基于实测数据的高炉煤气单位热值含碳量推荐值的修正方法

钢铁工业碳排放核算方法依据GB/T 32151.5-2015《温室气体排放核算与报告要求第5部分:钢铁生产企业》所提供的排放因子法,单位热值含碳量(C_(C))作为表征可燃物质在单位热值下碳元素含量的指标,是排放因子法计算碳排放量的重要影响因子。前人对于钢铁工业碳排放研究主要侧重于各种核算方法之间的差异性,而对于单位热值含碳量推荐值准确性鲜有研究。为研究可燃物质单位热值含碳量对于碳排放计算的影响,选择钢铁工业炼铁工序副产气体高炉煤气作为研究对象,基于某钢厂高炉煤气各项指标实测数据,计算得出不同组分(CO和CO_(2))含量下高炉煤气C_(C)实测值,分析不同组分含量高炉煤气低位发热量实测值、全碳组分C_(C)实测值、燃烧过程C_(C)实测值等实测参数变化。结合排放因子法广泛应用的现状,基于C_(C)实测值波动情况,提出3种将C_(C)推荐值修正为燃烧过程C_(C)的方法,在各自适用条件修正值与实测值的偏差均小于5%;最后,用该钢厂高炉炼铁工序2021年有关统计数据,针对高炉煤气C_(C)推荐值修正前后高炉本体碳排放计算结果进行对比分析,修正前高炉本体每吨铁的碳排放量-0.19 t,修正后高炉本体每吨铁的碳排放量0.415 t,修正结果与真实碳排放情况较吻合。研究结果表明,在计算钢铁工业高炉本体二氧化碳排放时,使用实测均值、修正系数w(CO)[w(CO)+w(CO_(2))]和w(CO)—C_(com)拟合曲线修正高炉煤气单位热值含碳量,计算结果与实际相符。

循环流化床锅炉降低灰渣含碳量热态试验研究

针对循环流化床(CFB)锅炉燃用非设计煤种工况下,对总风量、一/二次风比例、床温、床压等参数进行热态调整试验,分析各参数对锅炉飞灰及底渣含碳量的影响规律。结果表明:在330 t/h负荷的基准工况下(不投飞灰再循环),通过适当提升床压及燃烧室温度,能使燃料充分燃烧,飞灰含碳量由调整前最高20.75%减少到15.97%左右,底渣含碳量从最高2.28%降低至0.40%左右,锅炉效率提高约1.5%以上。此外,飞灰再循环的投入能有效降低飞灰含碳量,建议在生产实践中尽量保证飞灰再循环的连续投入。

基于树种随机效应的东北林区主要针叶树种含碳量模型构建

为准确估算东北林区针叶树种含碳量,通过林木易测因子推算难于测定的单木含碳量。基于黑龙江省3种针叶树的129株解析木数据,分析4种树木各组分(即树干、树枝、树叶和树根)的含碳率差异,并采用似乎不相关回归(SUR)方法构建树木各组分一元含碳量SUR模型(SUR1)和二元含碳量SUR模型(SUR2),并在SUR模型的基础上引入树种混合效应,进而构建似乎不相关混合效应(SURM)模型(SURM1和SURM2)。采用随机抽样的方法选择样木构建校正样本,用于计算各个树种的随机效应参数,并评估模型在不同样本量下的预测能力。结果显示:(1)引入树种混合效应后,枝和叶的含碳量模型拟合效果改善较为明显,R^(2)_(a)均提高17%以上,干和根含碳量模型的R^(2)_(a)分别提高6%和13%;(2)SURM2在树干含碳量的拟合和预测精度上优于SURM1,在树叶、树枝和树根含碳量的拟合和预测精度上与SURM1差异不大;(3)当使用随机抽取的3棵株样木计算树种水平随机效应时,SURM模型的预测表现要优于SUR模型和仅考虑固定效应的SURM模型。在基础的SUR模型系统中引入随机效应可提高模型的预测精度。本研究推荐使用SURM模型预测东北林区3种针叶树含碳量,为东北林区针叶树种含碳量的估算提供参考。

