煤炭氣化過(guò)程數(shù)學(xué)模型構(gòu)建的研究進(jìn)展

1、煤炭氣化過(guò)程數(shù)學(xué)模型構(gòu)建的研究進(jìn)展摘要：煤炭氣化技術(shù)是煤炭資源清潔利用及向綠色工業(yè)生態(tài)發(fā)展的重要方向。煤炭氣化過(guò)程數(shù)學(xué) 模型具有詮釋氣-固復(fù)雜反應(yīng)機(jī)理、分析氣化工藝參數(shù)、預(yù)測(cè)氣化產(chǎn)品特性等技術(shù)優(yōu)勢(shì)，是煤炭氣化 過(guò)程實(shí)現(xiàn)工程優(yōu)化設(shè)計(jì)的重要理論基礎(chǔ)系統(tǒng)分析與綜述了近年來(lái)煤炭氣化過(guò)程熱力學(xué)平衡模型、 反應(yīng)動(dòng)力學(xué)模型、計(jì)算流體動(dòng)力學(xué)CFD模型、降階模型和智能化等相關(guān)模型構(gòu)建的研究進(jìn)展。針對(duì) 煤炭氣化模型研究，重點(diǎn)闡述了基于數(shù)據(jù)驅(qū)動(dòng)的煤炭氣化過(guò)程智能模型構(gòu)建和簡(jiǎn)化及其相關(guān)參數(shù)優(yōu) 化的最新研究成果，深入分析了融合煤炭氣化反應(yīng)機(jī)理的智能化模型構(gòu)建的研究工作。針對(duì)煤氣化 生產(chǎn)過(guò)程模型研究，重點(diǎn)闡述了在目標(biāo)規(guī)劃

2、下的智能模型構(gòu)建,分析了基于氣化生產(chǎn)過(guò)程目標(biāo)模型求 解的差分進(jìn)化算法DE、粒子群優(yōu)化PSO、遺傳算法GA等優(yōu)化算法的構(gòu)建，并闡述了 Aspen plus模擬 軟件在目前氣化模擬過(guò)程中的應(yīng)用及基于該軟件模擬模型的目標(biāo)優(yōu)化算法的改進(jìn)等研究。同時(shí)，提 出開發(fā)具有煤氣化反應(yīng)動(dòng)力學(xué)等機(jī)理信息的智能化模型，氣化整體流程中融入局部流體動(dòng)力學(xué)等細(xì) 節(jié)信息的跨尺度模擬模型將是未來(lái)氣化模型研究的主要發(fā)展方向。其中對(duì)氣化過(guò)程初始樣本的合理 選擇、模型算法尋優(yōu)性能的有效改進(jìn)、模型優(yōu)化準(zhǔn)則的選取策略等研究是智能化模型的研究熱點(diǎn)。 關(guān)鍵詞：煤炭氣化;數(shù)學(xué)模型；智能模型；煤炭清潔利用Progress on mathemat

3、ical models construction in coal gasification processAbstract: Coal gasification technology is an important direction of clearly utilizing coal resources for green industrial ecology development. The mathematical model in coal gasification process has technological advantages in effectively describi

4、ng the complex reaction mechanisms of the gas and the solid, analyzing gasification process parameters, predicting the characteristics of the gasification products and others, and it lays an important theoretical foundation of the engineering optimization design in coal gasification process. The res

5、earch progresses on the constructing of thermodynamics equilibrium model, reaction kinetics model, computational fluid dynamics model, reduced order model and intelligent model in coal gasification process are reviewed in recent years. For researches on coal gasification model, the latest researches

6、 on intelligent model construction based on data-driven, model simplification and the model parameters optimization are mainly discussed. The researches on intelligent models construction integrating coal gasification reaction mechanisms are deeply analyzed. For researches on coal gasification produ

7、ction process model, the intelligent model construction under objective programming is mainly discussed, and the optimization algorithms which are used to solve the objective models are analyzed, including DE, PSO, GA, and others. And the application of Aspen Plus in coal gasification simulation and

8、 the objective optimization algorithm improvement based on the simulation models are discussed in detailed. Besides, it is proposed that the intelligent model with mechanism information about coal gasification reaction kinetics and multi - scale simulation model incorporating details such as local h

9、ydrodynamics into the overall gasification process will be the main development directions of research on gasification models in future，where how to select the initial samples reason- ably，how to improve the performance of the optimization algorithm effectively，how to select the criteria of optimiza

10、tion model are research hotspots on intelligent models.Key words： coal gasification; mathematical model; intelligent model; clean coal utilizationo引 言煤炭是鋼鐵、化工和電力等行業(yè)的重要原料和 燃料資源，其中煤炭氣化技術(shù)將其轉(zhuǎn)化為以CO、 h2、ch%、CO2等氣體為主的熱化學(xué)過(guò)程是實(shí)現(xiàn)煤炭 清潔高效利用的重要轉(zhuǎn)化途徑。目前，煤炭氣化技 術(shù)在煤基大宗化學(xué)品合成、煤基液體燃料合成、煤制 烯烴、煤制天然氣、IGCC發(fā)電、制氫及直接還原煉鐵 等領(lǐng)域具有十

11、分重要的應(yīng)用價(jià)值煤炭氣化過(guò) 程模擬是實(shí)現(xiàn)轉(zhuǎn)化過(guò)程優(yōu)化和智能化的有效途徑。 針對(duì)煤炭氣化過(guò)程反應(yīng)特性建立的數(shù)學(xué)模型，可實(shí) 現(xiàn)在較少時(shí)間、較低成本下的氣化工藝參數(shù)的模擬 優(yōu)化,對(duì)工業(yè)試驗(yàn)過(guò)程和工程化具有重要指導(dǎo)作用。 數(shù)學(xué)模型是對(duì)給定條件下煤氣化反應(yīng)過(guò)程的相關(guān)物 理、化學(xué)反應(yīng)現(xiàn)象的有效描述。只有深層次的分析 氣化反應(yīng)過(guò)程，找到氣化過(guò)程各因素影響規(guī)律，才能 建立真實(shí)反映煤炭氣化過(guò)程的數(shù)學(xué)模型。為滿足實(shí) 際應(yīng)用的需求,在滿足精度要求基礎(chǔ)上，要求數(shù)學(xué)模 型結(jié)構(gòu)簡(jiǎn)化、運(yùn)算快速,能真正起到對(duì)實(shí)際生產(chǎn)過(guò)程 優(yōu)化和指導(dǎo)作用。因此，建立科學(xué)合理的數(shù)學(xué)模型 是實(shí)現(xiàn)煤炭氣化過(guò)程有效模擬的關(guān)鍵所在。為有效 詮釋煤炭氣化

