含油污泥生物处理物料的危险特性分析及资源化利用研究

含油污泥是石油开采、炼油、输油过程中产生的固体废弃物,目前工业上采用化学处理含油污泥,成本较高,而且污染环境,对周围居民的健康带来严重影响。生物处理技术是一种环境友好的处理方法,相对化学处理方法更加经济、高效和环保,因此被广泛应用于含油污泥处理。基于此,采用生物处理工艺对含油污泥进行了减量化、无害化和资源化利用研究,得到了生物处理后的含油污泥的物料组成,并分析了其危险特性。

油田含油废弃物热解吸一体化处理技术

通过探讨热解吸一体化处理技术在处理含油废弃物方面的应用,它可以有效地除去淤泥中的大量水分,进而减小淤泥的容积,并且可以将淤泥中的石油收回,进行可持续性的使用和开发。因此,热解吸一体化处理技术已被广泛应用于油田含油废弃物的处理,并取得了良好的效果。

循环流化床入炉垃圾热值软测量

面对城市生活垃圾(MSW)的热值(HVs)难以实时测量的现状,构建基于减法聚类的自适应模糊神经网络(ANFIS)的入炉垃圾热值软测量模型.针对循环流化床(CFB)生活垃圾焚烧炉的工艺特点,选择模型的输入变量;依据专家经验对样本的热值进行模糊分类;利用减法聚类(SC)算法对训练样本进行分析,自适应地确定初始模糊规则和模糊神经网络的初始结构参数;结合最小二乘估计法和误差反向传播算法对模糊神经网络的参数进行学习,构建自适应神经模糊推理系统,完成CFB生活垃圾焚烧锅炉入炉垃圾热值的软测量建模.对比研究BP神经网络、RBF神经网络和支持向量机模型在垃圾热值预测方面的表现,结果表明:基于减法聚类的模糊神经网络模型具有最高的预测精度.预测值和实际垃圾热值的比较结果证明:模糊神经网络模型能够表征垃圾热值的整体变化趋势,可以对循环流化床垃圾焚烧锅炉的运行、控制和管理起到指导作用,并且能够为循环流化床生活垃圾焚烧锅炉的燃烧自动控制(ACC)系统提供可靠的热值反馈信号.

循环流化床垃圾焚烧锅炉床温建模

床温对循环流化床(CFB)锅炉的安全、环保、经济运行具有重要影响。本文利用自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)的非线性动力学特性、自学习能力和泛化能力,对某台650t/d CFB生活垃圾焚烧锅炉设计了床温预测模型;根据该锅炉的工艺特点,选择模型的输入变量,然后利用减法聚类算法对历史过程数据进行分析,自适应地确定初始模糊规则和模糊神经网络的初始结构参数;再结合最小二乘估计法和误差反向传播算法对模糊神经网络的参数进行学习,构建自适应神经模糊推理系统,完成CFB生活垃圾焚烧锅炉床温智能建模。与多元线性回归模型、BP神经网络模型以及支持向量机模型的床温预测结果对比表明,本文建立的模型预测精度更高,对锅炉的运行和控制具有指导作用。

电感耦合等离子体质谱（ICP-MS）法测定垃圾焚烧飞灰中的重金属

基于全自动消解仪优化程序,以HNO3-HF-HClO4消解体系消解飞灰样品,通过选择合适的待测同位素以及干扰元素校正方程校正质谱干扰,建立了全自动消解-电感耦合等离子质谱(ICP-MS)法测定飞灰样品中铍、钒、铬、锰、镍、铜、锌、镉、铅等9种元素的新方法。采用嵌片技术和碰撞模式消除基体干扰,采用单一内标103Rh进行信号漂移校正,9种元素校准曲线的线性相关系数均大于0.999,方法检出限在0.01~0.3μg/g。用飞灰标准物质SRM1633C进行验证,平均相对标准偏差RSD在0.54%~2.4%,加标回收率为85%~120%,各元素的测定值与标准值吻合。方法具有较好的准确度和精密度,适合垃圾焚烧产生飞灰样品中全量金属的测定。

多孔CaO颗粒脱硫过程中硫酸盐化特性的数值模拟

在循环流化床炉内喷钙控制SO_2的过程中,新生成的CaSO_4会堵塞CaO颗粒的孔隙,导致脱硫效率的降低。通常认为CaSO_4堵塞CaO颗粒孔隙有2种形式:其一是CaSO_4产物层覆盖在颗粒的外表面造成堵塞孔隙出口;其二是SO_2进入孔隙内部生成CaSO_4形成均匀堵塞。这种处理方法忽略了孔隙内部的SO_2浓度差异,与实际情况相差甚远。针对此问题,建立了离散化的收缩孔隙随机孔模型对CaO颗粒与SO_2的反应过程进行数值模拟。模型考虑了生成的CaSO_4对有效扩散系数的影响,孔隙内部SO_2浓度差异对于CaO颗粒转化速率的影响,以及反应过程中孔隙结构收缩对于颗粒整体转化的影响。通过Fortran自主编程并计算,结果表明模型与实验数据吻合较好。CaO颗粒反应过程中,由于颗粒外部SO_2浓度高而率先反应并堵塞颗粒孔隙,导致颗粒内部大量CaO没有参与反应。CaO硫酸盐化的最佳环境温度为800～900℃,过高和过低都会对其硫酸盐化产生负面影响。颗粒粒径越小,CaO硫酸盐化率越高。