2023_“ShuWei Cup”
Problem B：The catalytic reaction of cotton stalk pyrolysis
问题B：棉秸秆热解的催化反应
随着全球对可再生能源需求的不断增加，生物质能作为一种成 熟的可再生能源得到了广泛的关注。棉花秸秆作为一种农业废弃物 ，因其丰富的纤维素、木质素等生物质成分而被视为重要的生物质 资源。虽然棉花秸秆的热解可以产生各种形式的可再生能源，但其 热解产物的质量和产量受到热解温度和催化剂等多种因素的影响。 因此，研究棉秆热解产物的机理和性质（名词定义见附录），以及 催化剂在热解过程中的机理和作用，对棉秆的有效利用和可持续发 展具有重要意义。 某化工实验室采用模型化合物法建立了棉秆脱硫灰和模型化合 物脱硫灰的热解组合。对不同混合比下的热解组合进行热解，研究 了脱硫灰对棉秆热解产物的催化机理和影响。同时，在选择模型化 合物时，需要考虑其在反应中的可控性和稳定性以及它们对棉茎秆热解的贡献。CE（低聚纤维素糖）和LG（木质素 ）是棉秆中纤维素和木质素的代表成分，可以代表棉秆本身的生物 量特性。通过选择这两种组分作为模型化合物，可以更精细地控制 实验条件，研究脱硫灰对不同生物质组分的靶向催化作用。因此， 选择CE和LG作为模型化合物是基于对棉茎本身的生物量组成和化学 结构特征的合理判断。实验结果见附录1和附录2。 脱硫灰/生物质热解实验采用10/热解10/ 100、20/ 100、30/ 100、40/ 100、50/ 100、60/ 100、80/ 100、100/ 100的混合比进 行固定床热解。这种混合比的选择是基于在这些实验条件下，平行 实验的相对误差约为5%。如果选择的混合比太小，如5/ 100或7/ 100，相对误差会对实验结果产生显著影响，严重影响实验的探索和 优化过程。如果有可能使用一个数学模型和人工智能学习来预测在 数据有限的条件下的热解产物的产量或产量，这不仅会大大减少时 间需要进行实验优化，同时也可以提供对热解产物分布变化趋势的准 确指导。
（1）对于附件一中的每个热解组合，分析热解产物（焦油、水 、焦炭渣、合成气）的收率与相应热解组合的混合比的关系，并说 明脱硫灰作为催化剂是否对促进棉秸秆、纤维素和木质素的热解有重要作用？
思路：
附件1中提供的数据涉及了不同混合比下脱硫灰/棉秸秆（DA/CS）、脱硫灰/低聚纤维素糖（DFA/CE）、脱硫灰/木质素（DFA/LG）热解组合的热解产物（焦油、水、焦炭渣、合成气）的收率。要分析这些热解产物的收率与相应热解组合的混合比之间的关系，可以采用以下4类建模方法：
l 描述性统计分析：首先对每个热解组合的数据进行描述性统计分析，包括计算平均值、标准差等，以获得基本的数据概况。
l 趋势分析：通过绘制散点图或线图，观察不同混合比对焦油、水、焦炭渣、合成气收率的影响趋势。通过肉眼观察图表，可以对比催化剂添加比例对热解产物收率的影响。
l 相关性分析：使用相关性分析（如皮尔逊相关系数）来定量分析混合比与各热解产物收率之间的关系强度。
l 差异性分析：对不同的热解组合（DA/CS、DFA/CE、DFA/LG）进行比较，分析脱硫灰在不同生物质热解中的催化作用是否有显著差异。
l 回归分析：构建线性或非线性回归模型，以混合比为自变量，热解产物收率为因变量，模型化这些关系。通过研究因素影响分析在不同混合比下的热解产物收率。
