一种生物质热解过程高效排放燃烧智能控制系统及方法

摘要

本发明提供了一种生物质热解过程高效排放燃烧智能控制系统，获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度；对反应器中生物质原料热解状况的光谱图像进行分析，计算挥发份释放的速率，构建生物质热解模型，得到生物质热解效率，对动态燃烧模型进行调控，实现智能控制燃烧。本发明解决了现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，无法实现生物质热解过程的高效排放的问题。

说明书

技术领域

本发明涉及生物质热解领域，尤其涉及一种生物质热解过程高效排放燃烧智能控制系统及方法。

背景技术

生物质作为唯一的可再生碳源，凭借其可持续再生、产量丰富、清洁环保的特点成为当下研究热点。生物质热解技术是一种清洁高效的生物质转化技术，可将生物质转化为燃烧清洁的生物燃料，不仅可以直接用于现有锅炉和燃气透平等设备的燃烧，而且可通过进一步改进加工使液体燃料的品质接近于柴油或汽油等常规动力燃料的品质。在生物质热解过程中可以通过控制燃烧状态实现高效排放，因此快速、及时和准确的判断并控制炉膛内的燃烧状态是极为重要的。

我国专利申请号：CN202111573372.X，公开日：2022.03.01，公开了一种基于生物质热解气化技术的高效高质炭化装置，包括用于输出生物质原料的送料模块、用于产生高温烟气的第一燃烧模块，所述第一燃烧模块产生的高温烟气与所述送料模块输出的生物质原料在一炭化模块内混合，所述炭化模块包括炭化炉，所述炭化炉内设有炭化腔，所述第一燃烧模块与所述炭化炉通过一输气管连接，所述输气管将高温烟气切向输入所述炭化腔内并使高温烟气形成旋流，所述炭化炉的底部设有与所述炭化腔导通的卸灰管，所述炭化炉的顶部设有与所述炭化腔导通的出气管，属于炭化技术领域。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，检测结果无法代表燃烧状态的整体水平，因此燃烧控制的精度和智能化程度有待提高，从而无法实现生物质热解过程的高效排放。

发明内容

本申请实施例通过提供一种生物质热解过程高效排放燃烧智能控制系统及方法，解决了现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，检测结果无法代表燃烧状态的整体水平，因此燃烧控制的精度和智能化程度有待提高，从而无法实现生物质热解过程的高效排放的问题。实现了多维分析燃烧情况、实时了解动态燃烧信息，智能化控制燃烧参数，实现生物质热解过程的高效排放。

本发明提供了一种生物质热解过程高效排放燃烧智能控制系统及方法，具体包括以下技术方案：

一种生物质热解过程高效排放燃烧智能控制系统，包括以下部分：

信息感知模块、燃烧分析模块、燃烧计算模块、光谱分析模块、挥发份计算模块、热解效率评估模块和智能控制模块；

所述燃烧计算模块，用于构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度；所述燃烧计算模块将计算结果发送给所述智能控制模块；

所述光谱分析模块，用于对反应器中生物质原料热解状况的光谱图像进行分析，获得热辐射产生的连续光谱，得到生物质的光谱辐射强度；所述光谱分析模块将光谱辐射强度发送给所述挥发份计算模块；

所述挥发份计算模块，用于根据反应器内的压力、光谱辐射强度、挥发份中的烟气浓度和其他参数计算挥发份释放的速率；所述挥发份计算模块将挥发份释放的速率发送给所述热解效率评估模块；

所述热解效率评估模块，用于根据生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量为输入，构建生物质热解模型，通过生物质热解神经网络算法进行生物质热解效率的函数拟合，通过持续学习训练，生成并不断优化热解效率评估策略，得到输入参数对应的生物质热解效率；所述热解效率评估模块将生物质热解效率发送给所述智能控制模块。

一种生物质热解过程高效排放燃烧智能控制方法，包括以下步骤：

A.获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度；

B.对反应器中生物质原料热解状况的光谱图像进行分析，计算挥发份释放的速率，构建生物质热解模型，得到生物质热解效率，对动态燃烧模型进行调控，实现智能控制燃烧。

进一步，所述步骤A包括：

对燃烧炉内的燃烧情况进行多维分析，得到单侧气流量温度变化函数和双侧气流量温度变化函数，然后结合燃烧炉的燃料情况，构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度。

