吳士博，彭道平，彭 哲，黃 濤，高加林

(1.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院，成都 611756；2.浙江海洋大學(xué) 港航與交通運(yùn)輸工程學(xué)院，浙江 舟山 316000)

1 前 言

隨著化石能源的利用，溫室氣體(GHG)減排對社會經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)具有十分積極的意義。在經(jīng)濟(jì)和技術(shù)的推動下，生物質(zhì)能源的應(yīng)用和推廣備受關(guān)注。生物質(zhì)能源作為一種可再生能源并且具有排污少、存量大等特點(diǎn)，越來越被普遍接受為一種清潔的、環(huán)境友好的資源[1]。目前，已經(jīng)有多種能源轉(zhuǎn)化技術(shù)應(yīng)用在生物質(zhì)方面，其中，應(yīng)用最廣泛的是直燃技術(shù)，同時(shí)，也是最直接的獲取生物質(zhì)能源的方式。作為生物質(zhì)燃料，高位熱值(HHV)或低位熱值(LHV)是反應(yīng)燃料質(zhì)量的重要指標(biāo)。學(xué)者們采用一系列實(shí)驗(yàn)預(yù)測模型，預(yù)測生物質(zhì)燃料的熱值。其中，常用的是工業(yè)分析(其中包括灰分、揮發(fā)分、水分和固定碳)和元素分析(其中包括C、H、O和N等)[2～4]。

生物質(zhì)燃料的基礎(chǔ)性之對其收集、加工、給料的應(yīng)用以及燃燒鍋爐的選型都有著至關(guān)重要的影響。比較而言，作為傳統(tǒng)能源的煤炭，國內(nèi)外諸多學(xué)者已對其基礎(chǔ)性之間關(guān)系開展了廣泛研究。對于生物質(zhì)燃料而言，國內(nèi)外學(xué)者對其基礎(chǔ)性質(zhì)之間的關(guān)系主要圍繞熱值與工業(yè)成分分析展開。比如S.B.Ghugare等人[5]建立非線性模型，通過神經(jīng)網(wǎng)絡(luò)方法擬合工業(yè)分析數(shù)值與熱值關(guān)系，并得到較為滿意的擬合度。同時(shí)，J.Shen等人[6]將灰分加入到工業(yè)分析數(shù)值與元素分析數(shù)值的相關(guān)性分析中，建立線性回歸方程，并對其絕對誤差和相對誤差進(jìn)行分析，能夠準(zhǔn)確通過工業(yè)分析結(jié)果預(yù)測生物質(zhì)燃料的元素組成。此外，相關(guān)性分析及多元回歸方法還被應(yīng)用在生物質(zhì)的其他方面，謝光明等人[7]研究了玉米植株各器官中重金屬含量的相關(guān)性；周紅艷[8]等人分別采用多元回歸和BP人工神經(jīng)網(wǎng)絡(luò)模型對污水廠污泥混合發(fā)酵產(chǎn)氣量進(jìn)行研究。

生物質(zhì)燃料灰分含量不僅與其熱值呈負(fù)相關(guān)，并且灰分含量高容易導(dǎo)致燃料在燃爐中結(jié)渣，影響燃爐工作效率。因此，在生物質(zhì)燃料應(yīng)用之前準(zhǔn)確預(yù)測其灰分含量對控制爐溫及爐型選擇有重要意義。目前專門針對麥類秸稈生物質(zhì)燃料的相關(guān)性分析還未有廣泛報(bào)道，本文通過對麥類秸稈的灰分含量與組成元素含量進(jìn)行相關(guān)性分析，建立多元線性回歸預(yù)測模型，并且通過預(yù)測值與實(shí)測值進(jìn)行對比分析，判斷所建立模型的準(zhǔn)確性。

2 數(shù)據(jù)及方法

2.1 樣品采集

本文所研究的樣品為德國北威斯特法倫州的小麥秸稈，由于所取樣品均較為干燥，所以在粉碎前未經(jīng)干燥步驟。秸稈通過小型粉碎機(jī)進(jìn)行粉碎，依次通過5mm、2mm、1mm網(wǎng)篩使得樣品經(jīng)過充分粉碎，粉末均小于1.0mm。粉碎后的秸稈樣品儲存于干燥的塑料袋中扎緊處于室溫下保存。