飞灰粒径对金属波导内飞灰含碳量测量影响

微波衰减法是近年来在线测量粉煤灰含碳量的常见方法之一。然而,由于飞灰的取样位置及取样装置的差异,飞灰的粒径大小存在较大的不确定性,从而造成飞灰含碳量测量的误差较大。现有的含碳量拟合模型均以飞灰对特征频率信号的衰减与飞灰含碳量的关系为基础,存在着误差大、适应性差等问题。为了解决含碳量拟合模型误差大和适应性差等问题,提出使用信号的时域主峰衰减来代替信号在特征频率处的衰减作为飞灰含碳量在线拟合的优化方法。为了修正飞灰粒径不确定性引起的误差,在研究灰位和含碳量测量的基础上,比较了不同粒径范围的飞灰对灰位和飞灰含碳量测量的影响。结果表明:采用信号的时域峰值衰减来计算含碳量,其结果与实际值吻合良好;对于波导中相同质量的灰样,飞灰的粒径大小对灰位的测量精度没有显著的影响;当使用微波法测量波导内飞灰含碳量时,对于相同质量的灰样,随着飞灰粒径的减小,波导内飞灰对微波信号的衰减逐渐减小,从而使含碳量的测量值随着飞灰粒径的减小而增加。

LIBS测量飞灰含碳量的研究现状及展望

飞灰含碳量是评价燃煤锅炉燃烧效率的重要参数之一,实现其在线测量对于提高燃煤机组节能水平与智能化发展具有重要意义。激光诱导击穿光谱(LIBS)作为一种具有竞争力的在线快速测量技术,在飞灰含碳量测量方面的应用已取得了较大进步。本文综述了LIBS测量燃煤飞灰含碳量的基础研究进展,根据测量时飞灰样品形态差异,梳理了LIBS在不同测量模式下的测量参数优化方法;总结了目前LIBS测量飞灰含碳量的光谱数据处理方法和定量分析算法的发展趋势;回顾了在实际工业中LIBS测量飞灰含碳量的应用现状,并对未来研究方向进行了展望。

碳纤维含碳量测试方法的优化

采用Vario MICRO cube元素分析仪测定碳纤维含碳量,探讨了样品量、通氧时间、上浆剂、干燥时间、放置环境和标准物质等因素对测试碳纤维含碳量的影响,并验证了该方法的准确性和重复性。结果表明:退浆纤维干燥30min以上,置于干燥器中自然冷却后,称取(2.4±0.2)mg,在通氧时间100s,以乙酰苯胺(ACET)作为标准物质,测试得到的纤维含碳量准确性较高。在该最佳测试条件下,采用加入乙酰苯胺作为标准物质进行方法准确性验证,加入ACET的回收率为99.26%~100.10%。7次测定GQ3522-12K碳纤维含碳量的相对标准偏差为0.06%,方法的重复性较好。

降低循环流化床(CFB)锅炉飞灰含碳量技术研究

循环流化床(CFB)锅炉因发展时间较短,技术上存在较多的不足,尤其是其中温燃烧的特性,造成飞灰含碳量偏高,锅炉效率偏低。为找出影响飞灰含碳量燃烧区域的温度、氧质量分数以及在区域内燃料的滞留时间的三大因素,采取试验、调整、取样和分析的方法,对CFB锅炉的优化调整进行了总结。研究结果表明,加强燃料煤的管理,严格控制煤的粒度和水分,是飞灰含碳量达标的前提;合理配比一二次风量,保持适当的床压和床温是控制飞灰含碳量的关键;停炉全面检查及时恢复设备性能、不断进行技术改造淘汰落后的设备等手段是控制飞灰含碳量的重要保证。结果可供同类型锅炉运行管理人员参考。

立木含碳量估算方法比较

【目的】研究立木各分项生物量、含碳量的分配及含碳率的变化规律,探索如何构建其生物量和含碳量可加性模型,并分析5种立木含碳量估算方法(立木含碳量模型法、各分项平均含碳率法、立木加权平均含碳率法、通用含碳率法Ⅰ和通用含碳率法Ⅱ)的预测精度,为全国性生物量和碳储量监测提供可靠的理论与技术知识。【方法】以小黑杨人工林为例,采用聚合型可加性模型建立其生物量、含碳量模型,模型参数估计采用非线性似乎不相关回归模型方法,利用“刀切法”对建立的立木生物量、含碳量模型进行评价。将样木和5种立木含碳量估算方法分别作为区组和处理,利用SAS POC GLM程序进行方差分析。【结果】建立的小黑杨人工林可加性生物量和含碳量模型拟合效果均较好,调整后其确定系数(R2a)均大于0.80,平均相对误差(MRE)为-2%~2%,平均相对误差绝对值(MARE)均小于30%,所有模型的预测精度均在85%以上。5种立木含碳量估算方法评价结果表明,立木含碳量模型法和立木加权平均含碳率法具有一定优势,利用通用含碳率0.45和0.50估算立木含碳量可能会产生较大误差。【结论】为了使模型参数估计更有效,建立的生物量、含碳量模型应当考虑立木总生物量、含碳量及各分项生物量、含碳量的可加性。本研究建立的立木生物量和含碳量模型可对黑龙江省西部平原小黑杨人工林生物量、含碳量进行很好估算。