进一步，所述步骤B包括：

对反应器中生物质原料热解状况的光谱图像进行分析，获得热辐射产生的连续光谱，反应器中生物质原料热解的光谱辐射强度是由生物质颗粒和热解转化形成的炭黑共同发射的；根据黑体的光谱辐射力，计算单颗粒生物质的光谱辐射强度。

进一步，所述步骤B包括：

生物质在热解的过程中，会逐渐释放挥发份，基于反应器内的压力和挥发份中的烟气浓度，根据光谱辐射强度计算挥发份释放的速率。

进一步，所述步骤B包括：

根据生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量为输入，构建生物质热解模型，所述生物质热解模型通过设立生物质热解神经网络算法进行生物质热解效率的函数拟合，将运行参数输入生物质热解神经网络算法中，得到输入参数对应的生物质热解效率。

进一步，所述生物质热解神经网络包括输入层、转换层、计算层和输出层，将生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量作为输入特征，用X＝{x

本发明具有如下有益效果：

1、本发明获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，得到燃烧炉内风流量对温度的影响，其他燃烧参数，能够了解燃烧炉内的动态燃烧情况以及各燃烧参数对温度的影响，从而可以根据条件参数控制得到需求温度，使燃烧控制更加智能化。

2、本发明通过对反应器中生物质原料热解状况的光谱图像进行分析，可以实现在线实时检测，得到实时挥发份释放的速率，构建生物质热解模型输出生物质热解效率，根据反应器内的最佳温度生成对动态燃烧模型进行调控发控制指令，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧，提高了生物质热解的排放效率。

3、本发明的技术方案能够有效现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，检测结果无法代表燃烧状态的整体水平，因此燃烧控制的精度和智能化程度有待提高，从而无法实现生物质热解过程的高效排放。并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够实现多维分析燃烧情况、实时了解动态燃烧信息，智能化控制燃烧参数，实现生物质热解过程的高效排放。

附图说明

图1为本发明所述的一种生物质热解过程高效排放燃烧智能控制系统结构图；

图2为本发明所述的一种生物质热解过程高效排放燃烧智能控制方法流程图；

图3为本发明所述的生物质热解过程示意图。

具体实施方式

本申请实施例通过提供一种生物质热解过程高效排放燃烧智能控制系统及方法，解决了现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，检测结果无法代表燃烧状态的整体水平，因此燃烧控制的精度和智能化程度有待提高，从而无法实现生物质热解过程的高效排放的问题。

本申请实施例中的技术方案为解决上述问题，总体思路如下：

本发明获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，得到燃烧炉内风流量对温度的影响，其他燃烧参数，能够了解燃烧炉内的动态燃烧情况以及各燃烧参数对温度的影响，从而可以根据条件参数控制得到需求温度，使燃烧控制更加智能化；本发明通过对反应器中生物质原料热解状况的光谱图像进行分析，可以实现在线实时检测，得到实时挥发份释放的速率，构建生物质热解模型输出生物质热解效率，根据反应器内的最佳温度生成对动态燃烧模型进行调控发控制指令，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧，提高了生物质热解的排放效率。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

参照附图1，本发明所述的一种生物质热解过程高效排放燃烧智能控制系统包括以下部分：

信息感知模块10、燃烧分析模块20、燃烧计算模块30、光谱分析模块40、挥发份计算模块50、热解效率评估模块60和智能控制模块70。

所述信息感知模块10，用于获取生物质热解机组在运行过程中影响热解效率的主要运行参数和燃烧参数，所述生物质热解机组包括燃烧炉、反应器、炭化炉、卸灰管和冷凝器，所述燃烧炉用于燃烧燃料放热，为反应器提供热量；所述反应器用于在无氧或低氧环境下，对生物质原料进行加热升温，引起分子分解产生焦炭、可冷凝液体和气体产物，得到热解残渣和含油气体，以高温烟气的形式由输气管输送到炭化炉内；所述炭化炉用于将热解残渣炭化形成生物炭；所述卸灰管用于排出生物炭；所述冷凝管用于将含油气体输经过冷凝形成热解气和热解油。信息感知模块10将获取的数据通过数据传输的方式发送给燃烧分析模块20和光谱分析模块40；

所述燃烧分析模块20，用于对燃烧炉内的燃烧情况进行多维分析，将供热机组模型线性化，通过绘制单侧风门开度-温度曲线和两侧风门开度-温度曲线，得到单侧气流量温度变化函数和双侧气流量温度变化函数。燃烧分析模块20将分析结果通过数据传输的方式发送给燃烧计算模块30；

