CN108531205A - 一种焦炭生产方法 - Google Patents

一种焦炭生产方法 Download PDF

Info

Publication number
CN108531205A
CN108531205A CN201810175116.7A CN201810175116A CN108531205A CN 108531205 A CN108531205 A CN 108531205A CN 201810175116 A CN201810175116 A CN 201810175116A CN 108531205 A CN108531205 A CN 108531205A
Authority
CN
China
Prior art keywords
coke
data
data information
coking coal
gene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810175116.7A
Other languages
English (en)
Other versions
CN108531205B (zh
Inventor
王炜
唐汇
戴柏文
徐润生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Science and Engineering WUSE
Wuhan University of Science and Technology WHUST
Original Assignee
Wuhan University of Science and Engineering WUSE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201810175116.7A priority Critical patent/CN108531205B/zh
Publication of CN108531205A publication Critical patent/CN108531205A/zh
Application granted granted Critical
Publication of CN108531205B publication Critical patent/CN108531205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
    • C10B53/00—Destructive distillation, specially adapted for particular solid raw materials or solid raw materials in special form
    • C10B53/04—Destructive distillation, specially adapted for particular solid raw materials or solid raw materials in special form of powdered coal
    • C—CHEMISTRY; METALLURGY
    • C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
    • C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
    • C10B57/00—Other carbonising or coking processes; Features of destructive distillation processes in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Materials Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • Tourism & Hospitality (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Coke Industry (AREA)

