CN111044415B - 一种基于分形维数评价秸秆厌氧转化生物可及性的方法 - Google Patents
一种基于分形维数评价秸秆厌氧转化生物可及性的方法 Download PDFInfo
- Publication number
- CN111044415B CN111044415B CN201911213175.XA CN201911213175A CN111044415B CN 111044415 B CN111044415 B CN 111044415B CN 201911213175 A CN201911213175 A CN 201911213175A CN 111044415 B CN111044415 B CN 111044415B
- Authority
- CN
- China
- Prior art keywords
- straw
- sample
- anaerobic
- fractal dimension
- straws
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000010902 straw Substances 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000009466 transformation Effects 0.000 title claims description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 80
- 239000002245 particle Substances 0.000 claims abstract description 49
- 239000000194 fatty acid Substances 0.000 claims abstract description 25
- 235000014113 dietary fatty acids Nutrition 0.000 claims abstract description 23
- 229930195729 fatty acid Natural products 0.000 claims abstract description 23
- 150000004665 fatty acids Chemical class 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000001035 drying Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 239000007787 solid Substances 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 230000020477 pH reduction Effects 0.000 claims abstract description 3
- 238000005259 measurement Methods 0.000 claims description 27
- 238000003756 stirring Methods 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 239000002270 dispersing agent Substances 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 150000007524 organic acids Chemical class 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 5
- 238000003306 harvesting Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010790 dilution Methods 0.000 claims description 4
- 239000012895 dilution Substances 0.000 claims description 4
- 230000003301 hydrolyzing effect Effects 0.000 claims description 4
- 238000002203 pretreatment Methods 0.000 claims description 4
- 239000002994 raw material Substances 0.000 claims description 4
- 241000894006 Bacteria Species 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000029087 digestion Effects 0.000 abstract description 2
- 239000002910 solid waste Substances 0.000 abstract description 2
- 230000007062 hydrolysis Effects 0.000 abstract 2
- 238000006460 hydrolysis reaction Methods 0.000 abstract 2
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000007726 management method Methods 0.000 abstract 1
- 241000209094 Oryza Species 0.000 description 23
- 235000007164 Oryza sativa Nutrition 0.000 description 23
- 235000009566 rice Nutrition 0.000 description 23
- KWYUFKZDYYNOTN-UHFFFAOYSA-M Potassium hydroxide Chemical compound [OH-].[K+] KWYUFKZDYYNOTN-UHFFFAOYSA-M 0.000 description 9
