下吸式生物质气化炉数值模拟的研究进展

薛爱军, 潘继红, 田茂诚, 张冠敏

(山东大学 能源与动力工程学院，山东 济南 250061)

下吸式生物质气化炉数值模拟的研究进展

薛爱军, 潘继红, 田茂诚*, 张冠敏

(山东大学 能源与动力工程学院，山东 济南 250061)

摘要：使用数值模拟方法，建立下吸式生物质气化炉的数学模型，能够更好地理解气化炉内发生的各种化学和物理现象，进而对气化炉的设计和操作进行优化、对新工艺的开发进行指导。对几种基本的下吸式气化炉数值模拟方法(如热动力学平衡法、化学动力学方法、计算流体动力学(CFD)法、ASPEN Plus法)和多分区模拟法，进行了探讨和分析比较，并进一步总结了“结合单颗粒模型的多分区数值模拟”方法，提出结合单颗粒模型的多分区模拟法具有更加广阔的发展前景。

关键词：下吸式气化炉；生物质；数值模拟

生物质气化技术是清洁高效利用生物质能的有效途径之一。下吸式固定床气化技术由于具有热值高、可燃气焦油含量低、炭转化率高、可燃气产品用途广、结构简单和工作稳定性好等优点，在农村集中供气及小型生物质发电中得到了广泛的应用[1-4]。为了获得最佳的能量转换效率，研究人员对下吸式固定床气化技术的主要设备下吸式气化炉进行了大量的理论和试验研究。在探索气化炉最佳工况实验的经济和时间成本越来越高的情况下，数值模拟将发挥越来越重要的工具作用[5]。这是由于下吸式气化炉的高效运行依赖于一系列复杂的化学反应和物理过程，对这些复杂的反应和变化，连同加热速率和停留时间对气体产物分布影响的深入理解，都离不开数值模拟的发展[6]。另外，工业化应用中，最佳设计及操作工况的选择也离不开数值模拟[7-8]。虽然数值模拟不一定能够给出非常准确的预测结果，但是却可以对试验和操作提供定量的指导。数值模拟可以让设计人员及工程师利用现有的试验数据对试运行或运行中的设备进行优化，还可以指明操作工况的影响参数及危险的、不希望出现的工况。现代下吸式气化炉的发展方向通常是高温、高压，因此在目前对这些极端工况没有更好的应对方案的情况下，数值模拟能够以较低的成本对收益及风险进行预测[9]。许多研究者建立了大量的数学模型对下吸式气化炉进行数值模拟，但是，仅有少数研究者对不同类型模型进行了归纳和总结[5-8]，并且仅针对最基本的气化炉数值模拟方法如热动力学平衡法、化学动力学方法、计算流体动力学(CFD)法、ASPEN Plus法等进行了详细的分析，对于能更详细描述气化炉工况的多分区模型和从单颗粒角度建立的模型，尚无研究者进行分析、总结。作者对常用下吸式气化炉数值模拟方法进行了简要的分析、总结，重点对多分区模型和结合单颗粒模型的综合模型进行了讨论和分析。

1几种基本的数值模拟方法

1.1热动力学平衡模型

热动力学平衡模型假设反应物充分混合并在无限长时间内达到化学反应平衡，反应系统处于一种组分稳定的状态，此时熵最大，而吉布斯自由能最小，由此来预测气体产物的最终成分分布。此模型又分为两类：平衡常数法(化学计量法)和吉布斯最小自由能法(非化学计量法)， 2种方法是等价的[5]。

整个热动力学平衡数学模型由物质平衡方程、能量平衡方程和化学反应平衡方程3部分组成。在建立模型前，要确定整个气化反应的全局反应方程。生物质化学式一般用CHaObNcSd来表示，在考虑焦油及灰分的情况下，方程如下所示：

CHaObNcSd+n1H2O(l)+n2H2O(g)+n3O2+n4N2+n5SiO2=n6C+x1CO+x2CO2+x3H2O+x4H2+x5CH4+x6CH1.033O0.033+x7SO2+n5SiO2+ (n4+0.5c)N2

(1)

首先，对方程(1)的元素进行物质平衡，得到C、H、O、N和S的元素平衡方程组。然后，以气化炉为整个研究系统，根据系统输入的能量与输出能量守恒的原则得到能量平衡方程组。最后，选取独立的化学反应方程，计算反应的平衡常数，建立平衡常数和气体物质的量之间的关系，建立化学反应平衡方程组。对于得到的一组非线性方程组，一般通过牛顿迭代法进行求解。