通过以上分析，了解脱硫灰作为催化剂在不同类型生物质（棉秸秆、纤维素、木质素）的热解过程中的作用效果，判断其是否对促进这些物质的热解有重要作用。如果发现随着脱硫灰比例的增加，某种热解产物的收率显著提高，或者热解产物组成的改变趋于理想化，那么可以认为脱硫灰在催化热解中起到了积极作用。
(2)根据附件二，对于三种热解组合中的每一种，通过制作相应 的图像，讨论了热解组合的混合比对产率的影响，并解释了每组热解气体的影响。
思路：
散点图或折线图：对每种热解组合的数据绘制散点图或折线图，以混合比为横坐标，各种热解气体的产率（如H2、CO、CO2、CH4等）为纵坐标。这可以直观地展示不同混合比下各热解气体产率的变化趋势。
堆叠图或条形图：绘制堆叠图或条形图来展示在不同混合比下，各种热解气体的总产率以及它们各自在总产率中的占比。这有助于理解不同热解组合对气体产率总量的影响。
趋势分析：通过图像观察不同混合比对各气体产率的影响趋势，例如产率是否随混合比的增加而增加或减少。
比较分析：对比不同热解组合之间的气体产率变化，分析脱硫灰对棉秸秆、纤维素、木质素热解过程中的催化效果。
分析不同气体组成在各热解组合中的变化，了解脱硫灰对热解反应路径的可能影响。
根据趋势和比较分析的结果，解释脱硫灰的加入对热解气体产率的具体影响，可以阅读文献结合化学反应机理和热解过程理论，推断不同气体产率变化的可能原因。
(3)在相同比例的脱硫灰的催化作用下，CE和LG热解产物的产率 以及热解气组分的产率是否存在显著差异？请提供理由。
思路：
可以比较相同比例的脱硫灰催化下，CE（纤维素）和LG（木质素）的热解产物（包括固体、液体和气体产物）的产率是否存在显著差异。这里可以采用差异性分析，例如符合正态分析就用独立样本t检验或ANOVA（方差分析），不符合就用非参数检验，通过差异性分析可以用来判断CE和LG在相同脱硫灰比例下的热解产物产率是否存在显著差异分析不同组分产率的变化，理解纤维素和木质素热解路径的差异，如果统计测试显示显著差异，可以得出结论：在相同比例的脱硫灰催化作用下，CE和LG的热解产物产率存在显著差异。结合化学反应机理和热解过程理论，提供这些差异存在的可能原因，比如纤维素和木质素的化学结构差异导致了不同的热解行为。
(4)如何建立CE、LG等模型化合物的脱硫灰的催化反应机理模型 ，并建立反应动力学模型进行分析？
思路：
首先需要阅读文献理解棉秸秆热解过程中的化学反应机理，了解关于纤维素和木质素在催化剂作用下热解的现有知识，包括可能的反应路径、中间产物和最终产物。基于化学知识和实验数据，提出可能的反应机理，包括主要和次要反应路径，以及关键中间体的形成。
确定反应步骤和速率方程，根据假设的反应机理，确定各反应步骤（如裂解、重排、消除等），对于每个反应步骤，建立相应的速率方程。
参数估计和拟合，使用实验数据来估计速率方程中的参数，如反应速率常数、活化能等。通过非线性回归或优化算法（如最小二乘法、遗传算法等）拟合模型与实验数据，确定最佳参数值。
动力学模型的建立，将所有反应步骤和速率方程整合成一个完整的动力学模型。在模型中包括温度、压力等操作条件的影响。
模型验证和分析，使用独立的实验数据验证模型的准确性，分析模型预测的热解产物分布、产率和反应速率，与实验数据进行对比。
模型应用和优化，利用模型预测在不同操作条件下的热解行为。
应用模型进行工艺优化，如最佳催化剂添加量、最佳操作温度等。
(5)请使用数学模型或人工智能学习方法来制作在有限的数据条件下，对热解产物的产量或数量的预测。
本次将全程提供公开思路，感兴趣的小伙伴可以关注一下，持续更新，更多视频讲解大家也可以看B站~