CN114621794A - 一种生物质气化炉多能耦合智慧联供生产系统及方法 - Google Patents

一种生物质气化炉多能耦合智慧联供生产系统及方法 Download PDF

Info

Publication number
CN114621794A
CN114621794A CN202210525404.7A CN202210525404A CN114621794A CN 114621794 A CN114621794 A CN 114621794A CN 202210525404 A CN202210525404 A CN 202210525404A CN 114621794 A CN114621794 A CN 114621794A
Authority
CN
China
Prior art keywords
heat
heat dissipation
biomass
gas
gasification furnace
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.)
Granted
Application number
CN202210525404.7A
Other languages
English (en)
Other versions
CN114621794B (zh
Inventor
赵裕江
高镇明
初明杰
徐颖
赵子亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yantai Shangmei Lijia New Energy Co ltd
Original Assignee
Yantai Shangmei Lijia New Energy Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yantai Shangmei Lijia New Energy Co ltd filed Critical Yantai Shangmei Lijia New Energy Co ltd
Priority to CN202210525404.7A priority Critical patent/CN114621794B/zh
Publication of CN114621794A publication Critical patent/CN114621794A/zh
Application granted granted Critical
Publication of CN114621794B publication Critical patent/CN114621794B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10J—PRODUCTION OF PRODUCER GAS, WATER-GAS, SYNTHESIS GAS FROM SOLID CARBONACEOUS MATERIAL, OR MIXTURES CONTAINING THESE GASES; CARBURETTING AIR OR OTHER GASES
    • C10J3/00—Production of combustible gases containing carbon monoxide from solid carbonaceous fuels
    • C10J3/72—Other features
    • C10J3/723—Controlling or regulating the gasification process
    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10J—PRODUCTION OF PRODUCER GAS, WATER-GAS, SYNTHESIS GAS FROM SOLID CARBONACEOUS MATERIAL, OR MIXTURES CONTAINING THESE GASES; CARBURETTING AIR OR OTHER GASES
    • C10J3/00—Production of combustible gases containing carbon monoxide from solid carbonaceous fuels
    • C10J3/72—Other features
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/18—Hot-water central heating systems using heat pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B30/00—Heat pumps
    • F25B30/06—Heat pumps characterised by the source of low potential heat
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P20/00—Technologies relating to chemical industry
    • Y02P20/10—Process efficiency
    • Y02P20/129—Energy recovery, e.g. by cogeneration, H2recovery or pressure recovery turbines

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Organic Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • Processing Of Solid Wastes (AREA)

Abstract

本发明提供了一种生物质气化炉多能耦合智慧联供生产系统及方法，通过分析生物质‑气转化机理，得到从生物质原料到可燃性气体的反应流程，构建生物质气化炉能量转化模型；通过分析气‑热电转化机理，构建散热调控神经网络模型，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，完成生物质气化炉多能耦合智慧联供生产。本发明解决了现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性的问题。

