一种焦炭质量预测方法

技术领域

本发明属于焦化技术领域，特别涉及到一种焦炭质量预测方法。

背景技术

当前，世界产铁量主要来源于高炉炼铁。与现有的非高炉炼铁技术相比，高炉炼铁具有技术经济指标良好、工艺简单、生产量大、能耗低的特点，预测在未来的一段时间内高炉炼铁仍将是主要的产铁工艺。焦炭是高炉炼铁的重要原燃料，其发挥了热源、还原剂、料柱骨架及铁水渗碳等重要作用。焦炭质量对高炉焦比、生产效率、铁水质量及经济效益等具有重要影响。高炉大型化和喷煤技术的发展，煤比不断提高，焦炭在高炉中负荷增加，因此对焦炭质量的要求也日趋严格。所以合理化预测焦炭的质量，最优化配煤炼焦具有十分重要的意义。

焦炭质量与炼焦煤的基本性质与焦化过程密不可分。炼焦过程是一个具有多参数、时变、非线性和不确定性等特性的复杂生产过程。因此，常采用较为稳定的生产工艺进行实际生产。焦炭质量主要取决于原料煤的胶质体、煤岩组分及灰分组成等基本性质。热塑性区间内胶质体的含量可从一定程度上表征焦炭的强度。煤岩组分中的活性组分(镜质组和半镜质组)在焦化过程中能够热解生成非挥发分液相产物，黏结其他有机组分促使形成块状焦炭，且在其他组分含量相同情况下，活性组分含量越高，则焦炭热态性能越好。灰分中的诸多物质对焦炭的反应性和反应后强度具有极大的影响。原煤中K、Na、Fe、Ca、Mg等金属氧化物含量增高时，可促使焦炭的反应性增高，而Ti氧化物对焦炭的反应后强度具有一定的促进作用。

目前，基于煤基本性质已建立多种焦炭质量预测模型，其主要依靠原煤的工业分析、元素分析及煤岩组分等作为基本信息，构建焦炭性能与原煤基本性质间的线性关系。但是上述焦炭质量预测模型忽略了胶质体含量及煤中灰分氧化物对焦炭质量的影响，造成焦炭质量模型产生误差，导致难以准确指导配煤炼焦。基于以上的技术背景，有必要提出一种新的焦炭质量预测方法。

发明内容

为了解决现有的技术问题中的至少一项，本发明提出了一种焦炭质量预测方法。该方法通过煤结构参数准确预测焦炭质量，借以优化焦炭性能，提升焦化技术水平。

依据本发明，提供一种焦炭质量预测方法，包含以下步骤：

选取胶质体含量MP、镜质组V含量、挥发分含量V

依据所述焦炭质量模型的预测参数和所述预测目标值分别构建回归模型，并统一定义目标函数；

处理合并焦炭质量的所述回归模型与所述目标函数，将所述目标函数对回归模型中的系数值进行数学求导，得到正规参数方程；

求解所述回归模型中的系数，得到每个所述预测模型所对应的系数值，从而得到焦炭质量预测模型。

根据本发明的一个实施例，所述催化指数MCI的计算公式如下：

其中，A

根据本发明的一个实施例，若煤中含外加无机矿物，则依据催化指数计算公式中所存在的金属氧化物进行归一化处理。

根据本发明的一个实施例，所述回归模型为四元线性模型。

根据本发明的一个实施例，所述四元线性模型的通式为：

其中，β

根据本发明的一个实施例，所述目标函数为：

其中，i是试验数据组数量，y

根据本发明的一个实施例，所述正规参数方程为：

·

·

·

根据本发明的一个实施例，所述回归模型的系数采用最小二乘法求解。

根据本发明的一个实施例，进一步包括检测待预测煤的胶质体含量MP、镜质组含量V、挥发分含量V

由于采用以上技术方案，本发明与现有技术相比具有下列有益效果中的至少一项：

(1)该方法可在煤种多样性存在下准确构建焦炭质量预测模型，快速获取最优化煤样配比，方便于实际应用；

(2)该模型考虑胶质体及外加无机物对焦炭质量的影响特征，利用煤结构参数准确预测焦炭质量，借以优化焦炭性能，提升焦化技术水平。

附图说明

图1为根据本发明的焦炭质量预测方法的总体流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供了一种焦炭质量预测方法。该方法总体包含下文介绍的多个步骤。