2.2 工業(yè)分析與元素分析

由于本研究實(shí)驗(yàn)部分完成于德國亞琛工業(yè)大學(xué)，為了得到工業(yè)分析結(jié)果和元素分析結(jié)果，本研究采用歐盟技術(shù)標(biāo)準(zhǔn)進(jìn)行檢測。其中，小麥秸稈灰分參照《固體生物質(zhì)燃料 灰分測定方法》(CEN/TS 14775:2004)進(jìn)行測定，元素分析參照《生物質(zhì)固體燃料 碳、氫、氮測試方法》(EN ISO 16948)、《生物質(zhì)固體燃料 硫和氯含量的測定》(EN ISO 16994:2016)，氧(O)含量由計(jì)算得出。所得結(jié)果如表1和表2所示，其中，根據(jù)表1工業(yè)分析結(jié)果與元素分析結(jié)果建立回歸模型，表2結(jié)果用于驗(yàn)證回歸模型。

表1 小麥秸稈灰分和組成元素含量Tab.1 Ash content and elements composition of triticeae straw (干燥基%)

續(xù)表1

樣品灰分元素分析碳?xì)溲醯蚵?96.3546.685.9646.880.410.040.035206.5246.575.9946.960.40.040.036215.6246.886.0446.640.370.040.027225.4446.896.0146.650.380.040.028235.2146.52647.030.370.030.049244.8746.445.9847.120.380.030.047255.8346.66.0246.930.360.040.055265.3746.556.0546.910.390.050.048276.0446.086.0647.410.370.050.031285.7746.016.0947.410.40.060.027295.0946.476.1446.930.370.050.039305.246.336.147.140.350.050.035315.2646.546.2246.760.390.050.035325.1546.66.1346.830.350.050.037335.1146.746.1346.650.370.040.062344.9446.716.2246.580.390.040.06

表2 麥類秸稈灰分和組成元素含量Tab.2 Ash content and elements composition of triticeae straw (干燥基%)

2.3 相關(guān)性分析與建立回歸模型

相關(guān)性分析是研究變量間關(guān)聯(lián)密切程度的一種常用的統(tǒng)計(jì)方法，線性相關(guān)分析研究兩個(gè)變量間線性關(guān)系的強(qiáng)弱程度和方向。正態(tài)分布變量x與y間的線性相關(guān)系數(shù)采用Pearson積矩相關(guān)公式計(jì)算，如公式(1)所示。

(1)

隨后，對Person相關(guān)系數(shù)進(jìn)行假設(shè)檢驗(yàn)，假設(shè)檢驗(yàn)值計(jì)算方法如公式(2)所示。

(2)

式中，r是相關(guān)系數(shù)；n是樣本觀測數(shù)；n-2是自由度。當(dāng)t>t0.05(n-2)時(shí)，p<0.05，拒絕原假設(shè)，否則不足以在這個(gè)檢驗(yàn)中拒絕相關(guān)系數(shù)為0的原假設(shè)。

利用表1的生物質(zhì)燃料測試數(shù)據(jù)建立多元線性回歸方程。將小麥秸稈灰分含量作為因變量，元素分析指標(biāo)中碳、氫、氧、氮、硫和氯含量作為自變量，建立多元線性回歸方程并進(jìn)行顯著性檢驗(yàn)。同時(shí)，利用表2中數(shù)據(jù)進(jìn)行預(yù)測結(jié)果分析。

3 結(jié)果與分析

3.1 相關(guān)性分析

小麥秸稈生物質(zhì)燃料組成元素對灰分的相關(guān)性見表3。現(xiàn)有研究發(fā)現(xiàn)，生物質(zhì)燃料的灰分、揮發(fā)分以及固定碳含量均與其組成元素有著一定的相關(guān)性[13]。經(jīng)過標(biāo)準(zhǔn)化處理后發(fā)現(xiàn)，本研究所測小麥秸稈的組成元素與灰分相關(guān)性顯著。

注：*為相關(guān)性在0.01水平上顯著(雙側(cè))。

數(shù)據(jù)標(biāo)準(zhǔn)化處理后，從相關(guān)性分析表中可以看出，小麥秸稈元素組成均與灰分有著顯著的相關(guān)性(顯著性均低于0.01)。其中，碳、氫、氮、硫和氯元素與灰分呈現(xiàn)負(fù)相關(guān)性，負(fù)相關(guān)程度從高到低依次為氯(0.852)、碳(0.789)、氫(0.611)、氮(0.566)和硫(0.463)。相反的是，氧與灰分呈現(xiàn)高度正相關(guān)性，相關(guān)系數(shù)為0.815。生物質(zhì)可燃成分主要以碳和氫元素組成的可燃性有機(jī)物形式存在，氯元素則以易揮發(fā)的堿金屬氯化物等形式存在，所以在生物質(zhì)燃料燃燒過程中，碳、氫和氯存在越多，所剩的灰分越少?；曳种饕巧镔|(zhì)燃料可燃物質(zhì)燃燒后剩余的物質(zhì)，根據(jù)測定，灰分主要成分為石英(SiO2)、碳酸鈣(CaCO3)等，以及一些堿金屬鹽及氧化物存在。盡管李薇等人[14]提出氧與灰分呈現(xiàn)負(fù)相關(guān)，因?yàn)榻饘傺趸镌谛纬蛇^程中需要空氣中的氧，而原生物質(zhì)中的氧形成水和二氧化碳排出。但是經(jīng)過測定可以看出，小麥秸稈灰分中以SiO2等成分為主，普遍存在于原秸稈中，因此，氧與小麥秸稈灰分存在一定的正相關(guān)關(guān)系。

