花生壳超临界水气化制氢的实验研究与机器学习预测

《International Journal of Hydrogen Energy》:Experimental study and machine learning prediction of hydrogen production from supercritical water gasification of peanut shells

【字体: 大 中 小 】 时间:2026年07月12日 来源:International Journal of Hydrogen Energy 9.2

编辑推荐:

  Linqing Mao|Le Wang|Bingbing Liu|Zhiyong Peng|Lei Yi|Bin Chen|Hui Jin中国江西省赣州市江西科技学院江西省颗粒技术重点实验室,邮编341000摘要花生壳是全球范围内极为丰富的农业废弃物,其开发利用值得进一步研究。超

  
Linqing Mao|Le Wang|Bingbing Liu|Zhiyong Peng|Lei Yi|Bin Chen|Hui Jin
中国江西省赣州市江西科技学院江西省颗粒技术重点实验室,邮编341000

摘要

花生壳是全球范围内极为丰富的农业废弃物,其开发利用值得进一步研究。超临界水气化技术为将花生壳转化为富含氢气的燃料气体提供了一种极具前景的方法,有助于实现可持续能源转型与气候缓解。本研究在石英管反应器中开展花生壳的超临界水气化实验,实验温度为560-680°C,停留时间为5-20分钟,进料浓度为3-12%(质量分数)。在620°C、停留时间20分钟、进料浓度3%的情况下,花生壳的碳气化效率可达90.35%,氢气化效率则为95.25%。通过GC-MS分析,液体产物中的有机中间体主要为单环芳香烃、酚类及多环芳香烃。为提升预测能力,本研究结合实验数据及相关文献,采用了梯度提升回归和极端梯度提升两种机器学习模型进行训练。结果显示XGB模型的性能优于GBR,其在训练集和测试集上的R2值分别达到0.94和0.91。本研究通过实验与机器学习相结合的方式,系统分析了花生壳在超临界水中的气化行为,为工艺优化及规模化生产提供了参考。

