基于蓄热式固定床气化装置的木质生物质固废气化CFD模拟
孙泽芃1,2, 顾菁2, 王亚琢2, 刘泽健2, 袁浩然2,
1.中国科学技术大学 热科学和能源工程系,合肥 230026
2.中国科学院广州能源研究所,广州 510640
† 通信作者:袁浩然,E-mail:yuanhr@ms.giec.ac.cn

作者简介:孙泽芃(1997-),男,硕士研究生,主要从事固废气化 CFD数值模拟研究。袁浩然(1981-),男,博士,研究员,博士生导师,主要从事有机固废能源化与资源化高效清洁利用基础理论及技术开发研究。

摘要

基于计算流体力学-稠密离散相模型,建立新型蓄热式气化装置的数值模拟模型,根据上吸式固定床气化特性优化了前处理设置,研究不同过量空气系数下炉内流体流速、压力、温度与组分的分布,分析炉内各组分质量分数在不同时刻及过量空气系数下的分布及演化规律。研究表明,颗粒床层为影响流体流速、压降的主要因素,流体流经床层产生了50 ~ 75 Pa的压降。炉内温度场呈现明显的干燥-热解-还原氧化分区,各工况的温度曲线几乎重叠,大致存在4个拐点。在低过量空气系数区间,气化剂流率的提升对燃气组分影响不大。气化装置的设计有利于提升燃气中H2的质量分数及CO/CO2的质量分数之比,有效提升了燃气热值。

关键词: 上吸式固定床; 稠密离散相模型; 过量空气系数; 物理量分布
中图分类号:TK175 文献标识码:A 文章编号:2095-560X(2024)05-0520-12
CFD Simulation of Woody Biomass Solid Waste Gasification Based on Thermal Energy Storage Fixed Bed Gasification Device
SUN Zepeng1,2, GU Jing2, WANG Yazhuo2, LIU Zejian2, YUAN Haoran2,
1. Department of Thermal Science and Energy Engineering, University of Science and Technology of China, Hefei 230026, China
2. Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China
Abstract

Based on the computational fluid dynamics dense discrete phase model, a numerical simulation model for a new thermal energy storage gasification device was established. The pre-treatment settings were optimized based on the gasification characteristics of an updraft fixed bed, and the distribution of fluid velocity, pressure, temperature and species in the furnace under different excess air coefficients was studied. The distribution and evolution law of the mass fractions of each species in the furnace at different times and under different excess air coefficients were analyzed. Research has shown that the particle bed is the main factor affecting fluid velocity and pressure drop, and gas flow through the bed generates a pressure drop of 50-75 Pa. The temperature field in the furnace presents an obvious drying-pyrolysis-reduction oxidation zone, and the temperature curves under various working conditions almost overlap, with approximately four inflection points. In the low excess air coefficient range, the increase in gasification agent flow rate has little effect on the species of gases. The design of the gasification device is conducive to improving the mass fraction of H2 and the ratio of CO/CO2 in the gas, effectively enhancing the calorific value of the gas.

Key words: updraft fixed bed; dense discrete phase model; excess air coefficient; physical quantity distribution
0 引言

固废的有效利用是解决当今世界能源问题的关键, 气化技术能够有效回收固废中的废弃物质资源, 同时具有节约能量、减少碳排放以及对环境友好等优势, 在固废处理领域得到了广泛应用。气化装置是影响气化效果的主要因素, 常用的气化装置有流化床、固定床、气流床及回转窑等[1, 2, 3, 4, 5], 其中固定床具有成本低廉、结构简单、操作简易、方便调节运行工况、原料适应性强及易于分布式建设等优良特性[6, 7, 8, 9, 10, 11], 具有较高的研究价值。然而, 当前对于固定床气化相关的数值模拟研究存在较大空白。一些典型的固定床气化数值模拟工作见表1

表1 典型固定床气化数值模拟研究 Table 1 Numerical simulation studies on typical fixed bed gasification

目前只有少数研究直接在三维尺度上模拟固定床整体物理场气化, 大多数研究仅限于二维尺度且对气化过程进行了较大简化。同时, 现有研究使用较多的双流体模型(two fluid model, TFM)和离散相模型(discrete phase model, DPM)等方法采用了大量建模假设, TFM方法将离散相视为拟流体, 无法考察单个颗粒的运动与参与化学反应的过程; DPM方法将离散相视为质点, 无法实现固废颗粒的有效堆积, 两者均具有较大局限性。因此, 利用新方法建立适合固定床气化的三维计算流体力学(computational fluid dynamics, CFD)数值模型, 对于完善数值模拟方法在固定床气化方面的应用以及对新型气化反应器的改进与优化十分关键。

针对以上研究内容存在的不足, 本研究创新地采用计算流体力学-稠密离散相模型(computational fluid dynamics-dense discrete phase model, CFD-DDPM)与相关气化计算模型相耦合, 设计颗粒堆料模拟固定床气化的方法, 在三维尺度上对一种自主设计的新型蓄热式固定床气化装置中的木质生物质类型固废气化过程进行模拟计算, 解决以往研究中数值计算模型难以全面考察固废气化过程以及模拟尺度存在局限的问题。在前期研究[17]的基础上对前处理设置进行了改进, 成功复现了气化过程中的准稳态阶段, 实现了对气化过程关键阶段的模拟计算, 对新型气化装置的运行进行了合理分析, 丰富了固定床气化领域数值模拟计算的方法。