Abstract

本发明涉及一种焦炭生产方法，包括以下步骤：步骤S1、利用炼焦煤进行焦炭制备实验，建立焦炭实验数据库，其中,所述焦炭实验数据库包括炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；步骤S2、根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；步骤S3、确定待生产焦炭的预期性能数据，根据所述关联模型，在所述焦炭实验数据库中选取与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据，并根据所述相匹配的炼焦煤基因数据以及炼焦工艺数据指导焦炭生产。本发明提供的焦炭生产方法，通过数据指导生产，优化焦炭的生产过程。

Description

一种焦炭生产方法
技术领域
本发明涉及炼焦方法技术领域，尤其涉及一种焦炭生产方法。
背景技术
随着高炉大型化的发展和高煤低焦的燃料结构发展模式，高炉冶炼对焦炭的质量要求越来越高。焦炭作为高炉冶炼的重要原材料，其质量好坏不仅影响高炉操作的稳定性，还决定了高炉最大的节能降耗潜力。因此高炉焦炭质量的预测与调控技术是目前高炉炼铁的需要迫切解决的关键问题。目前，优质炼焦煤资源短缺，焦炭的制备方法趋于经验化，得到的成品焦炭在冶金性能上也各有差异，因此，亟需一种科学的、定性的焦炭制备方法，从源头上解决焦炭性能的差异性，并通过调整原料成分，最大化的节约成本。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，提供一种焦炭生产方法，优化焦炭的制备工艺，使得生产所得焦炭的性能稳定。
本发明解决上述技术问题的技术方案如下：一种焦炭生产方法，包括以下步骤：
步骤S1、利用炼焦煤进行焦炭制备实验，建立焦炭实验数据库，其中,所述焦炭实验数据库包括炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
步骤S2、根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
步骤S3、确定待生产焦炭的预期性能数据，根据所述关联模型，在所述焦炭实验数据库中选取与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据，并根据所述相匹配的炼焦煤基因数据以及炼焦工艺数据指导焦炭生产。
本发明的有益效果是：本发明建立炼焦实验数据库，然后利用机器学习方法以及数据挖掘方法建立炼焦煤的结构性能、炼焦工艺以及焦炭性能之间的关联模型，使得炼焦煤的结构性能、炼焦工艺以及焦炭性能之间的关系得以量化，利用该关联模型可以更准确的指导焦炭的生产，不断的调节炼焦煤的成分结构性能，不断优化炼焦工艺，从源头上保证生产所得焦炭的性能稳定性，最大化的节约成本。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步：所述焦炭实验数据库包括炼焦煤基因子数据库、炼焦工艺子数据库以及焦炭性能子数据库，建立所述焦炭实验数据库具体实现为：
测量所述炼焦煤基因数据信息，并根据所述炼焦煤基因数据信息建立所述炼焦煤基因子数据库；
获取所述炼焦工艺数据信息，并根据所述炼焦工艺数据信息建立炼焦工艺子数据库；
测量所述焦炭制备实验制得的焦炭的焦炭性能数据信息，并根据所述焦炭性能数据信息建立焦炭性能子数据库。
上述进一步方案的有益效果是：对炼焦煤的结构性能进行量化建立炼焦煤基因子数据库，对炼焦工艺进行量化建立炼焦工艺子数据库，对焦炭的性能进行量化建立焦炭性能子数据库，数据量化便于关联模型的建立。
进一步：所述步骤2的具体实现为：
采用机器学习方法以及数据挖掘方法建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型。
上述进一步方案的有益效果是：通过数据挖掘方法从焦炭实验数据库中获取有效数据，然后通过机器学习方法建立关联模型，使得炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息之间的关系得以准确量化描述。
