Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: redukcja emisji CO

Sortuj według:

Ogranicz wyniki do:

The new meaning of solid fuels from lignocellulosic biomass used in low-emission automatic pellet boilers

Mirowski Tomasz, Jach-Nocoń Marta, Jelonek Iwona, Nocoń Adam

Polityka Energetyczna

2020

T. 23, z. 1

75--86

The energy obtained from biomass in the global balance of energy carriers is the largest source among all RES. It should be borne in mind that the share of biomass as an energy carrier in the total balance is as much as 14%. The basic sources of renewable energy used in Poland are the wind power industry and biomass. Organic chemical compounds are the source of chemical energy for biomass. The biomass can be used in a solid form (wood, straw) or after being converted to liquid (alcohol, bio-oil) or gas (biogas) form. Pellets, meaning, the type of fuel of natural origin created from biomass compressed under high pressure without the participation of any chemical adhesive substances are recognized as the most common and available grades of biomass. Wood pellets manufactured from sawdust, shaving, or woodchips are the most popular type of pellets on the market. Fuel created in the form of granules is very dense and can be manufactured with low humidity content, which translates into an exceptionally high burn efficiency. The authors of this article burned agro pellets from Miscanthus giganteus without additives and with solid catalyst and conducted a series of tests that determine the impact of boiler settings (blast power, time of feeding, chimney draft) on the process of burning fuel in real conditions. A solid catalyst was used to improve combustion conditions in one of the fuels. The catalyst burns carbon monoxide and reduces nitrogen oxides. The results in the form of observation of selected parameters are summarized in the table.

Energia uzyskiwana z biomasy w globalnym bilansie nośników energii jest największym źródłem spośród wszystkich OZE. Należy pamiętać, że udział biomasy jako nośnika energii w całkowitym bilansie wynosi aż 14%. Podstawowymi źródłami energii odnawialnej wykorzystywanymi w Polsce są energetyka wiatrowa i biomasa. Organiczne związki chemiczne są źródłem energii chemicznej dla biomasy. Tę z kolei można wykorzystać w postaci stałej (drewno, słoma) lub po przekształceniu w płynną (bioetanol, bioolej) lub gazową (biogaz). Pellety, czyli rodzaj paliwa pochodzenia naturalnego wytworzonego z biomasy sprasowanej pod wysokim ciśnieniem bez udziału jakichkolwiek chemicznych substancji klejących, są uznawane za najbardziej powszechne i dostępne rodzaje paliwa z biomasy. Pelety drzewne wytwarzane z trocin, wiórów lub zrębki są najpopularniejszym rodzajem peletów na rynku. Paliwo wytwarzane w postaci granulatu (granulek) jest bardzo gęste i może być wytwarzane przy niskiej wilgotności, co przekłada się na wyjątkowo wysoką efektywność spalania. Autorzy tego artykułu wykonali serię testów spalania peletów agro z trawy Miscanthus giganteus bez dodatków uszlachetniających oraz z katalizatorem stałym. Badania miały na celu określenie wpływu ustawień kotła (moc dmuchawy, czas podawania, ciąg kominowy) na proces spalania paliwa w rzeczywistych warunkach. Stały katalizator zastosowano do poprawy warunków spalania w jednym z paliw. Katalizator pozwala dopalić tlenek węgla i redukuje tlenki azotu. Wyniki w postaci obserwacji wybranych parametrów zestawiono w tabeli.

Test signals for NOx emission identification of coal boiler

Lichota J., Sąsiadek J.

Rynek Energii

2006

nr 6

59-67

This paper presents real test signals used to identify neural network boiler model parameters. The obtained model can be used to control NO2 and CO emission. The method was tested for OP-650 power boiler installed in Dolna Odra Power Plant Station. It has been demonstrated that the neural network model properly predicts NO2 and CO emission.

W artykule przedstawiono dane pomiarowe, które zostały zastosowane do nauczenia sztucznej sieci neuronowej przewidywania emisji dwutlenku azotu oraz tlenku węgla z kotła OP-650. Obejmują one: strumienie powietrza do młynów 1...5 (0 32.84 m3u/h), całkowity strumień powietrza do kotła (246.35 664.38 m3u/h), strumienie powietrza do palników UG11...UG54 (0.40 29.54 m3u/h), strumień spalin za wentylatorem WR1 (8.58 60.10 m3u/h), strumienie powietrza do dysz OFA - z przodu, z tyłu, z lewej i prawej strony (7.07 37.26 m3u/h), całkowita ilość powietrza do kotła (0 319.35 t/h), strumień wody zasilającej kocioł (0 314.83 t/h), strumień pary świeżej (27.17 665.96 t/h), temperaturę spalin za ECO po prawej i lewej stronie (258.21 401.69 C), temperaturę powietrza przed podgrzewaczem powietrza LP1 oraz LP2 (20.71 30.56 C), temperaturę powietrza na wlocie do kotła (42.63 58.49 C), prędkości podajników węgla LW01...LW05 (0 79.84 %), zawartość tlenu w spalinach za ECO po prawej i lewej stronie (1.67 20.44 %), położenie zasów wentylatorów spalin WS1 oraz WS2 (15.82 59.78 %), różnicę w położeniu zasów wentylatorów (2.53 7.42 %), ciśnienie spalin recyrkulacyjnych za wentylatorem WR1 (-0.14 0.15 MPa), moc elektryczną brutto generatora (0 221.08 MW), emisję NOx (0 679.28 mg/m3u), emisję CO (5.17 123.72 mg/m3u). Podstawowe sygnały stanowiły zmiany prędkości podajników węgla. Zostały one dobrane w ten sposób, aby zbadać nieliniowe własności kotła w kilku punktach. Własności dynamiczne kotła zawarte w sieci neuronowej mogą zostać wykorzystane do budowy neuronowego regulatora spalania. Zaproponowano wskaźniki oceny jakości regulatora neuronowego: emisję NOx, emisję CO, zawartość węgla w popiołach, różnicę temperatur pary, temperaturę pary świeżej, temperaturę spalin wylotowych oraz stężenie O2 przy ścianach membranowych.