1 数值计算模型
1.1 气化装置结构

气化装置主要由气化炉、蓄热系统和供风系统组成。气化炉形制为上吸式, 炉体呈圆柱形, 内径150 mm, 高约1 000 mm, 包括上料斗、进料螺旋、燃气出口、宝塔式炉排、灰室。上料斗位于炉体顶端, 燃气出口位于炉体顶部侧面, 炉排与灰室位于炉体底部; 蓄热系统包括位于气化炉下部的环形蓄热腔室, 腔室内填充有蓄热材料; 供风系统包括鼓风机和位于环形蓄热腔室内的供风盘管; 其余已配备的辅助构件包括输运气体所需的管路, 监测气化炉内以及管路关键节点处温度与压力的热电偶、压力计, 风机、流量计、小型燃烧室、电箱和控制终端等, 气化装置示意图如图1所示。

图1 气化装置示意图:(a)整体系统; (b)气化炉Fig. 1 Gasification device schematic diagram: (a) whole system; (b) gasifier

本装置应用了蓄热技术[18, 19], 在炉下方化学反应剧烈、温度较高的氧化还原区外部增设蓄热腔室, 内部填充蓄热材料(实验中使用直径约2 mm的钢球)使其与炉内气化过程进行能量传递, 吸收、储存与释放炉内产生的热量, 稳定炉内温度场, 进而维持反应过程稳定。工作原理如图2所示。

图2 气化装置工作原理:(a)工作流程; (b)蓄热部分反馈-控温环节Fig. 2 Working principle of gasification device: (a) flow chart; (b) thermal energy storage feedback-temperature control link

对于该气化装置的实验和已进行过的部分数值模拟工作, 前期研究[17]已阐明, 并通过模拟结果与实验的对比证明了本研究中所用模拟方法的准确性, 其内容在本研究中不再赘述。本文采用的固废原料为木质生物质, 由林业固废压缩成型制成, 呈圆柱形, 直径5 ~ 7 mm, 高为直径的3 ~ 5倍, 其工业分析与元素分析结果见表2

表2 木质生物质固废原料工业分析和元素分析 Table 2 Industry analysis and elemental analysis of woody biomass solid waste raw material

原料灰分极少, 模拟中将不考虑灰分的影响; 元素分析测得原料中N含量仅为0.02%, 可忽略不计, 即认为原料中只含C、H、O(其中O含量为45.65%)三种元素。则本固废原料完全燃烧的原料质量与所需气化剂(空气)质量比为1∶ 6.34。本装置设计原料处理量为3 ~ 5 kg/h, 本研究取3.6 kg/h, 即0.001 kg/s, 相应的过量空气系数对应的气化剂流率依此算出。

1.2 数学模型

1.2.1 网格划分

采用CFD-DDPM模型将气化炉几何模型简化为一圆柱形筒体, 采用结构化网格对气化炉进行网格划分, 在保留气化炉重要几何特征的同时规避了网格质量差的风险。

炉体上部设置一扇形合成气压力出口, 炉底为气化剂质量流量入口, 炉膛底部(0.126 m)至约0.4 m处外壁设置为蓄热壁面。为验证研究中所用网格在数值计算中的准确性和精确性, 进行了网格数量敏感性分析。将气化炉分为三个不同尺寸的网格(小尺寸网格数为360 000, 中等尺寸网格数为155 100, 大尺寸网格数为32 967), 计算流速随炉膛高度的变化, 结果如图3所示, 三套网格的流速几乎保持不变, 证明了网格划分的合理性。本研究选择尺寸最大的网格进行计算。

图3 不同尺寸网格中流体流度随装置高度的变化Fig. 3 The variation of fluid velocity with device height in meshes of different sizes

网格模型总计32 967个网格, 35 608个节点, 101 340个网格面, 最小网格质量0.84, 远大于网格质量的最小阈值(0.3左右), 可以很好地完成气化过程的计算。气化炉网格划分如图4所示, 网格尺寸在5 ~ 15 mm左右。

图4 气化炉网格划分:(a)整体划分; (b)局部划分Fig. 4 Gasifier meshing: (a) global meshing; (b) local meshing

1.2.2 连续相数学模型

(1)质量守恒

$\frac{\partial }{\partial t}\left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}} \right)+\nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{{\vec{u}}}_{\text{f}}} \right)={{S}_{\text{m}}}$ (1)

式中:t为时间, s; ε f为流体体积分数; ρ f为流体密度, kg/m3; ${{\vec{u}}_{\text{f}}}$为流体速度, m/s; Sm为流体与颗粒间的质量传递速率, kg∙ m-3∙ s-1

(2)动量守恒

$\begin{align} & \frac{\partial }{\partial t}\left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{{\vec{u}}}_{\text{f}}} \right)+\nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{{\vec{u}}}_{\text{f}}}{{{\vec{u}}}_{\text{f}}} \right)=-{{\varepsilon }_{\text{f}}}\nabla p+ \\ & \nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{{\bar{\bar{\tau }}}}_{\text{f}}} \right)+{{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}\vec{g}+{{K}_{\text{sf}}}\left( {{{\vec{u}}}_{\text{s}}}-{{{\vec{u}}}_{\text{f}}} \right)+{{S}_{\text{mom}}} \\ \end{align}$ (2)

式中:p为流体压力, Pa; ${{\bar{\bar{\tau }}}_{\text{f}}}$为偏应力张量, kg∙ m-1∙ s-2; $\vec{g}$为重力加速度, m/s2; Ksf为流体与颗粒间相互作用的曳力系数, kg∙ m-3∙ s-1; ${{\vec{u}}_{\text{s}}}$为颗粒速度, m/s; Smom为包含颗粒与流体相互传递质量造成的动量改变, kg∙ m-2∙ s-2