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 6
- 238000007865 diluting Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- GEHJYWRUCIMESM-UHFFFAOYSA-L sodium sulfite Chemical compound [Na+].[Na+].[O-]S([O-])=O GEHJYWRUCIMESM-UHFFFAOYSA-L 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 239000002253 acid Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- WYURNTSHIVDZCO-UHFFFAOYSA-N Tetrahydrofuran Chemical compound C1CCOC1 WYURNTSHIVDZCO-UHFFFAOYSA-N 0.000 description 2
- 230000036983 biotransformation Effects 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000855 fermentation Methods 0.000 description 2
- 230000004151 fermentation Effects 0.000 description 2
- 238000001027 hydrothermal synthesis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000010265 sodium sulphite Nutrition 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000010306 acid treatment Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229960002089 ferrous chloride Drugs 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- NMCUIPGRVMDVDB-UHFFFAOYSA-L iron dichloride Chemical compound Cl[Fe]Cl NMCUIPGRVMDVDB-UHFFFAOYSA-L 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- YLQBMQCUIZJEEH-UHFFFAOYSA-N tetrahydrofuran Natural products C=1C=COC=1 YLQBMQCUIZJEEH-UHFFFAOYSA-N 0.000 description 1
- 235000015099 wheat brans Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0053—Investigating dispersion of solids in liquids, e.g. trouble
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Processing Of Solid Wastes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于分形维数评价秸秆厌氧转化生物可及性的方法，属于有机固体废弃物厌氧消化领域，该方法具体包括：秸秆破碎，充分干燥；使用激光粒度分析仪对秸秆固体进行分析测试，测得波矢Q与散射光强I；采用数据处理软件分析波矢Q及散射光强I，基于分形理论获得秸秆二维分形维数Df；计算分析，由不同条件秸秆分形维数的大小可预测出其厌氧水解酸化程度与产甲烷潜势高低，评估秸秆厌氧转化生物可及性；该方法通过分形维数与挥发性脂肪酸及产甲烷潜势的关系分析，实现以量化指标指示秸秆赋存形态的复杂程度，以便捷指标预测水解程度及产甲烷潜势，为秸秆高效厌氧生物转化和节时降耗提供了一种量化管理办法。
Description
技术领域
本发明涉及有机固体废弃物厌氧消化领域，特别是涉及一种基于分形维数评价秸秆厌氧转化生物可及性的方法。
背景技术
秸秆厌氧制备生物燃气利用混合微生物发酵手段回收生物质能，副产品沼液沼渣可以回田利用，是一种绿色循环的秸秆处理处置方式。生物燃气产业得到国际广泛重视，例如，仅德国就建设有万余座秸秆沼气工程。我国通过引进吸收先进技术在规模化沼气工程技术方面取得了长足进步，但是由于我国秸秆原料的时空分布广和秸秆种类多具有自身特点，国外技术无法切实解决制约我国秸秆沼气工程发展的所有瓶颈问题。另一方面，天然抗降解屏障以及木质纤维素固体基质物性导致秸秆作为生物沼气原料产气效率低、发酵周期长，通过一定的预处理技术高效破稳，提升秸秆生物可及性，是秸秆高效沼气化利用的重要方式。
针对这些现象，目前对不同地区、不同种类、不同收获期、不同预处理秸秆其厌氧生物转化技术适应性缺乏准确的评价标准，基本上是凭借经验，按照秸秆颜色变化、预处理时间和环境条件进行简单的判断，或是实验室内借助专业仪器历时30-60天进行厌氧生物转化潜势实验，时间成本巨大，均难以满足秸秆大规模沼气化利用原料效果评价要求。因此，制定快速且科学的对不同秸秆厌氧转化生物可及性的评价方法迫在眉睫。
发明内容
本发明的目的是提供一种基于分形维数评价秸秆厌氧转化生物可及性的方法，以解决上述现有技术存在的问题，在秸秆厌氧转化过程中通过一个指标同时完成对水解酸化过程和产甲烷过程的潜势评价。
为实现上述目的，本发明提供了如下方案：
本发明提供一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：
1)取待比较的秸秆为样品，充分干燥且破碎；
2)将步骤1)中干燥秸秆样品与水混合，持续均匀搅动；
3)使用激光粒度分析仪对步骤2)中混合液体进行分析测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，获得此秸秆样品二维分形维数Df；
