提升废物转化为能源的发电厂的能量分析精度：一种用于准确评估的新逆向求解方法

《Fuel》：Enhancing exergy analysis of waste-to-energy power plants: a novel inverse solution method for accurate evaluation

　　佩曼·扎鲁里安（Peyman Zaroorian）、莫赫森·巴尼法特梅（Mohsen Banifateme）、阿里·贝巴哈尼尼亚（Ali Behbahaninia）、格洛丽亚·皮尼亚塔（Gloria Pignatta）
伊朗德黑兰K.N.图西理工大学机械工程学院能源系统工程系

**摘要**
本文首次应用了一种逆向求解方法，对基于下行气流气化技术的朗肯循环（Rankine cycle）垃圾发电厂进行了全面而精确的熵分析。以往的研究依赖于平均城市固体废物（MSW）的成分，导致结果不够准确。由于城市固体废物的异质性，发电厂采样区域与反应器之间的成分存在差异。逆向方法通过烟气分析和其他测量数据间接估算城市固体废物的成分和热值，无需进行物理采样和分析。利用估算出的成分对整个发电厂进行熵分析。该方法以伊朗德黑兰的阿拉德库赫（Aradkooh）垃圾发电厂为案例进行研究，使用了该电厂的实际数据。作者介绍了各种熵损失和熵破坏项，强调了发电厂内不同组分对熵效率的显著影响。逆向方法得出的城市固体废物成分数据显示：碳含量为27.14%、氢含量为3.16%、氧含量为33.29%，同时含有大量水分和灰分。熵分析结果表明，气化器和燃烧室是熵破坏最严重的部分（分别为2303千瓦），蒸汽轮机和废气也在熵破坏和损失方面贡献较大（分别为307千瓦和875千瓦）。该电厂的计算熵效率为13.1%。敏感性分析表明，城市固体废物中碳含量的5%变化会导致计算效率变化12.01%。研究结果强调了准确信息输入对于有效熵分析的重要性，有助于评估、研究和比较不同的废物管理流程。研究识别了发电厂中的多种效率低下现象，量化了十个熵损失项和八个熵破坏项。这一全面分析加深了对垃圾发电系统效率低下的理解，并突显了逆向方法在减少熵计算误差方面的价值，为提升运营效率提供了依据。

