煤制甲醇过程中生态环境综合影响熵效应模型

傅学政，胡岳华

 (中南大学 资源加工与生物工程学院，湖南 长沙，410083)

摘  要：针对煤制甲醇过程对生态环境的影响，根据熵理论，提出煤制甲醇过程生态环境影响的熵指标，并采用生态环境综合影响熵效应系数来评价煤制甲醇过程对生态环境的综合影响程度，通过函数链神经网络方法对时变、高度非线性的某煤制甲醇过程生态环境综合影响熵效应系数进行辨识。研究结果表明：煤制甲醇过程综合影响熵效应系数函数链神经网络方法具有较高精度，最大相对辨识误差小于3.65%。

关键词：煤制甲醇；生态环境；综合影响；熵效应

中图分类号：TQ520.11；X192          文献标志码：A         文章编号：1672-7207(2010)03-0831-07

Model of entropy effect of zoology and environment compositive influence in process of methanol from coal

FU Xue-zheng, HU Yue-hua

 (School of Resources Processing and Bioengineering, Central South University, Changsha 410083, China)

Abstract: Based on the influence of the producing process from coal to methanol on the ecological environment, an entropy influence model of the ecological environment from coal to methanol was proposed, a submitted entropy effect coefficient of zoology and environment compositive influence was used to evaluate compositive influence of the producing process from coal to methanol on its zoology and environment. And the entropy effect coefficient with some characteristics such as time dependent and high nonlinear features in process of coal to methanol was identified using function chain neural network method. The results show that its identification precision is high, and the most identification error obtained by function chain neural network method is less than 3. 65%.

Key words: coal to methanol; ecological environment; compositive influence; entropy effect

甲醇是生产塑料、合成橡胶、合成纤维、农药和医药的原料，应用广泛。针对我国石油资源不足而煤炭资源丰富的现状，近20年来，我国研究者在利用煤资源合成甲醇工业方面进行了广泛研究，由合成气来合成甲醇的煤间接液化技术日趋成熟，并已成为煤转化利用的重要途径，为进一步发展有机化学工业和燃料工业提供了坚实的技术保障^[1-7]。然而，煤制甲醇过程存在污染生态环境的问题^[8-11]，为此，针对煤制甲醇过程生态环境的影响进行定量研究是煤制甲醇过程生态环境影响研究的关键问题之一。

1  煤制甲醇过程生态环境影响的熵指标

对于煤制甲醇过程中受污染的生态环境，其物理、化学、生物等特征可以通过生态环境指标来刻画。煤制甲醇过程生态环境影响指标反映煤制甲醇过程中生态环境受影响的程度，是煤制甲醇过程控制和掌握污染处理的效果以及运行状态的重要依据，通常包括从生态环境摄取各种资源和能源以及向生态环境排放废料和污染物2个方面。

自20世纪80年代起，人们便广泛使用熵对各类系统的功能进行分析。由于熵能够从总体上反映能量损失程度和物质退化程度^[12-14]，因此，本文作者认为热力学中的状态函数熵能间接地反映煤制甲醇过程中污染物质的总量，可以用熵作为衡量煤制甲醇过程对生态环境影响的依据。在热力学中，指系统由任意状态可逆变化到给定状态相平衡的寂态时，理论上能够最大程度地转换为有用功的那部分能量。是体系偏离环境参数程度的指标，是以环境为参数的相对量。系统的取决于系统的状态和环境参数，与达到这一状态的路径无关。

根据热力学第二定律，在煤制甲醇过程中，总熵增大，能量守恒而总减少。表示过程的不可逆程度指标有熵增与损，其相互关系为：

煤制甲醇过程中耗散废弃与生态环境熵增的关系，可以作为资源熵与污染熵的计算依据。是热力学状态函数，是煤制甲醇过程中系统在一定的环境条件下向生态环境系统作出最大有用功的能力，即能量中可能转换为最大有用功的部分。表示通过可逆过程使得一些能流与物质流达到与生态环境中的共同组分的热力学平衡状态所能得到的最大有用功，可用下式表示：