(3)能量方程

$\begin{align} & \frac{\partial }{\partial t}\left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{H}_{\text{f}}} \right)+\nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{{\vec{u}}}_{\text{f}}}{{H}_{\text{f}}} \right)={{\varepsilon }_{\text{f}}}\frac{\partial p}{\partial t}+{{{\bar{\bar{\tau }}}}_{\text{f}}}:\nabla {{{\vec{u}}}_{\text{f}}}+ \\ & \ \ \ \ \ \ \nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\lambda }_{\text{f}}}\nabla {{T}_{\text{f}}} \right)+\underset{i=1}{\overset{m}{\mathop \sum }}\, \left[ {{h}_{\text{f, }}}_{i}{{A}_{\text{s}}}\left( {{T}_{\text{s}}}-{{T}_{\text{f}}} \right) \right]+{{S}_{\text{en}}} \\ \end{align}$ (3)

式中:Hf为流体的焓, kJ/kg; λ f为导热系数, kJ∙ m-2∙ K-1∙ s-1; hf, i为颗粒与流体组分i间的传热系数, kJ∙ m-5∙ K-1∙ s-1; As为颗粒表面积, m2; Ts为颗粒温度, K; Tf为流体温度, K; Sen为流体中由于化学反应及辐射产生或吸收的热量, kJ∙ m-3∙ s-1

(4)组分输运方程:

$\begin{align} & \frac{\partial }{\partial t}\left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{Y}_{j}} \right)+\nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{{\vec{u}}}_{\text{f}}}{{Y}_{j}} \right)= \\ & \nabla \cdot \left( {{\varepsilon }_{\text{f}}}{{\rho }_{\text{f}}}{{D}_{\text{eff, f}}}\nabla {{Y}_{j}} \right)+{{S}_{j\text{, hom}}}+{{S}_{j\text{, hete}}} \\ \end{align}$ (4)

式中:Yj为流体中组分j的质量分数; Deff, f为质量扩散系数; Sj, hom为组分j均相反应的组分质量交换, kg∙ m-3∙ s-1; Sj, hete为组分j异相反应的组分质量交换, kg∙ m-3∙ s-1

1.2.3 离散相数学模型

动量守恒

${{m}_{\text{s}}}\frac{\text{d}{{{\vec{u}}}_{\text{s}}}}{\text{d}t}={{m}_{\text{s}}}\vec{g}+{{V}_{\text{s}}}{{K}_{\text{fs}}}\left( {{{\vec{u}}}_{\text{f}}}-{{{\vec{u}}}_{\text{s}}} \right)+{{\vec{F}}_{\text{s}}}+{{\vec{F}}_{\text{other}}}$ (5)

式中:${{m}_{\text{s}}}$为颗粒质量, kg; ${{V}_{\text{s}}}$为颗粒体积, m3; Kfs为颗粒与流体间相互作用的曳力系数; ${{m}_{\text{s}}}\vec{g}$表示重力; ${{V}_{\text{s}}}{{K}_{\text{fs}}}\left( {{{\vec{u}}}_{\text{f}}}-{{{\vec{u}}}_{\text{s}}} \right)$表示流体与颗粒间相互作用力; ${{\vec{F}}_{\text{s}}}$为颗粒间作用力; ${{\vec{F}}_{\text{other}}}$为剩余形式的粒子力, 如压力梯度力、虚拟质量力等。本研究中颗粒基本处于静止状态, 颗粒密度远大于流体密度, 颗粒额外受力${{\vec{F}}_{\text{other}}}$影响极小, 因此不考虑这些力的影响[20]

对于流体与颗粒间相互作用力, 如何确定曳力系数是计算流固两相动量耦合的关键。本文采用非均相的、基于介尺度结构的能量最小多尺度(energy minimization multi-scale, EMMS)曳力模型, 相比于均相曳力模型, EMMS曳力模型能够更好地分辨网格尺度内的曳力变化[21, 22], 相关模型及参数由文献[21, 23-24]给出。

关于离散相间相互作用力${{\vec{F}}_{\text{s}}}$的计算, DDPM模型有两种处理方式, 一种是采用基于颗粒动理学理论(kinetic theory of granular flow, KTGF)通过模型化离散相间作用力来封闭方程组[25], 一种是耦合DEM软球模型, 直接求取单个颗粒上的作用力进行计算[26]。本研究采用耦合DEM的方法。关于颗粒碰撞过程中所需的参数及其取值, 由参考文献[26, 27, 28]给出。

颗粒升温后, 经历水分蒸发、挥发分热解及焦炭还原的过程。当颗粒温度高于373.15 K时, 含有水分的颗粒水分蒸发。颗粒热解过程可表示为:

$生物质(干燥)\to a{{\text{H}}_{\text{2}}}+b\text{C}{{\text{H}}_{\text{4}}}+c\text{C}{{\text{O}}_{\text{2}}}+d\text{CO}+\text{C}\left( \text{s} \right)$ (6)

文献[29]总结了数种常见的生物质类型固废的挥发分组分质量分数, 其材料特性与本研究所用原料类似, 均为木质生物质, 同时热解温度相近, 因此本研究对其结果取平均值处理, 作为挥发分中各组分质量分数选取依据, 见表3。忽略焦油的影响, 将焦油等液态产物计入CH4中。

表3 挥发分各组分质量分数 Table 3 Mass fraction of volatile species

热解反应速率采用单步反应速率[26]进行计算:

$-\frac{\text{d}{{m}_{\text{s}}}}{\text{d}t}={{k}_{\text{pyro}}}\left[ {{m}_{\text{s}}}-\left( 1-{{f}_{\text{v, 0}}} \right)\left( 1-{{f}_{\text{w, 0}}} \right){{m}_{\text{s, 0}}} \right]$ (7)