3.2 回歸模型建立

小麥秸稈的元素分析包含了碳、氫、氧、氮、硫、和氯，多個(gè)指標(biāo)的逐個(gè)分析會對灰分含量預(yù)測造成片面的認(rèn)識，很難得到一致性很好的結(jié)論。所以，利用降維的辦法將六個(gè)指標(biāo)轉(zhuǎn)換成兩個(gè)互相不相關(guān)的獨(dú)立指標(biāo)，簡化預(yù)測模型。通過SPSS計(jì)算，F(xiàn)1和F2可由公式(3)和公式(4)表示。

F1=0.377FC+0.3FH-0.361F0-0.191FN

-0.226FS+0.254FCl

(3)

F2=-0.161FC-0.121FH+0.121F0

+0.617FN+0.653FS+0.006FCl

(4)

式中，F(xiàn)1為回歸方程綜合指標(biāo)一；F2為回歸方程綜合指標(biāo)二；FC為碳元素含量；FH為氫元素含量；FO為氧元素含量；FN為氮元素含量；FS為硫元素含量；FCl為氯元素含量。

圖1 秸稈生物質(zhì)元素旋轉(zhuǎn)成分圖Fig.1 Rotation diagram of element composition of straw biomass.

圖1中可以看出，對因素F1影響較大的是碳、氯和氫含量，同時(shí)氧元素含量對F1有較大負(fù)影響；對因素F2影響較大的是硫和氮元素含量。該結(jié)果與組成元素對灰分含量相關(guān)性結(jié)果一致。

建立的線性回歸模型結(jié)果如表4、表5以及公式(5)所示。

表4 回歸模型方差分析表Tab.4 Regression model anova

表5 回歸模型判定系數(shù)表Tab.5 Regression model decision coefficient

FAsh=4.774-0.0648F1-0.298F2

(5)

式中，F(xiàn)Ash為生物質(zhì)燃料灰分含量。

基于表2麥類秸稈生物質(zhì)灰分含量及各組成元素含量，利用多元線性回歸方程(5)進(jìn)行麥類生物質(zhì)燃料灰分含量預(yù)測，預(yù)測值與實(shí)測值對比后計(jì)算其絕對誤差，結(jié)果如圖2所示。在選取的7個(gè)麥類樣品中，絕對誤差最大為樣品7，絕對誤差值為25.2%；最小為樣品5，絕對誤差為3.4%，其中平均絕對誤差為9.0%。同時(shí)，剔除誤差最大的樣品7后，其余六個(gè)樣品絕對誤差減小到6.3%，預(yù)測值與實(shí)測值擬合度進(jìn)一步提升。綜上所述，本文所建立的回歸模型對麥類秸稈燃料的灰分含量有一定的預(yù)測價(jià)值。

圖2 預(yù)測值與實(shí)測值絕對誤差圖Fig.2 Absolute error of predicted value and measured value

4 結(jié)論與展望

本研究通過相關(guān)性分析、多元回歸分析及誤差計(jì)算對小麥秸稈生物質(zhì)燃料的灰分與組成元素中的碳、氫、氧、氮、硫和氯含量數(shù)據(jù)進(jìn)行相關(guān)分析。

4.1 分析結(jié)果表明，小麥秸稈生物質(zhì)燃料中碳、氫、氮、硫和氯含量與灰分呈負(fù)相關(guān)性，氧含量與灰分呈正相關(guān)性。其中，與灰分的相關(guān)性排序?yàn)椋郝?氧>碳>氫>氮>硫。

4.2 本研究建立關(guān)于小麥秸稈生物質(zhì)燃料的組成元素與灰分的多元線性回歸模型，并且通過文獻(xiàn)調(diào)查麥類秸稈相關(guān)數(shù)據(jù)進(jìn)行預(yù)測。預(yù)測結(jié)果顯示模型預(yù)測值比預(yù)測值偏大，但是針對麥類秸稈生物質(zhì)灰分具有一定預(yù)測效果。

4.3 生物質(zhì)燃料的灰分和組成元素根據(jù)生物質(zhì)種類、種植條件以及外環(huán)境影響有差異較大，麥類生物質(zhì)燃料具有灰分低等特性，本研究建立的回歸預(yù)測模型具有局限性，對其他種類生物質(zhì)的預(yù)測效果有限，需分別建立回歸方程。