基于生产参数估算木屑生物质灰烬主量元素组成：提升资源化利用效率的探索性建模研究

《Waste Management》：Exploratory modeling to estimate major elements contents of woody biomass ash from stokers, fluidized beds and gasification reactors

随着生物质发电的普及，其副产物木屑生物质灰烬（WBA）的处置与资源化成为循环经济的关键挑战。WBA元素组成的高度异质性为高效利用带来了困难。为此，研究人员系统收集了98个来自不同炉型（固定炉、流化床、气化炉）的WBA样品，通过聚类与回归分析，首次建立了基于燃料类型、地理位置等生产参数预测WBA主量元素（如Si、Ca、K）含量的估算模型，为在化学分析前预先评估WBA的肥料、水泥、生物炭等资源化潜力提供了有力工具，对推动区域化WBA高效循环利用体系具有重要意义。

　　

在应对气候变化的全球行动中，生物质能作为一种可再生能源，其利用规模持续扩大。然而，燃烧过程会产生大量的木屑生物质灰烬（Woody Biomass Ash, WBA）。在日本，预计到2026年，WBA的年排放量将达到59万至98万吨，其处理成本可占电厂运营成本的18%。这些灰烬若简单填埋，不仅造成资源浪费，也带来经济与环境负担。另一方面，WBA本身富含多种元素，具有作为水泥掺合料、肥料乃至生物炭（biochar） 的巨大潜力。实现其资源化利用，是迈向循环经济的重要一步。

但理想很丰满，现实却很“骨感”——WBA的元素组成极其多变。不同的燃料（如木片、废木材、树皮）、不同的燃烧炉型（如固定炉、流化床、气化炉），甚至电厂所在地的土壤成分，都会显著影响最终灰烬中硅（Si）、钙（Ca）、钾（K）等元素的含量。这种高度的异质性使得人们在拿到灰烬样品、完成复杂的化学分析之前，根本无法准确判断它最适合用作水泥还是肥料。这种“盲人摸象”般的状况，严重阻碍了WBA高效、定向回收体系的建立。能否像天气预报一样，仅根据“燃料配方”和“生产地点”这些已知信息，就能提前“预报”出灰烬的大致元素组成，从而规划好它的“归宿”呢？

为了回答这个关键问题，来自日本京都大学的Minori Ike、Yasumichi Nakao、Shin Iijima、Kazuyuki Oshita和Masaki Takaoka组成的研究团队，开展了一项大规模的探索性研究。他们系统收集了日本62个生物质电厂排放的98份WBA样品，涵盖了固定炉、鼓泡流化床（BFB）、循环流化床（CFB）和气化炉（G） 等多种主流炉型产生的底灰（BA）和飞灰（FA）。通过对这些样品进行全面的元素分析，并结合统计建模，研究人员成功揭示了影响WBA组成的关键因素，并首次提出了基于生产参数的元素含量估算公式。这项开创性的工作为WBA的“预测性回收”提供了科学基础，相关成果发表在环境管理领域的知名期刊《Waste Management》上。

为了开展这项研究，研究人员主要运用了以下几个关键技术方法：首先，他们建立了大规模的WBA样本队列，共98个样品来自日本62个不同的生物质发电厂，涵盖了底灰（BA）、飞灰（FA）和气化残留物（GR），并详细记录了每个样品对应的炉型、燃料类型和地理位置。其次，在元素分析方面，使用总有机碳分析仪测定总碳（TC）和通过酸处理去除无机碳后测定的未燃碳（UC）；同时，采用波长色散型X射线荧光光谱法（XRF） 精准测定了钠（Na）、镁（Mg）、铝（Al）、硅（Si）、磷（P）、硫（S）、氯（Cl）、钾（K）、钙（Ca）、铁（Fe）等10种主量元素的含量。最后，在数据分析阶段，运用了统计学方法，包括使用Ward方法的层次聚类分析对样品进行归类，以及采用LASSO回归和最小二乘法线性回归来识别关键影响因素并建立元素含量的预测模型。

研究结果揭示了WBA元素组成的分布规律与关键影响因素。

3.1. WBA中元素含量的分布

对98份样品的分析显示，WBA的元素组成差异巨大，多数元素的最大值与最小值相差超过一个数量级，证实了其高度的异质性。中位数值表明，在底灰（BA）中，元素丰度顺序为Si > Ca > Al > K；而在飞灰（FA）中则为Si > Ca > K > Al。这与一些早期研究认为Ca含量最高的结论不同，可能与本研究样本中流化床锅炉占比较高有关，因为流化床使用的砂质床料（主要成分为SiO₂）会混入灰中。此外，研究还发现，大部分日本WBA样品的钾（K）含量都足以满足作为钾肥原料的标准（K₂O > 1%），但许多样品在镁（Mg）、硫（S）、氯（Cl）、钙（Ca）含量或SiO₂+Al₂O₃+Fe₂O₃总量上，尚未达到欧洲关于飞灰用于混凝土的行业标准。未燃碳（UC）含量中位数为0.55%，除气化残留物（UC含量中位数达57%，类似生物炭）外，90%的样品UC含量低于10%，满足作为水泥原料的一般要求。