由于进行了一定的假设和省略，平衡模型在一些状况下会产生误差。一般，在较低的反应温度下，H2和CO的数量与试验值相比偏高，而CO2和CH4的数量较低。由于上述原因，一些研究者对模型进行了修正，经过修正后的模型预测值与试验结果能够很好的吻合。在众多建立的下吸式气化炉的平衡模型[10-17]中，Melgar等、Barman等和Mendiburu等的模型相对比较完善。Melgar等[15]的模型中，生物质的化学式中包含了S元素，从而在气化炉的出口气体中增加了SO2。Barman等[16]建立的热力学平衡模型中增加了焦油作为模型的输入参数。Mendiburu等[17]建立的模型中，生物质的方程式包含了C、H、O、N和S 5种元素，并且以SiO2作为灰分的替代，同时考虑了生成5种残余炭的成分，但没有考虑焦油的影响，此外还考虑了不同散热损失的影响。

热动力学平衡模型以反应热力学为基础，通常只考虑生物质的物料平衡和能量平衡，以及具有代表性的反应过程，等于将气化炉作为黑箱处理，因此该模型不能反映气化炉结构、形状和尺寸对气化过程的影响。同时由于下吸式气化炉的反应温度通常较低(750～1 000 K)，平衡状态很难达到，因此也不能反映由于停留时间有限，气化炉出口产物未达到化学平衡的实际情况，但是对于碳转化率高、反应接近平衡时的工况，模型的预测结果较好。

1.2化学动力学模型

化学动力学模型以气化反应过程中的反应动力学为基础，考虑了反应速率、停留时间、反应器流体动力学(表观流速、扩散率等)、生物质原料种类、气化剂种类和气化设备的结构(形状、尺寸)等各种因素[5]，因此，在反应温度比较低、反应速率比较慢及完全反应所需要的时间比较长的情况下，该模型变得非常重要和有意义。化学动力学模型通常用于预测气化炉在经过有限时间或有限容积内的流动后燃气的产量和组成。

由于整个气化炉中化学反应众多，难以准确描述和模拟所有的化学反应。为便于研究，有的研究者按反应类型将下吸式气化炉分成几个反应区。还原反应是整个气化过程的最后一个环节，在气化过程中起着决定性的作用，因此，许多研究者仅针对下吸式气化炉的还原区进行了化学动力学模型的研究，也有许多研究者针对整个气化炉建立了化学动力学模型。

1.2.1还原区化学动力学模型首先，选择能够代表还原区反应的化学反应方程，并确定其反应速率方程；然后建立还原区的质量和能量守恒方程，并与动量方程相结合；最后，一般通过数值解法对方程进行求解，得到还原区出口的燃气成分和产量。

Wang等[18]依据炭的表面反应机理建立了气化炉还原区的化学动力学模型。该模型在物理上更类似于内部物料完全混合的流化床，接近于零维模型，并利用模型研究了气化剂种类、炭颗粒大小、停留时间、反应基团物质的量比(ER)、温度、压力、原料含水量等参数对生物质气化的影响。

Giltrap等[19]建立了下吸式气化炉还原区的稳态化学动力学模型，用来预测气化炉的出口气体成分及还原区的温度分布。采用了与文献[18]相同的4个反应方程，化学反应速率采用阿伦尼乌斯方程(依赖于反应温度)。反应的活化能采用了文献[18]模型中的数值，而指前因子的数值采用了文献[18]模型中的指前因子乘以被称为“炭活性因子”(CRF)的系数，该系数代表了不同类型的炭的活性。经过分析计算，假设CRF在整个还原区的数值保持不变，并且取值1 000。同时，利用模型对气化炉出口的成分进行了预测，并与其他研究者的试验值进行了对比，除了CH4含量偏高外，其他气体组分基本相符。

Babu等[20]认为CRF是化学动力学模型中的一个重要参数，并通过引入一个沿着还原区高度方向变化的CRF值，对文献[19]的还原区稳态动力学模型进行了修正。最后得出结论：CRF值在整个下吸式气化炉还原区内一定是变化的；当CRF以指数形式变化时，模型预测值与试验值的偏差最小。

1.2.2气化炉整体化学动力学模型气化炉整体化学动力学模型选择整个气化炉内的典型的化学反应方程，确定其反应速率方程，并结合质量、能量守恒方程及动量方程，最后得到气化炉出口燃气成分及产量。