基于煤制甲醇过程中能源与原料的守衡原则，煤制甲醇过程中分析过程如图1所示，其平衡可用下式表示：

图1  煤制甲醇过程平衡过程

Fig.1  Process from coal to methanol exergy balance

从图1可以看出：煤制甲醇过程的耗损可能有：(1) I_out，表示被转移，如能源与原料的转移到煤制甲醇过程中的建筑物上；(2) I_L，表示被消耗，以推动煤制甲醇过程中的能量与原料转化的各种过程的进行，又称为内部损耗；(3) I_w，表示散失，如通过废气、废水与废渣的排弃所损失的。

本文所讨论的煤制甲醇过程的损失主要包括后面2种。从资源利用和排放废弃物的生态环境污染角度出发，可以用热力学方法确定煤制甲醇过程中系统生态环境的综合影响。

1.1  煤制甲醇过程资源损失熵

从热力学的观点看，煤制甲醇过程中能源与原料是与生态环境处于不平衡状态的物质，而煤则是与化学环境严重不平衡的物质。煤制甲醇过程所需要的动力或其他能量正是利用了这种不平衡。

        是量度体系状态偏离环境的程度。体系因与环境处于机械不平衡、热不平衡、浓度和化学不平衡而具有。资源由于这种不平衡性而具有，在净化、富集过程中其增加，熵减少；在使用过程中，减少，熵增加。由此产生的熵增定义为资源损失熵S_RL，是煤制甲醇过程中对自然资源消耗量的反映，可用下式表示：

从煤制甲醇过程来看，能源与原料中的最终只有一部分进入煤制甲醇过程系统，其余的作为损失被排入生态环境中。

1.2  煤制甲醇过程排放废弃物污染熵

煤制甲醇过程排放废弃物污染熵既是资源损失的一部分，同时也是作用于生态环境、使生态环境恶化的污染源，可以通过存在于废弃物中、随废弃物排入生态环境的那部分来确定。

煤制甲醇过程中排向生态环境的废弃物包含物理、化学等，通常与生态环境处于温度、压力、浓度或成分等不平衡状态，能引起生态环境发生变化而对生态环境产生污染。一般地，煤制甲醇过程中物理对生态环境的潜在影响不予考虑，而所指的煤制甲醇过程排放废弃物污染熵是指排放废弃物中未被充分利用的化学排入生态环境，对生态环境系统造成危害。与由此产生的对应的熵可定义为煤制甲醇过程排放废弃物污染熵S_w，可用下式表示：

不少学者对基本物质进行了研究。通过热力学基本函数，获得了数百种物质的。煤制甲醇过程部分排放废弃物的如表1所示。

表1  煤制甲醇过程部分排放废弃物的I_w

Table 1  Exergy of part waste emissions in process from
coal to methanol

2  煤制甲醇过程系统对生态环境综合影响的熵增

煤制甲醇过程系统对环境的影响可以用系统对生态环境的总熵增来表示。总熵增包括：(1) 煤制甲醇过程系统消耗资源引起的资源损失熵；(2) 煤制甲醇过程系统排放废弃物污染熵。而煤制甲醇过程中系统消耗资源引起的资源损失熵，应包括煤制甲醇过程中系统的损失产生的熵和废弃排放物中的化学产生的熵，则煤制甲醇过程系统资源损失熵S_RL表示为：

对于煤制甲醇过程系统，S_{RL, i}主要包括消耗的能量；S_w, _j主要包括耗废的未进入煤制甲醇过程系统的能量。

煤制甲醇过程中系统的废弃排放物有多种成分，而且各种成分由于其化学性质(如毒性、温室效应性、光化学效应、臭氧损耗性、酸雨性等)不同，对生态环境造成的危害程度也各不相同；所以，在计算煤制甲醇过程系统排放物的污染熵时，不能只是将这些成分的熵简单叠加，而应引入危害系数来反映它们对生态环境所造成的危害程度。因此，煤制甲醇过程系统排放废弃物污染熵S_w可表示为：

当考虑煤制甲醇过程系统在资源利用与生态环境影响的综合效应时，利用煤制甲醇过程资源损失熵和煤制甲醇过程系统排放废弃物污染熵可以综合评价煤制甲醇过程系统的资源利用率和生态环境的影响^[15]，并定义为生态环境影响熵效应S_Y。

式中：C₁和C₂为生态环境影响因数系数。若取C₁为1，则式(8)变为：

实际上，由于煤制甲醇过程中资源消耗与环境污染不具有直接可比性，因此，煤制甲醇过程系统的生态环境综合影响熵效应系数β的确定比较困难，本文拟采用函数链神经网络辨识方法对其进行确定。

3  煤制甲醇过程中系统环境综合影响熵效应系数辨识

3.1  熵效应系数的影响变量分析

煤制甲醇过程中系统生态环境综合影响熵效应系数β反映的是生态环境资源破坏对生态环境造成的损害与生态环境污染对生态环境造成的损害的关系，是一种时变性、高度非线性的关系。由于两者的性质不同，对生态环境影响的作用机理不同，因而没有可比性，目前还没有反映这一关系公认的理论和方法。

3.2  函数链神经网络

函数链神经网络中的权值和阈值通过单层感知器学习算法进行修正。函数链神经网络的学习算法如下。

(1) 给定初始值。赋给各权的初始值和阈值1个较小的随机非零值。其中：为k时刻第i个输入节点(1≤i≤n)到第j个输出节点(1≤j≤m)的权；为k时刻第j个输出节点的阈值。

(2) 输入1个样本X = (x₁, x₂, …, x_n)和希望输出D= (d₁, d₂, …, d_n)。

(3) 计算实际输出：

 (4) 权值修正：

自适应调节系数η采用如下方法进行自适应确定：

 (5) 转到步骤(2)，直到对一切样本均稳定不变为止。

函数链神经网络训练框图如图2所示。在函数链神经网络的学习过程中，自适应调节系数η将自适应减少。这是因为在进行训练初期，由于误差e较大，需要较大的η，随着训练的进行，逐渐接近最优点，故需要选用较小的η，以便于在较小范围内进行训练。

图2  函数链神经网络训练框图

Fig.2  Training diagram of function chain neural network

通常，η不能太大，因为η太大会影响的稳定；η也不能太小，因为η太小会使的收敛速度太慢。若实际输出与希望输出相同，则不变。

3.3  煤制甲醇过程中系统环境综合影响熵效应系数函数链神经网络辨识模型

用于煤制甲醇过程中系统环境综合影响熵效应系数辨识的函数链神经网络结构如图3所示。函数链神经网络软测量模型中，输入变量有：耗煤量u₁、耗电量u₂、耗水量u₃、耗油量u₄、化学耗氧量(COD)排放量u₅、生化耗氧量(BOD)排放量u₆、SO₂排放量u₇、NO_x排放量u₈、废渣排放量u₉共9个输入，经函数展开从而形成实际的神经元输入v_m(m=1，2，…，10，9+m，…，9+N)。

图3  用于环境综合影响熵效应系数辨识的函数链
神经网络结构

Fig.3  Entropy effect of compositive influence of environmental factors on identifying architecture of function chain neural network

对于1个事先定义好的函数展开阶次S，这个神经元的实际输入v为：{u_k，{cos (sπu_k)，sin (sπu_k)}}。其中：k=1，2，3；s=1，2，…，S。通过这种方式，将增加N=2×S×3辅助输入。单神经元的激活函数为Sigmoid函数，则网络的输出可表示为：

                (13)

式中：z=θ₀+x；θ₀为神经元的阈值；x为神经元的原始输入以及经函数展开后增加的输入与权值乘积之和，

               (14)

v_m由各个原始输入u_n经过函数展开式{u_k，{cos (sπu_k)，sin (sπu_k)} }获得。

3.4  基于函数链神经网络的煤制甲醇生态环境综合影响熵效应系数辨识仿真

3.4.1  样本数据的确定

为确定煤制甲醇过程中系统生态环境综合影响熵效应系数相关指标，需要对各变量进行归一化处理。熵效应系数的指标一般可归结为：(1) 正向指标(越大越好)；(2) 反向指标(越小越好)；(3) 区间型指标(在某值附近)；(4) 等级型指标。

为了将它们转化为闭区间[0，1]的无量纲指标属性值u，首先，在各自的论域上确定它们的最大值x_max和最小值x_min，设对应的指标集分别为U₁，U₂，U₃和U₄，其无量纲化属性值如下。

(1) 正向指标无量纲属性值。对于任意的，有：

            (15)

 (2) 反向指标无量纲属性值。对于任意的，有：

           (16)

 (3) 区间性指标无量纲属性值。对于任意的，有：

          (17)

式中：。

(4) 等级性指标量化属性值。在很多情况下，可用一些常见的分布函数作为隶属函数近似进行等级性指标量化。图4所示为进行等级性指标量化所用到的三角形隶属函数。由此可得等级性指标量化的计算公式为：

       (18)

式中：u为U无量纲指标属性值，可以通过先验知识进行计算；m为模糊子集的边界，是用来确定测量值可能性分布的必要条件，可以根据实际应用情况进行自适应调整，一般取m=2σ；σ为相应{x_i}的方差。

图4  三角形隶属函数

Fig.4  Triangular membership function

3.4.2  学习样本

设X_i为x_i的指标集(i=1, 2, 3 …, 9)，x_i为u_i的无量纲值。在函数链神经网络模型中，输入变量包括：耗煤量X₁，耗电量X₂，耗水量X₃，耗油量X₄，COD排放量X₅，BOD排放量X₆，SO₂排放量X₇，NO_x排放量X₈，废渣排放量X₉。输出变量为β。根据某煤制甲醇过程已有数据，整理确定21组归一化学习样本，全部输入、输出值如表2所示。

3.4.3  辨识仿真

生态环境综合影响熵效应系数辨识方法是：利用函数链神经网络方法，从生态环境综合影响熵效应系数函数链神经网络模型输入、输出变化的数据序列中辨识出对象的数学模型，使得辨识模型的输出和被辨识系统的输出β(n)尽量接近，即保持β(n)与之差e(n)最小(e(n)= β(n)-)。

以X_i(n)(i=1, 2, …, 9)为函数链神经网络输入训练量，输出变量β(n)为函数链神经网络输出训练量，表2中前15个样本作为训练样本，其余6个样本用来测试系统模型的性能，仿真结果如图5~6所示。

从图5~6所示的仿真结果可以看出：函数链神经网络的建模精度和泛化能力很高，所得的最大训练误差为-0.028(此时相对误差约为-3.65%)，最大测试误差为0.018(此时相对误差约为2.65%)。

以函数链神经网络输出对输入分量的偏导作为因子对生态环境综合影响熵效应系数影响程度的判据，偏导数愈大，则说明该因子的影响作用愈显著。各因子对生态环境综合影响熵效应系数的权重系数计算结果如图7所示。由图7可知：对生态环境综合影响熵效应系数影响较大的是：耗电量(X₂)，约20.0%；BOD(X₆)，约14.5%；耗煤量(X₁)，约14.0%；SO₂(X₇)，约13.8%，等等。耗电量最大是因为电本身是二次能源，在煤制甲醇过程中就伴随着大量能源的消耗。BOD、煤耗量和SO₂的影响较大也与我国煤制甲醇过程的大气、水体污染状祝和能源结构相符。

煤制甲醇过程中，系统生态环境综合影响熵效应系数的正确判定，是准确评价生态环境综合影响的关键之一。从生态环境综合影响熵效应系数仿真实例中可看出支持向量机具有很大的优点。它本身所具有的学习能力可以胜任线性系统的辨识任务，在辨识时能够根据训练数据自动选择模型的结构和复杂度，能控制模型的精度和泛化能力，理论上能够保证模型的正确性而不需要进行验证，用于动态系统辨识有很大的潜力，为煤制甲醇过程中系统生态环境综合影响熵效应系数的确定提供了一种有效的解决方法。

表2  归一化处理的样本数据

Table 2  Normalized sample data

(a) 训练集的拟合情况；(b)训练误差

1—系统样本输出；2—函数链神经网络输出

图5  训练集仿真结果

Fig.5  Simulation results of training set

(a) 测试集的拟合情况；(b) 测试集的误差曲线

1—系统样本输出；2—函数链神经网络输出

图6  测试集仿真结果

Fig.6  Simulation results of test set

图7  生态环境综合影响熵效应系数各因子权重系数W_i

Fig.7  Factor weight coefficient W_i of compositive entropy effect coefficient in ecological environment

4  结论

 (1) 针对煤制甲醇过程系统中资源损失熵和排放废弃物污染熵对生态环境的危害，提出了煤制甲醇过程中系统生态环境综合影响熵效应系数来评价煤制甲醇过程中系统对生态环境综合影响程度，其最大相对辨识误差小于3.65%。

(2) 采用函数链神经网络对时变、高度非线性的某煤制甲醇过程中生态环境综合影响熵效应系数进行辨识，对生态环境综合影响熵效应系数影响较大的依次是：耗电量，约20.0%；BOD，约14.5%；耗煤量，约14.0%；SO₂，约13.8%，等等。耗电量的影响最大是因为电本身是二次能源，在煤制甲醇过程中就伴随着大量能源的消耗。BOD、煤耗量和SO₂的影响较大，这也与我国煤制甲醇过程中的大气、水体污染状况和能源结构相符。

参考文献：

[1] 周晓谦, 殷伯良. 煤制甲醇工业发展现状分析[J]. 露天采矿技术, 2006(2): 4-6.
ZHOU Xiao-qian, YIN Bo-liang. Coal-methanol analysis of industrial development[J]. Opencast Mining Technology, 2006(2): 4-6.

[2] Halmann M, Steinfeld A. Production of lime, hydrogen, and methanol by the thermo-neutral combined calcination of limestone with partial oxidation of natural gas or coal[J]. Energy, 2006, 31(10/11): 1533-1541.

[3] Chmielniak T, Sciazko M. Co-gasification of biomass and coal for methanol synthesis[J]. Applied Energy, 2003, 74(3/4): 393-403.

[4] Takanohashi T, Terao Y, Iino M. Sorption behaviors of methanol vapor by coal extracts and residues[J]. Fuel, 2000, 79(3/4): 349-353.

[5] Benedict D E, Strickland D. The Wabash River integrated methanol and power production from clean coal technologies (IMPPCCT) project[J]. Fuel and Energy Abstracts, 2002, 43(4): 263-264.

[6] Yoon H C, Erickson P A. Hydrogen from coal-derived methanol via autothermal reforming processes[J]. International Journal of Hydrogen Energy, 2008, 33(1): 57-63.

[7] 雍永枯. 甲醇工业发展的若干思考[J]. 煤化工, 2004(1): 9-13.
YONG Yong-ku. Some thought of methanol industrial development[J]. Coal Chemical Industry, 2004(1): 9-13.

[8] 郭树才. 煤化工工艺学[M]. 2版. 北京: 化学工业出版社, 2006: 50-80.
GUO Shu-cai. Coal chemical industry technology study[M]. 2nd ed. Beijing: Chemical Industry Press, 2006: 50-80.

[9] Jackson R G. Polygeneration system for power and methanol based on coal gasification[J]. Coal Conversion,1989(3): 60-64.

[10] Jiao S. Integrated gasification combined cycle (IGCC)[M]. Beijing: China Electricity Power Press, 1996: 35-42.

[11] Mednick R L, Romeo J P. Design and evaluation of liquid phase methanol synthesis technology[C]//Proceedings of US DOE/FE Indirect Liquefaction Contractor’s Review Meeting. Pittsburgh, 1988: 15-17.

[12] 湛垦华. 普利高津与耗散结构理论[M]. 西安: 陕西科学技术出版社, 1982: 4-15.
ZHAN Ken-hua. Prigogine and dissipative structure theory[M]. Xi’an: Shanxi Science and Technology Press, 1982: 4-15.

[13] 王彬. 熵与信息[M]. 西安: 西安交通大学出版社, 1994: 8-14.
WANG Bin. Entropy and information[M]. Xi’an: Xi’an Jiaotong University Press, 1994: 8-14.

[14] 杨秀虹, 李适宇. 耗散结构理论在环境承受阈研究中的应用初探[J]. 环境科学学报, 2000, 20(6): 785-789.
YANG Xiu-hong, LE Shi-yu. Dissipative structure theory in the environment under the threshold of research[J]. Journal of Environmental Science, 2000, 20(6): 785-789.

[15] H T奥德姆. 系统生态学[M]. 蒋有绪, 译. 北京: 科学出版社, 1993: 23-24.
Odum H T. Systems ecology[M]. JIANG You-xu, trans. Beijing: Science Press, 1993: 23-24.

收稿日期：2009-05-20；修回日期：2009-08-21

基金项目：国家“863”计划(2006AA06Z120)；国家“973”计划(2005CB623701)

通信作者：傅学政(1969-)，男，湖南岳阳人，博士研究生，副教授，从事煤洁净利用技术研究；电话：13007329808；E-mail: fuxuezheng@163.com 

(编辑 陈灿华)