位熱值預(yù)測模型的預(yù)測標(biāo)準(zhǔn)差SEP分別為1255.72 J·g~(-1)、1274.88 J·g~(-1),相對標(biāo)準(zhǔn)差RSD分別為5.32%、5.32%。模型預(yù)測能力不高,只可用于熱值的大致估計,精度有待提高。(4)建立了基于工業(yè)組成的熱值預(yù)測模型。結(jié)果表明,主成分回歸方法能有效解決四個自變量間的共線性問題,預(yù)測效果優(yōu)于多元線性回歸方法,其中,高位熱值(HHV)預(yù)測模型的決定系數(shù)R~2、預(yù)測標(biāo)準(zhǔn)差SEP、相對標(biāo)準(zhǔn)差RSD分別為0.86、1126.79 J·g~(-1)、4.79%;低位熱值(LHV)預(yù)測模型決定系數(shù)R~2、預(yù)測標(biāo)準(zhǔn)差SEP、相對標(biāo)準(zhǔn)差RSD分別為0.83、1167.25 J·g~(-1)、4.93%。外部預(yù)測結(jié)果為:高、低位熱值預(yù)測模型的預(yù)測標(biāo)準(zhǔn)差SEP分別為1037.04 J·g~(-1)、1188.16 J·g~(-1),相對標(biāo)準(zhǔn)差RSD分別為4.41%、4.91%。高、低位熱值預(yù)測模型可用于實際估測中。(5)構(gòu)建農(nóng)作物秸稈炭樣品高、低位熱值的FT-MIR定量分析模型,并采取獨立驗證集驗證模型預(yù)測效果。結(jié)果顯示,高位熱值的驗證集相關(guān)系數(shù)R_p為0.91,驗證均方根誤差RMSEP為614 J·g~(-1),相對標(biāo)準(zhǔn)差RSD為2.61%;低位熱值的驗證集相關(guān)系數(shù)R_P為0.87,驗證均方根誤差RMSEP為707 J·g~(-1),相對標(biāo)準(zhǔn)差RSD為3.12%。結(jié)果表明,高、低熱值檢測模型可用于實際應(yīng)用。(6)構(gòu)建生物質(zhì)秸稈炭樣品C、N、O、H元素的FT-MIR定量分析模型,采取獨立驗證集驗證模型預(yù)測效果。外部驗證結(jié)果顯示,C元素驗證集相關(guān)系數(shù)R_P為0.90,驗證均方根誤差RMSEP為2.44%,相對標(biāo)準(zhǔn)差RSD為4.07%;N元素驗證集相關(guān)系數(shù)R_P為0.75,驗證均方根誤差RMSEP為0.31%,相對標(biāo)準(zhǔn)差RSD為22.46%;O元素驗證集相關(guān)系數(shù)R_P為0.92,驗證均方根誤差RMSEP為1.35%,相對標(biāo)準(zhǔn)差RSD為9.74%;H元素驗證集相關(guān)系數(shù)R_P為0.81,驗證均方根誤差RMSEP為0.48%,相對標(biāo)準(zhǔn)差RSD為13.6%。結(jié)果表明,C元素與O元素檢測模型可用于實際預(yù)測中;H元素檢測模型的精度還有待提高;N元素預(yù)測模型不可用于實際預(yù)測中。(7)構(gòu)建生物質(zhì)秸稈炭樣品灰分、揮發(fā)分、固定碳含量的FT-MIR定量分析模型,采取獨立驗證集驗證模型預(yù)測效果。外部驗證結(jié)果顯示,灰分驗證集相關(guān)系數(shù)R_P為0.97,驗證均方根誤差RMSEP為1.59%,相對標(biāo)準(zhǔn)差RSD為9.64%;揮發(fā)分驗證集相關(guān)系數(shù)R_P為0.89,驗證均方根誤差RMSEP為4.17%,相對標(biāo)準(zhǔn)差RSD為14.35%;固定碳驗證集相關(guān)系數(shù)R_P為0.862,驗證均方根誤差RMSEP為4.79%,相對標(biāo)準(zhǔn)差RSD為9.21%。灰分檢測模型可用于實際預(yù)測中;揮發(fā)分的精度還有待提高;固定碳檢測模型的實測值與預(yù)測值的相關(guān)性較低,其預(yù)測能力有待提高。
【圖文】：