基于支持向量机的大型电厂锅炉飞灰含碳量建模

飞灰含碳量是影响锅炉热效率的一个重要因素,影响燃煤锅炉飞灰含碳量的因素多而且复杂,对锅炉飞灰含碳量特性进行建模预测并结合优化算法实现燃烧优化是降低锅炉飞灰含碳量的有效方法。该文应用支持向量机算法建立了大型四角切圆燃烧锅炉飞灰含碳量特性的模型,并利用飞灰含碳量的热态实炉试验的数据对模型进行了校验,对支持向量机学习算法中参数的选择进行了探讨,获得了最佳学习参数。结果说明支持向量机与其它建模方法相比具有泛化能力好,计算速度快等优点,是锅炉飞灰含碳量特性建模的有效工具。

基于人工神经网络的大型电厂锅炉飞灰含碳量建模

飞灰含碳量是影响锅炉热效率的一个重要因素,但飞灰含碳量受煤种、锅炉设计结构、操作参数等多种因素影响,关系复杂。煤种变化往往导致燃烧工况偏离试验调整获得的最优值。在对某台300MW四角切圆燃煤电厂锅炉飞灰含碳量特性进行多工况热态测试的基础上,应用人工神经网络的非线性动力学特性及自学习特性,建立了大 型四角切圆燃烧锅炉飞灰含碳量特性的神经网络模型,并对此模型进行了校验。

火电厂飞灰含碳量在线监测设备现状

飞灰含碳量在线监测是火电厂节能减排的重要监测手段之一。简介国内外常用的几种飞灰含碳量在线监测仪的原理和特点,分析了国产设备存在的技术难点,指出国产设备需解决的问题及应达到的目标。

煤粉再燃过程中飞灰含碳量的影响因素分析

针对一台410t/h煤粉锅炉设计了再燃实施方案,提出煤粉颗粒群变氧浓度燃尽计算方法,计算分析再燃燃料比例、配风情况、再燃煤粉细度对煤粉炉内燃烧过程和飞灰含碳量的作用影响规律。结果表明,再燃实施方案设计合理,与现运行相比飞灰含碳量增加1.04%。为保证煤粉的燃尽度,燃尽区高度应大于7m,为煤粉提供大于1s的燃烧时间。主燃区过量空气系数、再燃区过量空气系数和再燃燃料比例在小范围内变化虽然影响到颗粒的燃烧放热过程,但对飞灰含碳量的影响不大。飞灰含碳量随燃尽区过量空气减少呈非线性显著增加,随再燃煤粉细度增加呈指数函数关系减少。再燃粉越细,飞灰含碳量随细度增加而降低越慢。

电站锅炉飞灰含碳量在线软测量模型算法

针对目前锅炉飞灰含碳量测量方法存在时间滞后和精度不高等问题，在分析对锅炉飞灰含碳量影响因素和做锅炉燃烧特性实验的基础上，建立了锅炉飞灰含碳量在线软测量的神经网络模型。算例表明该模型具有良好的泛化能力和敏感性，能正确描述电站锅炉飞灰含碳量的响应特性，可进一步推广使用。

MCE-1型烟道式飞灰含碳量在线测量系统的研制

研制了烟道式飞灰含碳量在线测量系统,实验研究了微波助率衰减量和飞灰含碳量、飞灰浓度的变化关系,进行了工业应用研究。结果表明,测量系统克服了传统单点采样型微波测试方法存在的飞灰采样缺乏代表性、样品管堵灰、附加设备复杂等缺点,测量精度较高,可靠性好,可以用来电站锅炉在线监测飞灰含碳最。

