ICS 27.010 CCS F13 备案号： NB 中华人民共和国能源行业标准 NB/T 10766—2021 木质纤维素类生物质原料水分的测定 近红外法 Determination of Moisture in Lignocellulosic Feedstocks Near-infrared Method 2021-11-16发布 2022-05-16实施 国 家 能 源 局 发布NB/T 10766 -2021 I 前 言 本文件按照 GB/T 1.1―2020 《标准化 工作导则 第1部分：标准化文件的结构和起草规则》的规 定起草。 本文件由能源行业非粮生物质原料标准化技术委员会(NEA/TC 24)归口。 本文件起草单位： 湖南农业大学、中国农业大学 、北京慧明雨实验 科技有限公司、四川威斯派克科 技有限公司 、国能生物发电集团有限公司 。 本文件主要起草人： 李蒙、谢光辉 、张佳佳 、汪军、陈磊、 薛鸣星、唐磊、黄果、王茺 、李玉忠。NB/T 10766 -2021 1 木质纤维素类生物质原料 水分的测定 近红外法 1 范围 本文件规定了近红外光谱分析方法测定木质纤维素类生物质原料水分含量的术语和定义、原理、仪 器设备、近红外光谱模型的建立与验证、测定、结果处理和表示、校正模型的维护和精密度。 本文件适用于农林废弃物、 能源植物等各类草本或木本木质纤维素类生物质原料及其衍生材料样品 水分的快速测定。 本文件不适用于高温易引起化学变化的样品， 如酸性样品或碱性样品。 本文件适用于近红外光谱范围（ 780 nm~2500 nm 或12000 cm-1~4000 cm-1）的分子光谱。 2 规范性引用文件 下列文件中 的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件， 仅该日期对应 的版本适用于本文件。不注日期的引用文件，其最新版本 (包括所有的修改单 )适用于本文 件。 GB/T 24895 —2010 粮油检验 近红外分析定标模型验证和网络管理与维护通用规则 GB/T 29858—2013 分子光谱多元校正定量分析通则 NB/T 34029—2015 非粮生物质原料名词术语 NB/T 34057.1— 2017 木质纤维素类生物质原料化学成分的测定 第1部分：标准样品的制备 NB/T 34057.3— 2017 木质纤维素类生物质原料化学成分的测定 第3部分：水分的测定 NB/T 34057. 6—2017 木质纤维素类生物质原料化学成分的测定 第6部分：灰分的测定 3 术语和定义 下列术语和定义适用于本文件。 3.1 木质纤维素 lignocellulose 混有木质素、纤维素和半纤维素的天然植物纤维。 [来源： NB/T 34029 —2015，4.11] 3.2绝干重 absolute dry weight 生物质于烘箱内 105℃下烘干至质量不变时的质量，也叫烘干重(oven -dried weight) 。 [来源： NB/T 34029— 2015，4.2] 3.3 水分 moisture content 生物质中水分的百分含量，也叫湿度(humidity) ，包括绝对含水量和相对含水量两种表达方式。 [来源： NB/T 34029— 2015，4.5] 3.4校正 calibration NB/T 10766 -2021 2 将一组样品的成分浓度或性质与其光谱进行关联，建立模型的过程。 [来源： GB/T 24895 —2010，3.1] 3.5 校正模型 calibration model 表达一组样品的成分浓度或性质与其光谱之间关联关系的数学表达式。 [来源： GB/T 24895 —2010，3.2] 3.6 校正样品 calibration samples 用来建立校正模型的样品，其成分浓度或性质数据已知。 [来源： GB/T 24895 —2010，3.3] 3.7 验证样品 validation samples 用来验证模型性能的样品，其成分浓度或性质数据已知。 [来源： GB/T 24895 —2010，3.6] 3.8 模型验证 model va lidation 用验证样品来检验校正模型预测值与参考值之间一致性的过程。 [来源： GB/T 24895 —2010，3.10] 4 原理 利用水分子中的 O-H以及关联有机物中 C-H、N-H、O-H等化学键的泛频振动或转动对近红外光 的吸收特性，用化学计量学方法建立木质纤维素类生物质原料近红外光谱与其水分含量之间的相关关 系，计算木质纤维素类生物质原料样品的水分含量 。 5 仪器设备 5.1 近红外光谱仪 带可连续扫描单色器的漫反射型近红外光谱仪或其他类产品，扫描范围不少于 900 nm ~2500 nm (12000 cm-1~4000 cm-1)，光谱带宽≤ 12 nm，波长准确性≤ 0.2 nm，波长重复性≤ 0.05 nm。 5.2 软件 采用 5.1中的近红外光谱仪自带的分析软件。 6 近红外光谱模型的建立与验证 6.1 样品的选择 校正样品与验证样品的选择方法引用 GB/T 29858- 2013。 参与校正与模型验证的样品应具有代表性， 即需涵盖所要分析样品的全部特性。创建一个新的模型，一般需要收集样品数量不少于 100个，样品过 少将不能获得有效模型。 6.2 样品的制备 NB/T 10766 -2021 3 样品的制备方法引用 NB/T 34057.1—2017 。 6.3 样品水分 的测定 样品水分的测定方法引用 NB/T 34057.3— 2017。 6.4 样品光谱的采集 采用 5.1中的近红外光谱仪进行光谱采集。 6.5 数据处理方法 6.5.1 光谱的预处理 为消除光谱采集过程中引入噪声对模型的不利影响，可采用平滑、微分、多元散射校正、中心化、 标准化等方法对光谱进行预处理， 可选择与样品灰分含量密切关联的特征光谱波段，进一步优化光谱数 据。 6.5.2 校正模型的建立 建立校正模型前，应参照标准 GB/T 29858—2013 ，剔除水分含量和光谱性质极为相近样本。 根据样品类型、 水分含量以及近红外光谱仪自带分析软件提供算法，选择适合化学计量学算法进行 校正模型的建立。 6.5.3 校正模型的评价 校正模型的评价指标，参照标准 GB/T 29858 —2013进行。 6.5.4 异常样品的确认和处理 6.5.4.1 异常样品的确认 形成异常测定结果的原因，可能来自以下几个方面： ——该样品水分 的含量超过了该仪器校正模型的范围； ——该样品品种与参与该仪器定标样品集的品种有很大差异； ——采用了错误的校正模型； ——样品中杂质过多； ——光谱扫描过程中样品发生了位移； ——样品的温度与校正模型样品测试时温度差异过大。 应对造成测定结果异常的原因进行分析和排除，再进行第二次近红外光谱测定，如仍出现异常，则 确认为异常样品。 6.5.4.2 异常样品的处理 应按 NB/T 34057.3 —2017规定的方法对该样品 水分进行测定。 6.5.5 校正模型的验证 校正模型的验证指标和方法，参照标准 GB/T 29858 —2013进行。 NB/T 10766 -2021 4 7 测定 7.1 测定前的准备 7.1.1 样品的制备方 法引用 NB/T 34057.1—2017 。 7.1.2 按照近红外光谱仪说明书的要求进行仪器预热及自检测试。 7.1.3 在使用状态下，每天至少使用监控样品对近红外光谱仪检测一次。 7.1.4 测试样品的温度应与校正模型样本测试时温度相近。 7.2 样品水分含量测定 依据近红外光谱仪 木质纤维素类生物质原料 水分含量模型，取适量样品进行水分含量测定，并保 存测定数据。每个样品应测定两次，第一次测定后的样品应与原待测样品混合后，再次取样进行二次测 定。 8 结果处理与表示 为了得到有效的结果，测试结果应在仪器使用的模型所覆盖的 水分含量范围内。 两次测定结果的绝 对差值应符合“10 精密度”的要求，若不符合要求，即被视为异常数据，异常数据不应作为有效测定 数据。异常样品的确认和处理按“6.5.4 异常样品 的确认和处理 ”的要求执行。 9 校正模型的维护 9.1 下列情况之一，需对近红外光谱已有模型进行维护： a）近红外光谱模型更新后，或更换仪器时； b）样品来源发生重大改变时； c）仪器维修或更换光源等配件后； d）其他需要验证时； e）每年至少进行 2次验证。 9.2 对不同型号的近红外光谱仪，应使用具有同样变异度的验证样品验证模型。 9.3 验证样品应覆盖批次样品的品种、含量及应用范围等，并在一定时间段内，按一定的程序采集大量样品，从中挑选具有代表性的样品。验证样品的测定组分含量应在近红外光谱校正模型中该组分含量范围内，尽量覆盖该范围，且呈较均匀的分布，样品数量不得少于 20个。 9.4 样品 水分分析应与近红外光谱测