Blasi[21]为层式下吸式生物质气化炉建立了一维的非稳态模型，将发生的所有反应集成为方程组进行模拟，并以固相和气相的质量和能量平衡为基础进行。主要创新在于其采用有限速率动力学对主要热解反应、焦油二次裂解及CO、H2、焦油和CH4的燃烧反应进行了描述，从而实现了对有焰热解的模拟，再经过与传热、传质方程的耦合，实现了对下吸式气化炉关键特性的分析。

Tinaut等[22]建立了下吸式气化炉的一维稳态化学动力学模型，在模型中包含了几乎所有气化过程，结合气相、固相及反应炉壁面之间的质量、能量守恒方程，分别描述了组分、能量、颗粒粒径、压力损失的变化。

Sharma[23]以模型能够有效收敛但又不影响有效性为主要目标，建立了下吸式气化炉的一维稳态化学动力学模型。将整个气化炉作为一个多孔介质来进行模拟，并以模块化的方式来建立模型，这些模块组成了一种有效的算法，大大节省了运算时间，保证了精度。

化学动力学模型在反应温度比较低的场合能更准确、更真实地反映气化炉内的整个气化过程，并且对最终气体成分预测比较准确，因此更加适用于数值模拟，但此类模型计算比较复杂，通用性较差。随着模型输出参数的增加，模型的复杂性和维数逐渐增加，从而需要对气化系统、反应动力学和反应器流体动力学进行更加详细的分析。通常，研究者为了降低模型的复杂性，一般做一些假设或省略，当然，这些假设或省略的程度不能与模型的最终目的相抵触。

1.3计算流体动力学(CFD)模型

计算流体动力学(CFD)可以看做是，在流动基本方程(质量守恒方程、动量守恒方程和能量守恒方程)控制下对流动过程进行的数值模拟。CFD数学模型通过计算机技术,采用有限体积法或有限元法进行运算求解,该模型可以详细的模拟生物质气化炉内的各种流场和温度场以及任意气体和固体的浓度分布情况。CFD模型包含许多先进的数值方法来对固相、气相及二者的混合物进行模拟，因此吸引了许多研究者。

Janajreh等[24]建立了小型下吸式气化试验台对木片的转换效率进行了研究，并且建立了较高精度的CFD模型用来模拟拉格朗日颗粒演化过程。模型采用有限体积法和二维轴对称结构，并且考虑绝缘层同外界的换热。模型中，所有的计算参数采用了二阶离散模式；速度-压力耦合采用SIMPLE算法；湍流采用标准壁面函数的k-ε模型。采用了非耦合隐式算法对输运方程进行了求解。最后，将模型预测的气化炉内温度分布及组分的变化，同试验数据和零维模型(热力学平衡模型)进行了比较验证。

Rogel等[25]建立“1-D+2-D”的CFD数学模型来模拟层式下吸式气化炉中的松木颗粒的气化过程。模型中包含了干燥、一次热解、二次焦油裂解、燃烧、还原及颗粒收缩等，以颗粒内部的质量和能量平衡为基础，为单颗粒建立了一维非稳态系统的球坐标模型；同时，以柱状极坐标的形式为包含质量、能量和动量平衡的气相系统建立了二维非稳态模型。考虑到气化炉床层的穿透率很大，模型假设为定压条件，利用商业软件Phoenics对模型进行了求解。在模型验证中，燃气成分、气体温度分布、生物质的温度分布及颗粒的收缩性等预测值与试验值基本一致。

由于生物质气化过程涉及到干燥、热解反应、还原反应、燃烧反应、传热、固体颗粒的破碎和磨损等过程，CFD数学模型的计算过程非常复杂且需要耗费大量的时间，因此气化炉的CFD模型并不常用。

1.4ASPEN Plus模型

ASPEN Plus是化学过程优化软件，是面向问题输入的程序，它简化了物理、化学及生物过程的计算，能够用来描述固相、气相及液相。由于它将复杂的系统分成了单独的模块，因此使模型的建立和更新变得更加简单。这种过程模拟器具有完备的物性数据库，但是并不包含生物质等非常规的原料，因此用户必须建立自己的Fortran程序进行添加。利用ASPEN Plus模拟下吸式气化炉时，必须将整个气化过程分解成几个子过程来进行，一般可以分为干燥、热解、部分燃烧和气化，每一个子过程由一个反应器/分离器模块来表示。

