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。
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。
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]。
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
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
(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。