Description

一种生物质气化炉多能耦合智慧联供生产系统及方法
技术领域
本发明涉及生物质气化联产领域，尤其涉及一种生物质气化炉多能耦合智慧联供生产系统及方法。
背景技术
在我国，生物质能是仅次于煤炭、石油和天然气的第四种能源资源，在能源系统中占有重要地位。作为可再生能源，利用生物质能发电可以节约煤炭、改善我国能源结构、减少二氧化碳与二氧化硫和烟尘的排放量，从而实现保护环境，对能源转型意义重大。随着我国能源转型不断深入推进，凭借丰富的生物质资源和一定的产业发展基础，生物质能产业在生物液体燃料、生物质燃气、生物质发电、生物质固体燃料等方面获得了快速发展，综合能源系统建设需要创新发展，同时考虑到各地区具有丰富的可再生能源资源，进而需要根据当地的自然资源情况，因地制宜的研究并发展基于分布式能源系统的多能互补利用，推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
我国专利申请号：CN 202111004939 .1，公开日：2022.01.21，公开了一种生物质热电联产烟气余热回收利用系统及方法，烟气经排烟管依次进入一级换热器、二级换热器、三级换热器，加热一级余热水循环管和三级余热水循环管内的一级余热水、三级余热水，最终排入沼气池；一级余热水进入吸收式热泵发生器降温；三级余热水进入吸收热泵蒸发器降温；热网水经热网水第一回水管和二级余热水循环管进入二级换热器升温后汇入热网；热网水还经热网水第二回水管依次进入吸收式热泵吸收器和吸收热泵冷凝器升温后汇入热网；外界空气经进气管进入三级换热器第二单元加热后进入烘干装置。
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：现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性。
发明内容
本发明通过提供一种生物质气化炉多能耦合智慧联供生产系统及方法，解决了现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性的问题，实现了充分考虑生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，改善能源利用效率，具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
本发明提供了一种生物质气化炉多能耦合智慧联供生产系统及方法具体包括以下技术方案：
一种生物质气化炉多能耦合智慧联供生产系统，包括以下部分：
生物质数据采集模块、能量转化模型构建模块、气-热电转化装置采集模块、散热调控神经网络模型构建模块、计算中心、智能调控模块和存储模块、生物质-气转化装置、气-热电转化装置；
所述能量转化模型构建模块，用于构建生物质气化炉能量转化模型，得到所述生物质气化炉的转化效率和输出功率，所述能量转化模型构建模块将输出功率发送给所述散热调控神经网络模型构建模块和所述存储模块；
所述散热调控神经网络模型构建模块，用于构建散热调控神经网络模型，所述散热调控神经网络模型构建模块将构建好的散热调控神经网络模型通过数据传输的方式发送给所述计算中心和所述存储模块；
所述计算中心，用于利用散热调控神经网络模型计算每一级散热装置的参数优化值，并将得到的参数优化值通过数据传输的方式发送给所述智能调控模块和所述存储模块。
优选的，所述生物质-气转化装置包括生物质收集整理设备、给料设备、生物质气化炉、燃气净化设备和风机；所述气-热电转化装置包括第一散热装置、第一热泵、第二散热装置、第二热泵、第三散热装置、第三热泵、烘干炉和生物质锅炉。
优选的，所述气-热电转化装置采集模块，用于采集所述气-热电转化装置的数据；所述第一散热装置用于驱动所述第一热泵，所述第一热泵用于吸收所述第一散热装置中可燃性气体的热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中；所述第二散热装置用于驱动所述第二热泵，所述第二热泵吸收所述第二散热装置中可燃性气体的热量送入供热网中，为用户供热；所述第三散热装置用于驱动所述第三热泵，所述第三热泵吸收所述第三散热装置中可燃性气体的热量通入所述烘干炉中；所述烘干炉用于对气化炉生产得到的另一部分用作所述生物质锅炉燃料的燃气进行烘干，降低含水率，所述烘干炉将烘干后的可燃性气体送入所述生物质锅炉中；所述生物质锅炉用于利用可燃性气体燃烧放热、发电；所述气-热电转化装置采集模块将采集的数据通过数据传输的方式发送给所述散热调控神经网络模型构建模块和所述计算中心。
优选的，所述散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层，输入为每一级散热装置的生产过程参数，输出为每一级散热装置的散热量。
一种生物质气化炉多能耦合智慧联供生产方法，包括以下步骤：
S1. 分析生物质-气转化机理，得到从生物质原料到可燃性气体的反应流程，构建生物质气化炉能量转化模型；
S2. 分析气-热电转化机理，构建散热调控神经网络模型，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，完成生物质气化炉多能耦合智慧联供生产。
优选的，所述步骤S1具体包括：构建生物质气化炉能量转化模型。
优选的，所述步骤S2具体包括：
气化炉生产得到的一部分生物质燃气从气化炉出口通入气-热电转化装置的第一散热装置，所述第一散热装置的余热用于驱动第一热泵，所述第一热泵吸收热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中；
生物质燃气从第一散热装置通过后进入第二散热装置，所述第二散热装置的余热用于驱动第二热泵，所述第二热泵吸收热量进入供热网中，为用户供热；