式中:fv, 0为挥发分质量分数; fw, 0为水分质量分数; ms, 0为颗粒初始质量, kg; kpyro为热解反应速率常数。

动力学速率可表示为[26]

${{k}_{\text{pyro}}}={{A}_{\text{pyro}}}\exp \left( -\frac{{{E}_{\text{pyro}}}}{R{{T}_{\text{p}}}} \right)$ (8)

式中:ApyroEpyro分别为热解反应的指前因子与活化能, 取值参考文献[27], 其中Apyro = 5 × 106 s-1, Epyro = 1.2 × 108 J/kmol。

热解后焦炭异相表面反应速率为[26, 28, 30]

$\frac{\partial {{m}_{\text{c}\left( \text{s} \right)}}}{\partial t}=-{{A}_{\text{s}}}{{Y}_{j\text{, f}}}\frac{R{{\rho }_{\text{f}}}{{T}_{\text{f}}}}{{{M}_{j}}}\frac{{{k}_{j}}{{k}_{\text{diff, }}}_{j}}{{{k}_{j}}+{{k}_{\text{diff, }}}_{j}}$ (9)

焦炭异相表面反应速率由与颗粒表面气体扩散速率相关的扩散反应速率和与温度相关的动力学反应速率两个反应速率控制。

其中, 扩散反应速率为[28]

${{k}_{\text{diff, }j}}={{C}_{j}}\frac{{{\left[ 0.5\left( {{T}_{\text{s}}}+{{T}_{\text{f}}} \right) \right]}^{0.75}}}{{{d}_{\text{s}}}}$ (10)

式中:Cj为扩散速率常数, 取值为5 × 10-12 s∙ K-0.75[26]; ds为颗粒直径, m。

动力学反应速率为:

${{k}_{j}}={{A}_{\text{hete}}}{{T}_{\text{s}}}\text{exp}\left( -\frac{{{E}_{\text{hete}}}}{R{{T}_{\text{s}}}} \right)$ (11)

异相反应考虑焦炭与CO2、H2O的反应, 其指前因子Ahete与活化能Ehete取值如表4所示。

表4 异相反应参数[27] Table 4 Heterogeneous phase reaction parameters[27]

均相反应考虑三个还原反应及三个氧化反应, 有限速率模型参数[27, 31]表5所示。

表5 均相反应参数 Table 5 Homogeneous phase reaction parameters
1.3 前处理设置

前期研究[17]中, 颗粒初始温度、组分等物理量一致, 未在炉内形成随气化程度不同而产生的不同颗粒物性分布梯度, 致使模拟结果较为片面, 对整体气化状态的还原存在不足。因此在本研究中, 考虑上吸式固定床气化反应的特性, 于前处理阶段设计五种颗粒, 使其存在含水率、温度梯度及挥发分含量的差异, 颗粒相关设置见表6, 颗粒呈现出下部温度较高, 气化进程逐渐加深的状态。颗粒设计为直径3 mm的球形颗粒, 按前处理中颗粒设置的顺序依次落下, 最终呈固定床形态填充于炉中, 如图5所示。

表6 颗粒基础参数设置 Table 6 Particles basic parameter settings
图5 颗粒呈固定床形式填充炉内(右侧为局部放大图)Fig. 5 Particles in the form of a fixed bed filling the furnace (localized enlargement on the right)

待颗粒全部落入炉内后, 通入1 100 K高温氮气10 s加热颗粒, 促进颗粒水分蒸发和热解, 使不同颗粒的温度梯度减小。随后通入温度为1 173.15 K的空气作为气化剂, 计算时间为50 s。根据前期研究[17]的经验, 气化剂流率过大会导致炉内物理场失稳, 出现不合理的温度、组分分布, 同时降低气化产气中可燃气体的质量分数, 因此本研究取较低气化剂流率, 过量空气系数α 分别取0.1、0.2、0.3、0.4。本研究所用CFD软件为Fluent, 其余相关的数值模拟模型及参数取值见表7

表7 模型及参数设置 Table 7 Model and parameter settings
2 结果与讨论
2.1 流速及压力特征

由图6可知, 过量空气系数越高, 炉内流速及其局部波动越大, 流速增长主要集中于颗粒床层区域。由图7可知, 不同时刻炉内流速在分布和数值上变化不大, 气化过程较为稳定。不同工况下流速分布相似, 均迅速增大至炉高约0.4 m处后趋于平稳。随着过量空气系数的增加, 流速分别稳定在约0.8、1.1、1.3、1.6 m/s附近; 而在炉高0.7 ~ 0.8 m处, 流速则略微增大(增幅约0.1 m/s), 这是由于此处颗粒含水, 干燥过程增加了流体动量。

图6 45 s时不同过量空气系数下流速分布云图Fig. 6 Cloud diagrams of velocity distribution under different excess air coefficients at 45 s

图7 不同时刻流速分布Fig. 7 Velocity distribution at different times

由图8、图9可知, 气体压力沿炉膛轴线方向自下而上缓慢下降, 颗粒床层区域气体压力的持续下降为合成气向炉顶部燃气出口的流动提供了动力, 而颗粒床层上部的气体压力较为平稳。不同过量空气系数下, 气体压力的绝对数值不同, 但压降的幅度相近。从气化剂进入炉底到气体流出颗粒床层的过程均产生了约50 ~ 75 Pa的压降, 说明结构与高度相同的颗粒床层是影响气体压降的主要原因。不同工况下压力分布场相似, 气体压力在较长的模拟时间内并无明显变化, 压力场稳定, 这与前期模拟所得结果[17]有较大差别。压力与速度的计算结果均在较长模拟时间内保持稳定, 表明本研究前处理设置有效, 气化过程呈现出准稳态特征。