12、過(guò)程，國(guó)內(nèi)外學(xué)者針對(duì)煤炭氣化過(guò)程 的模型構(gòu)建進(jìn)行了許多研究，并通過(guò)數(shù)學(xué)模型的模 擬優(yōu)化實(shí)現(xiàn)對(duì)煤氣化性能的預(yù)測(cè)，詮釋操作參數(shù)的 影響等。筆者對(duì)近年來(lái)國(guó)內(nèi)外煤炭氣化過(guò)程開展的 典型建模、智能化建模及其目標(biāo)優(yōu)化等相關(guān)氣化模 型的研究熱點(diǎn)進(jìn)行了比較系統(tǒng)地綜述，對(duì)各類模型 特點(diǎn)和適用性進(jìn)行了相關(guān)分析闡述，并給出了煤氣 化模型的未來(lái)發(fā)展方向。1典型數(shù)學(xué)模型煤炭氣化過(guò)程是一個(gè)極其復(fù)雜的物理化學(xué)過(guò) 程，包括干燥、熱解、氣化和燃燒4個(gè)主要工藝過(guò)程, 并以非均相氣固反應(yīng)和均相氣相反應(yīng)為主。傳統(tǒng)煤 炭氣化反應(yīng)器多以固定床為主，目前的反應(yīng)器多采 用氣流床，少部分采用流化床，氣化劑主要有水蒸 氣、C。!、空氣、。2及其

13、混合氣體。在煤炭氣化過(guò)程建模研究中，常通過(guò)質(zhì)量、能 量、動(dòng)量和化學(xué)反應(yīng)等平衡或者反應(yīng)速率等描述熱 化學(xué)反應(yīng)過(guò)程的機(jī)理信息,通過(guò)改變氣化原料組成 及性質(zhì)、氣化溫度、壓力、反應(yīng)氣氛和進(jìn)料量等實(shí)現(xiàn) 工藝參數(shù)的優(yōu)化，進(jìn)而達(dá)到提高氣化性能的目的。 在煤炭氣化反應(yīng)模型研究中，典型數(shù)學(xué)模型主要有 熱力學(xué)平衡模型、反應(yīng)動(dòng)力學(xué)模型、計(jì)算流體動(dòng)力學(xué) CFD模型和降階模型。1.1熱力學(xué)平衡模型熱力學(xué)平衡模型是針對(duì)反應(yīng)熱力學(xué)的,模型假 設(shè)氣化爐內(nèi)反應(yīng)物充分混合并達(dá)到化學(xué)反應(yīng)平衡狀 態(tài)，此時(shí)系統(tǒng)的Gibbs自由能最小。熱力學(xué)平衡模 型比較簡(jiǎn)單，依據(jù)該模型可以有效分析氣化操作工 況和原料特性對(duì)氣化過(guò)程的影響規(guī)律。謝繼東

14、等針對(duì)煤炭與水蒸氣氣化反應(yīng)熱力學(xué)過(guò)程,建立 了基于質(zhì)量平衡和化學(xué)反應(yīng)平衡的氣化模型,發(fā)現(xiàn) 氣化爐的溫度、壓力、水碳比的選擇需要綜合考慮才 能做到低成本、高效率地利用煤炭資源。孫鐘華 等針對(duì)氣流床粉煤氣化爐，依據(jù)元素平衡、化學(xué) 平衡和能量平衡原理建立了基于化學(xué)反應(yīng)平衡常數(shù) 法的氣化模型，并采用擬牛頓法求解方程組;通過(guò)與 工業(yè)生產(chǎn)數(shù)據(jù)相比,發(fā)現(xiàn)該模型對(duì)氣化爐出口合成 氣組成和溫度的預(yù)測(cè)精度良好，合成氣的主要成分 CO+H2體積分?jǐn)?shù)與工業(yè)數(shù)據(jù)相對(duì)誤差小于3%。同 時(shí),對(duì)模型再深入研究,發(fā)現(xiàn)其在相同氣化操作溫度 下,隨著煤灰分的增加,有效氣產(chǎn)率和冷煤氣效率會(huì) 降低，而比煤耗和比氧耗相應(yīng)增加;在入爐氧煤

15、比和 蒸汽煤比一定時(shí)，如開陽(yáng)煤和北宿煤中灰分有微小 波動(dòng)，將導(dǎo)致氣化溫度的大幅度變化;對(duì)于高灰熔點(diǎn) 煤,添加適量的助熔劑,可顯著降低氣化操作溫度, 減少煤耗、氧耗。由于平衡常數(shù)法需要明確所包含的化學(xué)反應(yīng)和 所涉及的物料種類，因此很多學(xué)者采用只需知道進(jìn) 料元素組成的Gibbs自由能最小化方法來(lái)建立熱力 學(xué)平衡模型。SHABBAR等采用Gibbs能量最小化方法建立了煙煤氣化模型，通過(guò)拉格朗日乘法求 解，得到了包含固體碳和硫在內(nèi)的44種氣化產(chǎn)物， 并模擬比較了空氣、空氣-水蒸氣和太陽(yáng)能-水蒸氣 3種氣化方案下的煤氣化性能，發(fā)現(xiàn)采用太陽(yáng)能-水 蒸氣氣化方式具有較高的冷煤氣效率。熱力學(xué)平衡模型的預(yù)測(cè)精度