生物质燃气从第二散热装置通过后进入第三散热装置，所述第三散热装置的余热用于驱动第三热泵，所述第三热泵吸收热量通入烘干炉中，对气化炉生产得到的另一部分用作生物质锅炉燃料的燃气进行烘干，降低含水率，从而提高生物质燃料的燃烧效率，经过烘干炉烘干的燃气通入生物质锅炉中燃烧放热、发电；
由第三散热装置出来的生物质燃气温度已大幅下降，可以通入沼气池中促进发酵，或根据实际需求用作其他工艺。
优选的，所述步骤S2具体包括：
构建散热调控神经网络模型，利用所述散热调控神经网络模型对每一级散热装置进行智能调控，使每一级散热装置均能达到现实条件下的最大功率。
优选的，散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层。
本发明的有益效果是：
1、通过构建生物质气化炉能量转化模型可以清楚了解生物质-气转化装置的转化效率，为生物质气化炉多能耦合智慧联产的计算过程提供准确的数据支持。
2、针对多能耦合场景构建散热调控神经网络模型，充分考虑了生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，改善能源利用效率，本发明所述方法具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
3、本发明的技术方案能够有效解决现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性，并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够实现了充分考虑生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，改善能源利用效率，具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
附图说明
图1为本发明所述的一种生物质气化炉多能耦合智慧联供生产系统结构图；
图2为本发明所述的一种生物质气化炉多能耦合智慧联供生产方法流程图；
图3为本发明所述的生物质-气转化装置结构图；
图4为本发明所述的气-热电转化装置结构图。
具体实施方式
本申请实施例通过提供一种生物质气化炉多能耦合智慧联供生产系统及方法，解决了现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性。
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：
通过构建生物质气化炉能量转化模型可以清楚了解生物质-气转化装置的转化效率，为生物质气化炉多能耦合智慧联产的计算过程提供准确的数据支持；针对多能耦合场景构建散热调控神经网络模型，充分考虑了生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，改善能源利用效率，本发明所述方法具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
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。
参照图1、图3、图4，本发明所述的一种生物质气化炉多能耦合智慧联供生产系统包括以下部分：
生物质数据采集模块10、能量转化模型构建模块20、气-热电转化装置采集模块30、散热调控神经网络模型构建模块40、计算中心50、智能调控模块60和存储模块70、生物质-气转化装置、气-热电转化装置；
生物质数据采集模块10，用于采集生物质-气转化装置的数据，生物质-气转化装置包括：生物质收集整理设备101、给料设备102、生物质气化炉103、燃气净化设备104和风机105，生物质收集整理装置用于对生物质原料进行分类整理和预处理；给料设备102用于将预处理后的生物质送入生物质气化炉103中；生物质气化炉103用于对预处理后的生物质原料进行热解气化，获得含CO、H2、CH4等可燃性气体，可燃气体一部分送入燃气净化设备104，另一部分送入风机105；燃气净化设备104用于对可燃性气体进行净化处理，去除杂质；风机105用于将可燃性气体送至气-热电转化装置；生物质数据采集模块10将采集的数据通过数据传输的方式发送给能量转化模型构建模块20；
能量转化模型构建模块20，用于构建生物质气化炉能量转化模型，得到生物质气化炉103的转化效率和输出功率，能量转化模型构建模块20将输出功率通过数据传输的方式发送给散热调控神经网络模型构建模块40和存储模块70；
气-热电转化装置采集模块30，用于采集气-热电转化装置的数据，气-热电转化装置包括：第一散热装置301、第一热泵302、第二散热装置303、第二热泵304、第三散热装置305、第三热泵306、烘干炉307和生物质锅炉308。第一散热装置301用于驱动第一热泵302，第一热泵302用于吸收第一散热装置301中可燃性气体的热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中；第二散热装置303用于驱动第二热泵304，第二热泵304吸收第二散热装置303中可燃性气体的热量送入供热网中，为用户供热；第三散热装置305用于驱动第三热泵306，第三热泵306吸收第三散热装置305中可燃性气体的热量通入烘干炉307中；烘干炉307用于对气化炉生产得到的另一部分用作生物质锅炉308燃料的燃气进行烘干，降低含水率，烘干炉307将烘干后的可燃性气体送入生物质锅炉308中；生物质锅炉308用于利用可燃性气体燃烧放热、发电。气-热电转化装置采集模块30将采集的数据通过数据传输的方式发送给散热调控神经网络模型构建模块40和计算中心50；
