生物质能源作为清洁能源,具有高产量,低回收率的特点。生物质热解系统具有回收生物质能源的功能。目前,对于热解产物回收成分（不同温度下不同生物质产油量及产炭量的不同）及热解工况还处于分析阶段。文章采用实验与模拟结合的方法,研究热解系统的特性和热解工况优化问题,通过热重实验,数据挖掘方法的预测,对热解装置的温度控制;从而完成对生物质热解温度反应特性,热解条件与产物之间关系特性和热解过程温度控制优化等问题的系统性研究。最后对热解系统进行整体模拟仿真。首先采用热重分析仪,考察了温度和加热速率对稻壳,秸秆以及锯末三种生物质热解反应过程的影响,后建立了三种生物质的热解动力学模型。结果表明,三种物质的生物焦产率为稻壳>秸秆>锯末,选取热解产物更高的稻壳生物质作为热解原料;随着温度速率的上升,生物质的最高热解速率和平均热解速率均有提升,说明升温速率越高样品反应越剧烈,确定了温度为热解主要影响因素,并依据此实验数据建立温度控制的数学模型。因此,选择机器学习算法的SVM支持向量机算法,参考文献实验数据,建立热解条件与热解产物数据库,从而建立预测模型。预测热解产物生物油、生物炭、气体与热解条件之间的关系,利用文献数据建立的炭产率预测模型决定系数（R~2）达到0.982,建立的油产率预测模型决定系数（R~2）达到0.989,建立的气产率预测模型决定系数（R~2）达到0.962,建立了预测模型的相关联矩阵。针对不同种类生物质优化了热解工况,并预测了稻壳在400℃～800℃时炭、油、气产率的变化。最后,根据预测结果优化分析稻壳可利用产物最大值时最佳热解温度为550℃。根据第二章热解实验数据建立热解系统温度控制的数学模型。对影响热解过程的关键因素,热解系统的温度稳定于550℃进行优化控制。由于系统属于大滞后、非线性系统,应用传统PID控制难以获得较好的控制效果。对比几种控制算法,经仿真分析,GA-BP-PID算法控制效果最佳,提高了温度控制的鲁棒性和准确性。根据前文对热解样品成分及最佳温度分析,对整个热解系统进行工艺流程模拟,利用Aspen Plus软件建立系统模拟,并得出结论:热解的生物油（bio-oil）产率、生物炭（bio-char）产率和气体（NCGs）产率计算为16.5%,26.5%和57%,模拟结果与实验测试结果比较吻合。