一种基于分形维数评价秸秆厌氧转化生物可及性的方法与流程

本发明涉及有机固体废弃物厌氧消化领域，特别是涉及一种基于分形维数评价秸秆厌氧转化生物可及性的方法。
背景技术：
：秸秆厌氧制备生物燃气利用混合微生物发酵手段回收生物质能，副产品沼液沼渣可以回田利用，是一种绿色循环的秸秆处理处置方式。生物燃气产业得到国际广泛重视，例如，仅德国就建设有万余座秸秆沼气工程。我国通过引进吸收先进技术在规模化沼气工程技术方面取得了长足进步，但是由于我国秸秆原料的时空分布广和秸秆种类多具有自身特点，国外技术无法切实解决制约我国秸秆沼气工程发展的所有瓶颈问题。另一方面，天然抗降解屏障以及木质纤维素固体基质物性导致秸秆作为生物沼气原料产气效率低、发酵周期长，通过一定的预处理技术高效破稳，提升秸秆生物可及性，是秸秆高效沼气化利用的重要方式。针对这些现象，目前对不同地区、不同种类、不同收获期、不同预处理秸秆其厌氧生物转化技术适应性缺乏准确的评价标准，基本上是凭借经验，按照秸秆颜色变化、预处理时间和环境条件进行简单的判断，或是实验室内借助专业仪器历时30-60天进行厌氧生物转化潜势实验，时间成本巨大，均难以满足秸秆大规模沼气化利用原料效果评价要求。因此，制定快速且科学的对不同秸秆厌氧转化生物可及性的评价方法迫在眉睫。技术实现要素：本发明的目的是提供一种基于分形维数评价秸秆厌氧转化生物可及性的方法，以解决上述现有技术存在的问题，在秸秆厌氧转化过程中通过一个指标同时完成对水解酸化过程和产甲烷过程的潜势评价。为实现上述目的，本发明提供了如下方案：本发明提供一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：1)取待比较的秸秆为样品，充分干燥且破碎；2)将步骤1)中干燥秸秆样品与水混合，持续均匀搅动；3)使用激光粒度分析仪对步骤2)中混合液体进行分析测试，测得波矢q与散射光强i数据；4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢q及散射光强i，由公式，获得此秸秆样品二维分形维数df；5)根据文献历史数据或大量试验积累，采用线性回归方法构建分形维数df与挥发性脂肪酸最大累积浓度vfamax(volatilefattyacidmaximum)及厌氧生物甲烷潜势bmp(biochemicalmethanepotential)的计算模型；6)将秸秆分形维数df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，得到此种秸秆样品的厌氧生物可及性预测。进一步地，所述步骤1)中，分析秸秆样品可以为经不同预处理方式处理后样品，或不同地域秸秆样品，或不同种类秸秆样品，或不同收获时间秸秆样品。进一步地，所述秸秆样品破碎至0.01-3500微米。进一步地，所述步骤2)中，用纯水对干燥秸秆样品进行稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀。进一步地，所述步骤3)中激光粒度分析仪光源为波长633nm高稳定氦-氖激光器，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试。进一步地，所述步骤4)中为其中，k为斜率常数，等式两边同时取自然对数化简后得lni＝-dflnq+lnk，以步骤3)得到i与q取自然对数后lni与lnq分别作为因变量与自变量，线性拟合，可得到此秸秆样品分形维数df。进一步地，所述步骤5)中，分形维数df与秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp计算模型如下：y＝a-bx式中，x为分形维数df，y为秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，a和b为对应vfamax和bmp的模型系数。进一步地，所述步骤6)中，挥发性脂肪酸最大累积值vfamax为秸秆样品在只有水解酸化细菌作用无后续产甲烷过程挥发性有机酸最大累积值(一般是具有1～6个碳原子碳链的有机酸)，厌氧生物甲烷潜势bmp为厌氧过程秸秆样品有机物被生物转化为甲烷最大潜力。本发明公开了以下技术效果：(1)成本低，操作简单由于操作步骤少而简单，使用数据处理软件和激光粒度仪就可以得到检测值，对于管理方来说节省了大量的能源和时间。(2)迅速高效，弥补了现行厌氧生物转化潜势检测的复杂性本发明所运用的参数并非挥发性有机酸累积或产甲烷潜势这种结果性指标，而是关注生物转化源头物料性质。秸秆自身的状态是影响厌氧生物转化过程的关键。本发明运用分形维数评价秸秆厌氧转化生物可及性具有良好的指示意义。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为不同微化程度预处理水稻秸秆分形维数与其厌氧转化生物可及性模拟图；图2为不同预处理水稻秸秆厌氧转化生物可及性预测图；图3为不同种类秸秆厌氧转化生物可及性预测图。具体实施方式现详细说明本发明的多种示例性实施方式，该详细说明不应认为是对本发明的限制，而应理解为是对本发明的某些方面、特性和实施方案的更详细的描述。应理解本发明中所述的术语仅仅是为描述特别的实施方式，并非用于限制本发明。另外，对于本发明中的数值范围，应理解为还具体公开了该范围的上限和下限之间的每个中间值。在任何陈述值或陈述范围内的中间值以及任何其他陈述值或在所述范围内的中间值之间的每个较小的范围也包括在本发明内。