基于实验与回归模型的烘焙垃圾衍生燃料(RDF)特性预测研究：碳相对摩尔质量(CRMM)与热解温度(HTT)的协同作用

针对垃圾衍生燃料(RDF)组分复杂、热解特性预测困难的问题，波兰弗罗茨瓦夫环境与生命科学大学团队通过九种纯RDF组分及其二元混合物的烘焙实验，建立了基于碳相对摩尔质量(CRMM)和最高处理温度(HTT)的非线性回归模型。研究发现该模型对碳含量(R2=0.888)和热值(R2=0.810-0.859)预测效果显著，为优化RDF热化学转化工艺提供了量化工具。

　　

随着全球城市化进程加速，城市固体废弃物(MSW)年产量预计2050年将达到34亿吨，其中约33%存在处理不当问题。垃圾衍生燃料(RDF)作为MSW的能量回收形式，虽能缓解废弃物管理压力，但其高度异质性导致燃料性能波动大——高热值(HHV)范围达11.4-26.9 MJ·kg^-1，灰分(AC)含量波动在14.3%-26%之间。这种不稳定性严重制约了RDF在水泥工业等领域的规模化应用，亟需开发预测模型实现燃料特性的精准调控。

波兰弗罗茨瓦夫环境与生命科学大学(Wroc?aw University of Environmental and Life Sciences)的Hejna Ma?gorzata和Bia?owiec Andrzej团队在《Fuel》发表研究，通过系统实验与建模揭示了碳相对摩尔质量(CRMM)与烘焙温度(HTT)对RDF燃料特性的协同影响规律。研究选取异丁烯-异戊二烯橡胶(IIR)、聚丙烯(PP)、高密度聚乙烯(HDPE)等9种典型RDF组分及其36种二元混合物，在200-300°C范围内进行CO₂氛围烘焙实验，测定270个碳化固体燃料(CSF)样品的元素组成、热值等16项参数。创新性提出CRMM计算公式，结合非线性回归构建了多参数预测模型。

关键技术包括：(1)采用马弗炉(SNOL 8.1/1100)在CO₂流量10 dm³·h^-1条件下进行烘焙；(2)通过元素分析仪(Perkin Elmer 2400)测定C/H/N/S含量；(3)基于近红外光谱和热重分析进行组分表征；(4)运用Statistica 13.3软件进行主成分分析(PCA)和四种回归建模。

3.1 主成分分析

PCA显示第一主成分(PC1)解释52.78%方差，碳含量(C)、高热值(HHV)与CRMM呈强正相关。温度升高促进脱氧反应，HTT>240°C时碳富集效应显著，验证了CRMM作为分子结构描述符的可靠性。

3.2 最佳拟合模型

碳含量预测模型表现最优(R²=0.888)，揭示CRMM>25 g·mol^-1的组分(如纤维素CEL、淀粉ST)碳保留率更高。高热值HHV DAF模型(R²=0.852)表明280°C后能量密度趋于稳定，而灰分(AC)和氮含量(N)模型预测性较差(R²<0.2)，证实其受原料本征特性主导。

4.局限性

模型对纯净组分预测效果良好，但实际RDF可能含添加剂和复杂相互作用。未检测氯含量可能影响腐蚀性评估，建议后续研究纳入更复杂混合物验证。

该研究首次建立CRMM-HT