进一步：所述炼焦煤基因数据信息包括分子结构、微晶参数、工业分析数据、元素分析数据、粘结指数、真相对密度以及反射率；
所述炼焦工艺数据信息包括原煤粒度、原煤堆积密度、反应过程升温速率以及结焦时间；
所述焦炭性能数据信息包括焦炭热反应性、焦炭转鼓强度、焦炭抗压强度以及焦炭耐磨指数。
上述进一步方案的有益效果是：分子结构、微晶参数、工业分析数据、元素分析数据、粘结指数、真相对密度以及反射率为主要的炼焦煤基因数据信息；原煤粒度、原煤堆积密度、反应过程升温速率以及结焦时间为主要的炼焦工艺参数；焦炭热反应性、焦炭转鼓强度、焦炭抗压强度以及焦炭耐磨指数为焦炭的主要性能参数。
进一步：所述关联模型为：
y＝β0+β1x1+β2x2+...+βpxp+ε
式中y为焦炭性能数据信息，x1、x2...xp为炼焦煤基因数据信息，β0、β1、β2...βp为多元回归参数，β0、β1、β2...βp根据所述炼焦工艺数据信息确定，ε为误差值。
上述进一步方案的有益效果是：建立炼焦煤基因子数据库、炼焦工艺子数据库以及焦炭性能子数据库之间的线性关系式，对三者之间的关系进行量化描述，使得机器学习方法以及数据挖掘方法得以很好的应用到关联模型的建立中。
进一步：测量生产制得焦炭的实际性能数据，根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正。
上述进一步方案的有益效果是：根据实际性能数据以及预期性能数据修正关联模型，使得关联模型更贴近实际生产，减小预测性能数据的误差。
进一步：根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正的具体实现为：
将所述实际性能数据与所述预期性能数据进行对比，并根据对比结果修正所述关联模型中的所述误差值ε。
上述进一步方案的有益效果是：根据实际性能数据与预期性能数据的对比结果修正误差值ε，使得误差值ε与实际生产相匹配，减小误差范围。
进一步：利用基因测序方法测量所述焦炭性能数据信息。
上述进一步方案的有益效果是：采用基因测序方法测量焦炭性能数据信息可以更为准确和全面的评价焦炭的性能，对焦炭性能进行量化描述。
本发明还提供一种焦炭生产系统，包括存储模块、建模模块、计算模块以及Web模块；
所述存储模块用于存储焦炭制备实验中的炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
所述建模模块用于根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
所述计算模块用于根据待生产焦炭的预期性能数据以及所述关联模型，计算与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据；
所述Web模块用于获取用户输入的待生产焦炭的预期性能数据，并向用户反馈与所述预期性能数据相匹配的用于指导焦炭生产的炼焦煤基因数据以及炼焦工艺数据。
本发明提供的焦炭生产系统与焦炭生产方法对应，因此上述焦炭生产方法所具有的技术效果，该焦炭生产系统同样具备，在此不再赘述。
进一步：所述计算模块为高通量计算平台。
上述进一步方案的有益效果是：高通量计算平台是材料基因计算平台，根据预期性能数据计算焦炭基因数据以及炼焦工艺数据，还可用于根据基因数据计算材料性质、计算反应的能量势垒以及计算反应的难易程度等。
本发明还提供一种焦炭，采用以上任意一种焦炭生产方法生产制成。
本发明提供的焦炭采用以上任意一种焦炭生产方法生产而成，因此上述焦炭生产方法所具有的技术效果，采用该焦炭生产方法所生产的焦炭同样具备，在此不再赘述。
附图说明
图1为本发明提供的一种焦炭生产方法的流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
下面结合附图，对本发明进行说明。
如图1所示，本发明实施例提供一种焦炭生产方法，包括以下步骤：
步骤S1、利用炼焦煤进行焦炭制备实验，建立焦炭实验数据库，其中,所述焦炭实验数据库包括炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
步骤S2、根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