图8 45 s时不同过量空气系数下气体压力分布云图Fig. 8 Cloud diagrams of gas pressure distribution under different excess air coefficients at 45 s

图9 不同时刻气体压力分布Fig. 9 Gas pressure distribution at different times

2.2 温度分布特征

由图10可知, 不同工况下炉内温度场分布相似, 上吸式固定床气化具有的干燥-热解-还原氧化分区较为清晰, 从炉顶到炉底逐渐升高的温度分布基本形成, 炉温在350 ~ 1 100 K之间, 未出现不合理的极高温或极低温区域。

图10 45 s时不同过量空气系数下温度分布云图Fig. 10 Cloud diagrams of temperature distribution under different excess air coefficients at 45 s

由图11可知, 炉温随着时间推移无明显变化, 各工况温度曲线几乎重叠, 呈现出较为统一的拐点特征。第一个拐点在约0.2 m处, 此处为底部炭层与固废颗粒交界处, 温度自炉底至此处迅速从约1 100 K下降至800 K左右, 这是由于在炭层中大量焦炭与CO2发生还原反应吸热, 而当气体进入固废颗粒区域后, 焦炭数量减少, 还原反应减弱, 导致后续温度变化趋于平缓。第二个拐点在0.4 m处, 此区间(0.2 ~ 0.4 m)大致为炭层顶部至蓄热部分与炉中上部交界, 温度从800 K下降至约550 K, 蓄热壁面温度较高, 固废颗粒热解基本在此处进行, 颗粒吸收大量热量, 温度下降较快, 而相比于下层还原反应区温度梯度小。第三个拐点位于0.6 m处, 在0.4 ~ 0.6 m间温度下降不足50 K, 此段炉壁面为绝热壁面, 不具备高温的边界条件, 导致颗粒热解反应速率慢, 吸热速率减小。经过0.6 m处后温度梯度增大, 在0.6 ~ 0.8 m范围内, 温度由520 K下降至约400 K。第四个拐点在0.8 m处, 此时气体已脱离颗粒区域, 温度曲线平缓, 无明显变化。四个拐点将炉体划分为五个不同的区间:氧化还原区(≤ 0.2 m)-快速热解区(0.2 ~ 0.4 m)-慢速热解区(0.4 ~ 0.6 m)-干燥区(0.6 ~ 0.8 m)-燃气流出区(≥ 0.8 m)。

图11 不同时刻温度分布Fig. 11 Temperature distribution at different times

综合而言, 温度场的模拟结果符合理想情况下上吸式固定床固废气化应有的温度分布区间, 较先前研究[17]更为合理。温度与流速、压力的模拟结果随时间变化均较小, 实现了炉内准稳态气化, 证明了本研究优化后的前处理设置成功复现了气化过程稳定持续产气的阶段。

2.3 组分分布特征

由图12可知, 炉内CO质量分数随着时间的推移表现出先升高后降低的趋势, 而CO2则相反。在相同时刻, CO的质量分数沿炉膛高度先升高后降低。炉底部炭层中, 焦炭与CO2反应生成大量CO, 同时炭层上部固废颗粒热解也生成大量CO, 因此CO质量分数持续增大, 并在约0.3 m处达到峰值, 随后保持稳定(约40% ~ 60%), 成为炉中下部的主要气体产物。在0.7 m以上, CO质量分数明显下降(降幅约10% ~ 15%), 最终稳定在35% ~ 55%之间。下降的主要原因是水分的蒸发导致大量H2O生成, 同时CO与H2O反应生成CO2。在不同的过量空气系数下, CO2质量分数呈现出随时间变化的相似规律, 在计算前20 s时, CO2自炉底快速生成, 在约0.225 m处达到峰值(10% ~ 25%), 随后小幅下降并保持稳定, 并有小幅增长(≤ 5%), 且过量空气系数越大, 增长幅度越小。而在后20 s, CO2质量分数快速增长至0.4 m处后保持平稳且小幅增长。当α = 0.1时, 炉中上部CO2平均质量分数基本在10%以下, 到α = 0.4时, CO2质量分数已增长至15% ~ 30%。总体而言, CO质量分数大于CO2, 分别维持在35% ~ 65%及5% ~ 30%之间。在相同时刻, 随着过量空气系数的增加, CO整体含量降低而CO2含量升高。

图12 不同过量空气系数下CO、CO2在不同时刻的质量分数分布:(a ~ c)α = 0.1; (d ~ f)α = 0.2; (g ~ i)α = 0.3; (j ~ l)α = 0.4Fig. 12 The mass fraction distribution of CO and CO2 at different times under different excess air coefficients: (a-c) α = 0.1; (d-f) α = 0.2; (g-i) α = 0.3; (j-l) α = 0.4

由图13可知, 不同过量空气系数下H2的质量分数分布类似, 在 ≤ 0.3 m时快速增大, 之后趋于平稳, 各工况均维持在2% ~ 3%之间, 不同时刻变化幅度不超过1%, 在 ≥ 0.8 m小幅增长(≤ 0.3%)。O2基本只存在于炉底部, 0.4 m后几乎完全被消耗(≤ 1%), 过量空气系数越大, O2扩散的区域越大。CH4在 ≤ 0.3 m时快速增大, 在0.7 m处小幅降低, 总体维持在18% ~ 25%之间。由于水分蒸发, H2O从0.6 m处开始大量产生, 直至0.8 m处到达峰值(5% ~ 7.5%)后逐渐下降。随着时间推移, 相同位置处H2O质量分数逐渐下降, 过量空气系数越大, H2O质量分数降幅越大。自α = 0.1 ~ 0.4, H2O质量分数降幅在3% ~ 7%左右。