16、有時(shí)會(huì)存在較大偏 差,這是由于針對(duì)模型在一定條件下所作的假設(shè)和簡(jiǎn) 化而產(chǎn)生的?？紤]到碳轉(zhuǎn)化率在模型中起主要作用， KAYA等基于Gibbs最小自由能的單相化學(xué)平衡 模型模擬常壓循環(huán)流化床CFB煤氣化過(guò)程，由于假 設(shè)固體顆粒完全轉(zhuǎn)化為氣相使氣化產(chǎn)物預(yù)測(cè)值和測(cè) 量值之間存在較大偏差,因此通過(guò)試驗(yàn)測(cè)定和以溫度 為參數(shù)的經(jīng)驗(yàn)公式2種方法確定碳轉(zhuǎn)化率，進(jìn)而修正 平衡模型，發(fā)現(xiàn)2種方法都能夠降低模型預(yù)測(cè)偏差， 尤其是試驗(yàn)測(cè)定方法使修正模型最大預(yù)測(cè)偏差不到 原模型的5%,預(yù)測(cè)精度有非常明顯的提高。煤部分 氣化有利于能量的梯級(jí)利用，華宇瑞等面基于Gibbs 自由能最小化原理研究了流化床煤部分氣化過(guò)程，通 過(guò)設(shè)

17、定非均相反應(yīng)趨近平衡溫度參數(shù),修正了氣化熱 力學(xué)模型，通過(guò)與試驗(yàn)值比較發(fā)現(xiàn)所建模型可以較好 地描述煤部分氣化的產(chǎn)物分布特征。熱力學(xué)平衡模型以反應(yīng)熱力學(xué)為基礎(chǔ)，具有預(yù)測(cè) 氣化反應(yīng)達(dá)到平衡后的產(chǎn)物組成等功能，而無(wú)需考慮 不同反應(yīng)物之間的反應(yīng)動(dòng)力學(xué)以及氣化過(guò)程中的氣 固流動(dòng)、傳熱傳質(zhì)等流體動(dòng)力學(xué)的復(fù)雜特性。因此, 該模型比較簡(jiǎn)單，計(jì)算速度快,并具有一定的通用性, 這使其在氣化過(guò)程的初步建模與分析原料和工藝參 數(shù)對(duì)氣化過(guò)程的影響上有著比較廣泛的應(yīng)用。1.2反應(yīng)動(dòng)力學(xué)模型反應(yīng)動(dòng)力學(xué)模型是依據(jù)氣化過(guò)程中反應(yīng)動(dòng)力學(xué) 來(lái)研究不同氣化條件對(duì)煤炭氣化反應(yīng)速率等的影 響,得到相應(yīng)的煤氣化機(jī)理方程或經(jīng)驗(yàn)公式。在20

18、世紀(jì)7090年代，煤炭氣化反應(yīng)動(dòng)力學(xué)及氣化過(guò)程 模擬研究就得到了較大關(guān)注，美國(guó)、日本及國(guó)內(nèi)煤炭 科學(xué)研究總院、華東理工大學(xué)等在煤炭氣化數(shù)學(xué)模 擬方面做出了大量研究成果，提出的反應(yīng)動(dòng)力學(xué)模 型主要有均相模型HM（體積模型VM） 7-10 !縮核模 型SCM （顆粒模型GM） 11-12 !隨機(jī)孔模型 RPM13-14、混合模型IM15-17等，并通過(guò)數(shù)值模擬獲 得了氣化過(guò)程的優(yōu)化操作條件18，對(duì)不同類型氣化 爐的數(shù)學(xué)模擬情況進(jìn)行了歸納和總結(jié)19-21。作者動(dòng)力學(xué)模型氣化原料氣化劑溫度E壓力/MPaLIU 等 KGM、HM、RPM冶金焦H20924.85-1 099.85加壓 0.1-2.5李偉偉

19、等23VM、SCM、RPM、L-H 方程神木煤H2OCO2 H2600-700加壓3.5帥超等皿SCM、RPM、IM小龍?zhí)逗置?、府谷煙煤和晉城無(wú)煙煤H20799.85-949.85常壓0.1范冬梅等25HM、GCM、IM、MVM神木煤H2OCO2900-1 050一閻琪軒等禎VM、GM、RPM霍林河褐煤、神木煙煤和晉城無(wú)煙煤h2o+h2950加壓 0.1-2.0表1不同氣化條件下的反應(yīng)動(dòng)力學(xué)模型Table 1 Reaction kinetics models under different gasification conditions近年來(lái),在煤炭氣化反應(yīng)中許多學(xué)者通過(guò)對(duì)各 類動(dòng)力學(xué)模型的比

20、較研究，發(fā)現(xiàn)不同煤種、不同氣化 條件下的氣化過(guò)程需要采用不同的氣化動(dòng)力學(xué)模型 來(lái)描述，作者動(dòng)力學(xué)模型氣化原料氣化劑溫度E壓力/MPaLIU 等 KGM、HM、RPM冶金焦H20924.85-1 099.85加壓 0.1-2.5李偉偉等23VM、SCM、RPM、L-H 方程神木煤H2OCO2 H2600-700加壓3.5帥超等皿SCM、RPM、IM小龍?zhí)逗置?、府谷煙煤和晉城無(wú)煙煤H20799.85-949.85常壓0.1范冬梅等25HM、GCM、IM、MVM神木煤H2OCO2900-1 050一閻琪軒等禎VM、GM、RPM霍林河褐煤、神木煙煤和晉城無(wú)煙煤h2o+h2950加壓 0.1-2.0表1