部分秸稈炭樣品Fig.2-1Strawbiocharsamples

圖 2-2 管式炭化爐 圖 2-3 IKAC2000 量熱儀Fig.2-2 Tubular coking furnace Fig.2-3 IKAC2000 Calorimeter
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：S216

【參考文獻】

相關(guān)期刊論文 前10條

1 侍建國;張亦飛;;拉依達準(zhǔn)則在處理區(qū)域水文數(shù)據(jù)異常值中的應(yīng)用[J];海河水利;2016年05期

2 鄒才能;趙群;張國生;熊波;;能源革命:從化石能源到新能源[J];天然氣工業(yè);2016年01期

3 尹寶全;史銀雪;孫瑞志;王文狄;;近紅外多組分分析中異常樣本識別方法[J];農(nóng)業(yè)機械學(xué)報;2015年S1期

4 簡敏菲;高凱芳;余厚平;;不同裂解溫度對水稻秸稈制備生物炭及其特性的影響[J];環(huán)境科學(xué)學(xué)報;2016年05期

5 陸超;秦嶺;張磊;曾彬;李小江;;基于多元線性回歸分析的貴州無煙煤低位發(fā)熱量計算數(shù)學(xué)模型研究[J];煤質(zhì)技術(shù);2015年05期

6 吳志丹;尤志明;江福英;張磊;黃毅斌;王成己;;不同溫度和時間炭化茶樹枝生物炭理化特征分析[J];生態(tài)與農(nóng)村環(huán)境學(xué)報;2015年04期

7 何選明;馮東征;敖福祿;王春霞;;生物炭的特性及其應(yīng)用研究進展[J];燃料與化工;2015年04期

8 喻斌斌;譚鶴群;;基于有機元素含量的豬糞熱值預(yù)測模型[J];廣東農(nóng)業(yè)科學(xué);2015年12期

9 丁寧;楊建新;;中國化石能源生命周期清單分析[J];中國環(huán)境科學(xué);2015年05期

10 孔露露;周啟星;;新制備生物炭的特性表征及其對石油烴污染土壤的吸附效果[J];環(huán)境工程學(xué)報;2015年05期

相關(guān)博士學(xué)位論文 前5條

1 薛俊杰;玉米、小麥秸稈原料、熱解過程及固體產(chǎn)物特性NIRS快速分析研究[D];中國農(nóng)業(yè)大學(xué);2016年

2 牛文娟;主要農(nóng)作物秸稈組成成分和能源利用潛力[D];中國農(nóng)業(yè)大學(xué);2015年

3 楊敏;水稻秸稈生物質(zhì)炭在稻田土壤中的穩(wěn)定性及其機理研究[D];浙江大學(xué);2013年

4 孫通;梨可溶性固形物和酸度的可見/近紅外光譜靜態(tài)和在線檢測研究[D];浙江大學(xué);2011年

5 謝麗娟;轉(zhuǎn)基因番茄的可見/近紅外光譜快速無損檢測方法[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 曾耀國;生物質(zhì)低溫?zé)峤馓炕吧镔|(zhì)炭燃燒特性研究[D];吉林大學(xué);2014年

2 王永佳;生物質(zhì)炭化及其燃料燃燒特性研究[D];山東大學(xué);2014年

3 路文江;基于光譜分析技術(shù)的農(nóng)林生物質(zhì)能源品質(zhì)的快速檢測研究[D];浙江工業(yè)大學(xué);2014年

4 程旭云;生物質(zhì)秸稈熱化工特性的NIRS分析方法與熱值模型構(gòu)建[D];華中農(nóng)業(yè)大學(xué);2013年

5 陶敏華;固體生物質(zhì)燃料標(biāo)準(zhǔn)體系的研究[D];華北電力大學(xué);2013年

6 張磊;基于復(fù)共線性綜合診斷的參數(shù)估計方法[D];解放軍信息工程大學(xué);2007年

，

本文編號：2688872