散热调控神经网络模型构建模块40，用于构建散热调控神经网络模型，散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层，输入为每一级散热装置的生产过程参数，输出为每一级散热装置的散热量。散热调控神经网络模型构建模块40将构建好的散热调控神经网络模型通过数据传输的方式发送给计算中心50和存储模块70；
计算中心50，用于利用散热调控神经网络模型计算每一级散热装置的参数优化值，并将得到的参数优化值通过数据传输的方式发送给智能调控模块60和存储模块70；
智能调控模块60，用于根据参数优化值对每一级散热装置进行智能调控，使每一级散热装置均能达到现实条件下的最大功率；
存储模块70，用于存储生物质气化炉多能耦合智慧联供生产系统中产生的数据。
参照附图2，本发明所述的一种生物质气化炉多能耦合智慧联供生产方法包括以下步骤：
S1. 分析生物质-气转化机理，得到从生物质原料到可燃性气体的反应流程，构建生物质气化炉能量转化模型。
S11.生物质收集整理设备101对生物质原料进行分类整理及破碎、干燥等预处理，生物质数据采集模块10获取生物质原料预处理过程中产生的参数。预处理后的生物质通过给料设备102送入生物质气化炉103中，借助于空气（氧气）、水蒸气的作用，使生物质的高聚物发生热解、氧化、还原、重整反应，热解伴生的焦油进一步热裂化或催化裂化为小分子碳氢化合物，获得含CO、H2、CH4等可燃性气体，可燃性气体中的一部分进入燃气净化设备104内去除杂质，净化处理后可用于日常生活。
S12.构建生物质气化炉能量转化模型：
Figure 946545DEST_PATH_IMAGE002
其中，
Figure 900901DEST_PATH_IMAGE004
表示生物质气化炉103在t时段内的输出功率，
Figure 759267DEST_PATH_IMAGE006
表示生物质气化炉103在t时段内的输入功率，
Figure 997219DEST_PATH_IMAGE008
表示生物质气化炉103在t时段内的转化效率，
Figure 686958DEST_PATH_IMAGE010
表示额定功率，
Figure 417410DEST_PATH_IMAGE012
、
Figure 294230DEST_PATH_IMAGE014
、
Figure 398190DEST_PATH_IMAGE016
为转化效率因子，
Figure 676856DEST_PATH_IMAGE018
和
Figure 312630DEST_PATH_IMAGE020
分别表示输入功率的上下阈值，
Figure 676746DEST_PATH_IMAGE022
和
Figure 256501DEST_PATH_IMAGE024
分别表示功率变化的上线阈值。
作为一个具体实施例，将质量流量为1.51t/h、含水量7.05%的秸秆颗粒送入生物质气化炉103中，向气化炉中通入空气和水蒸气，使秸秆颗粒在860℃的高温下发生热解、氧化、还原、重整反应，得到摩尔流量为85.26kmol/h的可燃性气体。
步骤S1的有益效果为：通过构建生物质气化炉能量转化模型可以清楚了解生物质-气转化装置的转化效率，为生物质气化炉多能耦合智慧联产的计算过程提供准确的数据支持。
S2. 分析气-热电转化机理，构建散热调控神经网络模型，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，完成生物质气化炉多能耦合智慧联供生产。
S21.气化炉出口高温可燃性气体冷却至焦油凝结温度，通过风机105送至气-热电转化装置燃烧放热、发电，即可燃性气体中的另一部分作为气-热电转化装置中生物质锅炉308燃烧的燃料。由于生物质燃料含水率较高，加大了热损失，影响产热及发电效能，因此需要降低生物质燃料的含水量，并对余热进行梯级利用。
气化炉生产得到的一部分生物质燃气从气化炉出口通入气-热电转化装置的第一散热装置301，第一散热装置301的余热用于驱动第一热泵302，第一热泵302吸收热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中。
生物质燃气从第一散热装置301通过后进入第二散热装置303，第二散热装置303的余热用于驱动第二热泵304，第二热泵304吸收热量进入供热网中，为用户供热。
生物质燃气从第二散热装置303通过后进入第三散热装置305，第三散热装置305的余热用于驱动第三热泵306，第三热泵306吸收热量通入烘干炉307中，对气化炉生产得到的另一部分用作生物质锅炉308燃料的燃气进行烘干，降低含水率，从而提高生物质燃料的燃烧效率，经过烘干炉307烘干的燃气通入生物质锅炉308中燃烧放热、发电。
由第三散热装置305出来的生物质燃气温度已大幅下降，可以通入沼气池中促进发酵，或根据实际需求用作其他工艺。
S22.为了提高生物质燃气的利用效率、降低生物质燃料含水率、降低碳排放，需要对多级散热装置中提供的热量进行智能优化调控，构建气-热电转化装置，确定气-热电转化装置中各设备启停状态、运行出力等情况，采用协同运行策略调控气-热电转化装置。
构建散热调控神经网络模型，利用散热调控神经网络模型对每一级散热装置进行智能调控，使每一级散热装置均能达到现实条件下的最大功率。采集每一级散热装置的生产过程参数，以及不同工艺在不同时间所需的最佳热量。设立第u级散热装置在t时段的生产过程参数集为
Figure 983149DEST_PATH_IMAGE026
Figure 616255DEST_PATH_IMAGE028
，n为生产过程参数的数量，不同工艺在不同时间所需的最佳热量为
Figure 562608DEST_PATH_IMAGE030
。
散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层，将散热装置在t时段的生产过程参数集