C-Fe谱线干扰修正对飞灰含碳量LIBS测量的影响

在燃煤电厂,飞灰含碳量是直接反映锅炉燃烧效率的重要指标,控制含碳量水平和低氮燃烧之间的平衡要求实现含碳量的在线(或快速)检测。将激光诱导击穿光谱技术应用于飞灰含碳量的快速测量,针对测量中248nm附近的C和Fe谱线干扰问题,提出了利用Fe谱线修正的方法以提取重叠峰中C谱线的积分强度,对比分析了Fe 248.33nm,Fe 254.60nm和Fe 272.36nm谱线分别作为Fe 247.98nm的修正谱线时提取的C修正积分强度对飞灰含碳量定标曲线和未知样品重复测量精确度的影响。研究结果表明,对C和Fe谱线干扰进行强度修正可以提高含碳量定标曲线的拟合度,并且可以显著改善低含碳量样品重复测量的精确度。但同时需要注意用于修正的Fe谱线的合理选取,防止在对低含碳量样品中C谱线强度的过度修正。从定标曲线和重复测量精确度总体评价而言,Fe 254.60nm谱线最适用于LIBS测量飞灰含碳量时的C和Fe谱线干扰的修正。

降低循环流化床锅炉飞灰含碳量的理论及其应用

首先从燃烧角度分析了影响循环流化床锅炉飞灰含碳量的主要因素,然后针对HG-465/13.7-L.PM7型循环流化床锅炉实际运行中存在的飞灰含碳量高的问题,根据理论分析并结合现场试验,分析得到了煤质及运行参数对飞灰含碳量的影响。利用试验结果指导运行,使该炉的飞灰含碳量由原来的18%降低到12%。

降低锅炉炉渣含碳量问题的研究

针对某电厂锅炉由于燃用煤质下降而导致其在实际运行过程中出现燃烧不稳定及炉渣含碳量过高等问题,通过对实际燃用煤种以及炉内燃烧情况进行分析,提出改造燃烧器系统以提高炉内稳燃能力、降低炉渣含碳量,并对改造前后炉膛内的燃烧情况进行了数值模拟.结果表明:改造后的炉膛内,下两层一次风的集中布置,使得主燃区内温度升高,有效保证了煤粉初期的着火和燃烧;下两层二次风的集中布置,提高了二次风对一次风煤粉气流的撑托作用,使下一次风内煤粉颗粒掉入冷灰斗内数量减少,下二次风的推迟送入也保证了煤粉后期的稳定燃烧;炉内燃烧稳定性提高,炉渣含碳量降低.

循环流化床锅炉的飞灰含碳量问题

循环流化床锅炉的飞灰含碳量问题近年来受到关注。对实际运行的多台燃烧各种燃料的220t/h锅炉的飞灰样品测定表明:飞灰的含碳量具有明显的不均匀性。分析了煤质、分离器及运行条件对飞灰含碳量的影响。结果表明:循环流化床锅炉燃烧过程中焦炭反应性逐渐下降;焦炭燃烧过程中发生的爆裂、磨损、失活等行为与煤种有关,对循环流化床锅炉飞灰碳燃尽有很大影响。气固混和不均匀是导致较高的飞灰含碳量的原因之一。

飞灰含碳量与微波功率衰减关系特性的实验研究

为了更精确地对锅炉飞灰含碳量进行在线监测,本文搭建了1.0～4.0 GHz微波在线检测实验平台,研究了飞灰含碳质量与微波功率衰减的关系.实验发现:飞灰含碳质量与微波功率衰减关系有三种趋势:第一种是正比线性趋势,主要分布频段为1.0～1.5 GHz和2.0～2.4 GHz;第二种是波动趋势,主要分布在频段2.5～4.0 GHz内;第三种是反比线性趋势,主要分布在频段1.6～1.9 GHz内。文中从电导率损耗以及谐振吸收理论出发,对其形成机理做了详细的分析。

激光感生击穿光谱技术测量飞灰含碳量

介绍了激光感生击穿光谱技术(LIBS)的原理及应用现状,并且给出了利用激光感生击穿光谱技术测量飞灰含碳量的方法与分析结果.选用煤种是焦作无烟煤,通过快速灰化法得到含碳量在0.5%～7.0%之间的飞灰样品.利用LIBS技术测量飞灰的含碳量,并且与传统的重量燃烧法测量得到的飞灰样品的含碳量进行比较.结果表明两种测量方法的结果吻合得很好.