所述燃烧计算模块30，用于构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度。燃烧计算模块30将计算结果通过数据传输的方式发送给智能控制模块70；

所述光谱分析模块40，用于对反应器中生物质原料热解状况的光谱图像进行分析，获得热辐射产生的连续光谱，得到生物质的光谱辐射强度，光谱分析模块40将光谱辐射强度通过数据传输的方式发送给挥发份计算模块50；

所述挥发份计算模块50，用于根据反应器内的压力、光谱辐射强度、挥发份中的烟气浓度和其他参数计算挥发份释放的速率，挥发份计算模块50将挥发份释放的速率通过数据传输的方式发送给热解效率评估模块60；

所述热解效率评估模块60，用于根据生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量为输入，构建生物质热解模型，通过生物质热解神经网络算法进行生物质热解效率的函数拟合，通过持续学习训练，生成并不断优化热解效率评估策略，得到输入参数对应的生物质热解效率。热解效率评估模块60将生物质热解效率通过数据传输的方式发送给智能控制模块70；

所述智能控制模块70，用于根据期望的热解效率得到生物质热解高效排放所需的生物质最佳停留时间和反应器内的最佳温度，根据反应器内的最佳温度生成对动态燃烧模型进行调控发控制指令，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧。

参照附图2，本发明所述的一种生物质热解过程高效排放燃烧智能控制方法包括以下步骤：

A.获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度。

A1.生物质原料经过干燥、粉碎后送入热解反应器中进行热解，由燃烧炉为热解反应器供热，生物质原料经过热解后得到热解残渣和含油气体，以高温烟气的形式由输气管输送到炭化炉内，热解残渣落入炭化炉中形成生物炭，从卸灰管排出；含油气体输送到冷凝器中经过冷凝形成热解气和热解油，部分热解气可在净化后通入燃烧炉内燃烧为生物质热解提供热量，如图3所示。生物质热解过程即在无氧或低氧环境下，生物质被加热升温引起分子分解产生焦炭、可冷凝液体和气体产物。由于生物质在不同温度条件下热解得到的产物不同，因此需要对温度进行严格把控，即通过控制燃烧炉的燃烧实现生物质热解的高效排放。

信息感知模块10获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，构建生物质热解智能控制模型。首先对整个燃烧炉内部空间进行网格划分，在含有固体颗粒浓度值达到设定阈值的区域以及低于二次风入口高度的区域内设置不同温度采集点，所述固体颗粒浓度阈值由实验获取。

所述运行参数包括生物质热解机组负荷、反应器内的温度、压力、升温速率、燃烧炉通向反应器入口的温度、生物质停留时间、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量等；所述燃烧参数包括燃烧炉内的火焰光谱信息、不同采集点的温度、两侧风门一次风流量、二次风流量、总燃料量、燃料的堆密度和孔隙率等。燃烧参数决定了反应器内的温度和升温速率，以热解产物中气、油、炭的比例作为生物质热解排放效率的评判标准。

A2.燃烧分析模块20对燃烧炉内的燃烧情况进行多维分析，将供热机组模型线性化。首先根据历史数据中燃烧炉内单侧风门不同开度对应的炉膛内不同采集点的温度变化，绘制出单侧风门开度-温度曲线，然后分别根据燃烧炉单侧风门进入的一次风流量、二次风流量对应的燃烧炉内不同采集点的温度变化，绘制出单侧风流量-温度曲线，采用BP神经网络对单侧风门开度-温度曲线和单侧风流量-温度曲线进行函数拟合，得到用于表征单侧风门开度和单侧风流量变化对温度变化的函数，记为单侧气流量温度变化函数。所述BP神经网络为现有技术，本发明在此不做过多阐述。

同理，根据历史数据中燃烧炉内两侧风门不同开度对应的炉膛内不同采集点的温度变化，绘制出两侧风门开度-温度曲线，然后分别根据燃烧炉两侧风门进入的一次风流量、二次风流量对应的燃烧炉内不同采集点的温度变化，绘制出两侧风流量-温度曲线，采用BP神经网络对两侧风门开度-温度曲线和两侧风流量-温度曲线进行函数拟合，得到用于表征两侧风门开度和两侧风流量变化对温度变化的函数，记为双侧气流量温度变化函数。

A3.燃烧计算模块30根据单侧气流量温度变化函数和双侧气流量温度变化函数，结合燃烧炉的燃料情况，构建动态燃烧模型，获取燃烧炉的实时燃烧情况以及燃烧炉通向反应器入口的温度。所述动态燃烧模型的表达式为：