步骤S3、确定待生产焦炭的预期性能数据，根据所述关联模型，在所述焦炭实验数据库中选取与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据，并根据所述相匹配的炼焦煤基因数据以及炼焦工艺数据指导焦炭生产。
具体地，所述炼焦煤包括气煤、肥煤、主焦煤以及瘦煤。
具体地，本发明实施例中，所述焦炭制备实验如下：选择气煤作为炼焦煤原料，添加剂选择鄂西铁矿粉，炼制高反应性铁焦，气煤和铁矿粉按9:1的比例配比，总质量为10g，称量完成后将样品置于石墨坩埚中，实验装备采用武汉科技大学与鞍山星源达科技有限公司联合研发SYD-T224M焦炭反应性测定装置，样品以10℃/mim的升温速率从室温升至1100℃，然后保温30min，整个过程通入3L/min的N2进行保护。实验完成后，在3L/min的N2保护下冷却至室温。
本发明通过建立包括炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息的炼焦实验数据库，进而建立三种数据之间的关联模型，并以关联模型为基础制定焦炭生产的最优方案，建立通过数据指导生产的生产模式。使得焦炭生产过程得以量化描述，实现根据数据指导生产的生产模型，生产可调控性好。
优选的，所述焦炭实验数据库包括炼焦煤基因子数据库、炼焦工艺子数据库以及焦炭性能子数据库，建立所述焦炭实验数据库具体实现为：
测量所述炼焦煤基因数据，并根据所述炼焦煤基因数据建立所述炼焦煤基因子数据库；
获取炼焦工艺数据，并根据所述炼焦工艺数据建立炼焦工艺子数据库；
测量所述焦炭制备实验制得的焦炭的性能数据，并根据所述焦炭的性能数据建立焦炭性能子数据库。
对炼焦煤的结构性能进行量化建立炼焦煤基因子数据库，对炼焦工艺进行量化建立炼焦工艺子数据库，对焦炭性能进行量化建立焦炭性能子数据库，数据的量化便于机器学习方法以及数据发掘方法的运用以及关联模型的建立。
优选的，所述步骤2的具体实现为：
采用机器学习方法以及数据挖掘方法建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型。
机器学习方法以及数据挖掘方法即现有技术中机器学习以及数据挖掘方法，通过数据挖掘方法从焦炭实验数据库中获取有效数据，然后通过机器学习方法建立关联模型，使得炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息之间的关系得以准确量化描述。
优选的，所述炼焦煤基因数据信息包括分子结构、微晶参数、工业分析数据、元素分析数据、粘结指数、真相对密度以及反射率。
具体地，所述炼焦煤基因数据信息分为微观、介观以及宏观三类，微观上包括分子结构以及微晶参数，介观上包括工业分析数据以及元素分析数据，宏观上包括煤的粘结指数、真相对密度以及反射率。
具体地，分子结构可以采用傅里叶变换红外光谱(FTIR)、高分辨率透射电子显微镜(HRTEM)、X射线光电子能谱(XPS)、拉曼光谱(Raman)、13C核磁共振波谱(13C-NMR)以及X射线衍射谱(XRD)等方法进行测定。
具体地，所述微晶参数通过X射线衍射仪测定，通过X射线衍射仪测定炼焦煤的衍射峰位置(2θ)、衍射峰强度(I)及衍射峰形状(f(x))，并同过这三个量来计算炼焦煤的微晶参数。
具体地，所述工业分析数据包括水分含量、挥发分含量、灰分含量、固定碳含量，根据国标GB/T212—1991来测定。
水含量(Mad)的测定方法：用预先干燥并称量过的称量瓶称取粒度为0.2mm以下的空气干燥炼焦煤煤样(以下简称煤样)1±0.1g，称量精确至0.0002g，将煤样平摊在称量瓶中。打开称量瓶盖，将称量瓶放入预先鼓风并已加热到105～110℃的干燥箱中。在一直鼓风的条件下，烟煤干燥1h，无烟煤干燥1～1.5h。从干燥箱中取出称量瓶，立即盖上盖，放入干燥器中冷却至室温后，称量。
挥发分含量(Vad)的测定：用预先在900℃温度下灼烧至质量恒定的带盖瓷坩埚，称取粒度为0.2mm以下的空气干燥煤样1±0.01g，精确至0.0002g，然后轻轻振动坩埚，使煤样摊平，盖上盖，放在坩埚架上。如煤样为褐煤和长焰煤则应预先压饼，并切成约3mm的小块。将马弗炉预先加热至920℃左右。打开炉门，迅速将放有坩埚的架子送入恒温区并关上炉门，准确加热7min。坩埚及架子刚放入后，炉温会有所下降，但必须在3min内使炉温恢复至900±10℃，否则此试验作废。加热时间包括温度恢复时间在内。从炉中取出坩埚，放在空气中冷却5min左右，移入干燥器中冷却至室温后，称量。
