煤粒径和二次风比例对10千瓦循环流化床中NO和N?O排放的影响：实验与数值模拟

研究采用实验与计算流体动力学（CPFD）模拟结合的方法，分析超低负荷下循环流化床锅炉（CFBC）中煤粒尺寸与二次风比例对NO和N?O排放的影响。结果表明，细颗粒（0-0.3mm）因快速解吸释放大量挥发分-N，导致N?O排放最高；中颗粒（0-0.6mm）通过优化局部还原环境减少N?O生成；粗颗粒（0-0.9mm）因增强异质还原降低NO排放。最佳二次风比例范围为20-30%，其中30%时NO和N?O综合排放量降低17%。该研究为CFBC低负荷灵活运行提供理论依据。

　　

周盈川|左彦军|李海阳|万照新|金瑞|王晓佳|段玉峰

中国东南大学能源与环境学院能源热转换与控制教育部重点实验室，南京210096

摘要

循环流化床燃烧（CFBC）是一种清洁煤技术，以其燃料灵活性、高效率和低排放而闻名。然而，在超低锅炉负荷下，炉温的降低会削弱燃烧稳定性和选择性非催化还原（SNCR）的性能，导致NO和N₂O排放增加。为了解决这些极端条件下NO₂和NO形成及排放机制的关键知识空白，本研究结合了实验测量和基于计算粒子流体动力学（CPFD）的数值模拟，明确地将颗粒尺寸依赖的挥发分释放动力学与NO₂和NO的演变联系起来。结果表明，虽然煤颗粒尺寸对平均NO排放的影响较小，但它显著影响NO₂的形成。具体而言，细颗粒（0–0.3毫米）由于快速挥发分释放和强烈的挥发性氮释放而产生最高的NO₂排放，而中等尺寸颗粒（0–0.6毫米）产生的NO₂水平最低。相比之下，粗颗粒（0–0.9毫米）的NO排放大约低15%，但NO₂水平适中，这归因于焦炭表面增强的异相还原作用。此外，增加二次空气与一次空气的比例可以重新分配氧气，并将燃烧区向上升管壁移动。实验和模拟都确定了一个最佳比例范围为20–30%，在该范围内，30%的比例可以使NO排放减少约17%。这些发现为负荷灵活的CFBC锅炉运行提供了新的见解，表明协调控制煤颗粒尺寸和二次空气与一次空气的比例可以降低NO和NO₂排放并实现更稳定的燃烧。

引言

循环流化床燃烧技术因其广泛的燃料适应性、低污染物排放、高效率和优越的负荷调节能力而被认为是一种清洁煤技术。Gong等人的最新工作[1]通过证明增强烘焙可以显著提高生物质燃料的质量，验证了其燃料灵活性。目前，中国有超过3,500座CFBC燃煤电厂在运行，总发电容量超过100,000兆瓦，其中大多数达到了超低排放标准，成为中国CFBC发展的全球领导者[2]。同时，Guo等人[3]证明生物质衍生的超微孔碳能够通过太阳能辅助再生实现高效且低能耗的CO₂捕获。

在中国“双碳”目标（碳达峰和碳中和）的背景下，CFBC单元在平衡风能和太阳能等可再生能源的间歇性方面发挥着重要作用，这经常迫使锅炉在低负荷甚至超低负荷条件下运行[4]。然而，负荷灵活性的增加往往会加剧污染物排放。特别是在超低负荷下，炉温急剧下降，导致选择性非催化还原（SNCR）系统的脱硝效率迅速下降。此外，炉内的温度场、空气动力学和颗粒分布的不均匀性导致NO和N₂O排放不稳定[5]。因此，传统的燃烧后技术如选择性催化还原（SCR）由于温度较低而无法有效同时控制NO_x和N₂O[6],[7]，这为实现超低排放带来了新的挑战。