21、不同氣化條件下的反應(yīng)動(dòng)力學(xué)模型Table 1 Reaction kinetics models under different gasification conditions針對(duì)不同煤種和氣化條件，通過(guò)選擇恰當(dāng)?shù)膭?dòng) 力學(xué)模型以及模型參數(shù)，就可以對(duì)氣化反應(yīng)過(guò)程中 碳轉(zhuǎn)化率、反應(yīng)速率等反應(yīng)動(dòng)力學(xué)特性進(jìn)行較好地 描述，進(jìn)而研究分析不同氣化反應(yīng)過(guò)程中的反應(yīng)性 能,為煤氣化工藝的過(guò)程分析研究提供理論基礎(chǔ)和 技術(shù)參考。1.3 CFD模型CFD模型是基于有限元法或者有限體積法求 解氣化爐內(nèi)的質(zhì)量守恒、動(dòng)量守恒、能量守恒等方 程,并可獲取氣化爐內(nèi)溫度、物種濃度和速度等流場(chǎng) 分布特征。該模型主要是研究燃料屬性、

22、顆粒尺寸、 物種濃度、流速、床料、幾何形狀等工藝控制參數(shù)變 化對(duì)氣化過(guò)程的影響誠(chéng)，進(jìn)而探索不同配置和運(yùn)行 條件下氣化爐的優(yōu)化工藝參數(shù)設(shè)置。依據(jù)流體動(dòng)力學(xué)理論，氣化爐的CFD模擬主要 基于歐拉-歐拉方法28_29和歐拉-拉格朗日方 法抑。JEONG等E對(duì)2段商業(yè)氣流床氣化爐，采 用歐拉-拉格朗日方法進(jìn)行了 CFD數(shù)值模擬，在考 慮了原料煤孔隙擴(kuò)散效應(yīng)影響的作用后，采用隨機(jī) 孔模型RPM改進(jìn)了焦炭氣化模型，通過(guò)CFD軟件 Fluent提供的用戶自定義函數(shù)UDF來(lái)計(jì)算氣化反 應(yīng)動(dòng)力學(xué),并預(yù)測(cè)了出氣組分摩爾分?jǐn)?shù)、出氣溫度、 碳轉(zhuǎn)化效率和冷煤氣效率等氣化指標(biāo)，得到了氣化 爐內(nèi)煤氣溫度和組分的流場(chǎng)分布特征

23、。經(jīng)與實(shí)際數(shù) 據(jù)相比，模型預(yù)測(cè)結(jié)果與實(shí)際比較一致。同時(shí)，發(fā)現(xiàn) 當(dāng)煤粒徑為100 /m時(shí)，碳轉(zhuǎn)化效率和冷煤氣效率 最大。HALAMA等E采用歐拉-拉格朗日方法對(duì) 高溫下氣流床氣化爐進(jìn)行三維數(shù)值模擬，采用具有 本征反應(yīng)動(dòng)力學(xué)的；階有效因子法描述了高溫下顆 ?？讛U(kuò)散和邊界層擴(kuò)散的相關(guān)性，認(rèn)為高溫下焦炭 顆粒反應(yīng)不能用隨機(jī)孔模型RPM來(lái)描述，考慮了焦 炭顆粒的表面積、粒徑、密度、孔隙率和平均孔徑，建 立了一個(gè)新的孔結(jié)構(gòu)模型;發(fā)現(xiàn)建立的CFD模型和 試驗(yàn)數(shù)據(jù)具有很好的相關(guān)性，該建模方法適用于預(yù) 測(cè)與壓力和溫度相關(guān)的氣流床氣化爐轉(zhuǎn)化率，并進(jìn) 一步在5 MW西門子試驗(yàn)氣化爐上進(jìn)行模型驗(yàn) 證國(guó)，發(fā)現(xiàn)顆粒有效因

24、子隨著顆粒直徑、顆粒溫度、 顆粒停留時(shí)間有較大變化。PARK等京采用歐拉- 拉格朗日方法建立Shell煤氣化爐的CFD模型，發(fā) 現(xiàn)CFD分析與基于動(dòng)力學(xué)的Aspen Plus模擬結(jié)果 具有良好的一致性，并得到最佳氧煤比和蒸汽煤比 (S/C)。吳玉新等用簡(jiǎn)化的概率密度函數(shù)PDF 模型對(duì)Texaco氣化爐進(jìn)行三維數(shù)值模擬，得到了爐 內(nèi)溫度和氣體組分的流場(chǎng)分布。CFD模型涵蓋的氣化反應(yīng)影響因素比較全面， 包含豐富的物理化學(xué)及工藝因素等相關(guān)氣化信息。 雖然其建模過(guò)程復(fù)雜且計(jì)算量大，但其可以得到比 較直觀和全面地反映氣化過(guò)程的流場(chǎng)分布特征，便 于研究者分析不同運(yùn)行工況下的煤氣化特性，進(jìn)而 實(shí)現(xiàn)對(duì)氣化爐工

25、藝參數(shù)的優(yōu)化。1.4降階模型氣化爐的降階模型ROM主要是基于氣化爐反 應(yīng)器網(wǎng)絡(luò)模型RNM來(lái)實(shí)現(xiàn)的。常通過(guò)氣化爐的 CFD模擬獲得流場(chǎng)結(jié)構(gòu)，再根據(jù)流場(chǎng)結(jié)構(gòu)分析并采 用理想化學(xué)反應(yīng)器來(lái)對(duì)氣化爐的不同流動(dòng)區(qū)域 建模。在穩(wěn)態(tài)建模中，SAHRAEI等眼研究了具有短 停留時(shí)間的氣流床氣化爐降階模型ROM,以CFD 模型為基礎(chǔ)劃分氣化爐流場(chǎng)為射流膨脹區(qū)、外部回 流區(qū)和出口流區(qū)，通過(guò)2個(gè)連續(xù)攪拌釜式反應(yīng)器 CSTR和3個(gè)推流反應(yīng)器PFR構(gòu)建了穩(wěn)態(tài)RNM 其ROM包含干燥、脫揮發(fā)分、化學(xué)反應(yīng)、黏性流體- 固體的相互作用、污染物的形成和反應(yīng)器壁的傳熱 等子模型，發(fā)現(xiàn)在軸向溫度、熱流、轉(zhuǎn)化率和組分等 參數(shù)變化方面，