灰分含量(Aad)的测定：用预先灼烧至质量恒定的灰皿，称取粒度为0.2mm以下的空气干燥煤样1±0.1g，精确至0.0002g，均匀地摊平在灰皿中，使其每平方厘米的质量不超过0.15g。将灰皿送入温度不超过100℃的马弗炉中，关上炉门并使炉门留有15mm左右的缝隙。在不少于30min的时间内将炉温缓慢升至约500℃，并在此温度下保持30min。继续升到815±10℃，并在此温度下灼烧1h。从炉中取出灰皿，放在耐热瓷板或石棉板上，在空气中冷却5min左右，移入干燥器中冷却至室温后，称量。
煤的固定碳含量(FCad)通过相减法得出，既FCad＝1-Mad-Aad-Vad。
具体地，所述元素分析数据是指炼焦煤中C、H、O、N、S等元素的含量，根据国标GB/T476—2007来测定。
C含量(Cad)、H含量(Had)的测定：在预先灼烧过的燃烧舟中称取粒度小于0.2mm的空气干燥煤样0.2g，精确至0.0002g，并均匀铺平。在煤样上铺一层三氧化二铬。可把燃烧舟暂存入专用的磨口玻璃管或不加干燥剂的干燥器中。接上已称量的吸收系统，并以120mL/min的流量通入氧气。关闭靠近燃烧管出口端的U形管，打开橡皮帽，取出铜丝卷，迅速将燃烧舟放入燃烧管中，使其前端刚好在第一节炉口。再将铜丝卷放在燃烧舟后面，套紧橡皮帽，立即开启U形管，通入氧气，并保持120mL/min的流量。1min后向净化系统方向移动第一节炉，使燃烧舟的一半进入炉子。过2min，使燃烧舟全部进入炉子。再过2min，使燃烧舟位于炉子中心。保温18min后，把第一节炉移回原位。2min后，停止排水抽气。关闭和拆下吸收系统，用绒布擦净，在天平旁放置10min后称量，氮管不称量。
N含量(Nad)的测定：在薄纸上称取粒度小于0.2mm的空气干燥煤样0.2g，精确至0.0002g。把煤样包好，放入50mL开氏瓶中，加入混合催化剂2g和浓硫酸5mL，浓硫酸相对密度1.84。然后将开氏瓶放入铝加热体的孔中，并用石棉板盖住开氏瓶的球形部分。在瓶口插入一小漏斗，防止硒粉飞溅。在铝加热体中心的小孔中放温度计。接通电源，缓缓加热到350℃左右，保持此温度，直到溶液清澈透明，漂浮的黑色颗粒完全消失为止。遇到分解不完全的煤样时，可将0.2mm的空气干燥煤样磨细至0.1mm以下，再按上述方法消化，但必须加入铬酸酐0.2～0.5g。分解后如无黑色粒状物且呈草绿色浆状，表示消化完全。将冷却后的溶液，用少量蒸馏水稀释后，移至250mL开氏瓶中。充分洗净原开氏瓶中的剩余物，使溶液体积约为100mL。然后将盛溶液的开氏瓶放在蒸馏装置上准备蒸馏。把直形玻璃冷凝管的上端连接到开氏球上，下端用橡皮管连上玻璃管，直接插入一个盛有20mL、3％硼酸溶液和1～2滴混合指示剂的锥形瓶中。在250mL开氏瓶中注入25mL混合碱溶液，然后通入蒸汽进行蒸馏，蒸馏至锥形瓶中溶液的总体积达到80mL为止，此时硼酸溶液由紫色变成绿色。蒸馏完毕后，拆下开氏瓶并停止供给蒸汽。插入硼酸溶液中的玻璃管内、外用蒸馏水冲洗。洗液收入锥形瓶中，用硫酸标准溶液滴定到溶液由绿色变成微红色即为终点。由硫酸用量求出煤中氮的含量。
O含量(Oad)通过相减法求出，Oad＝100-Cad-Had-Nad-St.ad-Mad-Aad。其中St.ad是空气干燥样的全硫含量，按GB214测定。
具体地，粘结指数是根据GB/T5447—1997来测定。具体步骤如下：先称取5g无烟煤，再称取1g煤样放入坩埚，称重量应精确到0.001g。用搅拌丝将坩埚内的混合物搅拌2min。搅拌方法是坩埚作45°左右倾斜逆时针方向转动每分钟约15r搅拌丝按同样倾角作顺时针方向转动每分钟约150r搅拌时搅拌丝的圆环接触坩埚壁与底相连接的圆弧部分。经1min45s后一边继续搅拌一边将坩埚与搅拌丝逐渐转到垂直位置2min时搅拌结束,亦可用达到同样搅拌效果的机械装置进行搅拌。搅拌后将坩埚壁上煤粉轻轻扫下用搅拌丝轻轻将混合物拨平沿坩埚壁的层面略低12mm以便压块将混合物压紧后使煤样表面处于同一平面。