图13 不同过量空气系数下H2、CH4、H2O、O2在不同时刻的质量分数分布:(a ~ c)α = 0.1; (d ~ f)α = 0.2; (g ~ i)α = 0.3; (j ~ l)α = 0.4Fig. 13 The mass fraction distribution of H2, CH4, H2O, and O2 at different times under different excess air coefficients: (a-c) α = 0.1; (d-f) α = 0.2; (g-i) α = 0.3; (j-l) α = 0.4

总体而言, 炉中下部(0.3 ~ 0.7 m)各气体组分质量分布变化较小, 而在0.7 ~ 0.8 m区间由于水分蒸发, 除H2O外其余气体质量分数均小幅减少, 尤其是可燃气体H2、CH4、CO均展现相似的分布特征。炉底部存在大量焦炭和O2, 可燃气体进行氧化反应生成H2O及CO2, 同时焦炭与H2O和CO2发生还原反应, 氧化反应与还原反应区域集中于炉底部, 因此在本装置中氧化区与还原区界限并不明显。各组分质量分数变化最大的区域为炉底至快速热解区(≤ 0.4 m), 固废颗粒大量析出挥发分, 而在离开蓄热壁面后, 颗粒缺少热量, 热解过程减缓。对于本装置而言, 温度及组分分布与蓄热部分关系紧密。

由图14可知, 随着时间的推移, 产气CO质量分数先增后降, 在低过量空气系数(α ≤ 0.3)条件下维持在40% ~ 50%之间, 较为稳定, 而在α ≤ 0.4时则在计算后期明显下降; H2质量分数在2% ~ 3%之间; CH4质量分数在15% ~ 23%之间; CO2质量分数先降后升, 浮动较大, 最高达30%, 最低降至10%以下; N2质量分数在低气化剂流率下较为稳定, 约为10% ~ 15%, 在高气化剂流率下有小幅下降, 从20%缓慢降至10%, 证明高气化剂流率促进了颗粒的热解; O2基本被耗尽, 表明氧化反应效果明显, 燃气出口几乎不含O2; H2O小幅下降, 最终在5%以下。

图14 不同时刻出口气体质量分数Fig. 14 Mass fraction of outlet gas at different times

总体而言, 过量空气系数越大, 各气体组分波动越大, 这与前期模拟结果[17]相同。当α ≤ 0.2时, 不同过量空气系数下燃气出口组分质量分数随时间变化曲线类似; 而α = 0.3时, 在模拟时间的最后20 s, CO2质量分数明显增大, 而在α = 0.4时, CO、CH4在模拟后15 s均出现小幅减少, CO2出现大幅增大, 这表明在该工况下消耗的可燃气体质量较高, 出现对气化反应不利的情况。

取50 s内不同过量空气系数下出口处H2质量分数的平均值与所有工况的总平均值, 与实验结果进行比较, 结果如图15所示。所有数据的误差均小于10%, 其中总平均值误差小于5%, 表明模拟结果与实验结果较为符合, 验证了模拟结果的准确性。

图15 不同过量空气系数下出口处H2质量分数及平均值与实验平均值对比Fig. 15 Comparison of H2 mass fraction and average value at the outlet with experimental average under different excess air coefficients

取出口气体组分质量分数的平均值进行分析, 如图16所示。在较长时间的气化过程中, 发现不同过量空气系数下H2、CH4质量分数相差不多, 分别维持在2.5% ~ 3%、19% ~ 20%之间。相较于前期研究[17]的模拟结果, 两者的质量分数均有一定程度的提升。H2含量的提升归因于焦炭与H2O的还原反应以及炉上部CO与H2O反应的共同作用, H2为热值最高的可燃气体, 其提升对提高燃气质量有利; CH4主要来源于颗粒热解, 其含量的升高表明热解程度的加深, 对整体反应有利。CO的质量分数随着过量空气系数的增加而小幅减小, 平均降幅在1%左右, 总体维持在43% ~ 47.5%之间; 与此同时, CO2质量分数有小幅提升, 总体维持在13% ~ 17%, 大部分CO2被还原, CO/CO2转化效果良好, 表明该炉设计较为成功。总体而言, 过量空气系数的增加对合成气气体组分影响不大, 表明在本研究选取的低过量空气系数区间, 气化剂流率调整的灵活性较高, 可在较低的过量空气系数区间进行产气流量调节而无需承担气体热值过低的代价。

图16 不同过量空气系数出口处各气体质量分数平均值Fig. 16 The average mass fraction of each gas at the outlet with different excess air coefficients

在气化过程中, 气化产气的H2的质量分数和CO/CO2质量分数之比十分重要。H2的质量分数越高, CO/CO2比值越大, 气体热值越高, 产气热值高对气化结果有利, 特别是H2, 其单位质量具有较高的热值, 氧化反应产物是H2O, 是清洁、性能优越的可燃气体。对大量上吸式固定床气化的研究结果进行了比较, 详见表8。对每个研究中气化产生的H2、CO和CO2的质量分数进行平均, 并以三种气体的质量分数之和作为基准, 得出H2、CO和CO2的相对质量分数。

表8 当前工作与以往研究中气体组分质量分数的比较 Table 8 Comparison of gas species mass fractions between current work and previous research

通过对比表8, 当原料均为生物质类固废且气化剂为空气时, 本研究所用的气化装置产气的H2质量分数比其他研究高约1.3 ~ 3倍, 具有显著优势。这种新设计的气化装置有利于增加H2产量, 这可能是由于本装置实现了对炉内温度及气化过程的稳定控制, 促进了H2O的重整。在最后两项研究中, H2的质量分数很高, 归因于气化剂中存在水蒸气, 而本研究的装置在不使用水蒸气作为气化剂的情况下实现了高H2产率。该装置中气体的CO/CO2质量分数之比也有大幅提升, 同样也有利于提升燃气热值。综上, 燃气热值的提升证明了装置设计的优越性。