引言

随着全球气候变暖和能源危机的日益严重,各国都在积极研究可再生能源的利用[1]。生物质作为一种无污染的清洁能源已被广泛认可,但目前仍未能得到充分开发。花生壳作为生物质的一种,是大量未被充分利用的农业废弃物。花生是全球第二大油料作物,仅次于大豆,同时也是重要的零食和蛋白质来源。值得注意的是,花生壳约占花生果总重量的20%[2]。中国是全球最大的花生生产国,2024年的年产量为1898.3万吨,占全球花生总产量的38%(FAO数据),这意味着中国每年产生的花生壳量约为379.66万吨[3]。
传统上,花生壳被视为农业废弃物,通常通过焚烧或填埋的方式处理[4]。这些传统处理方式不仅浪费了宝贵的生物质资源,还会带来严重的环境问题,如燃烧过程中产生的颗粒物和有害气体导致的空气污染,以及填埋场带来的地下水污染和温室气体排放。在能源领域,目前可通过热解技术将花生壳转化为高品位能源[5,6],它还可以作为热能存储的新型复合相变材料[7],或是用于生物乙醇生产的微生物发酵原料[2]。然而,热解过程需要大量能量[8],新型材料的开发往往需要在苛刻的条件下进行[9],而液化方法在如此恶劣的条件下反应效果不佳[10]。因此,人们一直在寻求更有效的途径来实现花生壳的高价值利用。
超临界水气化技术是一种将生物质及其他有机废弃物转化为富含氢气的气体的热化学转化技术[11]。在临界点(374°C和22.1 MPa)以上,超临界水具有独特的物理化学性质,如较高的扩散性以及较强的有机物溶解能力[12]。在超临界水气化过程中,有机物会通过水解、蒸汽重整、甲烷化、水煤气变换等一系列反应[13][14][15][16]分解为H?、CH?、CO和CO?等气体产物[17]。超临界水的高扩散性和可调控的溶解特性有助于有机中间体与反应介质充分接触,从而促进生物质衍生物的转化[18]。大量研究表明,多种生物质都可以通过超临界水气化转化为富含氢气的气体,比如大豆茎秆[19]、小麦秸秆[20]、木屑[21]等。
已有研究对花生壳在超临界水中的气化行为进行了实验探讨,并研究了均匀催化剂对气化过程的影响[22,23]。花生壳中含有较高的木质素,因此在热化学转化过程中可能会形成酚类和芳香族中间体,这些中间体最终会转化为炭[24]。因此,了解花生壳在超临界水气化过程中的中间体行为,对于评估其作为富含氢气气体生产原料的潜力具有重要意义。不过,目前相关研究多集中在模型化合物上,针对花生壳实际气化机制的研究相对较少。
随着计算机科学的快速发展,研究人员越来越多地将超临界水气化反应与计算机模拟相结合,以此降低实验成本并优化反应流程。机器学习模型作为一种预测技术,操作更为简便,预测精度可超过90%。赵某[25]构建了四种用于生物质超临界水气化的机器学习模型,结果表明随机森林模型的性能优于高斯过程回归、人工神经网络和支持向量机,其R2值为0.9782。刘某[26]运用机器学习技术预测煤炭超临界水气化过程中的气体生成情况,得出的性能排序为:梯度提升回归>随机森林>支持向量回归>决策树>人工神经网络>AdaBoost回归。此外,白某[27]通过实验确定了秸秆超临界水气化的最佳操作条件为600°C、50%的进料浓度以及15分钟的停留时间,此时气体的低热值可达38 MJ/Nm3,该研究也采用了机器学习技术。
因此,本研究同时采用了实验方法和机器学习方法来分析花生壳超临界水气化过程中的气化机制并预测气体产量。本研究的目标如下:(1)在石英管间歇反应器中,通过实验探究温度、停留时间和进料浓度对花生壳超临界水气化过程中气体产量、碳气化效率、氢气化效率以及气体成分的影响;(2)通过GC-MS分析主要的液相中间体,为揭示可能的转化路径提供依据;(3)构建并评估梯度提升回归和极端梯度提升模型,用于预测H?、CH?、CO和CO?的产量。

章节节选

材料

不同种类的生物质具有不同的木质纤维素组成。本研究中用于超临界水气化实验的花生壳取自江西省南昌市农村地区加工的花生果壳。花生壳的主要成分是纤维素、半纤维素和木质素,三者比例约为5:2:3,其木质素含量相比水稻和小麦秸秆要高。木质素是由多种物质聚合而成的三维结构

气相分析

在花生壳的超临界水气化过程中,进料浓度设置在3%到12%之间,反应时间则在5到20分钟不等,反应温度为560°C到680°C。温度、反应时间和进料浓度被认为是影响气化过程中气体生成量的关键因素[37]。在本研究中,压力是在密封的石英管反应器中自然产生的,没有进行独立控制。

结论

本研究以花生壳为原料,在石英管反应器中探讨了其在超临界水气化条件下的富氢气体生成情况。通过机器学习模型预测了不同实验条件下的气体产量,为确定最优参数组合提供了依据。主要结论如下:
  • 1.
    根据实验结果,提高温度、延长反应时间以及降低

CRediT作者贡献说明

Linqing Mao:论文撰写——初稿撰写,论文撰写——审阅与编辑。Le Wang:论文撰写——审阅与编辑。Bingbing Liu:资源协调。Zhiyong Peng:实验研究。Lei Yi:资金筹措,方法设计。Bin Chen:方法设计。Hui Jin:资源协调。

利益冲突声明

本研究不存在任何需要声明的利益冲突。

致谢

本研究得到了江西科技学院(项目编号:205200100681)、江西省教育厅的科技项目(项目编号:GJJ2500705)、江西省颗粒技术重点实验室(项目编号:2024KLJSSZ02)以及国家自然科学基金(项目编号:52206202)的资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号