其中，DC是燃烧炉通向反应器入口的温度，μ是燃料的易燃率参数，所述易燃率参数由燃料的数量、堆密度和孔隙率决定，T

所述步骤A的有益效果为：本发明获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，得到燃烧炉内风流量对温度的影响，其他燃烧参数，能够了解燃烧炉内的动态燃烧情况以及各燃烧参数对温度的影响，从而可以根据条件参数控制得到需求温度，使燃烧控制更加智能化。

B.对反应器中生物质原料热解状况的光谱图像进行分析，计算挥发份释放的速率，构建生物质热解模型，得到生物质热解效率，对动态燃烧模型进行调控，实现智能控制燃烧。

B1.光谱分析模块40对反应器中生物质原料热解状况的光谱图像进行分析，获得热辐射产生的连续光谱，反应器中生物质原料热解的光谱辐射强度是由生物质颗粒和热解转化形成的炭黑共同发射的。根据黑体的光谱辐射力，计算单颗粒生物质的光谱辐射强度：

其中，I

B2.生物质在热解的过程中，会逐渐释放挥发份，挥发份计算模块50根据光谱辐射强度计算挥发份释放的速率，具体的计算公式为：

其中，v表示挥发份释放的速率，P表示反应器内的压力，ρ表示挥发份中的烟气浓度，γ

B3.热解效率评估模块60根据生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量为输入，构建生物质热解模型，所述生物质热解模型通过设立生物质热解神经网络算法进行生物质热解效率的函数拟合，将上述运行参数输入生物质热解神经网络算法中，得到输入参数对应的生物质热解效率。

所述生物质热解神经网络包括输入层、转换层、计算层和输出层，将生物质热解过程中的升温速率、生物质停留时间、挥发份释放速率、炭化炉入口烟气含碳量、生物质颗粒形态和催化剂数量作为输入特征，用X＝{x

输入层：设立n个神经元，输入特征中的每个数据对应不同的神经元，对输入特征进行归一化处理，所述归一化处理采用现有技术，输入层将归一化处理后的输入特征发送给转换层；

转换层：将输入特征转换到计算空间，具体的转换公式为：

其中，s

计算层：对计算空间的不同特征子控件训练得到多个热解效率后，再将其中具有最佳排放效率的个体保留下来，具体的计算公式为：

其中，F(s

输出层：输出层输出得到的热解效率y。

智能控制模块70根据期望的热解效率对生物质停留时间和反应器内的温度进行调整，得到生物质热解高效排放所需的生物质最佳停留时间和反应器内的最佳温度，对动态燃烧模型进行调控，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧。

所述步骤B的有益效果为：本发明通过对反应器中生物质原料热解状况的光谱图像进行分析，可以实现在线实时检测，得到实时挥发份释放的速率，构建生物质热解模型输出生物质热解效率，根据反应器内的最佳温度生成对动态燃烧模型进行调控发控制指令，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧，提高了生物质热解的排放效率。

综上所述，便完成了本发明所述的一种生物质热解过程高效排放燃烧智能控制系统及方法。

上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：

1、本发明获取生物质热解过程中影响热解效率的主要运行参数和燃烧参数，对燃烧炉内的燃烧情况进行多维分析，得到燃烧炉内风流量对温度的影响，其他燃烧参数，能够了解燃烧炉内的动态燃烧情况以及各燃烧参数对温度的影响，从而可以根据条件参数控制得到需求温度，使燃烧控制更加智能化。

2、本发明通过对反应器中生物质原料热解状况的光谱图像进行分析，可以实现在线实时检测，得到实时挥发份释放的速率，构建生物质热解模型输出生物质热解效率，根据反应器内的最佳温度生成对动态燃烧模型进行调控发控制指令，使燃烧炉通向反应器入口的温度能够满足反应器内的最佳温度，从而实现智能控制燃烧，提高了生物质热解的排放效率。

效果调研：

本发明的技术方案能够有效现有技术对于燃烧炉的燃烧情况分析不够全面，得到的多参数对温度的影响精度不足，检测结果无法代表燃烧状态的整体水平，因此燃烧控制的精度和智能化程度有待提高，从而无法实现生物质热解过程的高效排放。并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够实现多维分析燃烧情况、实时了解动态燃烧信息，智能化控制燃烧参数，实现生物质热解过程的高效排放。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。