**引言**
人口快速增长、城市化和工业化显著增加了家庭、企业和机构产生的城市固体废物（MSW）[1]。一种同时管理废物并发电的新方法是垃圾发电厂（WTE）[2]。这类发电厂在全球范围内发展迅速，因此需要对其能源和熵进行分析。能源和熵分析可以利用文献中提供的平均城市固体废物成分值来评估现有垃圾发电厂[3]。
能源分析是一种用于评估和理解系统、建筑或过程能源使用和效率的方法[4]，包括对能源消耗、能源资源、能源损失及改进空间的考察。总体而言，熵分析旨在最大限度地利用现有能源[5]。熵分析基于热力学第一定律和第二定律[6]。20世纪70年代能源危机的出现使熵分析成为热力学分析领域的领先方法之一[7]。
Khaleel等人[8]通过结合能源和熵分析的模型提高了燃煤热电厂的效率，强调了这种综合方法对优化现有电厂的重要性。他们的预测模型显示，通过优化过热器压力和温度，净发电量分别提高了8%和6%。随后，Khaleel等人[9]通过熵评估和优化技术（预测模型和共轭方向法）解决了老旧燃煤电厂的效率下降问题，确定了最佳给水加热器压力以提升能源和熵效率。这项工作突显了熵分析相对于传统方法的优势，使净发电量达到约589兆瓦，净效率达到30.41%。此外，Khaleel等人[10]全面回顾了通过能源和熵分析优化热电厂的方法，指出燃烧室是主要的熵破坏源（整个系统效率约为20%），并建议整合可再生能源和优化运行条件以提高效率并减少排放[10]。Shireef和Ibrahim[11]研究了三压联合循环发电厂，报告其净能源效率为56%，净熵效率为54%，其中燃烧室占总熵破坏的58%[11]。
Athari等人[12]提出了一种结合蒸汽喷射冷却和生物质系统的燃气轮机，并对该复杂系统进行了能源、熵和熵经济分析。他们分别计算了不同组件的能源效率，发现再热锅炉在减少不可逆性方面具有最大潜力，而蒸汽冷凝器的潜力最低[12]。Mehrpooya等人[13]对23种不同类型的生物质进行了生物质循环建模和模拟，分析表明提高系统效率需先对燃料进行干燥[13]。Pellegrini和Oliveira[14]提出了甘蔗生物质气化的平衡模型，尽管模型较为简单，但结果与实验结果高度一致[14]。为了评估过程中的不可逆性并理解温度、湿度、木炭生产和热损失对这些不可逆性的影响，进行了熵分析，发现气化反应器的熵效率为30%[14]。Cohce等人[15]研究了以油棕壳为原料的生物质氢生产厂，通过能源和熵分析评估了系统性能，认为生物质气化是发电、供暖和氢生产的有前景的替代方案[15]。Karamarkovic等人[16]也为含CH1.4O0.59N0.0017生物质燃料的气化反应器提出了平衡模型，基于所需输出与燃料输入的关系计算了气化反应器的熵[16]。在1373–900 K的温度范围内，生物质中水分的增加降低了系统效率[17]。Varjani等人[17]全面概述了城市固体废物可持续管理的WTE技术，强调了选择最有效WTE技术时MSW成分的关键作用[17]。
Soltani等人[18]研究了燃气轮机、蒸汽和生物质混合循环发电厂的先进熵分析，发现了8种熵破坏项，表明可以通过热回收锅炉改善系统的熵性能，其中气化反应器和燃烧室的熵破坏最为显著[18]。Maneerung等人[19]对带有内燃机的气化反应器进行了能源和熵分析，仅报告了4种损失项（包括内燃机损失、气化反应器损失、发动机散热器损失和废气损失）[19]。然而，该研究未详细说明发动机和反应器的损失情况。他们的结果显示，最大的能量损失与废气相关，最大的熵损失与反应器损失相关[19]。Muller等人[20]研究了包含气化反应器、燃料电池和微型涡轮机的混合循环发电厂，使用零维模型进行了热力学模拟，并对系统进行了包含17个熵破坏项的全面能源和熵分析，其中气化反应器的熵破坏最为显著[20]。Azami等人[21]对位于伊朗德黑兰的WTE锅炉进行了全面的热力学研究，主要建立了整个锅炉系统的质量、能量和熵平衡方程[21]。为了便于分析，作者采用了混合废物的平均化学成分来创建一个假设的代表分子，并使用分区方法设计了炉子[21]。他们的研究发现，系统内熵破坏的主要原因是炉子中的不可逆性[21]。Lotfi等人[22]提出了一种专门针对WTE发电厂的能源和熵审计创新方法，该方法通过利用系统内的能量和质量平衡准确计算固体废物的热值，无需进行化学分析[22]。他们识别并量化了九种熵损失和两种熵破坏成分，这些因素显著影响了系统的整体效率。其中，气化器和燃烧室内的熵破坏以及废气排放造成的熵损失是影响效率的主要因素[22]。由于缺乏废物分析数据，Lotfi的文章使用了近似关系来计算化学熵，这可能导致后续计算（如熵分析）出现误差[22]。此外，该研究的熵分析仅针对发电厂的回收锅炉进行。