5)根据文献历史数据或大量试验积累，采用线性回归方法构建分形维数Df与挥发性脂肪酸最大累积浓度VFAmax(Volatile Fatty Acid maximum)及厌氧生物甲烷潜势BMP(Biochemical Methane Potential)的计算模型；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧生物可及性预测。
进一步地，所述步骤1)中，分析秸秆样品可以为经不同预处理方式处理后样品，或不同地域秸秆样品，或不同种类秸秆样品，或不同收获时间秸秆样品。
进一步地，所述秸秆样品破碎至0.01-3500微米。
进一步地，所述步骤2)中，用纯水对干燥秸秆样品进行稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀。
进一步地，所述步骤3)中激光粒度分析仪光源为波长633nm高稳定氦-氖激光器，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试。
进一步地，所述步骤4)中
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，可得到此秸秆样品分形维数Df。
进一步地，所述步骤5)中，
分形维数Df与秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP计算模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，A和B为对应VFAmax和BMP的模型系数。
进一步地，所述步骤6)中，挥发性脂肪酸最大累积值VFAmax为秸秆样品在只有水解酸化细菌作用无后续产甲烷过程挥发性有机酸最大累积值(一般是具有1～6个碳原子碳链的有机酸)，厌氧生物甲烷潜势BMP为厌氧过程秸秆样品有机物被生物转化为甲烷最大潜力。
本发明公开了以下技术效果：
(1)成本低，操作简单
由于操作步骤少而简单，使用数据处理软件和激光粒度仪就可以得到检测值，对于管理方来说节省了大量的能源和时间。
(2)迅速高效，弥补了现行厌氧生物转化潜势检测的复杂性
本发明所运用的参数并非挥发性有机酸累积或产甲烷潜势这种结果性指标，而是关注生物转化源头物料性质。秸秆自身的状态是影响厌氧生物转化过程的关键。本发明运用分形维数评价秸秆厌氧转化生物可及性具有良好的指示意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为不同微化程度预处理水稻秸秆分形维数与其厌氧转化生物可及性模拟图；
图2为不同预处理水稻秸秆厌氧转化生物可及性预测图；
图3为不同种类秸秆厌氧转化生物可及性预测图。
具体实施方式
现详细说明本发明的多种示例性实施方式，该详细说明不应认为是对本发明的限制，而应理解为是对本发明的某些方面、特性和实施方案的更详细的描述。
应理解本发明中所述的术语仅仅是为描述特别的实施方式，并非用于限制本发明。另外，对于本发明中的数值范围，应理解为还具体公开了该范围的上限和下限之间的每个中间值。在任何陈述值或陈述范围内的中间值以及任何其他陈述值或在所述范围内的中间值之间的每个较小的范围也包括在本发明内。这些较小范围的上限和下限可独立地包括或排除在范围内。
除非另有说明，否则本文使用的所有技术和科学术语具有本发明所述领域的常规技术人员通常理解的相同含义。虽然本发明仅描述了优选的方法和材料，但是在本发明的实施或测试中也可以使用与本文所述相似或等同的任何方法和材料。本说明书中提到的所有文献通过引用并入，用以公开和描述与所述文献相关的方法和/或材料。在与任何并入的文献冲突时，以本说明书的内容为准。
在不背离本发明的范围或精神的情况下，可对本发明说明书的具体实施方式做多种改进和变化，这对本领域技术人员而言是显而易见的。由本发明的说明书得到的其他实施方式对技术人员而言是显而易见得的。本申请说明书和实施例仅是示例性的。
一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：
1)取待比较的秸秆为样品，充分干燥且破碎；
2)将步骤1)中干燥秸秆样品与水混合，持续均匀搅动；
3)使用激光粒度分析仪对步骤2)中混合液体进行分析测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，获得此秸秆样品二维分形维数Df；
5)根据文献历史数据或大量试验积累，采用线性回归方法构建分形维数Df与挥发性脂肪酸最大累积浓度VFAmax(Volatile Fatty Acid maximum)及厌氧生物甲烷潜势BMP(Biochemical Methane Potential)的计算模型；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧生物可及性预测。
上述步骤1)中，分析秸秆样品可以为经不同预处理方式处理后样品，如水热预处理、水热+氢氧化钾处理、水热+乙酸处理等，或不同地域秸秆样品，或不同种类秸秆样品，如麦麸、稻草粉、小麦粉、油菜秸秆、玉米秸秆、稻壳，或不同收获时间秸秆样品。
上述秸秆样品一般破碎至0.01-3500mm，优选的，秸秆样品破碎至0.05-3mm。
上述步骤2)中，用纯水对干燥秸秆样品进行稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀。
上述步骤3)中激光粒度分析仪光源为波长633nm高稳定氦-氖激光器，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试。
上述步骤4)中
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，可得到此秸秆样品分形维数Df。
上述步骤5)中，分形维数Df与秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP计算模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，A和B为对应VFAmax和BMP的模型系数。
上述步骤6)中，挥发性脂肪酸最大累积值VFAmax为秸秆样品在只有水解酸化细菌作用无后续产甲烷过程挥发性有机酸最大累积值(一般是具有1～6个碳原子碳链的有机酸)，厌氧生物甲烷潜势BMP为厌氧过程秸秆样品有机物被生物转化为甲烷最大潜力。
实施例1
