Torbjörn Lestander Docent

Transkript

1 NIR karakteriserar nästan allt i biomassan Kemisektionens symposium: Processförbättring Torbjörn Lestander Docent Biomassateknologi och kemi (BTK) Skogsvetenskapliga fakulteten Sveriges lantbruksuniversitet (SLU) SE Umeå Tel: ; E post: torbjorn.lestander@slu.se se

2 Vårt forskningsfokus karakterisering, förbehandling och fraktionering av fast biomassa: Bioraffinaderi och energikombinat Bio massa papper massa & p ibrer, m Virke, fi Biokemisk plattform Extraktion, separation, syntes Rest Kraftvärme Aska kretslopp Produkter, gas Termokemisk plattform Pyrolys Förgasning Kemikalier Bränslen, kemikalier, mat, foder, material Produkter, gas

3 SLU Biobränsletekniskt centrum forskningspilot för fast biomassa 850 m 2 > 25 Mkr kgh 11

4 The BTC research pilot plant in side SPC pellet press Briquette Characterisation press of biomass properties 3 boilers kw New drier Bühler pellet press Bühler Group Ltd has placed equipment for 400,000 at the SLU BTC research pilot

5 Biomassa &

6 Stokesvektorer och Muellermatris Utgående strålning Interaktion med materia Muellermatris Ingående strålning I: intensitet; Q, U: polarisationens riktning; V: polarisationens absoluta fas

7 Vad registrerar NIR instrument i biomassa? NIR spektra = övertoner från fundamentala vibrationer hos polära molekyler Fysikalisk information Provets struktur, temperatur, ljusspridning etc. Kemisk information O H,, C H, N H, S H C O, C=C, C=O etc. Fukthalt Fukthalt: Vattenmolekyler Bränslekväve: proteiner Torrsubstans, energivärde: iäd karbohydrater, fetter, extraktivämen kiä etc

8 NIR spektra exempel Kombination O H sträckning & böjning Fukthalt:10 46% 1:a övertonen för O H sträckning Absorb bans Komb. O H sträckning & böjning Våglängd, nm

9 NIR instrument: Princip och funktion NIR Moderna diod array instrument reflektans NIR strålning från källa till prov Stationärt prisma grating Diffus strålning från prov Diod array Biomassa

10 NIR instrument: exempel diode array Diode array Inga rörliga delar i optiken Simultan insamling av alla våglängder g (e.g kanaler med 5 nm intercep) 100 spektra/sekund Bilder pixlar

11 Från NIR signal via skärm till processoperatör NIR on line NIR spektra Modell Värde på skärm NIR detektor NIR strålning X X b Multivariat modellering Biomassa Moisture Content R = Obse rved Predicted 18 Casco Productss 23 Casco Products

12 Exempel: Vedegenskaper (11 st) Bi plot of the first two loading (+) and score (1 st site: base, top; 2 nd site: base, top) components of a PCA model explaining 70% of the variation. The percentage of explained variation is given within parenthesis. Bend: bending strength; Comp: compression strength; CWT: cell wall thickness; H and H L T : Brinell hardness in longitudinal and tangential direction; MFA: microfibril angle; Length: cell length; Width: cell width. Lestander TA, Lindeberg J, Eriksson D and Bergsten U NIR spectroscopy for prediction of clear wood properties in Scots pine using bi orthogonal partial least squares regression. Canadian Journal of Forest Research 38,

13 Exempel: Vedegenskaper Karakterisering av vedegenskaper barrved Parameter RMSEP Q 2 Modulus of elasticity Bending strength Compression strength Bra prediktions modeller RMSEP: root mean squared error; Q 2 : förklarad variation i test set. LestanderTA, Lindeberg J, Eriksson D and Bergsten U NIR spectroscopy for prediction of clear wood properties in Scots pine using bi orthogonal partial least squares regression. Canadian Journal of Forest Research 38,

14 Exempel: Juvenil och mogen ved Klassificering av juvenil och mogen ved Mogen ved Juvenilved Låg grad av felklassificering bara i övergångszonen Lestander TA, Lindeberg J, Eriksson D and Bergsten U NIR spectroscopy for prediction i of clear wood properties in Scots pine using bi orthogonal partial least squares regression. Canadian Journal of Forest Research 38,

15 Exempel: xempel:egenskaper egenskaper fukt, aska & energivärde iäd Excellenta modeller dll Fukthalt Askhalt Energivärde Lestander, T.A. and Rhén, C Multivariate NIR spectroscopy models for moisture, ash and calorific content in biofuels using bi orthogonal partial il least squares regression. Analyst,, 130,

16 Exempel: Spånblandning 2 olika Biomassans ursprung i en spånström 100% gran 100% Gan 55% tall + 45% gran 10% gran + 90% tall 0% tid Tid 0% Tall 100% Kalibrering LestanderT.A., Johnsson B. & Grothage M NIR techniques create added values for the pellet and biofuel industry. Bioresource Technology 100, Validering

17 Exempel: Spånblandning 3 olika Designat industriförsök med blandning at tre olika spåntyper Färsk tall 100/0/0 Centrumpunkt: 50/27.5/22.5 5/ 5 45/55/ /0/45 Gran Lagrad tall

18 Exempel: Strömförbrukning i pelletpress Inverkan av biomassans egenskaper på strömförbrukning vid pelletering LestanderT.A., Johnsson B. and Grothage M NIR techniques create added values for the pellet and biofuel industry. Bioresource Technology 100,

19 1 % 5 % extraktivämnen

20 Fett och hartssyror i ved ( %) 0.9%) rtssyror i spån och pellets t och har R modelle er för fett NIR Lestander T.A. and Samuelsson R Prediction of resin and fatty acid content of biorefinery feedstock by on line near infrared d(nir) spectroscopy. Energy Fuels 24:

21 On line NIR testad t i industriell i miljö Sönderdelning NIR Torkning NIR Malning NIR Pressning ökar energidensiteten Pellets NIR minskar kostnader för transporer, hantering och lagring samt ger säker matning

22 Position för NIR instrument t i bränsleskruv skruvtransportör biomassa vinge NIR axel

23 att nå nya forskningsfronter [Y t = X t B t +F t ] dynamic SPC MSPC PAT MPC?

24 NIR flera biosensorer i ett instrument NIR instrument spektra p speglar pg kemiska och fysikaliska egenskaper Multivariata kalibreringsmodeller etc energi innehåll askhalt fukthalt torrhalt trädslag nord syd Processnytta övervakning styrning kvalitet, kemi etc spån: färsk lagrad pellets: bulkdensitet, hållfasthet partikelstorlek (pulver, pellets) Kundnytta mervärden

25 Biomassateknologi och NIR BIOMASSA NIR ett verktyg Bioraffinaderi Nytta med on line NIR (i realtid): Biomassans ursprung art, region, kvalitet etc Innehåll i biomassan fukt, cellulosa, värmevärde, C 6 socker, etc Modifiering av biomassa i processen grad av modifiering, energiåtgång, etc Processkontroll