3 结论

采用CFD-DDPM方法耦合气化反应模型对一种上吸式固定床蓄热气化装置的木质生物质类型固废气化过程进行了模拟研究, 得出如下结论:

(1)在不同的过量空气系数下, 流场结构相似, 颗粒床层是影响流速和压降的主要因素, 各工况下流体流经床层产生压降数值相近(50 ~ 75 Pa)。

(2)在不同的过量空气系数下, 炉内温度场分布类似, 存在明显的干燥-热解-还原氧化分区, 各工况温度曲线几乎重叠, 大致存在四个拐点, 分别对应炭层与固废颗粒交界处(约0.2 m处)、蓄热部分上部绝热壁(约0.4 m处)、干燥区与热解区交界处(约0.6 m处)及颗粒床层顶部; 对应的温度变化分别为1 100 ~ 800 K(0.126 ~ 0.2 m)、800 ~ 550 K(0.2 ~ 0.4 m)、550 ~ 520 K(0.4 ~ 0.6 m)、520 ~ 400 K(0.6 ~ 0.8 m)。速度、压力及温度的模拟结果随时间推移变化很小, 证明本研究成功复现了气化过程稳定持续产气的阶段。

(3)分析了不同时刻、不同过量空气系数下气化过程各组分质量分数在炉内不同位置及燃气出口处的分布, 计算了产出燃气的各组分平均质量分数, 其中H2为2.5% ~ 3%, CH4为19% ~ 20%, CO为43% ~ 47.5%, CO2为13% ~ 17%。在本研究选取的低过量空气系数范围内, 气化剂流率的改变对燃气组分影响不大, 气化剂流率调整具有较好的灵活性。