一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：
1)取待比较的水稻秸秆为样品，充分干燥且破碎0.05mm-3mm；
2)将步骤1)中干燥水稻秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；
3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数Df；
5)通过查阅大量文献或多次试验测试累计，获取不同种条件处理后的水稻秸秆分形维数Df及与之对应的挥发性脂肪酸最大累积浓度VFAmax(Volatile Fatty Acidmaximum)及厌氧生物甲烷潜势BMP(Biochemical Methane Potential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数A、B，模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，A和B为对应VFAmax和BMP的模型系数；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧生物可及性预测；
实施例1中水稻秸秆破碎粒径如表1所示，对其分别进行预测，其对应的分形维数Df、BMP、VFA如表1所示。
表1
| 名称 | 分形维数D<sub>f</sub> | BMP | VFA<sub>max</sub> |
| 水稻3mm | 1.8712 | 137.1477 | 2159.795 |
| 水稻1mm | 1.8151 | 151.8135 | 2804.525 |
| 水稻0.9mm | 1.7282 | 164.8434 | 3294.146 |
| 水稻0.7mm | 1.7042 | 170.5412 | 3365.483 |
| 水稻0.6mm | 1.6968 | 173.4151 | 3397.415 |
| 水稻0.5mm | 1.6928 | 175.1045 | 3427.418 |
| 水稻0.2mm | 1.6805 | 182.7405 | 3536.581 |
| 水稻0.1mm | 1.6792 | 191.5153 | 3715.915 |
| 水稻0.05mm | 1.6538 | 197.1206 | 3832.29 |
图1为不同微化程度预处理水稻秸秆分形维数与其厌氧转化生物可及性预测图。
实施例2
一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：
1)取待比较的水稻秸秆为样品，充分干燥且破碎3000mm，进行预处理；
2)将步骤1)中干燥水稻秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；
3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数Df；
5)通过查阅大量文献或多次试验测试累计，获取不同种条件处理后的水稻秸秆分形维数Df及与之对应的挥发性脂肪酸最大累积浓度VFAmax(Volatile Fatty Acidmaximum)及厌氧生物甲烷潜势BMP(Biochemical Methane Potential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数A、B，模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，A和B为对应VFAmax和BMP的模型系数；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧生物可及性预测；
实施例2中预处理方式如表2所示，对其分别进行预测，其对应的分形维数Df、BMP、VFA如表2所示。
表2
| 名称 | 分形维数D<sub>f</sub> | BMP预测 | VFA<sub>max</sub>预测 |
| 原始样品 | 1.9375 | 118.4744 | 1787.788 |
| 水热预处理 | 1.8908 | 130.1265 | 2115.5 |
| 水热+氢氧化钾 | 1.8016 | 152.3828 | 2741.452 |
| 水热+氢氧化钾+亚硫酸钠 | 1.7406 | 167.6029 | 3169.514 |
| 水热+亚硫酸钠 | 1.8065 | 151.1602 | 2707.067 |
| 水热+乙酸 | 1.8253 | 146.4694 | 2575.14 |
| 水热+甲醛 | 1.8194 | 147.9415 | 2616.542 |
| 水热+盐酸 | 1.7488 | 165.5569 | 3111.971 |
| 水热+氯化亚铁 | 1.7831 | 156.9987 | 2871.274 |
| 水热+四氢呋喃 | 1.7839 | 156.7991 | 2865.66 |
图2为不同预处理水稻秸秆厌氧转化生物可及性预测图。
实施例3
一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：
1)取待比较的不同种类的秸秆为样品，充分干燥且破碎0.55mm；
2)将步骤1)中干燥秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；
3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数Df；
5)通过查阅大量文献或多次试验测试累计，获取不同种类秸秆分形维数Df及与之对应的挥发性脂肪酸最大累积浓度VFAmax(Volatile Fatty Acid maximum)及厌氧生物甲烷潜势BMP(Biochemical Methane Potential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数A、B，模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，A和B为对应VFAmax和BMP的模型系数；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax及厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧生物可及性预测；