**熵分析的基础热力学原理**
熵分析基于物理熵和化学熵的概念，以及将熵破坏与熵生成联系起来的Gouy-Stodola关系，在文献中已有明确阐述[23][24]。虽然早期研究主要集中在热电厂和气化系统上，但为了全面了解情况，还需考虑其他城市固体废物管理方法，如焚烧、厌氧消化、混合气化系统以及机械-生物处理等预处理方式[24]。
近期关于城市固体废物管理途径的研究为熵优化提供了创新见解，但这些研究依赖于平均或参数化的燃料成分，这凸显了我们提出的逆向方法在垃圾发电（WTE）系统中进行精确、无需采样的熵分析方面的优越性[25]。Mollica等人[25]通过合成气净化和技术经济建模，实现了混合气化WTE电厂的多目标优化，熵效率达到25–35%[25]。Ceribeli和de Souza-Santos[26]从理论上探讨了城市固体废物浆料气化对燃料浆料集成气化器/燃气轮机（FSIG/GT）过程的影响，报告效率为20–25%，其中气化器的熵损失约为30–50%（由蒸发不可逆性引起）[26]。在生物消化过程中，Pinheiro等人[27]对城市固体废物沼气厂进行了熵分析，得出26.23%的联产效率（消化过程最高可达68.25%），并识别出厌氧过程中的化学不可逆性导致的21,377 MJ/天的熵损失[27]。Trindade等人[28]对城市固体废物焚烧系统的蒸汽循环进行了高级熵分析，报告蒸汽循环熵效率为19.33%，其中大部分可避免的熵损失发生在锅炉/炉子[28]。机械-生物处理主要作为预处理步骤，用于均质化废物并减少水分，但下游的能源回收仍依赖于准确的燃料特性分析[28]。这些研究通常使用平均城市固体废物成分（如近似分析），将熵损失归结为汇总的数值，缺乏我们提出的基于逆向分析的详细输入[28]。
所有这些研究都使用平均城市固体废物成分进行能源和熵分析。WTE发电厂中的燃料注入过程涉及使用位于废物坑上方的塔式起重机。由于城市固体废物的异质性，发电厂内可用于采样的废物成分因样本而异。重要的是，用于发电的城市固体废物位于反应器内部，不易进行采样。因此，基于上述考虑，实时测量城市固体废物（MSW）的组成被认为是不可行的。废物转化为能源的发电厂领域依赖于已建立的评估标准，特别是ASME PTC 33 [29]和ASME PTC 34 [30],[31]，这些是广泛认可的用于能源审计目的的测试代码。ASME PTC 33提供了一种全面的采样程序，确保了数据收集的细致性。在这种情况下，使用标准化的平均值来表示MSW的组成和热值，以确保评估结果的一致性。严格的采样技术涉及收集多个样本，从而能够确定每个感兴趣元素的平均值。此外，燃料流量测量包括测量消耗特定数量MSW所需的时间，从而可以准确估计MSW的消耗流量。这些标准化的协议和测量技术有助于提高WTE发电厂能源审计的可靠性和准确性。该方法中效率计算的准确性受到与MSW组成、热值以及测试期间MSW平均质量流量相关的潜在测量误差的影响。两个新的PTC标准（即ASME PTC 33和34）被应用于WTE发电厂。这些标准使用迭代方法基于高位热值（HHV）调整来确定能量平衡。使用ASME PTC 34的优势在于它独立处理MSW的组成和热值。值得注意的是，使用ASME PTC 34相对于其他现有标准具有明显的优势，主要是因为其对MSW组成和热值的独立处理。这种独立处理允许对MSW固有的能量特性进行更稳健和准确的分析。另一方面，如果该程序中缺乏MSW组成信息，可能会导致后续分析结果偏离正确值。由于能量和熵分析是用于评估、研究和比较不同过程的工具，因此使用正确的输入信息至关重要。当无法获得MSW组成数据时，所有传统的能量和熵分析方法都无法使用。在最近的一项研究中，Behbahaninia等人[32]提出了一种基于ASME PTC 33和ASME PTC 34基础原理的改进方法。作者旨在减轻能量效率计算对MSW质量流量波动的敏感性，同时使用平均MSW组成进行分析。尽管废物转化为能源（WTE）技术有所进步，但仍存在几个关键问题，阻碍了WTE发电厂的有效评估和优化。本研究的主要问题陈述如下：1. MSW组成不准确：现有研究中的一个重大问题是依赖于平均城市固体废物（MSW）组成来进行能量和熵分析。这种方法未能考虑到MSW的异质性，导致对WTE发电厂性能的评估不准确。2. 缺乏全面的熵分析：另一个关键问题是先前研究中缺乏对整个发电厂的详细熵分析。这一限制阻碍了对熵破坏和损失来源的理解，从而阻碍了优化和性能改进的机会。本文提出了一种新方法，该方法使用逆向求解法准确计算MSW的组成及其热值，然后对整个废物转化为能源（WTE）发电厂进行全面的熵分析。与以往通常依赖平均废物分析并提供不完整评估的研究不同，这项研究提供了详细的熵分析，并突出了该方法的新颖性和对该领域的重大贡献。为了解决第一个限制，Banifateme等人[33]采用了逆向求解法进行MSW组成计算。逆向求解法使用参数和函数估计来找出某种效应的原因[34]。这种方法之前已被用于解决与不同领域和主题相关的广泛问题，包括航空工程、可再生能源[35],[36]、热传递[37],[38],[39]、[40]以及建筑物理[41],[42],[43]。Sun等人[44]提出了一种基于机器学习的逆向设计方法，用于通过生物CO2转化优化沼气升级。逆向设计方法为优化多种运行条件提供了一种系统化和有根据的方法，减少了对大量实验室实验的依赖，并使沼气升级的决策更加有效。模型预测与实验验证进行了比较，显示出较低的相对误差。通过采用逆向设计方法，本研究能够同时优化多种条件，而使用传统方法时这通常是具有挑战性的。Banifateme等人[33]使用间接方法来确定MSW的组成，而无需采样。此外，作者利用估计值来确定关键参数，如MSW的高位热值（HHV）、MSW的质量流量、系统内的能量损失以及整个工厂的效率。本文描述的技术是唯一一种无需采样即可获得MSW组成的方法，并详细说明了所使用的解决方法。通过采用这种替代方法，研究人员避免了直接采样的需要，为评估MSW组成及相关参数提供了新的视角。这种间接方法使得废物转化为能源系统的分析更加简洁高效，促进了有助于全面评估发电厂性能的估算和计算。虽然MSW组成估计的逆向求解法之前已由Banifateme等人[33]开发，但本研究通过将其整合到整个WTE发电厂的详细熵分析中，扩展了这种方法。这是本研究的主要新颖之处，因为它提供了准确的燃料熵输入数据，并能够识别和量化十个熵损失项和八个熵破坏项，比传统的平均组成方法提供了更深入的系统不可逆性洞察。本研究的主要目标是通过逆向求解法引入一种新的方法，对废物转化为能源（WTE）发电厂进行全面和准确的熵分析。这种方法旨在不依赖于平均值，从而准确确定城市固体废物（MSW）的组成，提高熵评估的精度。为了弥补WTE发电厂分析中的两个主要弱点，本文提供了一种基于逆向计算方法的新方法，不仅可以高精度地计算MSW组成，还可以检查整个发电厂的熵破坏和熵损失来源。因此，本文不是使用传统的计算MSW组成平均值的方法，而是借助逆向计算提供准确的MSW组成。在这项工作中，通过逆向计算方法对MSW进行了分析，并提供了整个发电厂的详细熵分析，揭示了10个熵损失项和8个熵破坏项。能量分析的基础在于燃料熵的计算。如上所述，所有先前的研究在确定MSW组成和熵方面都存在精度不足的问题。在本研究中，通过准确计算熵破坏项1和2解决了这个问题，这是以往研究未采取的步骤。本研究的新颖性和贡献如下：主要新颖性在于首次应用逆向求解法直接从烟气测量中准确、实时地估计有效的MSW组成和热值，克服了由于MSW异质性导致的传统采样的局限性。这种方法通过识别和量化整个系统中的十个熵损失项和八个熵破坏项，实现了全面的工厂范围熵分析，其中气化器和燃烧室贡献了总熵损失和破坏的58%（2303 kW）。这种详细程度在以前的研究中很少见，以前的研究通常局限于锅炉重点或部分分析。主要贡献包括提高的燃料熵精度（4606.2 kW）、仅有0.23%相对误差的双层验证、详细的敏感性结果（碳：12.01%，氢：6.56%，以及碳+氢+水分变化的组合高达17.9%），以及显示影响有限的传播不确定性分析（对熵效率的影响为±1.1%）。这些进步为实时工厂优化和未来混合系统集成提供了坚实的基础。