Figure 916360DEST_PATH_IMAGE032
输入散热调控神经网络模型中，散热调控神经网络模型的具体步骤如下：
输入层：对散热装置的生产过程参数进行归一化处理：
Figure 28672DEST_PATH_IMAGE034
其中，
Figure 737740DEST_PATH_IMAGE036
为参数
Figure 669924DEST_PATH_IMAGE038
归一化处理后的数值，
Figure 340551DEST_PATH_IMAGE038
为第u级散热装置的生产过程参数集中的任一参数，
Figure 307370DEST_PATH_IMAGE040
，
Figure 282279DEST_PATH_IMAGE042
和
Figure 75660DEST_PATH_IMAGE044
分别表示第u级散热装置的生产过程参数集中的最大值和最小值。输入层将归一化处理后的数组发送给参数关联层。
参数关联层：计算第u级散热装置的生产过程参数的互信息，得到各生产过程参数与功率之间的相关性。
Figure 161428DEST_PATH_IMAGE046
其中，
Figure 858120DEST_PATH_IMAGE048
表示
Figure 505395DEST_PATH_IMAGE050
与
Figure 818696DEST_PATH_IMAGE052
的正向相关关系函数，
Figure 613214DEST_PATH_IMAGE052
为负荷值，
Figure 554625DEST_PATH_IMAGE054
表示
Figure 12283DEST_PATH_IMAGE050
与
Figure 642241DEST_PATH_IMAGE052
的联合概率密度，
Figure 210756DEST_PATH_IMAGE056
为输入层与参数关联层的连接权值，
Figure 6674DEST_PATH_IMAGE058
和
Figure 399347DEST_PATH_IMAGE060
分别表示
Figure 749557DEST_PATH_IMAGE050
和
Figure 888808DEST_PATH_IMAGE052
的概率密度。参数关联层将计算结果发送给计算层。
计算层：计算不同生产过程参数对功率的影响因子以及生产过程参数之间的影响因子。
Figure 539232DEST_PATH_IMAGE062
其中，
Figure 73112DEST_PATH_IMAGE064
表示不同生产过程参数对功率的影响因子，
Figure 81257DEST_PATH_IMAGE066
表示生产过程参数之间的影响因子，
Figure 522734DEST_PATH_IMAGE068
为除了
Figure 189515DEST_PATH_IMAGE070
以外的任一生产过程参数，
Figure 18931DEST_PATH_IMAGE072
，
Figure 609312DEST_PATH_IMAGE074
，
Figure 821856DEST_PATH_IMAGE076
为参数关联层与计算层的连接权值。计算层将计算结果发送给筛选层。
筛选层：基于影响因子筛选出生产过程参数所对应的散热量。
Figure 915714DEST_PATH_IMAGE078
其中，D为生产过程参数在t时段所对应的散热量，
Figure 824021DEST_PATH_IMAGE080
为计算层与筛选层的连接权值。筛选层将计算结果发送给输出层。
输出层：输出每一级散热装置的散热量D。
将不同工艺在不同时间所需的最佳热量
Figure 636119DEST_PATH_IMAGE082
作为期望输出，将期望输出与实际输出的均方差作为误差函数，对神经网络进行误差修正，直至误差达到允许范围内，结束训练，从而得到散热调控神经网络模型。根据散热调控神经网络模型的修正值对每一级散热装置进行智能调控，提高生物质燃气的利用效率。
步骤S2的有益效果为：针对多能耦合场景构建散热调控神经网络模型，充分考虑了生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，改善能源利用效率，本发明所述方法具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
综上所述，便完成了本发明所述的一种生物质气化炉多能耦合智慧联供生产系统及方法。
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、通过构建生物质气化炉能量转化模型可以清楚了解生物质-气转化装置的转化效率，为生物质气化炉多能耦合智慧联产的计算过程提供准确的数据支持。
2、针对多能耦合场景构建散热调控神经网络模型，充分考虑了生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，改善能源利用效率，本发明所述方法具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
效果调研：
本发明的技术方案能够有效解决现有技术没有充分考虑生物质气化炉多能耦合联产的复杂性、联动性，对于能源的多能互补利用效率不足，精准度有待提高，缺乏良好的适应性和广泛性，并且，上述系统或方法经过了一系列的效果调研，通过验证，最终能够实现了充分考虑生物质气化炉多能耦合联产的复杂性、联动性，通过散热调控神经网络模型筛选参数提高了计算的精准性，对每一级散热装置进行智能调控，改善能源利用效率，具有良好的适应性，因地制宜的研究并发展基于生物质能源系统的多能互补利用，可以推动各地区能源利用与应用技术的不断提高，呈现多元化发展的格局。
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。