3.2. 影响WBA元素组成的参数

通过层次聚类分析，98个样品被分为10个组。聚类结果清晰地反映出炉型和灰类型的主导影响：首先，所有气化残留物（GR） 因极高的碳含量自成一类（集群X）。其次，循环流化床（CFB）的底灰（BA） 因更高的硅（Si）和更低的硫（S）、氯（Cl）含量被聚集在一起（集群VIII和IX）。再者，飞灰（FA） 样品则根据其元素特征形成了其他集群，例如含有废木材（WW） 的流化床FA因较高的铝（Al）、铁（Fe）含量而聚集（集群III），而含有棕榈仁壳（PKS） 的FA则因较高的磷（P）、钙（Ca）含量形成集群（IV）。这些发现证实，燃料类型（特别是废木材和棕榈仁壳）对特定元素（如Al、Fe、P、Ca）的含量有显著影响。

3.3. WBA主量元素含量的估算

为了定量评估各因素的影响，研究进行了线性回归分析。结果表明，WBA的元素组成高度依赖于灰类型和炉型，并显著受到燃料类型和土壤（地理位置）的影响。例如，对于循环流化床底灰（CFB-BA），硅（Si）含量不仅与燃料有关，更与电厂所在地的经纬度显著相关，这被归因于日本各地土壤元素组成的差异（东部土壤富含Mg、Al、Ca、Fe，西部土壤富含Si、K）。基于这些发现，研究为不同类别的WBA（如CFB-BA、BFB-FA等）建立了元素含量的估算公式。例如，CFB-BA中的Si含量可通过公式 Si_in_CFB-BA = 82 + 0.16 ? Latitude 进行粗略估算。这些模型的决定系数（R²）在0.18至0.85之间，能够在一定程度上基于已知的燃料类型和地理位置信息，对WBA的元素含量进行预测。

研究结论与讨论部分强调，本研究首次提出了基于生产参数估算WBA元素组成的模型，具有重要的实践意义。

该研究通过系统的采样与分析，明确指出循环流化床（CFB）产生的底灰（BA） 因其高硅（Si）、低硫（S）和低氯（Cl） 的特性，最有潜力作为水泥材料进行回收。特别是在日本东京地区，使用木片（WC）为燃料的CFB-BA，其估算的SiO₂+Al₂O₃+Fe₂O₃总量、Cl、SO₃和CaO含量均能满足欧洲（EN 450-1）相关标准。另一方面，流化床和固定炉产生的飞灰（FA） 则富含镁（Mg）、磷（P）、钙（Ca）、钾（K），是潜在的肥料原料。而气化残留物凭借其极高的碳含量，应优先考虑作为生物炭或固体燃料使用。

研究最突出的亮点在于揭示了地理位置（土壤成分） 对WBA元素组成，特别是CFB-BA中Mg、Al、Si、Ca、Fe含量的显著影响。这一发现强调了WBA本地化应用的重要性。在灰烬产生地周边区域进行利用，不仅能减少长途运输带来的经济和环境负担，更能避免因土壤特性差异可能带来的生态风险。这为制定区域性的WBA管理策略提供了关键科学依据。

当然，研究也存在局限。聚类分析的轮廓系数（Silhouette）较低（0.28），表明WBA的元素组成是连续渐变而非截然分群的。未来或可尝试其他聚类有效性指标。回归模型的预测精度（尤其是对Na、Cl、K）仍有提升空间，未来若纳入燃烧温度、燃料含水率等更多参数，有望进一步提高估算准确性。此外，WBA的实际应用还需综合考虑其重金属含量、粒径、pH值、浸出特性等环境指标。

总之，这项研究为破解WBA资源化利用的“前置性”难题提供了创新思路和实用工具。通过构建“生产参数-元素组成”的预测桥梁，它使得在实验室化学分析完成之前，对WBA的资源化方向进行初步预判和规划成为可能。这对于推动建立高效、精准、区域协调的生物质灰烬循环利用体系，最终实现真正的循环经济目标，具有重要的理论和实践价值。