方法论
本研究的主要目的是进行高精度的全面和完整的熵分析。为了达到本研究所需的精度水平，我们需要知道真实的MSW组成。之前的研究通过专门的系统回顾确定了平均废物组成。然而，可以采样的MSW可能与反应器内燃烧的MSW有不同的组成。这种差异源于MSW的异质性特征。

结果与讨论
本文介绍了一种用于对整个废物转化为能源工厂进行熵分析的新方法。所提出的分析方法已应用于Aradkooh发电厂[59],[60]。逆向方法被用来计算MSW的组成。本节使用了逆向方法计算出的MSW组成、MSW质量流量和空气质量流量。表1显示了逆向方法使用的输入数据，而该方法计算出的输出数据显示在验证部分。

验证
由于首次在废物转化为能源（WTE）系统的全面熵分析中应用逆向求解法，本研究采用的验证策略与传统方法不同。传统的通过物理MSW采样的直接验证方法由于MSW的异质性和反应器内燃料的不可接近性而本质上不可靠且不切实际。因此，采用了严格的双层验证框架。

参数敏感性分析
在这项敏感性分析中，研究了MSW化学分析参数对发电厂效率的影响。敏感性分析考虑每个参数的5%误差值，并计算并显示了效率值的计算误差，见表9。尽管Testo 350 XL气体分析仪的测量不确定性相对较低（主要物种为0.1–0.2 vol%）[67]，但每个主要组分仍应用了保守的±5%相对变化。

结论
总之，本文介绍并展示了一种基于逆向求解法的应用，用于对整个废物转化为能源（WTE）发电厂进行准确的熵分析的开创性方法。将这种方法应用于从现有发电厂获取的实际数据，揭示了几项创新贡献，使其区别于以往的研究。与以往的研究相比，本研究的创新贡献包括以下几点：
• 准确性

作者贡献声明
Peyman Zaroorian：撰写 – 审稿与编辑、撰写 – 原稿、可视化、验证、资源、调查、形式分析、概念化、方法论、软件。
Mohsen Banifateme：撰写 – 原稿、可视化、验证、软件、方法论、调查、形式分析、数据管理、概念化。
Ali Behbahaninia：验证、监督、项目管理、概念化。
Gloria Pignatta：撰写 – 审稿与编辑、验证。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。