Claims (9)

1.一种生物质气化炉多能耦合智慧联供生产系统，其特征在于，包括以下部分：
生物质数据采集模块、能量转化模型构建模块、气-热电转化装置采集模块、散热调控神经网络模型构建模块、计算中心、智能调控模块和存储模块、生物质-气转化装置、气-热电转化装置；
所述能量转化模型构建模块，用于构建生物质气化炉能量转化模型，得到所述生物质气化炉的转化效率和输出功率，所述能量转化模型构建模块将输出功率发送给所述散热调控神经网络模型构建模块和所述存储模块；
所述散热调控神经网络模型构建模块，用于构建散热调控神经网络模型，所述散热调控神经网络模型构建模块将构建好的散热调控神经网络模型通过数据传输的方式发送给所述计算中心和所述存储模块；
所述计算中心，用于利用散热调控神经网络模型计算每一级散热装置的参数优化值，并将得到的参数优化值通过数据传输的方式发送给所述智能调控模块和所述存储模块。
2.如权利要求1所述的一种生物质气化炉多能耦合智慧联供生产系统，其特征在于，所述生物质-气转化装置包括生物质收集整理设备、给料设备、生物质气化炉、燃气净化设备和风机；所述气-热电转化装置包括第一散热装置、第一热泵、第二散热装置、第二热泵、第三散热装置、第三热泵、烘干炉和生物质锅炉。
3.如权利要求2所述的一种生物质气化炉多能耦合智慧联供生产系统，其特征在于，所述气-热电转化装置采集模块，用于采集所述气-热电转化装置的数据；所述第一散热装置用于驱动所述第一热泵，所述第一热泵用于吸收所述第一散热装置中可燃性气体的热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中；所述第二散热装置用于驱动所述第二热泵，所述第二热泵吸收所述第二散热装置中可燃性气体的热量送入供热网中，为用户供热；所述第三散热装置用于驱动所述第三热泵，所述第三热泵吸收所述第三散热装置中可燃性气体的热量通入所述烘干炉中；所述烘干炉用于对气化炉生产得到的另一部分用作所述生物质锅炉燃料的燃气进行烘干，降低含水率，所述烘干炉将烘干后的可燃性气体送入所述生物质锅炉中；所述生物质锅炉用于利用可燃性气体燃烧放热、发电；所述气-热电转化装置采集模块将采集的数据通过数据传输的方式发送给所述散热调控神经网络模型构建模块和所述计算中心。
4.如权利要求1所述的一种生物质气化炉多能耦合智慧联供生产系统，其特征在于，所述散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层，输入为每一级散热装置的生产过程参数，输出为每一级散热装置的散热量。
5.一种生物质气化炉多能耦合智慧联供生产方法，其特征在于，包括以下步骤：
S1. 分析生物质-气转化机理，得到从生物质原料到可燃性气体的反应流程，构建生物质气化炉能量转化模型；
S2. 分析气-热电转化机理，构建散热调控神经网络模型，对每一级散热装置进行智能调控，使可燃性气体的余热得到梯级利用，降低可燃性气体的含水量，完成生物质气化炉多能耦合智慧联供生产。
6.如权利要求5所述的一种生物质气化炉多能耦合智慧联供生产方法，其特征在于，所述步骤S1具体包括：构建生物质气化炉能量转化模型。
7.如权利要求5所述的一种生物质气化炉多能耦合智慧联供生产方法，其特征在于，所述步骤S2具体包括：
气化炉生产得到的一部分生物质燃气从气化炉出口通入气-热电转化装置的第一散热装置，所述第一散热装置的余热用于驱动第一热泵，所述第一热泵吸收热量作为回收利用低温热能的热源，根据实际需求用于对应的工艺中；
生物质燃气从第一散热装置通过后进入第二散热装置，所述第二散热装置的余热用于驱动第二热泵，所述第二热泵吸收热量进入供热网中，为用户供热；
生物质燃气从第二散热装置通过后进入第三散热装置，所述第三散热装置的余热用于驱动第三热泵，所述第三热泵吸收热量通入烘干炉中，对气化炉生产得到的另一部分用作生物质锅炉燃料的燃气进行烘干，降低含水率，从而提高生物质燃料的燃烧效率，经过烘干炉烘干的燃气通入生物质锅炉中燃烧放热、发电；
由第三散热装置出来的生物质燃气温度已大幅下降，可以通入沼气池中促进发酵，或根据实际需求用作其他工艺。
8.如权利要求5所述的一种生物质气化炉多能耦合智慧联供生产方法，其特征在于，所述步骤S2具体包括：
构建散热调控神经网络模型，利用所述散热调控神经网络模型对每一级散热装置进行智能调控，使每一级散热装置均能达到现实条件下的最大功率。
9.如权利要求8所述的一种生物质气化炉多能耦合智慧联供生产方法，其特征在于，散热调控神经网络模型包括输入层、参数关联层、计算层、筛选层和输出层。
CN202210525404.7A 2022-05-16 2022-05-16 一种生物质气化炉多能耦合智慧联供生产系统及方法 Active CN114621794B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210525404.7A CN114621794B (zh) 2022-05-16 2022-05-16 一种生物质气化炉多能耦合智慧联供生产系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210525404.7A CN114621794B (zh) 2022-05-16 2022-05-16 一种生物质气化炉多能耦合智慧联供生产系统及方法