这些问题在快速负荷循环期间对排放控制提出了重大挑战。此外，煤的固有因素也会影响排放行为。例如，Ai等人[8]表明，烟煤中的有机硫嵌入在高度稳定的噻吩结构中，这影响了转化过程中的反应路径。通常，虽然CFBC锅炉的较低燃烧温度有助于抑制热NO_x的形成，但它往往会将N₂O的生成增加3到10倍，因为NO_x和N₂O对温度的依赖性相反[9],[10]。这种现象在快速负荷调整期间更加明显，经常导致排放不符合规定。至关重要的是，在超低负荷条件下，NO₂和NO_x的形成和抑制机制仍不甚清楚，这些条件的特点是煤进料速率的急剧减少和过量空气的增加。

涉及N₂O和NO_x的复杂氧化和还原反应强烈依赖于温度、煤颗粒尺寸和局部氧/CO浓度；然而，这些因素如何相互作用以决定氮氧化物的最终命运仍然是一个关键的未解之谜。

清华大学的研究人员创新性地提出了一种流化状态重建理论，重点在于改善床层材料性能，增强飞灰循环，从而提高燃烧效率并减少各种排放[11]。根据这一理论，显著减小煤颗粒尺寸以增加细飞灰的循环量，并增强二次空气的渗透和固体与空气之间的混合。因此，在整个炉高范围内形成了许多颗粒簇；每个簇由燃烧的细煤颗粒组成，周围环绕着由挥发性物质快速释放形成的局部还原气氛。这种环境有效地抑制了NO₂和NO_x的形成。先前的研究证实，细煤颗粒通过快速演化挥发性前体促进了这些还原区，从而在整体还原环境中抑制了NO_x的生成[12]。在CFBC预热系统中，0–0.5毫米的颗粒尺寸通过挥发性氮转化为N₂，显示出最低的NO排放[13]。在空气分级条件下，煤颗粒尺寸（46–118微米）使NO排放减少了16–29%[14]。然而，在富氧区域，NO₂和NO_x仍然容易形成。此外，过多的细颗粒可能导致挥发性物质过早燃烧，停留时间受限，特别是在富氧条件下会增加NO₂排放[15]。对于较大的颗粒，氧气向内部的渗透受到限制，焦炭燃烧延迟，导致NO增加[16]。研究还揭示了NO_x前体（如HCN和NH₃）的尺寸依赖行为，在超细煤颗粒（<10微米）的情况下，这些前体的生成量增加了28–40%，因为微小的颗粒尺寸可能会改变表面氮官能团，从而显著促进NO_x前体的演化[17]。中等尺寸颗粒（45–75微米）通过挥发性氮释放、氧气扩散和焦炭氮转化途径，可以将NO_x排放减少多达27%[18]。这些结果表明，颗粒尺寸优化对于NO_x控制是不可或缺的。然而，先前的研究也显示了颗粒尺寸对NO和NO₂排放的矛盾影响。在某些情况下，细颗粒通过增强局部还原区来抑制NO；而在其他情况下，它们通过加速挥发性氮物种的释放来促进NO_x的形成。这些不一致主要源于局部氧化还原条件的差异，如空气分级、氧气分布和停留时间。由于挥发性氮的氧化和焦炭还原对局部环境非常敏感，煤颗粒尺寸分布可以显著改变NO/N₂O形成和还原之间的平衡。因此，本研究旨在阐明超低负荷CFBC运行下的排放机制，特别关注煤颗粒尺寸和二次空气与一次空气比例的影响。