这些较小范围的上限和下限可独立地包括或排除在范围内。除非另有说明，否则本文使用的所有技术和科学术语具有本发明所述领域的常规技术人员通常理解的相同含义。虽然本发明仅描述了优选的方法和材料，但是在本发明的实施或测试中也可以使用与本文所述相似或等同的任何方法和材料。本说明书中提到的所有文献通过引用并入，用以公开和描述与所述文献相关的方法和/或材料。在与任何并入的文献冲突时，以本说明书的内容为准。在不背离本发明的范围或精神的情况下，可对本发明说明书的具体实施方式做多种改进和变化，这对本领域技术人员而言是显而易见的。由本发明的说明书得到的其他实施方式对技术人员而言是显而易见得的。本申请说明书和实施例仅是示例性的。一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：1)取待比较的秸秆为样品，充分干燥且破碎；2)将步骤1)中干燥秸秆样品与水混合，持续均匀搅动；3)使用激光粒度分析仪对步骤2)中混合液体进行分析测试，测得波矢q与散射光强i数据；4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢q及散射光强i，由公式，获得此秸秆样品二维分形维数df；5)根据文献历史数据或大量试验积累，采用线性回归方法构建分形维数df与挥发性脂肪酸最大累积浓度vfamax(volatilefattyacidmaximum)及厌氧生物甲烷潜势bmp(biochemicalmethanepotential)的计算模型；6)将秸秆分形维数df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，得到此种秸秆样品的厌氧生物可及性预测。上述步骤1)中，分析秸秆样品可以为经不同预处理方式处理后样品，如水热预处理、水热+氢氧化钾处理、水热+乙酸处理等，或不同地域秸秆样品，或不同种类秸秆样品，如麦麸、稻草粉、小麦粉、油菜秸秆、玉米秸秆、稻壳，或不同收获时间秸秆样品。上述秸秆样品一般破碎至0.01-3500mm，优选的，秸秆样品破碎至0.05-3mm。上述步骤2)中，用纯水对干燥秸秆样品进行稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀。上述步骤3)中激光粒度分析仪光源为波长633nm高稳定氦-氖激光器，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试。上述步骤4)中为其中，k为斜率常数，等式两边同时取自然对数化简后得lni＝-dflnq+lnk，以步骤3)得到i与q取自然对数后lni与lnq分别作为因变量与自变量，线性拟合，可得到此秸秆样品分形维数df。上述步骤5)中，分形维数df与秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp计算模型如下：y＝a-bx式中，x为分形维数df，y为秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，a和b为对应vfamax和bmp的模型系数。上述步骤6)中，挥发性脂肪酸最大累积值vfamax为秸秆样品在只有水解酸化细菌作用无后续产甲烷过程挥发性有机酸最大累积值(一般是具有1～6个碳原子碳链的有机酸)，厌氧生物甲烷潜势bmp为厌氧过程秸秆样品有机物被生物转化为甲烷最大潜力。实施例1一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：1)取待比较的水稻秸秆为样品，充分干燥且破碎0.05mm-3mm；2)将步骤1)中干燥水稻秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢q与散射光强i数据；4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢q及散射光强i，由公式，为其中，k为斜率常数，等式两边同时取自然对数化简后得lni＝-dflnq+lnk，以步骤3)得到i与q取自然对数后lni与lnq分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数df；5)通过查阅大量文献或多次试验测试累计，获取不同种条件处理后的水稻秸秆分形维数df及与之对应的挥发性脂肪酸最大累积浓度vfamax(volatilefattyacidmaximum)及厌氧生物甲烷潜势bmp(biochemicalmethanepotential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数a、b，模型如下：y＝a-bx式中，x为分形维数df，y为秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，a和b为对应vfamax和bmp的模型系数；6)将秸秆分形维数df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，得到此种秸秆样品的厌氧生物可及性预测；实施例1中水稻秸秆破碎粒径如表1所示，对其分别进行预测，其对应的分形维数df、bmp、vfa如表1所示。