Publications (2)

Publication Number Publication Date
CN114621794A true CN114621794A (zh) 2022-06-14
CN114621794B CN114621794B (zh) 2022-08-19

Family

ID=81907029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210525404.7A Active CN114621794B (zh) 2022-05-16 2022-05-16 一种生物质气化炉多能耦合智慧联供生产系统及方法

Country Status (1)

Country Link
CN (1) CN114621794B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227750A (zh) * 2023-05-09 2023-06-06 烟台尚美丽家新能源有限公司 一种生物质原料多联供综合管理系统及管理方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09165579A (ja) * 1995-12-15 1997-06-24 Nkk Corp コークス強度推定装置
JP2011195671A (ja) * 2010-03-18 2011-10-06 Yanmar Co Ltd バイオマスガス化反応のモデル化方法
CN102811795A (zh) * 2010-03-31 2012-12-05 通用电气公司 用于在碳捕集系统、碳排放系统、碳输送系统和碳使用系统之间互操作的系统和方法
US20140273199A1 (en) * 2013-03-15 2014-09-18 Renewable Opportunities Inc. System And Method For Producing A Consistent Quality Syngas From Diverse Waste Materials With Heat Recovery Based Power Generation, And Renewable Hydrogen Co-Production
CN107922846A (zh) * 2015-01-02 2018-04-17 太阳焦炭科技和发展有限责任公司 使用高级的控制和最佳化技术的综合焦化设备自动化和最佳化
CN207276562U (zh) * 2017-05-11 2018-04-27 中国华电科工集团有限公司 一种用于生物质气化的自动控制系统及包含其的燃煤系统
CN108251140A (zh) * 2018-02-08 2018-07-06 淮阴师范学院 一种利用微波催化热解生物质定向生产生物质炭的方法
CN109768567A (zh) * 2018-12-20 2019-05-17 清华大学 一种耦合多能源互补系统的优化调度方法
CN110436740A (zh) * 2019-08-29 2019-11-12 浙江科技学院 一种污泥分级干化气化耦合燃煤发电系统及其工艺方法
CN110981141A (zh) * 2019-12-03 2020-04-10 东南大学 脱水污泥干化焚烧耦合热解多联产的方法
CN111057567A (zh) * 2019-12-12 2020-04-24 珠海横琴博信能源建设有限公司 生物质热解气化多联产系统及方法
CN111340274A (zh) * 2020-02-17 2020-06-26 国网冀北电力有限公司 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN112446552A (zh) * 2020-12-15 2021-03-05 北京石油化工学院 一种生物质气化冷热电联供系统的多目标优化方法
US20210264269A1 (en) * 2018-07-25 2021-08-26 Sekisui Chemical Co., Ltd. Control Device and Control Method
CN113958992A (zh) * 2021-08-30 2022-01-21 吉林宏日新能源股份有限公司 一种生物质热电联产烟气余热回收利用系统及方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09165579A (ja) * 1995-12-15 1997-06-24 Nkk Corp コークス強度推定装置
JP2011195671A (ja) * 2010-03-18 2011-10-06 Yanmar Co Ltd バイオマスガス化反応のモデル化方法
CN102811795A (zh) * 2010-03-31 2012-12-05 通用电气公司 用于在碳捕集系统、碳排放系统、碳输送系统和碳使用系统之间互操作的系统和方法
US20140273199A1 (en) * 2013-03-15 2014-09-18 Renewable Opportunities Inc. System And Method For Producing A Consistent Quality Syngas From Diverse Waste Materials With Heat Recovery Based Power Generation, And Renewable Hydrogen Co-Production
CN107922846A (zh) * 2015-01-02 2018-04-17 太阳焦炭科技和发展有限责任公司 使用高级的控制和最佳化技术的综合焦化设备自动化和最佳化
CN207276562U (zh) * 2017-05-11 2018-04-27 中国华电科工集团有限公司 一种用于生物质气化的自动控制系统及包含其的燃煤系统
CN108251140A (zh) * 2018-02-08 2018-07-06 淮阴师范学院 一种利用微波催化热解生物质定向生产生物质炭的方法
US20210264269A1 (en) * 2018-07-25 2021-08-26 Sekisui Chemical Co., Ltd. Control Device and Control Method
CN109768567A (zh) * 2018-12-20 2019-05-17 清华大学 一种耦合多能源互补系统的优化调度方法
CN110436740A (zh) * 2019-08-29 2019-11-12 浙江科技学院 一种污泥分级干化气化耦合燃煤发电系统及其工艺方法
CN110981141A (zh) * 2019-12-03 2020-04-10 东南大学 脱水污泥干化焚烧耦合热解多联产的方法
CN111057567A (zh) * 2019-12-12 2020-04-24 珠海横琴博信能源建设有限公司 生物质热解气化多联产系统及方法
CN111340274A (zh) * 2020-02-17 2020-06-26 国网冀北电力有限公司 一种基于虚拟电厂参与的综合能源系统优化方法和系统
CN112446552A (zh) * 2020-12-15 2021-03-05 北京石油化工学院 一种生物质气化冷热电联供系统的多目标优化方法
CN113958992A (zh) * 2021-08-30 2022-01-21 吉林宏日新能源股份有限公司 一种生物质热电联产烟气余热回收利用系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227750A (zh) * 2023-05-09 2023-06-06 烟台尚美丽家新能源有限公司 一种生物质原料多联供综合管理系统及管理方法