26、ROM的預(yù)測(cè)與CFD模擬數(shù)據(jù)吻合 得很好，而且極大地減少了計(jì)算成本。在動(dòng)態(tài)建模 中，MONAGHAN等37采用全混流反應(yīng)器WSR和推 流反應(yīng)器PFR構(gòu)成RNM，對(duì)氣流床氣化爐建立了 動(dòng)態(tài)ROM其ROM由原料性質(zhì)、物理熱力學(xué)性質(zhì)、 干燥和熱解、化學(xué)反應(yīng)、流體動(dòng)力學(xué)、傳熱、污染物形 成、爐渣行為、合成氣冷卻等多種子模型組成通過(guò) 用戶自定義開關(guān)設(shè)定來(lái)調(diào)整流向、原料輸送、噴嘴設(shè) 置、氧化劑、階段數(shù)、墻襯和合成氣冷卻等設(shè)計(jì)和操 作特性，具有一定范圍的模擬靈活性；同時(shí)在MHI、 CSIRO、BYU和GE四種氣化爐上進(jìn)行穩(wěn)態(tài)模擬驗(yàn) 證以及GE爐上進(jìn)行敏感性分析，發(fā)現(xiàn)反應(yīng)器尺 寸和質(zhì)量流率、顆粒物理和動(dòng)力學(xué)特

27、性、結(jié)渣是影響 RNM的重要參數(shù)張強(qiáng)等即建立了水煤漿氣化爐 動(dòng)態(tài)RNM,研究了煤漿流量和煤漿濃度大幅降低2 種異常工況下，氣化爐出口合成氣溫度和組成的動(dòng) 態(tài)響應(yīng)過(guò)程,為系統(tǒng)安全運(yùn)行提供了一定參考?xì)?固停留時(shí)間分布是影響氣流床氣化爐出口組成和碳 轉(zhuǎn)化率的關(guān)鍵因素，楊俊宇等耶根據(jù)馬爾科夫鏈隨 機(jī)模型計(jì)算氣固停留時(shí)間分布，結(jié)合未反應(yīng)芯縮核 模型，在流程模擬軟件UniSim中建立了氣流床氣化 爐的通用RNM,得到了最佳氧煤比 ZHANG等41 用CFD-ROM方法對(duì)2段氣流床氣化爐的氣化特性 和污染物排放特性進(jìn)行了研究，發(fā)現(xiàn)ROM可以在 12 min精確再現(xiàn)有效的氣化和排放的工業(yè)數(shù)據(jù), 同時(shí)該模型適用

28、于與工藝流程模擬相集成降階模型和平衡模型的集成，可以深入掌握氣 化爐局部和全局氣化行為，為整個(gè)氣化流程的工程 設(shè)計(jì)和優(yōu)化模擬提供了基礎(chǔ)KONG等以工業(yè) Texaco煤氣化爐為研究對(duì)象，基于氣化爐的CFD流 場(chǎng)結(jié)構(gòu)分析，提出了由3個(gè)WSR和2個(gè)PFR代表 反應(yīng)器的房室模型CM,并結(jié)合反應(yīng)過(guò)程的熱動(dòng)力 學(xué)平衡建立了煤氣化模型發(fā)現(xiàn)該模型在不同操作 條件下預(yù)測(cè)結(jié)果與工業(yè)數(shù)據(jù)吻合良好，并可以提供 氣化溫度分布和產(chǎn)氣組分分布特征;氧碳比ROC對(duì) 氣化溫度和氣化爐的穩(wěn)定運(yùn)行有重要影響，對(duì)于給 定的煤漿濃度，ROC存在使有效氣產(chǎn)量最大和耗氧 量最小的最佳范圍;煤漿濃度應(yīng)盡可能大，以提高產(chǎn) 氣中有效組分的產(chǎn)率降

29、階模型以CFD數(shù)值模擬提供的流場(chǎng)信息進(jìn) 行區(qū)域構(gòu)建和參數(shù)估算，不僅包含氣化過(guò)程幾乎所 有子模型,而且其求解速度較快，可用于氣化爐的動(dòng) 態(tài)模擬或作為獨(dú)立的模塊應(yīng)用到氣化模擬過(guò)程中2氣化建模中的智能化模型煤炭氣化過(guò)程的智能化建模是解決復(fù)雜氣化反 應(yīng)機(jī)理難以準(zhǔn)確描述的重要發(fā)展方向由于上述常 見模型需要掌握氣固兩相復(fù)雜反應(yīng)熱力學(xué)、動(dòng)力學(xué) 和流體力學(xué)等機(jī)理信息才能建立精度較高的模型 因此，一些學(xué)者在對(duì)氣化過(guò)程內(nèi)部機(jī)理只掌握黑箱 或灰箱信息情況下，根據(jù)氣化反應(yīng)過(guò)程中獲取的大 量數(shù)據(jù)，分析研究氣化過(guò)程輸入數(shù)據(jù)和輸出數(shù)據(jù)信 息之間的關(guān)系，采用智能方法建立基于數(shù)據(jù)驅(qū)動(dòng)的 模型，進(jìn)而實(shí)現(xiàn)對(duì)氣化過(guò)程參數(shù)智能化預(yù)測(cè)2

30、.1智能模型的建立在煤炭氣化研究中，常采用自學(xué)習(xí)和函數(shù)擬合 能力較強(qiáng)的誤差反向傳播BP神經(jīng)網(wǎng)絡(luò)和支持向量 機(jī)SVM建立智能模型張曉等以氫碳比、熱解 制焦升溫速率、制焦終溫、揮發(fā)分和氣化反應(yīng)溫度為 影響因素，用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了高溫下煤炭CO2 氣化反應(yīng)速率，發(fā)現(xiàn)L-M( Levengerg-Marquardt)算 法收斂速度更快且誤差精度更小;并在此基礎(chǔ)上進(jìn) 一步建立了混合神經(jīng)網(wǎng)絡(luò)，通過(guò)參數(shù)估計(jì)器來(lái)調(diào)整 BP神經(jīng)網(wǎng)絡(luò)參數(shù)該預(yù)測(cè)模型除預(yù)測(cè)碳轉(zhuǎn)化率外， 還能對(duì)氣化過(guò)程無(wú)法測(cè)得的工藝參數(shù)，如活性的碳 與總碳比值、活性的碳單位質(zhì)量反應(yīng)速率2個(gè)重要 參數(shù)進(jìn)行預(yù)測(cè)W 考慮到BP神經(jīng)網(wǎng)絡(luò)收斂速度 較慢且易陷