表1名称分形维数dfbmpvfamax水稻3mm1.8712137.14772159.795水稻1mm1.8151151.81352804.525水稻0.9mm1.7282164.84343294.146水稻0.7mm1.7042170.54123365.483水稻0.6mm1.6968173.41513397.415水稻0.5mm1.6928175.10453427.418水稻0.2mm1.6805182.74053536.581水稻0.1mm1.6792191.51533715.915水稻0.05mm1.6538197.12063832.29图1为不同微化程度预处理水稻秸秆分形维数与其厌氧转化生物可及性预测图。实施例2一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：1)取待比较的水稻秸秆为样品，充分干燥且破碎3000mm，进行预处理；2)将步骤1)中干燥水稻秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢q与散射光强i数据；4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢q及散射光强i，由公式，为其中，k为斜率常数，等式两边同时取自然对数化简后得lni＝-dflnq+lnk，以步骤3)得到i与q取自然对数后lni与lnq分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数df；5)通过查阅大量文献或多次试验测试累计，获取不同种条件处理后的水稻秸秆分形维数df及与之对应的挥发性脂肪酸最大累积浓度vfamax(volatilefattyacidmaximum)及厌氧生物甲烷潜势bmp(biochemicalmethanepotential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数a、b，模型如下：y＝a-bx式中，x为分形维数df，y为秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，a和b为对应vfamax和bmp的模型系数；6)将秸秆分形维数df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，得到此种秸秆样品的厌氧生物可及性预测；实施例2中预处理方式如表2所示，对其分别进行预测，其对应的分形维数df、bmp、vfa如表2所示。表2图2为不同预处理水稻秸秆厌氧转化生物可及性预测图。实施例3一种基于分形维数评价秸秆厌氧转化生物可及性的方法，包括下述步骤：1)取待比较的不同种类的秸秆为样品，充分干燥且破碎0.55mm；2)将步骤1)中干燥秸秆样品与纯水混合稀释，含固率＜5％，用外置磁力搅拌器进行搅拌，稀释容器与磁力搅拌子使用前清洗干净并烘干，搅拌保证样品充分混匀；3)使用光源为波长633nm高稳定氦-氖激光器的激光粒度分析仪对步骤2)中混合液体进行分析测试，分散剂折射率为1.330，颗粒吸收率为0.100，密度大于1，分散剂选择水，背景测量时间设置为10s，样品测量时间设置为10-12s，对于分散很不均匀的样品时间设置为10-20s，测量次数选择3次，测量是遮光度对于颗粒为几十微米的大颗粒，遮光度范围为10-20％，几个微米的小颗粒为6-10％，几百纳米的颗粒为4-6％，很不均匀的样品为10-20％，搅拌转速设置为2000-3000转/min，每个样品测量结束运行清洁系统后再继续测试，测得波矢q与散射光强i数据；4)基于分形理论，采用数据处理软件分析步骤3)获得的波矢q及散射光强i，由公式，为其中，k为斜率常数，等式两边同时取自然对数化简后得lni＝-dflnq+lnk，以步骤3)得到i与q取自然对数后lni与lnq分别作为因变量与自变量，线性拟合，获得此秸秆样品二维分形维数df；5)通过查阅大量文献或多次试验测试累计，获取不同种类秸秆分形维数df及与之对应的挥发性脂肪酸最大累积浓度vfamax(volatilefattyacidmaximum)及厌氧生物甲烷潜势bmp(biochemicalmethanepotential)，将这些数据输入数据处理软件进行一次线性拟合并计算出模型系数a、b，模型如下：y＝a-bx式中，x为分形维数df，y为秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，a和b为对应vfamax和bmp的模型系数；6)将秸秆分形维数df带入到步骤5)的模型中，模型输出此秸秆样品的挥发性脂肪酸最大累积值vfamax及厌氧生物甲烷潜势bmp，得到此种秸秆样品的厌氧生物可及性预测；实施例3中秸秆种类如表3所示，对其分别进行预测，其对应的分形维数df、bmp、vfa如表3所示。表3名称分形维数dfbmp预测vfamax预测麦麸1.6501190.18353804.588稻草粉1.6921179.70413509.857小麦粉1.7353168.92533206.706油菜秸秆1.7837156.8492867.064玉米秸秆1.6797182.79813596.873稻壳1.5907205.00444221.422大豆秸秆1.7034176.88473430.561花生秸秆1.6185198.06814026.338图3为不同种类秸秆厌氧转化生物可及性预测图。以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。当前第1页12