Also Published As

Publication number Publication date
CN114621794B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
Jamali et al. Optimization of a novel solar-based multi-generation system for waste heat recovery in a cement plant
CN110669538A (zh) 连续实现热量自循环的生物质炭-热联产工艺及装置
CN103146432B (zh) 一种生物质热解气化与焦油催化裂解的装置与方法
CN103979491A (zh) 一种污泥与生物质共混气化制氢的方法与装置
CN104787762A (zh) 含水有机物热解生产活性炭的方法和系统
JP2012520166A (ja) バイオマスの利用方法および利用システムおよびブロック型熱発電プラント
CN210068320U (zh) 一种太阳能驱动生物质气化的联合发电系统
Li et al. Study on the biomass-based SOFC and ground source heat pump coupling cogeneration system
CN113046134A (zh) 基于双联流化床气化和燃料电池的冷热电联产系统及方法
CN208998082U (zh) 一种生活垃圾热解气化处理系统及发电系统
CN114621794B (zh) 一种生物质气化炉多能耦合智慧联供生产系统及方法
CN106085511A (zh) 一种垃圾炭资源化及提高热解气热值的方法和系统
CN106560502A (zh) 一种以太阳能和生物质驱动的冷热电三联产系统
CN113072967A (zh) 一种燃煤耦合生物质热解的多联产工艺
CN101955802B (zh) 固体生物质热解气化裂解炉
CN105368502B (zh) 一种秸秆类流化床气化发电联产电、炭、热的工艺
CN110283623A (zh) 一种新型生物质-太阳能分布式多联产系统
CN204803012U (zh) 含水有机物热解生产活性炭的系统
CN117057137A (zh) 用于干化污泥热解气化工艺的碳减排量预测方法及存储介质
CN1958723A (zh) 一种生物质能和天然气互补的分布式能量系统
Zhang et al. Thermodynamic analysis of a food waste plasma gasification-based multigeneration system with dehumidification and carbon capture
CN114165792A (zh) 耦合等离子体裂解的垃圾焚烧炉渣余热利用装置及方法
CN100374792C (zh) 利用垃圾填埋气生产热水的成套装置
Pavel et al. Carbon capture and storage in biomass combustion process
CN108395907B (zh) 一种生物质冷热电碳气肥多产品智能输出系统

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