实施例3中秸秆种类如表3所示，对其分别进行预测，其对应的分形维数Df、BMP、VFA如表3所示。
表3
图3为不同种类秸秆厌氧转化生物可及性预测图。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (5)
1.一种基于分形维数评价秸秆厌氧转化生物可及性的方法，其特征在于，包括下述步骤：
1)取待比较的秸秆为样品，充分干燥且破碎；
2)将步骤1)中干燥秸秆样品与水混合，持续均匀搅动；
3)使用激光粒度分析仪对步骤2)中混合液体进行分析测试，测得波矢Q与散射光强I数据；
4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢Q及散射光强I，由
公式，获得此秸秆样品二维分形维数Df；
5)根据文献历史数据或大量试验积累，采用线性回归方法构建分形维数Df与挥发性脂肪酸最大累积浓度VFAmax或厌氧生物甲烷潜势BMP的计算模型；
6)将秸秆分形维数Df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值VFAmax或厌氧生物甲烷潜势BMP，得到此种秸秆样品的厌氧转化生物可及性预测；
所述步骤4)中
为
其中，k为斜率常数，等式两边同时取自然对数
化简后得lnI＝-DflnQ+lnk，以步骤3)得到I与Q取自然对数后lnI与lnQ分别作为因变量与自变量，线性拟合，可得到此秸秆样品分形维数Df；
所述步骤5)中，
分形维数Df与秸秆样品的挥发性脂肪酸最大累积值VFAmax或厌氧生物甲烷潜势BMP计算模型如下：
Y＝A-BX
式中，X为分形维数Df，Y为秸秆样品的挥发性脂肪酸最大累积值VFAmax或厌氧生物甲烷潜势BMP，A和B为对应VFAmax或BMP的模型系数；
所述步骤6)中，挥发性脂肪酸最大累积值VFAmax为秸秆样品在只有水解酸化细菌作用无后续产甲烷过程挥发性有机酸最大累积值，厌氧生物甲烷潜势BMP为厌氧过程秸秆样品有机物被生物转化为甲烷最大潜力。
2.根据权利要求1所述的一种基于分形维数评价秸秆厌氧转化生物可及性的方法，其特征在于，所述步骤1)中，分析秸秆样品可以为经不同预处理方式处理后样品，或不同地域秸秆样品，或不同种类秸秆样品，或不同收获时间秸秆样品。
3.根据权利要求2所述的一种基于分形维数评价秸秆厌氧转化生物可及性的方法，其特征在于，所述秸秆样品破碎至0.01-3500微米。
4.根据权利要求1所述的一种基于分形维数评价秸秆厌氧转化生物可及性的方法，其特征在于，所述步骤2)中，用纯水对干燥秸秆样品进行稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀。
5.根据权利要求1所述的一种基于分形维数评价秸秆厌氧转化生物可及性的方法，其特征在于，所述步骤3)中激光粒度分析仪光源为波长633nm高稳定氦-氖激光器，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911213175.XA CN111044415B (zh) | 2019-12-02 | 2019-12-02 | 一种基于分形维数评价秸秆厌氧转化生物可及性的方法 |
| AU2020101101A AU2020101101A4 (en) | 2019-12-02 | 2020-06-23 | A method for evaluating the bioavailability of the anaerobic conversion of straw based on fractal dimension |
| US17/109,300 US11156539B2 (en) | 2019-12-02 | 2020-12-02 | Method for evaluating bioavailability of organic solid waste by anaerobic conversion based on fractal dimension |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911213175.XA CN111044415B (zh) | 2019-12-02 | 2019-12-02 | 一种基于分形维数评价秸秆厌氧转化生物可及性的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111044415A CN111044415A (zh) | 2020-04-21 |
| CN111044415B true CN111044415B (zh) | 2020-07-24 |
Family
ID=70233260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911213175.XA Active CN111044415B (zh) | 2019-12-02 | 2019-12-02 | 一种基于分形维数评价秸秆厌氧转化生物可及性的方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11156539B2 (zh) |
| CN (1) | CN111044415B (zh) |
| AU (1) | AU2020101101A4 (zh) |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4022665A (en) * | 1974-12-09 | 1977-05-10 | Institute Of Gas Technology | Two phase anaerobic digestion |
| SE451262B (sv) * | 1983-08-10 | 1987-09-21 | Purac Ab | Sett vid anaerob rening av avloppsvatten fran tillverkning av mekanisk eller kemimekanisk cellulosamassa |
| US4915840A (en) * | 1988-06-07 | 1990-04-10 | Bioprocess Engineering, Inc. | Process for sludge reduction in an aerobic sludge generating waste treatment system |