二次空气与一次空气的比例（λ）直接控制氧化-还原区域和NO及N₂O的形成途径。调整λ可以显著改变气体-固体混合、颗粒簇周围的氧化和还原气氛以及瞬时燃烧状态。Zhang等人[15]证明，将细煤（0–0.5毫米）与λ = 0.9结合使用，通过优化的氧化还原条件使NO减少了50%。在大规模CFBC单元中，Zhou等人[19]确定了45–60%的最佳λ范围以最小化NO_x，尽管超过这个阈值可能会导致氧气过量供应。同样，Zhu等人[20]报告称，在预热烟煤燃烧中，λ = 0.52可以将NO_x减少40.7%，而较高的λ则促进再氧化。模拟研究在倾斜射流[21]、分层二次喷射[22]和核心中心喷嘴[23]中证实了这些实验发现，这些方法增强了缺氧区并减少了10–40%的NO。然而，二次空气分级也会引起侧向流动偏转和温度不对称，从而复杂化了NO和N₂O的动态。Liu等人[24]观察到，λ = 33%将燃烧区向炉壁移动，形成了局部热点，加剧了NO的生成但分解了N₂O。尽管有这些发现，一些现有的建模框架，特别是评估λ优化的框架，通常将煤颗粒尺寸视为固定参数或依赖于简化的平均直径。这种简化未能捕捉到尺寸依赖的挥发分释放与局部流动动力学之间的复杂耦合，导致NO和N₂排放趋势的预测不准确[25],[26]。因此，颗粒尺寸分布与空气分级策略如何相互作用以确定N₂O/NO平衡的详细机制仍然不清楚，特别是在超低负荷运行的不稳定条件下。为了解决这一关键问题，本研究聚焦于一个10千瓦的CFBC测试设施，使用3D CPFD模型对气体-固体流场、挥发性物质释放和污染物演化进行数值分析。在不同的二次空气与一次空气比例（0%、10%、20%、30%、40%）下，实验测试了三种煤颗粒组（0–0.3毫米、0–0.6毫米、0–0.9毫米）。数值框架结合了使用热重分析[27],[28],[29]校准的缩小核模型的详细颗粒-流体相互作用和焦炭动力学。这项工作的新颖之处在于明确将颗粒尺寸依赖的挥发分释放动力学与N₂和NO形成途径联系起来。通过结合系统实验和3D模拟，这项工作解决了颗粒尺寸分布如何重塑局部氧化还原结构，从而确定了最小化排放的最佳颗粒尺寸和空气分级策略。

部分摘录

10千瓦CFBC测试设施

在中国东南大学能源与环境学院能源热转换与控制教育部重点实验室的10千瓦循环流化床燃烧（CFBC）测试设施（图1示意）中，研究了NO和N₂O的排放特性。该设施作为一个代表性的试点规模平台，用于模拟典型工业CFBC锅炉的燃烧和排放特性。

模拟方法

图2展示了整体研究方法流程图，它逻辑地将实验测试与CPFD数值模拟结合起来，以研究煤颗粒尺寸和空气分级的影响。在这个框架中，实验数据提供了边界条件，而CPFD模型明确解决了颗粒尺寸依赖的挥发分释放动力学和局部氧化还原结构。

实验结果

煤的进料负荷在1200秒和2400秒时逐渐增加，并维持到3600秒，同时连续记录了瞬态NO和N₂O排放数据，如图5所示，相应的煤颗粒尺寸分布详细信息见第2.3节。实时数据中观察到显著的时间波动，这归因于煤进料脉动、空气供应不稳定和燃烧室内的湍流动力学。

结论

本研究结合实验测量和CPFD模拟，研究了煤颗粒尺寸和二次空气与一次空气比例对10千瓦CFBC设施中NO和N₂O排放特性的影响。主要发现包括：

•

煤颗粒尺寸对NO的影响有限，但对N₂O排放有显著影响。细颗粒（0–0.3毫米）产生最高的N₂排放，这归因于快速挥发分释放和强烈的挥发性氮释放。

数据可用性声明

支持本研究所有发现的数据都包含在本文的正文及其相关补充信息（SI）中。具体来说：

关键实验结果（例如，NO/N₂O排放浓度、压力剖面和操作参数数据）通过表格（例如，表1、表2、表3）和图表（例如，图3-图15）在正文中呈现。

其他支持数据，包括辅助几何细节（补充 表S1）、冷流

CRediT作者贡献声明

周盈川：撰写 – 审稿与编辑，撰写 – 原稿，可视化，验证，软件，资源，方法论，调查，形式分析。左彦军：撰写 – 原稿，可视化，验证，软件，资源，方法论，调查，概念化。李海阳：资源，方法论。万照新：形式分析。金瑞：资源。王晓佳：共同监督。段玉峰：监督，资源，资金获取。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文所述的工作。

致谢

本研究得到了中国国家重点研发计划（2022YFB4100302）的支持。