(4)装置的设计有利于提升燃气中H2的质量分数及CO/CO2的质量分数之比, 可有效提升燃气热值, 证明了新型气化装置性能的优越性。

参考文献
[1] CERONE N, ZIMBARDI F, CONTUZZI L, et al. Experimental investigation of syngas composition variation along updraft fixed bed gasifier[J]. Energy conversion and management, 2020, 221: 113116. DOI:10.1016/j.enconman.2020.113116. [本文引用:1]
[2] 袁浩然, 鲁涛, 熊祖鸿, . 城市生活垃圾热解气化技术研究进展[J]. 化工进展, 2012, 31(2): 421-427. DOI:10.16085/j.issn.1000-6613.2012.02.035. [本文引用:1]
[3] 范洪刚, 袁浩然, 林镇荣, . 可燃固体废弃物热解气化技术及工程化模拟研究进展[J]. 新能源进展, 2017, 5(3): 204-211. DOI:10.3969/j.issn.2095-560X.2017.03.007. [本文引用:1]
[4] 张锴, BRANDANI S. 循环流化床生物质气化炉内计算流体动力学模拟——鼓泡流化床内改进的颗粒床模型[J]. 燃料化学学报, 2005, 33(1): 1-5. DOI:10.3969/j.issn.0253-2409.2005.01.001. [本文引用:1]
[5] 刘鑫, 陈文义, 范晓旭, . 不同形式的循环流化床生物质气化炉[J]. 锅炉技术, 2012, 43(1): 33-37. DOI:10.3969/j.issn.1672-4763.2012.01.008. [本文引用:1]
[6] ISMAIL T M, EL-SALAM M A. Numerical and experimental studies on updraft gasifier HTAG[J]. Renewable energy, 2015, 78: 484-497. DOI:10.1016/j.renene.2015.01.032. [本文引用:1]
[7] KURKELA E, KURKELA M, HILTUNEN I. Pilot-scale development of pressurized fixed-bed gasification for synthesis gas production from biomass residues[J]. Biomass conversion and biorefinery, 2023, 13(8): 6553-6574. DOI:10.1007/s13399-021-01554-2. [本文引用:1]
[8] ANCA-COUCE A, ARCHAN G, BUCHMAYR M, et al. Modelling fuel flexibility in fixed-bed biomass conversion with a low primary air ratio in an updraft configuration[J]. Fuel, 2021, 296: 120687. DOI:10.1016/j.fuel.2021.120687. [本文引用:1]
[9] 李斌, 陈汉平, 杨海平, . 上吸式生物质气化炉的设计与试验[J]. 农业工程学报, 2011, 27(7): 270-273. DOI:10.3969/j.issn.1002-6819.2011.07.047. [本文引用:1]
[10] 赵京, 魏小林, 李森, . 上吸式秸秆气化炉中当量比对气化特性的影响[J]. 中国电机工程学报, 2017, 37(S1): 118-122. DOI:10.13334/j.0258-8013.pcsee.170970. [本文引用:1]
[11] 王建伟, 刘宁, 臧宏昱, . 上吸式生物质气化炉对碱金属的滞留原因分析[J]. 洁净煤技术, 2017, 23(6): 47-50. DOI:10.13226/j.issn.1006-6772.2017.06.009. [本文引用:1]
[12] LU D, YOSHIKAWA K, ISMAIL T M, et al. Assessment of the carbonized woody briquette gasification in an updraft fixed bed gasifier using the Euler-Euler model[J]. Applied energy, 2018, 220: 70-86. DOI:10.1016/j.apenergy.2018.03.063. [本文引用:1]
[13] MURGIA S, VASCELLARI M, CAU G. Comprehensive CFD model of an air-blown coal-fired updraft gasifier[J]. Fuel, 2012, 101: 129-138. DOI:10.1016/j.fuel.2011.08.065. [本文引用:1]
[14] KUMAR U, PAUL M C. CFD modelling of biomass gasification with a volatile break-up approach[J]. Chemical engineering science, 2019, 195: 413-422. DOI:10.1016/j.ces.2018.09.038. [本文引用:1]
[15] JANAJREH I, AL SHRAH M. Numerical and experimental investigation of downdraft gasification of wood chips[J]. Energy conversion and management, 2013, 65: 783-792. DOI:10.1016/j.enconman.2012.03.009. [本文引用:1]
[16] NGAMSIDHIPHONGSA N, PONPESH P, SHOTIPRUK A, et al. Analysis of the Imbert downdraft gasifier using a species-transport CFD model including tar-cracking reactions[J]. Energy conversion and management, 2020, 213: 112808. DOI:10.1016/j.enconman.2020.112808. [本文引用:1]
[17] SUN Z P, WANG Y Z, GU J, et al. CFD simulation and experimental study on a thermal energy storage-updraft solid waste gasification device[J]. Energies, 2023, 16(12): 4580. DOI:10.3390/en16124580. [本文引用:8]
[18] ZHANG H L, BAEYENS J, CÁCERES G, et al. Thermal energy storage: recent developments and practical aspects[J]. Progress in energy and combustion science, 2016, 53: 1-40. DOI:10.1016/j.pecs.2015.10.003. [本文引用:1]
[19] 王建伟, 赵磊磊, 延廷琪. 连续蓄热式生物质气化/燃烧供热系统[J]. 新能源进展, 2020, 8(1): 49-55. DOI:10.3969/j.issn.2095-560X.2020.01.008. [本文引用:1]
[20] ALOBAID F, ALMOHAMMED N, FARID M M, et al. Progress in CFD simulations of fluidized beds for chemical and energy process engineering[J]. Progress in energy and combustion science, 2022, 91: 100930. DOI:10.1016/j.pecs.2021.100930. [本文引用:1]
[21] QIN Z Y, ZHOU Q, WANG J W. An EMMS drag model for coarse grid simulation of polydisperse gas-solid flow in circulating fluidized bed risers[J]. Chemical engineering science, 2019, 207: 358-378. DOI:10.1016/j.ces.2019.06.037. [本文引用:1]
[22] HONG K, SHI Z S, ULLAH A, et al. Extending the bubble-based EMMS model to CFB riser simulations[J]. Powder technology, 2014, 266: 424-432. DOI:10.1016/j.powtec.2014.06.064. [本文引用:1]
[23] LU L Q, XU J, GE W, et al. EMMS-based discrete particle method (EMMS-DPM) for simulation of gas-solid flows[J]. Chemical engineering science, 2014, 120: 67-87. DOI:10.1016/j.ces.2014.08.004. [本文引用:1]
[24] LU B N, WANG W, LI J H. Searching for a mesh-independent sub-grid model for CFD simulation of gas-solid riser flows[J]. Chemical engineering science, 2009, 64(15): 3437-3447. DOI:10.1016/j.ces.2009.04.024. [本文引用:1]
[25] TRICOMI L, MELCHIORI T, CHIARAMONTI D, et al. Numerical investigation of a cold bubbling bed throughout a dense discrete phase model with KTGF collisional closure[J]. Biofuels engineering, 2017, 2(1): 32-50. DOI:10.1515/bfuel-2017-0003. [本文引用:1]
[26] OSTERMEIER P, FISCHER F, FENDT S, et al. Coarse-grained CFD-DEM simulation of biomass gasification in a fluidized bed reactor[J]. Fuel, 2019, 255: 115790. DOI:10.1016/j.fuel.2019.115790. [本文引用:6]
[27] WANG S, LUO K, FAN J R. CFD-DEM coupled with thermochemical sub-models for biomass gasification: validation and sensitivity analysis[J]. Chemical engineering science, 2020, 217: 115550. DOI:10.1016/j.ces.2020.115550. [本文引用:3]
[28] KU X K, LI T, LØVÅS T. CFD-DEM simulation of biomass gasification with steam in a fluidized bed reactor[J]. Chemical engineering science, 2015, 122: 270-283. DOI:10.1016/j.ces.2014.08.045. [本文引用:3]
[29] KU X K, LI T, LØVÅS T. Eulerian-lagrangian simulation of biomass gasification behavior in a high-temperature entrained-flow reactor[J]. Energy & fuels, 2014, 28(8): 5184-5196. DOI:10.1021/ef5010557. [本文引用:1]
[30] WANG S, SHEN Y S. CFD-DEM study of biomass gasification in a fluidized bed reactor: effects of key operating parameters[J]. Renewable energy, 2020, 159: 1146-1164. DOI:10.1016/j.renene.2020.06.001. [本文引用:1]
[31] OEVERMANN M, GERBER S, BEHRENDT F. Euler-Lagrange/DEM simulation of wood gasification in a bubbling fluidized bed reactor[J]. Particuology, 2009, 7(4): 307-316. DOI:10.1016/j.partic.2009.04.004. [本文引用:1]
[32] FERNANDO N, NARAYANA M. A comprehensive two dimensional Computational Fluid Dynamics model for an updraft biomass gasifier[J]. Renewable energy, 2016, 99: 698-710. DOI:10.1016/j.renene.2016.07.057. [本文引用:1]
[33] UMEKI K, NAMIOKA T, YOSHIKAWA K. Analysis of an updraft biomass gasifier with high temperature steam using a numerical model[J]. Applied energy, 2012, 90(1): 38-45. DOI:10.1016/j.apenergy.2010.12.058. [本文引用:1]