Kuo等[26]建立了ASPEN Plus模型用来研究未处理的竹子、250 ℃烘焙后的竹子和300℃烘焙后的竹子的气化特性。由于生物质和灰分在标准的ASPEN Plus组分数据库中并不存在，因此，模型采用了MCINCPSD流，其中包括MIXED、CIPSD和NCPSD 3类；以Peng-Robinson方程来估算物理特性；采用了HCOALGEN模型，包含了一些燃烧热、生成热、比热、非常规原料的焓值(生物质和灰分)的经验关系式；并以DCOALIGT模型来计算生物质密度。结果表明，在同时考虑气体产量、气化效率和碳转化率的情况下，250 ℃烘焙后的竹子更适合作为气化原料。

Ramzan等[27]为下吸式气化炉的气化过程建立了ASPEN Plus模型。将模型分为3个步骤：第一是原料在进入反应器前水分蒸发； 第二是生物质分解成为挥发分和炭，各产物的分布通过Fortran程序在计算模块计算得出； 第三是通过吉布斯最小自由能原理模拟部分氧化燃烧和气化反应过程。模型的预测结果与试验值很好地吻合，并对不同的气化温度、ER、原料含水量和水蒸气/生物质(S/B)对生成气成分、热值和气化效率的影响进行了研究。

由于ASPEN Plus模型主要用于优化，以获得气化炉出口燃气的主要成分为目的，因此往往与现实中的操控状态不一致。

2多分区数值模拟方法

由于生物质气化过程非常复杂，将整个气化炉内发生的所有反应进行模拟是不现实的，因此，许多研究者将下吸式气化炉分成了不同的区域(干燥区、热解区、氧化区和还原区)，针对不同的区域建立了不同的模型，既简化了模型，又提高了精度。

2.1两区模型

目前，应用比较多的是两区模型[28-30]，即将气化炉分成2个区：有焰热解区(包括干燥区、热解区、氧化区)和还原区。

Roy等[28]在有焰热解区采用了热动力学平衡模型，在还原区采用了有限速率化学反应方程的化学反应动力学模型。假设在有焰热解区出口所有气体成分处于化学平衡状态；忽略了气化炉出口的焦油及残炭；有焰热解区有热量损失，而忽略还原区的热量损失。通过质量、能量守恒方程和化学平衡方程，得到了有焰热解区出口的气体组成及温度。在还原区，采用了与文献[18]中相同的动力学模型，经过试验验证，CRF值确定为100。将还原区沿着高度方向分成了若干控制容积，在每一控制容积内，应用组分质量守恒和能量守恒方程。通过对方程的求解，得到了每一控制容积的气体组分和温度；从而得到了气化炉还原区出口的气体组分和温度。还利用模型详细研究了在不同的ER(2～3.4)和不同的生物质含水量(0～40 %)的条件下，气化炉出口气体的成分变化及热值变化。

Jayah等[29]为下吸式气化炉建立了有焰热解区和还原区的两区模型，首先，建立了有焰热解区的热动力学平衡模型，以沿着还原区轴向发生还原反应的单个炭颗粒模型为基础，建立了还原区动力学模型。此模型包含了物理和化学过程，由流动方程、输运方程及守恒方程组成。模型通过固相(炭颗粒)的流速将还原区高度变量与时间变量结合起来，利用时间的微小增量法对还原区的气体成分进行求解。自行编写了Fortran程序，对温度分布、气体成分分布及转化率进行了计算。然后，利用试验中得到的气化炉出口的气体成分值对模型进行了校验，认为模型对还原区的整体预测结果非常成功。最后，利用模型研究了各输入参数(木质原料含水量、散热损失、喉部的角度和气化还原区的高度)对气化性能的影响。

Gao等[30]针对下吸式气化炉建立的两区模型中，在热解区，假设生物质颗粒发生一次分解反应生成挥发性物质和炭，然后二者发生二次反应又生成新的挥发性物质和炭，热解区的温度采用了时间的线性函数T=φt+T0。通过计算得到反应的有限速率常数，并通过四阶龙格-库塔方法求解常微分方程组，得到热解区出口炭和挥发性物质的产量；假设所有的挥发性物质分解成为了等量的CO、CH4和H2O，根据元素平衡，得到了3种气体的含量，即还原区入口的参数值。在还原区，建立了化学动力学模型，包含了5个化学方程。通过有限差分法求解质量守恒和能量守恒方程，得到了还原区出口的气体分布。利用模型研究了热解区内不同热解升温速率(25 K/min和恒温1 400 K)对整个气化过程的影响，模型预测值与试验值很好的吻合。