用镊子加压块于坩埚中央然后将其置于压力器下压30s，加压结束后压块仍留在混合物上加上坩埚盖。将带盖的坩埚放置在坩埚架中用带手柄的平铲托起坩埚架放入预先升温到850℃的马弗炉内的恒温区。放入坩埚后的6min内炉温应恢复到850℃以后炉温应保持在850±10℃。从放入坩埚开始计时焦化15min之后将坩埚从马弗炉中取出放置冷却到室温。若不立即进行转鼓试验则将坩埚放入干燥器中。马弗炉温度测量点应在两行坩埚中央。从冷却后的坩埚中取出压块。当压块上附有焦屑时应刷入坩埚内。称量焦渣总重然后将其放入转鼓内进行第一次转鼓试验转鼓试验后的焦块用1mm圆孔筛进行筛分再称量筛上部分重量然后将其放入转鼓进行第二次转鼓试验重复筛分、称重操作。每次转鼓试验5min即250r。称重量都精确到0.01g。
具体地，反射率根据GB/T16773—1997进行测定。按照GB/T16773—1997中方法利用煤样制备煤光片并将煤光片抛光，推动尺校准之后，将煤光片整平放到推动尺中，滴上浸油并准焦。从测定范围的一角开始测定，用推动尺微微移动样品，直至十字丝中心对准一个合适的煤岩组分测区，应确保测区边缘不包含裂隙、抛光缺陷、矿物包体和其他显微组分碎屑，而且应远离显微组分的边界和不受突起影响。将光线投到转换器上，同时缓慢移动载物台360°，记录旋转过程中出现的最大反射率度数。
优选的，所述炼焦工艺数据信息包括原煤粒度、原煤堆积密度、反应过程升温速率以及结焦时间。
原煤粒度、原煤堆积密度、反应过程升温速率以及结焦时间为主要的炼焦工艺参数，收集主要的炼焦工艺参数，对炼焦工艺过程进行量化，便于利用机器学习方法对其进行学习以及选取。
优选的，所述焦炭性能数据信息包括焦炭热反应性、焦炭转鼓强度、焦炭抗压强度以及焦炭耐磨指数。
具体地，焦炭热反应性以及焦炭转鼓强度采用国标GB/T4000-1996来检测，首先将焦炭破碎筛分至23mm-25mm，置于180℃的干燥箱中干燥2h，然后称取200g±0.5g样品放入反应器中，样品质量记为G0，并在0.8L/min的N2气氛下升温至1100℃，稳定10min后切断N2，并切换成5.0L/min的CO2，反应2小时后切换为5L/min的N2保护并将反应器从炉内取出待其冷却，称取反应完后焦炭的质量，记为G1。随后将冷却后的焦炭装入I型转鼓，并以20r/min的转速转600r，试验完后称取粒度>10mm试样的质量，记为G2。
焦炭热反应性CRI以及焦炭转鼓强度CSR的计算公式
CSR(％)＝G2/G1×100％
焦炭微观结构检测实施案例：将成品焦炭制样、研磨、抛光后置于光学显微镜下观测其成焦情况以及孔隙结构。同时采用型号为Nova 400 Nano的扫描电子显微镜对其中的矿物成分进行能谱分析，确定矿粉添加对成焦的影响。
优选的，所述关联模型为：
y＝β0+β1x1+β2x2+...+βpxp+ε
式中y为焦炭性能数据信息，x1、x2...xp为炼焦煤基因数据信息，β0、β1、β2...βp为多元回归参数，β0、β1、β2...βp根据所述炼焦工艺数据信息确定，ε为误差值。
建立炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息之间的线性数学关系式，通过该关系式可以确定在一定的炼焦煤配比的情况下对应的成品焦炭的性能。采用数学分析方法来表示炼焦煤基因与焦炭性能之间的联系；基于线性回归原理，设焦炭性能数据信息因变量y与p个炼焦煤基因数据信息自变量x1，x2，...，xp之间满足上述线性关系式，即可建立炼焦煤基因数据信息与焦炭性能数据信息之间的联系。β0，β1，...，βp根据炼焦工艺数据信息通过回归分析获得。
优选的，测量生产制得焦炭的实际性能数据，根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正。
检测生产制得焦炭的实际性能数据，结合通过关联模型所预测的预期性能数据，对关联模型进行修正，使得关联模型的预测效果更贴近生产实际。关联模型指导生产过程，生产结果反馈修正关联模型，整体形成闭环反馈调节系统。
优选的，根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正的具体实现为：
将所述实际性能数据与所述预期性能数据进行对比，并根据对比结果修正所述关联模型中的所述误差值ε。