31、入局部最優(yōu)，常需要采用改進(jìn)算法以提 高其預(yù)測(cè)性能與BP神經(jīng)網(wǎng)絡(luò)相比，SVM 計(jì)算速度更快，更易跳出局部最優(yōu)ARABLOO 等47采用最小二乘支持向量機(jī)LS-SVM預(yù)測(cè)了煤 氣化過(guò)程的氧蒸汽比，并以此來(lái)平衡氣化過(guò)程中吸 熱和放熱能量，使所需產(chǎn)品產(chǎn)量達(dá)到最大化,模型預(yù) 測(cè)值和實(shí)際值之間的平均絕對(duì)誤差小于1%鐘偉 民等以多噴嘴對(duì)置式水煤漿氣化爐為研究對(duì)象, 采用模糊C均值FCM聚類算法把樣本數(shù)據(jù)集劃分 為多個(gè)類群，再對(duì)各類群采用LS-SVM分別建立了 相應(yīng)的子模型，按照多模型切換策略得到了氣化爐 溫度預(yù)測(cè)模型，解決了以往單一測(cè)量模型難以滿足 工業(yè)生產(chǎn)對(duì)模型性能的要求由于影響氣化過(guò)程的因素較多，因此采

32、用主成 分分析法PCA來(lái)消除變量之間的線性相關(guān)性,降低 模型輸入空間的維度，達(dá)到簡(jiǎn)化模型構(gòu)建的目 的49-50 文獻(xiàn)49研究了印度高灰分煤在處理量 為1020 kg/h的中試規(guī)模流化床氣化爐FBCG中 的氣化性能,當(dāng)采用PCA方法后，將煤的燃料比、灰 分、比表面積、活化能、給煤量、氣化爐床層溫度、排 灰量和空煤比等八維輸入變量減少到三維，再通過(guò) 遺傳規(guī)劃GP和多層感知器神經(jīng)網(wǎng)絡(luò)MLPNN,實(shí)現(xiàn) 了對(duì)煤氣化過(guò)程的CO + H2產(chǎn)生速率、合成氣產(chǎn)率、 碳轉(zhuǎn)化率、合成氣熱值等氣化性能進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn) 2種方法都具有較好的預(yù)測(cè)精度和泛化能力，訓(xùn)練 和測(cè)試數(shù)據(jù)集的相關(guān)系數(shù)在0.920- 0. 996；與

33、 MLPNN相比,GP不需要對(duì)數(shù)學(xué)模型的結(jié)構(gòu)形式作 任何假設(shè)，可以通過(guò)可變的分層結(jié)構(gòu)自動(dòng)獲得特定 過(guò)程適當(dāng)?shù)木€性或非線性模型，更易于實(shí)際應(yīng)用;通 過(guò)敏感性分析發(fā)現(xiàn)空煤比、氣化爐床層溫度、排灰量 和給煤量對(duì)氣化爐性能有顯著影響，而煤的基本性 質(zhì)如燃料比、灰分、比表面積、氣化活化能影響相對(duì) 較小煤炭氣化智能建模方法歸納總結(jié)見表2 2.2智能模型的優(yōu)化傳統(tǒng)算法在智能模型優(yōu)化時(shí)很可能陷入局部最 優(yōu)或無(wú)法求解的狀態(tài)因此,考慮到智能優(yōu)化方法 在求解復(fù)雜、非線性、強(qiáng)耦合優(yōu)化問(wèn)題上的優(yōu)勢(shì)，一 些研究者把粒子群優(yōu)化PSO算法、遺傳算法GA等 智能優(yōu)化算法引入到煤炭氣化模型構(gòu)建與優(yōu)化中， 以提高模型的性能LI等4

34、5在中試規(guī)模加壓灰熔聚流化床氣化爐 研究中，采用粒子群優(yōu)化PSO算法對(duì)BP神經(jīng)網(wǎng)絡(luò) 參數(shù)進(jìn)行優(yōu)化,從而提高了氣體組成、氣體產(chǎn)率、低 熱值和氣化溫度的預(yù)測(cè)精度LIU等46根據(jù)改進(jìn) UGI型氣化爐煤氣化過(guò)程特點(diǎn)，在BP神經(jīng)網(wǎng)絡(luò)中 融入遺傳算法GA來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù), 建立具有鏈路開關(guān)的增強(qiáng)遺傳BP神經(jīng)網(wǎng)絡(luò)(EGA- BPNN-LS)模型，解決了氣化過(guò)程中粗煤氣溫度難 以在線測(cè)量問(wèn)題雖然該模型運(yùn)行時(shí)間比BPNN略長(zhǎng),但其預(yù)測(cè)精度在原有基礎(chǔ)上提高了 17%20% , 因此，與預(yù)測(cè)精度相比,運(yùn)行時(shí)間延長(zhǎng)在工業(yè)上完全 可以忽略。采用智能方法對(duì)煤炭氣化反應(yīng)過(guò)程的建模，可 在一定程度上避開機(jī)理模型的復(fù)