2.2三区模型

Ratnadhariya等[31]将下吸式气化炉分成3个区，即干燥热解区、氧化区和还原区。由于气化过程的复杂性，又针对每一个区域做了大量的假设。

第一区(干燥热解区)的假设为：假设生物质中的4/5的氧元素与氢结合，以H2O的形式分解；1/5的氧元素与碳结合，以CO和CO2的形式分解；CO与CO2的物质的量比与相对分子质量成反比；50 %的氢元素以H2的形式分解，50%的氢元素以CH4和C2H2的形式进行分解；CH4与C2H2的物质的量比与其相对分子质量成反比；出口成分包括C、CO、CO2、H2、CH4、H2O和C2H2。

第二区(氧化区)的假设为：由于燃烧速度最快，氢元素完全燃烧成为H2O；由于高活性的热解炭具有很大的反应表面积，因此氧元素与炭反应并完全消耗；CO和CO2的分布与各自的反应热成反比；氧化区出口的CO和CO2的质量假设为热解区与氧化区质量的简单相加；CH4和C2H2假设从氧化区穿过，因为具有较低的燃烧速率；氧化区出口成分包括C、CO、CO2、H2O、CH4、C2H2和N2。

第三区(还原区)的假设为：还原区出口气体是CO、CO2、H2、H2O、CH4、C2H2和N2；CH4和C2H2假设从还原区穿过；假设气相的均相变换反应具有同一反应程度；主要的还原反应包括Boudouard反应和水-气反应，两个非均相反应各自消耗的炭假设与反应热成反比。

根据上述假设，分别列出了各区的质量守恒方程和能量守恒方程，并通过迭代法进行求解。然后，将模型的预测值同文献中的试验结果进行了比较验证，发现二者的差值不超过20 %，由此认为模型具有足够的定性和定量的有效性。最后，应用模型研究了ER和原料的含水量对气化性能的影响。

2.3四区模型

Dejtrakulwong等[32]将下吸式气化炉分为4个区(模块)：干燥、热解、氧化和还原，并分别为每个模块建立了模型。

首先，为干燥模块建立了有限速率化学动力学模型，为模型选取了合适的动力学常数及干燥反应的活化能和指前因子。设定生物质中的水分从368 K开始蒸发，直到473 K热解过程开始，从而可以计算出干燥区的最佳高度；干燥区的温度是该区高度的函数，通过控制容积中输入输出的能量平衡可以求出。

对于热解模块，将热解分为两步，第一步生物质分解生成挥发分和炭，第二步挥发性物质和炭继续反应生成新的挥发性物质和炭。通过迭代计算此模块的传热，可以求得热解区的加热速率。使用了化学平衡模型求解挥发性物质中各组分(H2、CO、CO2、CH4和N2)的物质的量。热解区的高度为热解时间与表观速度的乘积。

在氧化模块，根据化学反应速率的高低对反应发生的先后顺序进行了排列。发现氧气最先和氢气发生反应，剩余的氧气再依次同CO、CH4、C发生反应。由于处于氧气氛围中，因此利用水-气变换反应进行化学平衡计算。能量平衡方程用来求解氧化模块的温度，并且在方程中考虑了向干燥模块和热解模块传递的热量。

在还原模块，采用了文献[19]中的动力学模型，但CRF数值取100，并利用炭完全消耗的时间计算了还原模块的最小高度。

将模型的预测值同文献中的试验值进行了比较验证，二者很好的吻合。然后，利用模型研究了生物质含水量和空燃比对各区高度的影响，发现随着含水量的增加，干燥区和热解区的高度增加，而还原区的高度降低，随着空燃比的增加，干燥、热解和还原区的高度均降低。

在多分区数值模拟中，每个分区具有独自的特点，针对不同分区建立不同模型，既可以简化整体模型，又可以提高模型的精确度，具有整体气化炉模拟不可比拟的优势。其中，两分区模型既对热解和气化两个重要的反应过程进行了模拟分析，又减少了复杂的假设条件，因此具有更高的应用价值，同时也成为应用最广泛的数值模拟方法。

3结合单颗粒模型的多分区数值模拟

整个气化炉中的反应过程是多个生物质颗粒气化特性的集中体现，因此许多研究者以单个生物质颗粒气化过程的数学模型为基础，进而建立了每个气化炉多分区的数学模型，更有助于准确理解复杂的气化过程。

