论文部分内容阅读
CH4-CO2重整反应将两种温室气体(CH4和CO2)转换为合成气(H2和CO),该反应可以实现CO2减排和C1资源高效利用。从保护环境和资源化利用CO2角度来考虑,CH4-CO2催化重整反应体系具有很高的研究价值。人们已经从反应温度,CO2和C地进料比,催化剂类型和含量,载体、助剂、改性剂等各个角度展开研究。影响反应的因素较多,且影响规律一般呈非线性,使得该体系较为复杂。理论模拟可以作为实验的重要补充,为实验提供指导及预测。在诸多理论模拟方法中,人工神经网络具有非常强的非线性映射能力。因此,本文结合CH4-CO2催化重整实验,采用人工神经网络对其建立预测模型,为其反应条件优化、催化剂选择等提供参考。根据三类催化剂体系的CH4-CO2催化重整反应的实验数据,分别建立了对应的预测模型。模型一：在H202改性活性炭催化CH4-CO2重整预测模型中,选取网络输入为反应温度、催化剂的介孔面积、酚羟基和醚氧基的相对含量；网络输出为CH4初始转化率和稳定转化率、CO2初始转化率和稳定转化率,分别建立了BP神经网络多输出和单输出预测模型。通过比较这两个模型训练样本和检验样本的均方误差,发现其预测能力相近,预测误差平均值均小于12%；并对单输出预测模型进行了敏感度分析,分析结果表明,温度对反应的影响最大,而催化剂的物理结构(介孔面积、酚羟基和醚氧基)的影响则相对较小。模型二：在Ni/Al2O3催化CH4-CO2重整预测模型中,建立了基于温度和空速的预测模型,这两个模型分别采用了BP算法和改进BP算法。在温度模型中,选取网络输入为反应温度、Ni含量、催化剂比表面积、孔体积和孔径,网络输出为CH4转化率、CO2转化率和H2/CO比,得到BP模型和改进BP模型预测误差平均值均小于1.5%；对该模型敏感度分析表明,反应温度和Ni含量对反应的影响较大,催化剂的物理结构影响较小。在空速模型中,只将温度模型输入中的反应温度变为空速,其他相同,得到BP模型和改进BP模型预测误差平均值均小于3.7%；对该模型敏感度分析表明, Ni含量对反应的影响最大,其次是空速、孔径和比表面积,这三个因素的影响相近,孔体积影响最小；在温度和空速预测模型中,改进BP模型从预测精度、收敛速度和网络的稳定性方面都优于BP模型。模型三：在Ni/ZSM-5催化CH4-CO2重整预测模型中,选取网络输入为反应温度、Ni含量、Ce含量和CO2/CH4进料比；网络输出为CH4转化率、CO2转化率、H2选择性和产物中H2/CO比,分别建立了BP神经网络预测模型、基于遗传算法优化的GA-BP预测模型、基于粒子群算法优化的PSO-BP预测模型。预测结果显示,三个模型的检验样本的平均相对误差均小于9%,且优化后的GA-BP模型和PSO-BP模型的预测能力有所提高。对这三个预测模型进行敏感度分析,综合三个模型的敏感度分析结果,认为对反应结果影响最大的为CO2/CH4进料比,其次是温度和Ni含量,Ce含量的影响最小。