35、雜性。通過(guò)生產(chǎn)樣 本數(shù)據(jù)的合理選取、模型構(gòu)建及參數(shù)優(yōu)化算法等方 面來(lái)提高智能模型的精度和計(jì)算效率，可實(shí)現(xiàn)對(duì)氣 化反應(yīng)過(guò)程性能參數(shù)的有效預(yù)測(cè)。表2煤炭氣化建模中智能方法應(yīng)用Table 2 Application of intelligent methods in coal gasification modeling作者模型類別優(yōu)化算法研究問(wèn)題研究結(jié)果張曉等43BP神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)BP,動(dòng)量 項(xiàng)BP,L-M算法氣流床煤炭高溫CO?氣 化反應(yīng)速率H/C是重要的影響因素，L-M算 法最好，建立了單煤種四因子和雙 煤種五因子的預(yù)測(cè)模型吳詩(shī)勇等4們混合神經(jīng)網(wǎng)絡(luò)BP氣流床煤炭氣化過(guò)程預(yù)測(cè)了碳轉(zhuǎn)化率、活性的碳與總

36、碳 比值、活性的碳單位質(zhì)量反應(yīng)速率LI等山BP神經(jīng)網(wǎng)絡(luò)PSO中試規(guī)模加壓灰熔聚流 化床氣化提高預(yù)測(cè)氣化性能的精度,分析了 氧煤比和蒸汽煤比的影響LIU 等ARABLOO 等47EGA-BPNN-LSLS-SVMEGA,L-M耦合模擬退火CSA聯(lián)合氣化改進(jìn)型氣化爐煤氣化過(guò)程煤氣化過(guò)程氧蒸汽比實(shí)現(xiàn)了粗煤氣溫度在線測(cè)量預(yù)測(cè)了最大產(chǎn)率下的氧蒸汽比,分 析溫度和壓力對(duì)氧蒸汽比的影響鐘偉民等4幻多個(gè)LS-SVMFCM多噴嘴對(duì)置式水煤漿氣 化爐溫度測(cè)量軟測(cè)量模型在預(yù)測(cè)精度和模型泛 化能力方面均有較好的性能PATIL-SHINDE 等山刃GP,MLPNNPCA,BP中試規(guī)模流化床氣化爐 氣化性能預(yù)測(cè)了氣化性能

37、,GP更適合實(shí)際應(yīng)用，進(jìn)行了敏感性分析PATIL-SHINDE 等基于縮核模型的GP, 8 -SVR,MLPNNPCA,BPTGA中高灰分焦炭C02 氣化性能預(yù)測(cè)了氣化速率常數(shù)和反應(yīng)指數(shù)， 基于CI的模型都具有良好的預(yù)測(cè) 精度和泛化能力QIAN等RPMPSO工業(yè)Texaco氣流床煤氣 化爐氣化性能得到溫度和產(chǎn)物濃度分布,分析了 氧煤比和煤漿濃度對(duì)氣化爐性能 的影響張宇等52基于Aspen Plus的冷煤氣效 率和有效氣產(chǎn)率最大化模型NSES煤氣化過(guò)程優(yōu)化得到多目標(biāo)條件下氧煤比、水煤 比、氣化壓力的最優(yōu)值NR 等 33基于 Aspen Plus 的 RNMDFOA,jDE,CLPSO,GL-25

38、Texaco氣化爐煤氣化過(guò) 程優(yōu)化獲得有效氣產(chǎn)率最大時(shí)的氧煤比 和水煤漿濃度孫漾等IE基于BP神經(jīng)網(wǎng)絡(luò)的有效氣產(chǎn) 率最大的操作優(yōu)化模型MCCDE工業(yè)Texaco氣化爐生產(chǎn)合成氣過(guò)程優(yōu)化預(yù)測(cè)了出口氣體流量和有效氣含 量，得到有效氣產(chǎn)率最大時(shí)的入爐 氧氣流量預(yù)測(cè)了出口氣體流量和有效氣含基于BP神經(jīng)網(wǎng)絡(luò)的有效氣產(chǎn)PCA, 3LM-CDE,工業(yè)Texaco氣化爐生產(chǎn)量，得到有效氣體產(chǎn)率最大時(shí)的入CAO等癸率最大的操作優(yōu)化模型3LM-CGA,3LM-CPSO合成氣過(guò)程優(yōu)化口總氧氣流量、入口中部氧氣流 量、急冷水的入口流量3結(jié)合機(jī)理信息的智能化模型由于機(jī)理信息能更真實(shí)地揭示氣化反應(yīng)的本質(zhì) 特征，在煤炭氣化

39、過(guò)程研究中把智能方法與機(jī)理模 型有機(jī)地結(jié)合起來(lái)進(jìn)行氣化模型構(gòu)建，既可以提高 模型預(yù)測(cè)精度又可以使模型預(yù)測(cè)更符合實(shí)際反應(yīng) 特性。以往研究者采用典型非智能方法所獲得的動(dòng)力 學(xué)模型參數(shù)由于煤種和煤氣化條件的差異性，并不 能有效地適用于實(shí)際生產(chǎn)，因此需要校正如指前因 子、活化能等動(dòng)力學(xué)參數(shù)。由于氣化模型屬于非線 性，最佳反應(yīng)速率參數(shù)的獲得比較困難，在工業(yè) Texaco氣流床煤氣化爐研究中，QIAN等引入粒 子群優(yōu)化PSO算法優(yōu)化隨機(jī)孔模型RPM動(dòng)力學(xué)參 數(shù),建立了簡(jiǎn)化的一維工業(yè)氣化爐模型，獲得了沿反 應(yīng)器軸向的溫度和產(chǎn)物濃度分布規(guī)律。發(fā)現(xiàn)優(yōu)化后 的模型輸出和工業(yè)數(shù)據(jù)之間具有一致性。在文獻(xiàn) 49 基礎(chǔ)上