| CA2116874A1 (en) * | 1991-09-06 | 1993-03-18 | Christopher Joseph Cantrall | Optical methods and apparatus |
| US7127379B2 (en) * | 2001-01-31 | 2006-10-24 | The Regents Of The University Of California | Method for the evolutionary design of biochemical reaction networks |
| AU2002348166A1 (en) * | 2001-11-16 | 2003-06-10 | Ch2M Hill, Inc. | Method and apparatus for the treatment of particulate biodegradable organic waste |
| US7452599B2 (en) * | 2002-12-27 | 2008-11-18 | Tokuyama Corporation | Fine silica particles having specific fractal structure parameter |
| WO2005026052A2 (en) * | 2003-06-19 | 2005-03-24 | University Of Hawaii | Bionest reactor for the application of anaerobic wastewater treatment and bioenergy recovery |
| US7556737B2 (en) * | 2005-12-16 | 2009-07-07 | The Regents Of The University Of California | Anaerobic phased solids digester for biogas production from organic solid wastes |
| CN100418908C (zh) * | 2006-10-30 | 2008-09-17 | 江明辉 | 一种无污泥排放的污水深度处理方法及其装置 |
| KR100837698B1 (ko) * | 2007-09-03 | 2008-06-13 | 주식회사 피엠씨코리아 | 슬러지 고도처리장치 및 방법 |
| WO2010035775A1 (ja) * | 2008-09-26 | 2010-04-01 | 株式会社堀場製作所 | 粒子物性測定装置 |
| AU2010332294C1 (en) * | 2009-12-18 | 2015-06-18 | Ciris Energy, Inc. | Biogasification of coal to methane and other useful products |
| KR101727452B1 (ko) * | 2010-11-26 | 2017-04-17 | 쿠리타 고교 가부시키가이샤 | 혐기성 처리 방법 |
| CN102445555A (zh) * | 2011-09-21 | 2012-05-09 | 中国科学技术大学 | 一种厌氧反应器液相参数监测装置及方法 |
| CN106939294A (zh) * | 2017-04-17 | 2017-07-11 | 南开大学 | 一种适合秸秆厌氧消化产沼的定向驯化接种物的方法 |
| CN107022574A (zh) * | 2017-04-25 | 2017-08-08 | 青岛天人环境股份有限公司 | 用于秸秆厌氧发酵的机械粉碎联合兼氧水解预处理方法 |
| CN108872454A (zh) * | 2017-05-09 | 2018-11-23 | 云南师范大学 | 一种快速准确测定厌氧消化液中vfa的方法 |
| CN207632814U (zh) * | 2017-12-14 | 2018-07-20 | 黑龙江省能源环境研究院 | 一种用于黄贮秸秆两相厌氧发酵产甲烷装置 |
| CN108830429B (zh) * | 2018-07-16 | 2020-08-11 | 西安建筑科技大学 | 一种基于分形维数的污水处理厂的优化方法 |
-
2019
- 2019-12-02 CN CN201911213175.XA patent/CN111044415B/zh active Active
-
2020
- 2020-06-23 AU AU2020101101A patent/AU2020101101A4/en not_active Ceased
- 2020-12-02 US US17/109,300 patent/US11156539B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111044415A (zh) | 2020-04-21 |
| US20210164877A1 (en) | 2021-06-03 |
| AU2020101101A4 (en) | 2020-08-06 |
| US11156539B2 (en) | 2021-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kress et al. | Effect of agitation time on nutrient distribution in full-scale CSTR biogas digesters | |
| Moody et al. | Using biochemical methane potential assays to aid in co-substrate selection for co-digestion | |
| Çetinkaya et al. | Evaluation of anaerobic biodegradability potential and comparative kinetics of different agro-industrial substrates using a new hybrid computational coding scheme | |