3.1热解区模型

Chern[33]针对下吸式气化炉有焰热解区建立了单颗粒生物质的模型，并以球型生物质为例进行了分析。模型包括2部分： 1)化学动力学模型，采用了单步一阶阿伦尼乌斯全局动力学热解模型，假设生物质分解成为挥发分和炭，由此建立质量守恒方程； 2)传热模型，包含传热的边界条件。其中，能量守恒方程包含3项：热量在控制体内的积累、导热传递的热量和热解反应的热效应。同时，忽略了控制体内的对流换热和传质，边界条件考虑对流和辐射换热。在经过对方程进行无量纲变换后，利用有限差分法对方程进行了数值求解，得到了颗粒内部的温度和密度的分布。对于热解区的温度、对流传热系数、颗粒尺寸及热解热量等参数对颗粒完全热解时间的影响进行了详细的分析。同时建立了整个热解区的热动力学平衡模型，并建议将此模型同单颗粒的热解模型相结合，从而可以建立完整的热解区的模型。

薛爱军等[34]建立了层式下吸式气化炉中有焰热解区单个生物质颗粒的热解模型，耦合了传热方程和热解化学动力学方程，并利用三对角矩阵算法(TDMA)和四阶龙格库塔法进行了求解。该模型能够较好地预测普通无氧热解环境和层式下吸式气化炉中的有焰热解环境下颗粒内部不同位置的温度和热解速率。利用该模型对有焰热解区的生物质颗粒的热解过程进行了模拟分析。结果表明，层式下吸式气化炉有焰热解环境的传热参数为：对流换热系数(hS)为80.4 W/(m2·K)，炭的发射率(ε)为0.792。有焰热解过程中，颗粒内部的温度变化趋势与外部相反，颗粒的平均热解时间比普通无氧热解环境下缩短了16.52 %，颗粒的升温速率为182.5 K/min，属于快速热解；随着有焰热解区火焰温度的升高，完全热解所需要的时间逐渐缩短，炭产量从16.92 %逐渐降低到13.97 %；随着颗粒直径的增加，热解时间逐渐增大，炭产量增加；有焰热解区的高度在6.59～44.1 mm范围内，相当于1.1～2.2个颗粒直径。

3.2还原区模型

Chen[35]建立了下吸式气化炉还原区单颗粒生物质的非等温模型，考虑了2个主要的非均相反应，即C-CO2和C-H2O反应。为了降低模型的复杂性，应用了准稳态近似(QSSA)，并进行了可行性的论证，从而在质量和能量守恒方程中去掉了时间的偏微分项。针对C-CO2和C-H2O反应，建立了各自的质量守恒方程，考虑到颗粒内扩散过程很慢，方程忽略了对流项。与质量守恒方程的形式相同，建立了能量守恒方程。

连同各自的边界条件建立了炭颗粒还原反应的数学模型。由于方程组的非线性及物理化学过程的强耦合性，采用了Fredholm积分方法，将常微分方程转换成非线性代数方程组，然后求解。在迭代过程中，将颗粒沿半径方向分成20个体积相同的薄壳层，然后计算每一壳层外表面的温度、炭的浓度、气体浓度，并以此表示这一薄壳层的数值，从而得到了不同时刻的炭颗粒内部的温度、气体浓度分布以及炭的转化率。详细分析了颗粒尺寸及周边温度对颗粒还原的影响。

以单颗粒生物质还原模型为基础，应用热动力学、传质过程、气固两相流体动力学、质量和能量守恒方程，建立了整个还原区的模型。模型中，采用了时间阶梯增加的方法。在还原区入口，时间设为起始点，此时参数为热解区的出口参数；然后沿着还原区向下，时间以一定的增量不断增加，从而建立了不同的时间阶梯层。当炭颗粒的浓度小于初始浓度的2 %～5 %时，即认为到了还原区的末端。利用模型分析了原料含湿量、颗粒尺寸、进气温度、散热损失及气化强度等对气化炉操作性能的影响，并对还原层所需最佳高度进行了分析确定，认为100 cm的还原层对于不同类型的原料都能得到比较理想的气化效率。

结合单颗粒热解的多分区模型，既从单颗粒角度对气化炉内的工况进行了模拟，又从整体分区的角度建立了不同分区的模型，使研究者能更加深入的理解气化炉内不同部分微观和宏观的工作原理，为气化工艺的改进和新工艺的开发奠定了理论基础。

