配煤煤質(zhì)與焦炭強度相關性預測模型的建立

叢 鑫，王 宇

(遼寧工程技術大學 環(huán)境科學與工程學院，遼寧 阜新 123000)

煉焦煤是冶金、鋼鐵等行業(yè)的主要基礎原料，屬于保障國家相關行業(yè)安全的稀缺性戰(zhàn)略資源[1-2]。由于其生成的復雜性，我國雖然作為煤炭能源大國，但是煉焦煤資源卻依然稀缺，僅占我國煤炭資源儲量的18.9%，優(yōu)質(zhì)煉焦煤甚至不到10%[3-4]。我國煉焦煤產(chǎn)業(yè)仍存在布局不合理，開采強度大，綜合利用水平低，資源浪費嚴重的現(xiàn)象。開采稀缺煤種的煤礦在設計、生產(chǎn)和資源回收等方面，配煤技術落后，沒有合理的管理辦法和約束性法規(guī)政策，致使開發(fā)秩序混亂，煤種沒有充分發(fā)揮利用價值[5]。因此，從能源供應安全發(fā)展角度，為高效利用煤炭資源、擴充煤炭利用范圍，并在實際生產(chǎn)中提高焦炭成品質(zhì)量，煉焦配煤是一個值得探討的重要過程[6]。配煤是將數(shù)種不同類型的單煤按一定比例進行配合，利用每種單煤在性質(zhì)上的優(yōu)勢，制備出優(yōu)于單煤的配合煤[7]。由于配煤煉焦設備與工藝往往不會輕易變動，配合煤的煉焦特性即成了決定焦炭質(zhì)量的關鍵要素，而此特性又取決于煤質(zhì)和煤的配比[8]。因此，事先利用配合煤質(zhì)量預測焦炭強度，對保護利用煉焦煤資源起到至關重要的作用。

1 指標選擇與方法理論

煉焦煤本身質(zhì)量上的差異性，造成同一類別的煤所煉焦炭的質(zhì)量也有差別[9]，對高爐冶金生產(chǎn)的穩(wěn)定性產(chǎn)生影響，為了科學統(tǒng)籌規(guī)劃煉焦煤資源的開發(fā)與利用，分析煉焦煤質(zhì)量指標和煉焦試驗數(shù)據(jù)關聯(lián)性，實現(xiàn)對煉焦煤質(zhì)量的量化評估。

試驗根據(jù)配煤的煤質(zhì)特性，結(jié)合煉焦工藝的實際情況和既有模型的參照[10-11]，選取了配煤的揮發(fā)分(Vdaf)、灰分(Ad)、黏結(jié)指數(shù)(G)、全硫(St，d)等因素作為配煤質(zhì)量的控制參數(shù)。利用SPSS軟件對焦炭抗碎強度(M40)，耐磨強度(M10)、反應性指數(shù)(CRI)和反應后強度(CSR)進行多元線性回歸分析[12]。進行t、F檢驗，排除對焦炭強度無顯著關聯(lián)的參數(shù)，再度構(gòu)建優(yōu)化回歸方程，從而對焦炭性能進行快速、精確地預測。

2 研究內(nèi)容

表1和表2數(shù)據(jù)是從中國工程院關于煉焦煤稀有性研究評價問題——煉焦煤的應用價值這一主題公開文獻中整理出的源自汾渭能源、山西焦煤集團等的76組試驗數(shù)據(jù)[13-14]。

2.1 試驗數(shù)據(jù)

表1為配煤煤質(zhì)指標參數(shù)。表2為與焦炭強度有關的參數(shù)。

表1 配煤煤質(zhì)指標

表2 焦炭強度指標

2.2 建立預測模型

對配煤煤質(zhì)指標(Vdaf、St，d、Ad、G等)進行多元線性回歸，根據(jù)t檢驗結(jié)果排除對焦炭強度影響不顯著的因素，建立優(yōu)化多元線性回歸方程。

將分析數(shù)據(jù)輸入SPSS數(shù)據(jù)列表，編輯源變量，選擇線性回歸。將煤質(zhì)指標(Vdaf、St，d、Ad、G、X和Y)作為自變量，焦炭強度指標(M40、M10、CRI和CSR)作為因變量，采用逐步回歸方法預測回歸系數(shù)。方差分析和回歸分析結(jié)果分別見表3和表4。

表3 方差分析結(jié)果

表4 回歸分析結(jié)果

基于上述數(shù)據(jù)構(gòu)建模型，得到抗碎強度：

M40=93.877-34.474St，d+
0.52X(R=0.661)。

(1)

預測模型R2為0.437， 表明模型中的2個變量X、St，d共同解決了M40中43.7%的波動值。表3中檢驗統(tǒng)計量(F)為28.298， 檢驗顯著性為0。由于F>F0.01(2，73) =4.908，表明M40與St，d、X線性相關性顯著。表4中Beta值可明確各參數(shù)對結(jié)果的影響程度，其影響度為St，d>X。查表知︱t︱>t0.01，75=2.38，即St，d和X對M40影響顯著。方程采用t檢驗，P<0.05，在顯著性水平α=0.05條件下，具顯著性意義。表5顯示了焦炭M40的殘差、標準化殘差、預測值和實際值。

表5 回歸診斷結(jié)果

圖1 M40回歸分析殘差

由以上分析可以獲得下列焦炭強度預測模型:

M10=4.756+0.394Y+0.233X-
0.387Vdaf(R=0.643)，

(2)

CRI=19.688+0.458G+0.585X-1.747Vdaf+
7.613St，d(R=0.804)，

(3)

CSR=108.216-29.115St，d-
0.388G(R=0.818)，

(4)

CSR=91.793-24.524St，d-0.554G+
2.754Ad(R=0.835)。

(5)

圖2 預測值與標準殘差散點Fig.2 Plot of predicted and actual values and scattered residuals

式(4)和式(5)為得到的兩個CSR預測模型，擬合度較高，可根據(jù)實際的煤質(zhì)特性、生產(chǎn)狀況等選擇適宜的模型，用以指導煉焦配煤和控制焦炭質(zhì)量等。

圖3為焦炭各強度參數(shù)實際值與預測值擬合情況。由圖3可知，預測值和試驗值間的擬合結(jié)果具有較好的相關性，說明該模型具有一定的預測能力。由于實際工業(yè)中使用的焦煤品種較多，煤質(zhì)不穩(wěn)定，再現(xiàn)性不佳，因此需要根據(jù)現(xiàn)場實際情況對模型進行修正。該模型預測的強度值可參考GB/T 1996—2017《冶金焦炭》[15]規(guī)定將焦炭進行分級，以達到更精準配合煤質(zhì)控制目的。

圖3 焦炭各強度參數(shù)實際值與預測值相關關系

3 結(jié)論

(1)M40和M10模型相關系數(shù)相對較低，可能與樣本數(shù)據(jù)呈非線性有關。

(2)多元線性逐步回歸預測模型結(jié)果顯示，CSR預測模型擬合度最高。揮發(fā)分(Vdaf)、黏結(jié)性(G)、全硫(St,d)是配合煤焦碳強度的主要影響因素。模型預測值和試驗值擬合結(jié)果具有較好的線性相關性，所得模型適于快速簡單指導配煤煉焦生產(chǎn)。

(3)建議可以進一步結(jié)合實際生產(chǎn)設備、煉焦工藝等因素，運用BP神經(jīng)網(wǎng)絡、NSGA-III算法完善對非線性歷史數(shù)據(jù)的研究，提高預測精度與準確率。