| Quintanilla et al. | Fungal morphology in industrial enzyme production—modelling and monitoring | |
| Ugwu et al. | Effects of pre-treatments and co-digestion on biogas production from Okra waste | |
| CN108220346A (zh) | 一种适用于大型沼气的尾菜利用工艺 | |
| Saghouri et al. | Modeling and optimization of biomethane production from solid-state anaerobic co-digestion of organic fraction municipal solid waste and other co-substrates | |
| Abdul Manan et al. | Estimating fungal growth in submerged fermentation in the presence of solid particles based on colour development | |
| Holm-Nielsen et al. | Representative sampling for process analytical characterization of heterogeneous bioslurry systems—a reference study of sampling issues in PAT | |
| CN111044415B (zh) | 一种基于分形维数评价秸秆厌氧转化生物可及性的方法 | |
| Sandhu et al. | Anaerobic co-digestion of food wastes, algae, pond sludge and cow dung for biogas yield enhancement as a potent approach to reduce carbon footprints | |
| Lee et al. | Rapid and concise quantification of mycelial growth by microscopic image intensity model and application to mass cultivation of fungi | |
| Wang et al. | The Gompertz model and its applications in microbial growth and bioproduction kinetics: Past, present and future | |
| Benish et al. | Optimization of process parameters for enhanced methane production from banana peduncle by thermal pretreatment | |
| Montgomery et al. | Design, calibration and validation of a large lab-scale system for measuring viscosity in fermenting substrate from agricultural anaerobic digesters | |
| CN111044416B (zh) | 一种基于分形维数评价秸秆预处理效果的方法 | |
| Popescu et al. | Evaluation of biogas potential of some organic substrates from agriculture and food industry and co-digestion in large scale biogas plant | |
| Ebunilo et al. | Comparative analysis of biogas yield from different composition of domestic wastes from Benin City, Nigeria | |
| CN110570914B (zh) | 测量沼液营养成分含量的方法 | |
| Urazaeva et al. | Biogas production: Current state and mathematical modelling | |
| Chanathaworn et al. | Determining optimization of factors affecting biogas production by co-digestion of sweet corncob waste with wastewater using response surface methodology | |
| Bhushan et al. | A comparative analysis of growth kinetics, image analysis, and biofuel potential of different algal strains | |
| Waziri et al. | Stat-Ease 360-Guided optimization of process parameters for improved anaerobic biogas generation from chicken manure | |
| CN108627475A (zh) | 高光谱成像技术在线检测鸡肉微生物含量中的应用 | |
| Mazzeo et al. | Bio-aerosol and Particulate Matter Evaluation in the Presence of a Lab-Scale Anaerobic Digester for Volatile Fatty Acids’(VFAs) Production |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |