Bio-energetische karakterisering van inheemse houtsoorten
Meer energie uit hout!
Bio-energiewinning uit inheemse houtsoorten
De laatste decennia wint houtige biomassa terug aan belang als gevolg van de stijgende vraag naar energie, de slinkende fossiele brandstofreserves en de stijgende broeikasgasconcentraties in de atmosfeer. Om de efficiëntie van de energiewinning te verbeteren is het noodzakelijk de mogelijk verkrijgbare energie uit een hoeveelheid hout te kennen. Met behulp van een combinatie van nabij-infrarood hyperspectrale beeldvorming en technieken voor de bepaling van energetische en structurele eigenschappen van het hout is de potentieel te winnen energie zeer snel in te schatten.
Hout als energiebron
Hout is al eeuwenlang een belangrijke grondstof voor energie en zal in de toekomst een nog prominentere plaats innemen. Bovendien wordt het gebruik van hout gestimuleerd door het huidige Europees energiebeleid, met name de 2020 doelstellingen. Die vereisen dat tegen 2020 20% van het Europees energieverbruik uit hernieuwbare energiebronnen moet komen.
De verbranding van hout wordt bovendien als CO2-neutraal beschouwd, nu de uitgestoten CO2 tijdens de fotosynthese terug opgenomen wordt. Dat geldt echter enkel voor de verbranding en niet voor de verwerking, het transport en de exploitatie. Daarnaast moet de totale hoeveelheid koolstof in opgeslagen in de planten behouden blijven.
Houtige biomassa kan verbrand worden voor warmte of kan gebruikt worden voor elektriciteitsopwekking. Daarnaast kan het dienst doen als grondstof voor biobrandstoffen. De biobrandstoffen gevormd uit hout worden tweede generatie biobrandstoffen genoemd. Deze biobrandstoffen zijn energie-efficiënter en ecologischer dan eerste generatie biobrandstoffen, die geproduceerd worden uit voedselgewassen zoals maïs, suikerbiet, etc. Daarnaast kan hout gewonnen worden op marginale gronden en zal er zo geen competitie optreden met voedselproductie.
De voorraad houtige biomassa in Europa was in 2010 973 miljoen m³ hout, waarvan 686 miljoen afkomstig was van duurzame exploitatie van bossen. De nodige hoeveelheid hout voor energie bedroeg in 2010 346 miljoen m³. Tegen 2030 is de nodige hoeveelheid hout voor energie geschat op 1372 miljoen m³ en de beschikbare hoeveelheid is geschat op 1056 miljoen m³. Met het oog op dit deficit aan hout is het noodzakelijk om de efficiëntie van de energiewinning uit deze grondstof te verhogen. De energie-efficiëntie kan verhoogd worden door op voorhand de energie-inhoud van het hout te voorspellen.
Energievoorspelling
In dit onderzoek is de hoeveelheid energie verkrijgbaar uit een hoeveelheid hout bepaald aan de hand van nabij-infrarood hyperspectrale beeldvorming in combinatie met technieken voor de bepaling van structurele en energetische eigenschappen. Daarnaast is ook de chemische samenstelling, die sterk gecorreleerd is met de energie-inhoud, bepaald met deze techniek. Houtstalen worden belicht met nabij-infrarood licht. De houtmoleculen zullen een hoeveelheid licht reflecteren. Die hoeveelheid kan gerelateerd worden met de energetische inhoud of de chemische samenstelling van het hout.
Voor de inheemse houtsoorten leveren snelgroeiende soorten zoals wilg, populier en naaldhout een hogere verbrandingsenergie op dan traaggroeiende soorten zoals eik en es. Een kanttekening hierbij is dat deze assumptie geen rekening houdt met de warmteoverdracht. Traaggroeiende soorten zullen bij verbranding hun warmte trager afgeven en zijn daarom belangrijker als brandhout voor bijvoorbeeld verwarming met houtkachels. Voor energieopwekking zijn de snelgroeiende soorten echter belangrijker omwille van hun hoge energie-inhoud en snelle biomassaproductie.
De chemische samenstelling van hout speelt een grote rol in de energie-inhoud. Hout bestaat uit drie hoofdbestanddelen: cellulose, hemicellulose en lignine. De verbrandingswaarde van lignine is hoger dan bij cellulose en hemicellulose. Hout met een hogere lignine-inhoud zal dus meer energie opleveren. Om die reden is eveneens de chemische samenstelling van het hout voorspeld aan de hand van de bovenvermelde nabij-infrarood hyperspectrale beeldvorming.
De voorspellingen bieden grootse perspectieven voor de toekomst. Zo kan de conventionele, trage methode voor de bepaling van de chemische samenstelling van hout op termijn vervangen worden. Daarnaast kan ook de energiewinning uit houtige biomassa op voorhand geschat worden wat de efficiëntie van energiewinning verhoogd. Ten slotte kunnen de technieken ook aangewend worden voor soortselectie en veredeling bij de zoektocht naar boomsoorten met een hogere energieopbrengst.
Bibliografie
BibliografieASTM. (2001). Standard Test Method for Ash in wood. Paper Industry, 84:1-2.
Acuña, E., Espinosa, M., Cancino, J., Rubilar, R. & Muñoz, F. (2010). Estimating the bioenergy potential of Pinus radiata plantations in Chile. Ciencia e investigación agraria, 37 (1): 93-102.
Arngren, M. (2011). Hyperspectral NIR Camera. Technical University of Denmark ,Kongens Lyngby.Beschikbaar op: http://www2.imm.dtu.dk/pubdb/public/allpublications.php?year=2011&pubty…, E., Delisee, C. & Lux, J. (2008). 3D structural characterisation, deformation measurements and assessment of low-density wood fibreboard under compression: The use of X-ray microtomography. Composites Science and Technology, 68 (7-8), 1654-1663. Bahng, M.K., Mukarakate, C., Robichaud, D.J. & Nimlos, M.R. (2009). Current technologies for analysis of biomass thermochemical processing: a review. Analytica chimica acta, 651 (2):117-38. Bird, M.I., Ascough, P.L., Young, I. M.,Wood, C.V. & Scott, A.C. (2008). X-ray microtomographic imaging of charcoal. Journal of Archaeological Science, 35 (10): 2698-2706. Brink, M., Mandenius, C.F. & Skoglund, A. (2010). On-line predictions of the aspen fibre and birch bark content in unbleached hardwood pulp, using NIR spectroscopy and multivariate data analysis. Chemometrics and Intelligent Laboratory Systems, 103(1): 53-58. Broeckx, L., El Kasmioui, O. & Verlinden, M. (2011). Populier, energieleverancier. Groencontact, 35: 18-21. Brown, R.C. (2011). Thermochemical processing of biomass: conversion into fuels, chemicals and power. Chichester, UK: John Wiley & Sons. Butterman, H.C. & Castaldi, M.J. (2008). Enhanced Steam Gasification of Biomass Fuels.Beschikbaar op: http://www.seas.columbia.edu/earth/wtert/sofos/eecnawtec/nawtec16/nawte…, H.C. & Castaldi, M.J. (2009). Selected Articles from the 2008 IT3 Conference. Environmental Engineering Science, 26(4):703-713. Cogen. (2008). Biomassa in Vlaanderen, Eeklo. gevonden op 15/01/2012 op http://www.cogen-energy.be/BRBIOMASSA.pdf62 Devetter, L., Cnudde, V., Masschaele, B., Jacobs, P. & Vanacker, J. (2006). Detection and distribution analysis of organosilicon compounds in wood by means of SEM-EDX and micro-CT. Materials Characterization, 56 (1): 39-48. Dietenberger, M. (2002). Update for Combustion Properties of Wood Components. Fire and Materials, 26: 255-267. Eigenvector Research. (2011). PLS Toolbox Manual.Beschikbaar op: http://wiki.eigenvector.com/index.php?title=PLS_Toolbox_Topics Emandi, A.N.A., Vasiliu, C.I. & Budrugeac, P. (2011). Quantitative investigation of woodcomposition by integrated FT-IR and Thermogravimetric methods. Cellulose Chemistry and Technology, 45: 579-584. Evans, A., Strezov, V. & Evans, T.J. (2010). Sustainability considerations for electricity generation from biomass. Renewable and Sustainable Energy Reviews, 14 (5): 1419-1427. Fujimoto, T., Kurata, Y., Matsumoto, K. & Tsuchikawa, S. (2010). Feasibility of near-infrared spectroscopy for online multiple trait assessment of sawn lumber. Journal of Wood Science, 56 (6): 452-459. Geladi, P. (2004). Hyperspectral imaging: calibration problems and solutions. Chemometrics and Intelligent Laboratory Systems, 72 (2): 209-217. Gomez, L.D., Steele-king, C.G. & Mcqueen-mason, S.J. (2008). Sustainable liquid biofuels from biomass : the writing ’ s on the walls. New Phytologist, 178: 473-485. Gowen, A., Odonnell, C., Cullen, P., Downey, G. & Frias, J. (2007). Hyperspectral imaging – an emerging process analytical tool for food quality and safety control. Trends in Food Science & Technology, 18 (12): 590-598. Hedrick, S.E., Bennett, R.M., Rials, T.G. & Kelley, S. (2007). Correlation of Near-Infrared Spectroscopy Measurements with the Properties of Treated Wood. Journal of Materials in Civil Engineering, 19 (4): 279. Hein, P.R.G., Campos, A.C.M., Mendes, R.F., Mendes, L.M. & Chaix, G. (2010). Estimation of physical and mechanical properties of agro-based particleboards by near infrared spectroscopy. European Journal of Wood and Wood Products, 69 (3): 431-442. Heyse, D.K. (2003a). Differential Scanning Calorimetry ( DSC ), Colorado.Beschikbaar op: www1.chm.colostate.edu Heyse, D.K. (2003b). Thermogravimetric Analysis, Colorado.Beschikbaar op: www1.chm.colostate.edu63 Horvath, L., Peszlen, I., Peralta, P. & Kelley, S. (2010). Use of transmittance near-infrared spectroscopy to predict the mechanical properties of 1- and 2-year-old transgenic aspen. Wood Science and Technology, 45 (2): 303-314. Hou, S. & Li, L. (2011). Rapid characterization of woody biomass digestibility and chemical composition using near-infrared spectroscopy. Journal of integrative plant biology, 53 (2): 166-75. Hyvärinen, T., Herrala, E. & Jussila, J. (2008). High Speed Hyperspectral Chemical Imaging, International Near-Infrared Conference,Umea, Sweden. Jansen, P. & Kuiper, L. (2004). Double green energy from traditional coppice stands in the Netherlands. Biomass and Bioenergy, 26 (4): 401-402. Kelley, S.S., Rials, T.G., Snell, R., Groom, L.H. & Sluiter, A. (2004). Use of near infrared spectroscopy to measure the chemical and mechanical properties of solid wood. Wood Science and Technology, 38(4): 257-276. Li, J., Rao, X. & Ying, Y. (2012). Development of algorithms for detecting citrus canker based on hyperspectral reflectance imaging. Journal of the science of food and agriculture, 92: 125-134. Mantau, U., Saal, U., Prins, K., Steierer, F., Lindner, M. & Verkerk, H. (2010). EUwood - Real potential for changes in growth and use of EU forests. Final report. Hamburg/Germany,160 p. Nkansah, K. & Dawson-Andoh, B. (2010). Rapid characterization of biomass using fluorescence spectroscopy coupled with multivariate data analysis. I. Yellow poplar (Liriodendron tulipifera L.). Journal of Renewable and Sustainable Energy, 2 (2): 23-103.den Ouden, J., Muys, B., Mohren, F. & Verheyen, K. (2010). Bosecologie en Bosbeheer, Leuven: Acco. Pixelio, M.L. (2010). Duurzaam gebruik van energiehout in de Benelux, Brussels.Beschikbaar op: http://www.benelux.int/pdf/pdf_nl/dos/10-NAT-BOSSEN(NO-012)NL.pdf Prins, M.J. (2005). Thermodynamic analysis of biomass gasification and torrefaction. Technische Universiteit Eindhoven. Riddell, M., Harrington, J., Nanayakkara, B., Meder, R. & Thumm, A. (2010). Near infrared hyperspectral imaging applied to mapping chemical composition in wood samples. Journal of Near Infrared Spectroscopy, 18 (1): 507. De Ridder, M., Van den Bulcke, J., Vansteenkiste, D., Van Loo, D., Dierick, M., Masschaele, B., De Witte, Y., Mannes, D., Lehmann, E., Beeckman, H., Van Hoorebeke, L. & Van Acker, J.(2011). High-resolution proxies for wood density variations in Terminalia superba. Annals of botany, 107 (2): 293-302.64 Rommens, T., Suetens, E. & Albrecht, J. (2009). Het potentieel van biobrandstoffen van de tweede generatie. Universiteit Gent. Schimleck, L.R., Evans, R. & Ilic, J. (2001). Estimation of Eucalyptus delegatensis wood properties by near infrared spectroscopy. Canadian Journal of Forest Research, 31: 1671-1675. Schimleck, L.R., Evans, R. & Matheson, A. C. (2002). Estimation of Pinus radiata D. Don clear wood properties by near-infrared spectroscopy. Journal of Wood Science, 48 (2): 132-137. Serapiglia, M.J., Cameron, K.D., Stipanovic, A.J. & Smart, L.B. (2009). Analysis of Biomass Composition Using High-Resolution Thermogravimetric Analysis and Percent Bark Content for the Selection of Shrub Willow Bioenergy Crop Varieties. BioEnergy Research, 2 (1-2): 1-9. Shanavas, A. & Kumar, B.M. (2003). Fuelwood characteristics of tree species in homegardens of Kerala , India. Agroforestry Systems, 58: 11-24. Shen, D.K., Gu, S., Luo, K.H., Bridgwater, A.V. & Fang, M.X. l. (2009). Kinetic study on thermal decomposition of woods in oxidative environment. Fuel, 88 (6): 1024-1030.Sokhansanj, S. (2011). The Effect of Moisture on Heating Values. Oak Ridge National Laboratory, Tennessee. Beschikbaar op: http://cta.ornl.gov/bedb/appendix_a/The_Effect_of_Moisture_on_Heating_V…, R., Nati, C., Sozzi, L., Magagnotti, N. & Picchi, G. (2011). Physical characterization of commercial woodchips on the Italian energy market. Fuel, 90 (6): 2198-2202. Steppe, K., Cnudde, V., Girard, C., Lemeur, R., Cnudde, J.-P. & Jacobs, P. (2004). Use of X-ray computed microtomography for non-invasive determination of wood anatomical characteristics. Journal of structural biology, 148 (1): 11-21. Tallieu, L. (2008). Onderzoek naar de mogelijkheden van nabij infrarood voor de opvolging van de productieprocessen uctieprocessen van biodiesel , NVS en 3GO. Ph.D.thesis, Katholieke Hogeschool Brugge-Oostende. Telmo, C. & Lousada, J. (2011). Heating values of wood pellets from different species. Biomass and Bioenergy, 35 (7): 2634-2639. Timmermans, G.H. & Koopmans, C.J. (2007). Biomassa als energiebron, Driebergen.Beschikbaar op: http://www.louisbolk.org/downloads/1908.pdf Trtik, P., Dual, J., Keunecke, D., Mannes, D., Niemz, P., Stähli, P., Kaestner, A., Groso, A. & Stampanoni, M. (2007). 3D imaging of microstructure of spruce wood. Journal of structural biology, 159 (1): 46-55.65 Van den Bulcke, J., Boone, M., Van Acker, J., Stevens, M. & Van Hoorebeke, L. (2009). X-ray tomography as a tool for detailed anatomical analysis. Annals of Forest Science, 66 (5): 508. Wildenschild, D. et al. (2002). Using X-ray computed tomography in hydrology: systems, resolutions, and limitations. Journal of Hydrology, 267(3-4): 285-297. Williams, P.J. (2009). Near Infrared (NIR) Hyperspectral Imaging For Evaluation of Whole Maize Kernels: Chemometrics for Exploration and Classification. Ph.D.thesis, Stellenbosch University. Xing, J., Symons, S., Hatcher, D. & Shahin, M. (2011). Comparison of short-wavelength infrared hyperspectral imaging system with an FT-NIR spectrophotometer for predicting alphaamylase activities in individual Canadian Western Red Spring wheat kernels. Biosystems engineering, 108: 303-310. Yang, H., Yan, R., Chen, H., Lee, D. & Zheng, C. (2007). Characteristics of hemicellulose, cellulose and lignin pyrolysis. Fuel, 86 (12-13): 1781-1788. Yorulmaz, S.Y. & Atimtay, A.T. (2009). Investigation of combustion kinetics of treated and untreated waste wood samples with thermogravimetric analysis. Fuel Processing Technology, 90 (7-8): 939-946.