40、,PATIL-SHINDE等50基于收縮未反應(yīng) 核模型，以高灰分印度煤與CO2氣化反應(yīng)搜集到的 試驗(yàn)數(shù)據(jù)作為樣本,采用遺傳規(guī)劃GP、多層感知器 神經(jīng)網(wǎng)絡(luò)MLPNN、5不敏感損失函數(shù)支持向量回歸 s-SVR三種計(jì)算智能CI方法分別建立預(yù)測(cè)模型， 有效地預(yù)測(cè)了高灰分煤氣化的反應(yīng)速率常數(shù)和反應(yīng) 指數(shù)。發(fā)現(xiàn)3種智能模型都具有良好的預(yù)測(cè)精度和 泛化能力，訓(xùn)練集和測(cè)試集的相關(guān)系數(shù)均在0.961 以上。雖然MLPNN在預(yù)測(cè)反應(yīng)速率常數(shù)和SVR在 預(yù)測(cè)反應(yīng)性指數(shù)上具有更高的精度和更好的泛化能 力,但基于GP的模型更簡(jiǎn)單且具有較低的復(fù)雜性， 因此更易于應(yīng)用。此研究的一個(gè)顯著特點(diǎn)是把機(jī)理 現(xiàn)象和基于數(shù)據(jù)驅(qū)動(dòng)模型融

41、合起來(lái)，建立了重要?jiǎng)?力學(xué)參數(shù)的綜合預(yù)測(cè)模型，適用于高灰分煤固定床 和流化床氣化爐的設(shè)計(jì)和操作。智能模型與機(jī)理模型相結(jié)合，既充分體現(xiàn)了氣 化反應(yīng)的機(jī)理信息，又融入了智能方法進(jìn)行優(yōu)化，可 以對(duì)煤氣化過(guò)程進(jìn)行更有效的數(shù)學(xué)模擬，因而在實(shí) 際應(yīng)用中得到越來(lái)越多的關(guān)注。4氣化過(guò)程的目標(biāo)優(yōu)化建立煤炭氣化反應(yīng)過(guò)程的數(shù)學(xué)模型，其最終目 標(biāo)是實(shí)現(xiàn)整個(gè)氣化過(guò)程性能指標(biāo)的優(yōu)化設(shè)計(jì)，達(dá)到 最大化挖掘和提升氣化裝置生產(chǎn)潛能的目標(biāo)，如有 效氣產(chǎn)率最大是較常見的優(yōu)化目標(biāo)。為了實(shí)現(xiàn)氣化 過(guò)程性能指標(biāo)的最優(yōu)化，改變以往操作人員根據(jù)自 身經(jīng)驗(yàn)進(jìn)行操作參數(shù)調(diào)節(jié)的狀況，除了構(gòu)造性能指 標(biāo)目標(biāo)優(yōu)化的數(shù)學(xué)模型外，關(guān)鍵在于構(gòu)造求解精度 高

42、且計(jì)算速度快的優(yōu)化算法，進(jìn)而得到給定氣化反 應(yīng)條件下實(shí)現(xiàn)目標(biāo)最優(yōu)化的操作工況，以滿足企業(yè) 生產(chǎn)的目標(biāo)需求。4.1優(yōu)化算法針對(duì)Texaco氣化爐，為提高其水煤漿氣化合成 氣（CO+玦）產(chǎn)率,孫漾等E采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè) 了氣化爐進(jìn)料與出爐合成氣流量和有效氣含量之間 的數(shù)學(xué)關(guān)系，然后根據(jù)預(yù)測(cè)參數(shù)值構(gòu)造了有效氣產(chǎn) 率最大化的Texaco氣化爐操作優(yōu)化模型，再將差分 進(jìn)化算法DE、文化算法CA和協(xié)同進(jìn)化算法CE進(jìn) 行改進(jìn)和結(jié)合，提出了一種多種群競(jìng)爭(zhēng)型協(xié)同文化 差分進(jìn)化算法MCCDE，結(jié)合工業(yè)實(shí)際運(yùn)行數(shù)據(jù)，根 據(jù)優(yōu)化結(jié)果來(lái)調(diào)整操作條件，使氣化爐的有效氣產(chǎn) 量平均提高6.86%; CAO等匡把標(biāo)準(zhǔn)差分進(jìn)化

43、算法 DE、遺傳算法GA和粒子群優(yōu)化算法PSO分別融入 到文化算法CA中，構(gòu)建3層混合文化進(jìn)化算法框 架 3LM-CDE、3LM-CGA 和 3LM-CPSO,然后再基 于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的有效產(chǎn)氣情況，對(duì)實(shí)際生產(chǎn) 中有效氣產(chǎn)率最大時(shí)Texaco氣化爐的優(yōu)化模型進(jìn) 行求解，發(fā)現(xiàn)3種混合算法均優(yōu)于各自的標(biāo)準(zhǔn)算法， 且3LM-CDE算法對(duì)氣化過(guò)程的預(yù)測(cè)性能最好。4.2 基于Aspen Plus的優(yōu)化Aspen Plus軟件具有模擬性強(qiáng)、效率高的特點(diǎn)， 現(xiàn)已被廣泛應(yīng)用于煤炭氣化過(guò)程的模擬中。通過(guò)軟 件配置的化學(xué)計(jì)量反應(yīng)器RStoic、產(chǎn)率反應(yīng)器 RYield、平衡反應(yīng)器REquil和吉布斯反應(yīng)器RG

44、ibbs 等功能模塊，由氣化工藝流程可以很方便建立固定 床56-57、流化床58-59、氣流床60-62煤氣化反應(yīng)熱力 學(xué)平衡模型，其中文獻(xiàn)61-62通過(guò)實(shí)踐驗(yàn)證發(fā)現(xiàn) 所建立的氣化模型能較好地模擬實(shí)際工業(yè)氣化過(guò) 程。表3列出了 GSP、GE及四噴嘴對(duì)置水煤漿氣化 爐模擬結(jié)果與實(shí)際工業(yè)生產(chǎn)數(shù)據(jù)的對(duì)比62，從數(shù)據(jù) 看3種氣化爐有效氣體積分?jǐn)?shù)模擬誤差不超過(guò) 1.5%，可見該模型可以用于上述氣化爐氣化過(guò)程的 模擬表3 GSP煤粉氣化爐、GE水煤漿氣化爐及四噴嘴對(duì)置式水煤漿氣化爐模擬結(jié)果驗(yàn)證皿Table 3 Validation of simulation results of GSP pulverized coal gasifier、GE coal-water slurry gasifier and opposed multip