步骤S1：选取胶质体含量MP、镜质组含量V、挥发分含量V

胶质体含量MP决定了煤的黏结性。煤的黏结性是煤在隔绝空气条件下加热时，形成具有可塑性的胶质体，黏结本身或外加惰性物质的能力。它是炼焦用煤的重要工艺性质。煤料的黏结性指标是影响焦炭强度的重要因素。

镜质组V是煤中最主要的显微组分。镜质组在成焦过程中热解生成非挥发性液相产物，黏结其他隋性组分使之形成块状焦炭，是决定焦炭质量的最重要活性组分。

挥发分V

催化指数MCI可综合评价矿物质对焦炭反应性的影响。在本发明的一些实施例中，催化指数MCI的计算公式如下：

其中，A

可选地，在本发明的一些实施例中，若煤中含外加无机矿物，则依据催化指数计算公式中所存在的金属氧化物进行归一化处理。

焦炭反应性CRI和焦炭反应后强度CSR是衡量焦炭热反应性能的一个重要指标，焦炭与CO

步骤S2：依据焦炭质量模型的预测参数和预测目标值分别构建回归模型，并统一定义目标函数。

在一些实施例中，回归模型为四元线性模型，四元线性模型的通式为：

其中，β

目标函数设定为：

其中，i是试验数据组数量，y

步骤S3：处理合并焦炭质量的回归模型与目标函数，将目标函数对回归模型中的系数值进行数学求导，得到正规参数方程。根据微分学求多元函数极值的方法，若要使Q达到最小，则目标函数对回归模型中的系数求导对应值应为零。在一些实施例中，正规参数方程为：

·

·

·

步骤S4：求解回归模型中的系数，得到每个预测模型所对应的系数值，从而得到焦炭质量预测模型。经整理，可以求得回归系数β

以下为根据本发明的焦炭质量预测方法的具体实施例。除非另有说明，下列实施例中所使用的原料、设备、耗材等均可通过常规商业手段获得。

对于涉及数值范围的部分，本领域技术人员可依据实际需要选择本发明所限定的数值范围中的任意值，并不局限于具体实施例中所列的数值。

选取主焦煤、1/3焦煤两种，煤样3-煤样11为混合煤样(同时含有一定量外加矿物质)，分析煤样的胶质体含量MP、镜质组含量V、挥发分含量V

为修正添加无机组分对焦炭质量的影响，着重增加TiO

表1煤的胶质体、镜质组、挥发分、催化性指数、焦炭质量指标

其中焦化实验的具体方法是准确称取煤样2kg(如为混合煤时，煤样1：煤样2＝4:6，如有矿物质配加，以混合煤样2kg为基准按比例加入)，加入10％(基于煤质量)的蒸馏水，均匀混合后装入炼焦罐中，同时保证煤样的堆密度为0.85t/m

将焦炭质量预测模型构建为四元线性回归模型，具体为：

其中，β

将模型的目标函数定义为：

将目标函数对回归模型中的系数(β

·

·

·

经过整理后，得到如下方程组：

·

·

·

其中i＝1，2，3……11。

由上式(4)中第1个方程可得：

其中，

将表1中煤样1-11的各参数数据代入式(4)，求解得到回模型中系数的最小二乘估计β

将求得的β

CRI＝21.469-5.405MP-0.346V+1.406Vad+5.290MCI

CSR＝40.569+9.762MP+0.643V-0.788Vad-8.296MCI

当需要预测某种煤的焦炭质量时，可以检测该煤的胶质体含量MP、镜质组含量V、挥发分含量V

以上实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。