4结 语

生物质下吸式气化炉的数值模拟正在受到越来越多的研究者的关注，模型的建立也日趋完善。目前的研究主要是基本的模拟方法，如热动力学平衡模型、化学动力学模型、计算流体动力学(CFD)模型、ASPEN Plus模型，然而由于下吸式气化炉中复杂的物理变化和化学反应，这些模型难以全面而准确的反映气化炉中的真实工况。多分区数值模拟方法，根据不同气化炉分区的特点，建立了有针对性的模型，既简化了整体的模型，又提高了模型的精确度，尤其是与单颗粒模型相结合，能够使研究者从微观的角度更加全面、深入地理解气化炉内不同部分的工作机理，从而起到了对气化炉的设计和操作进行优化、对新工艺的开发进行指导的作用。因此，可以认为结合单颗粒模型的多分区模拟方法是更具有发展前景的下吸式气化炉的数值模拟方法。

参考文献：

[1]蒋剑春. 生物质能源应用研究现状与发展前景[J]. 林产化学与工业,2002,22(2):75-80.

[2]ZHANG Kai,CHANG Jian,GUAN Yan-jun,et al. Lignocellulosic biomass gasification technology in China[J]. Renewable Energy,2013,49:175-184.

[3]KIRKELS A F,VERBONG G P J. Biomass gasification:Still promising? A 30-year global overview [J]. Renewable and Sustainable Energy Reviews, 2011,15(1):471-481.

[4]江俊飞,应浩,蒋剑春,等. 生物质催化气化研究进展[J]. 生物质化学工程,2012,46(4):52-57.

[5]PATRA T K,SHETH P N. Biomass gasification models for downdraft gasifier:A state-of-the-art review[J]. Renewable and Sustainable Energy Reviews, 2015,50:583-593.

[6]PUIG-ARNAVAT M,BRUNO J C,CORONAS A. Review and analysis of biomass gasification models[J]. Renewable and Sustainable Energy Reviews,2010,14(9):2841-2851.

[7]AHMED T Y,AHMAD M M,YUSUP S,et al. Mathematical and computational approaches for design of biomass gasification for hydrogen production:A review[J]. Renewable and Sustainable Energy Reviews,2012,16(4):2304-2315.

[8]BARUAH D,BARUAH D C. Modeling of biomass gasification:A review[J]. Renewable and Sustainable Energy Reviews,2014,39:806-815.

[9]BASU P. Biomass Gasification and Pyrolysis:Practical Design and Theory[M]. Burlington:Acadenic Press,2010.

[10]ZAINAL Z A,ALI R,LEAN C H,et al. Prediction of performance of a downdraft gasifier using equilibrium modeling for different biomass materials[J]. Energy Conversion and Management,2001,42(12):1499-1515.

[11]JARUNGTHAMMACHOTE S,DUTTA A. Thermodynamic equilibrium model and second law analysis of a downdraft waste gasifier[J]. Energy,2007,32(9):1660-1669.

[12]RAMANAN M V,LAKSHMANAN E,SETHUMADHAVAN R,et al. Performance prediction and validation of equilibrium modeling for gasification of cashew nut shell char[J]. Brazilian Journal of Chemical Engineering,2008,25(3):585-601.

[13]VERA D,JURADO F,CARPIO J. Study of a downdraft gasifier and externally fired gas turbine for olive industry wastes[J]. Fuel Processing Technology,2011,92(10):1970-1979.

[14]ANTONOPOULOS I S,KARAGIANNIDIS A,GKOULETSOS A,et al. Modelling of a downdraft gasifier fed by agricultural residues[J]. Waste Management,2012,32(4):710-718.

[15]MELGAR A,PEREZ J F,LAGET H,et al. Thermochemical equilibrium modelling of a gasifying process[J]. Energy Conversion and Management,2007,48(1):59-67.

[16]BARMAN N S,GHOSH S,SUDIPTA D. Gasification of biomass in a fixed bed downdraft gasifier:A realistic model including tar[J]. Bioresource Technology,2012,107(10):505-511.

[17]MENDIBURU A Z,CARVALHO J A J,CORONADO C J R. Thermochemical equilibrium modeling of biomass downdraft gasifier:Stoichiometric models[J]. Energy,2014,66(3):189-201.

[18]WANG Y,KINOSHITA C M. Kinetic model of biomass gasification[J]. Solar Energy,1993,51(1):19-25.

[19]GILTRAP D L,MCKIBBIN R,BARNES G R G. A steady state model of gas-char reactions in a downdraft biomass gasifier[J]. Solar Energy,2003,74(1):85-91.

[20]BABU B V,SHETH P N. Modeling and simulation of reduction zone of downdraft biomass gasifier:Effect of char reactivity factor[J]. Energy Conversion and Management 2006,47(15/16):2602-2611.

[21]BLASI C D. Dynamic behaviour of stratified downdraft gasifiers[J]. Chemical Engineering Science,2000,55(15):2931-2944.

[22]TINAUT F V,MELGAR A,PÉREZ J F,et al. Effect of biomass particle size and air superficial velocity on the gasification process in a downdraft fixed bed gasifier:An experimental and modelling study[J]. Fuel Processing Technology,2008,89(11):1076-1089.

[23]SHARMA A K. Modeling and simulation of a downdraft biomass gasifier 1:Model development and validation[J]. Energy Conversion and Management,2011,52(2):1386-1396.

[24]JANAJREH I,SHRAH A M. Numerical and experimental investigation of downdraft gasification of wood chips[J]. Energy Conversion and Management,2013,65(1):783-792.

[26]KUO P C,WU W,CHEN W H. Gasification performances of raw and torrefied biomass in a downdraft fixed bed gasifier using thermodynamic analysis[J]. Fuel,2014,117(1):1231-1241.

[27]RAMZAN N,ASHRAF A,NAVEED S,et al. Simulation of hybrid biomass gasification using Aspen plus:A comparative performance analysis for food,municipal solid and poultry waste[J]. Biomass and Bioenergy,2011,35(9):3962-3969.

[28]ROY P C,DATTA A,CHAKRABORTY N. Modelling of a downdraft biomass gasifier with finite rate kinetics in the reduction zone[J]. International Journal of Energy Research,2009,33(9):833-851.

[29]JAYAH T H,AYE L,FULLER R J,et al. Computer simulation of a downdraft wood gasifier for tea drying[J]. Biomass Bioenergy,2003,25(4):459-469.

[30]GAO Ning-bo,LI Ai-min. Modeling and simulation of combined pyrolysis and reduction zone for a downdraft biomass gasifier[J]. Energy Conversion and Management,2008,49(12):3483-3490.

[31]RATNADHARIYA J K,CHANNIWALA S A. Three zone equilibrium and kinetic free modeling of biomass gasifier:A novel approach[J]. Renewable Energy,2009,34(4):1050-1058.

[32]DEJTRAKULWONG C,PATUMSAWAD S. Four zones modeling of the downdraft biomass gasification process:Effects of moisture content and air to fuel ratio[J]. Energy Procedia,2014,52:142-149.

[33]CHERN S M. Equilibrium and kinetic model of co-current(downdraft) moving-bed gasifiers[D]. Manhattan:Doctoral Dissertation of Kansas State University,1989.

[34]薛爱军,潘继红,田茂诚,等.层式下吸式气化炉中单颗粒生物质的热解模型[J]. 林产化学与工业,2016,36(1):11-19.

[35]CHEN Jin-shi. Kinetic engineering modelling of co-current moving bed gasification reactors for carbonaceous material[D]. New York:Doctoral Dissertation of Cornell University,1987.

Research Progress of Numerical Simulation of Downdraft Biomass Gasifier

XUE Ai-jun, PAN Ji-hong, TIAN Mao-cheng, ZHANG Guan-min

(School of Energy and Power Engineering,Shandong University, Jinan 250061, China)

Abstract:Numerical simulation which developed the mathematical model of downdraft biomass gasifier could help to understand the chemical and physical phenomena in downdraft gasifier. Also, it could help to find optimum operating conditions, design the gasifier and assist the development of new technology. The paper discussed different models available for downdraft gasifier such as thermodynamic equilibrium, chemical kinetic, computational fluid dynamics(CFD), ASPEN Plus, multiple zones models. And the single particle model was combined to the multiple zones models. The comparative analysis among the models was carried out. The results showed that the multiple zones model combined with single particle models has more broad developing prospects.

Key words:downdraft gasifier;biomass;numerical simulation

doi:10.3969/j.issn.1673-5854.2016.02.009

收稿日期：2015-10-16

作者简介：薛爱军(1972— )，男，山东济南人，博士生，主要从事生物质能技术研究；E-mail：xuetom163@163.com *通讯作者：田茂诚，教授，博士生导师，主要从事强化传热技术研究；E-mail：tianmc65@sdu.edu.cn。

中图分类号：TQ35;TK6

文献标识码：A

文章编号：1673-5854(2016)02-0045-08

·综述评论——生物质能源·