利用实际性能数据与预期性能数据的对比结果修正误差值ε，使得误差值ε与实际生产相匹配，减小误差范围。依据关联模型炼制的焦炭与生产需要的焦炭性能相近，且生产结果可进一步反馈调整误差值ε，为高炉顺产及后续检测提供了便利。
优选的，利用基因测序方法测量焦炭的性能数据信息。
采用基因测序方法测量焦炭的性能数据信息更为准确，有利于对焦炭的性能进行更为准确和全面的评价，对焦炭性能进行量化描述。
本发明实施例提供一种焦炭生产系统，包括存储模块、建模模块、计算模块以及Web模块；
所述存储模块用于存储焦炭制备实验中的炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
所述建模模块用于根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
所述计算模块用于根据待生产焦炭的预期性能数据以及所述关联模型，计算与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据；
所述Web模块用于获取用户输入的待生产焦炭的预期性能数据，并向用户反馈与所述预期性能数据相匹配的用于指导焦炭生产的炼焦煤基因数据以及炼焦工艺数据。
本发明实施例提供的焦炭生产系统与焦炭生产方法对应，因此上述焦炭生产方法所具有的技术效果，该焦炭生产系统同样具备，在此不再赘述。
具体地，所述计算模块为高通量计算平台。高通量计算平台是指高通量材料计算与数据及资源的一体化管理平台(MatCloud)。高通量计算平台根据预期性能数据计算焦炭基因数据以及炼焦工艺数据，还可根据炼焦煤基因数据对炼焦煤的性能及结构进行计算，还可以模拟计算焦炭生产反应的能量势垒，计算焦炭反应的难易程度。
MatCloud计算实施案例：通过MatCloud，用户只需一个浏览器登陆指定的URL，上传指定石墨的计算结构，如表1，选择相关计算任务即可。MatCloud会根据结构和计算任务，自动为每个任务配置计算所需要的最优参数，如截断能、K点等。用户也可以通过Web页面修改默认参数。一旦确认参数后，点击“提交”，生成的作业通过MatCloud被自动提交到与MatCloud所连接的计算集群上。一旦计算结束，计算结果也将同时生成并被自动保存到炼焦煤基因子数据库的存储模块中。
表1石墨结构参数
本发明实施例还提供一种焦炭，采用以上任一实施例所提供的焦炭生产方法生产制成。
由于焦炭采用以上任一实施例所提供的焦炭生产方法生产而成，因此上述焦炭生产方法所具有的技术效果，采用该焦炭生产方法所生产的焦炭同样具备，在此不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种焦炭生产方法，其特征在于，包括以下步骤：
步骤S1、利用炼焦煤进行焦炭制备实验，建立焦炭实验数据库，其中,所述焦炭实验数据库包括炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
步骤S2、根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
步骤S3、确定待生产焦炭的预期性能数据，根据所述关联模型，在所述焦炭实验数据库中选取与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据，并根据所述相匹配的炼焦煤基因数据以及炼焦工艺数据指导焦炭生产。
2.根据权利要求1所述焦炭生产方法，其特征在于，所述焦炭实验数据库包括炼焦煤基因子数据库、炼焦工艺子数据库以及焦炭性能子数据库，建立所述焦炭实验数据库具体实现为：
测量所述炼焦煤基因数据信息，并根据所述炼焦煤基因数据信息建立所述炼焦煤基因子数据库；
获取所述炼焦工艺数据信息，并根据所述炼焦工艺数据信息建立炼焦工艺子数据库；
测量所述焦炭制备实验制得的焦炭的焦炭性能数据信息，并根据所述焦炭性能数据信息建立焦炭性能子数据库。
3.根据权利要求1所述焦炭生产方法，其特征在于，所述步骤2的具体实现为：
采用机器学习方法以及数据挖掘方法建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型。
4.根据权利要求1所述焦炭生产方法，其特征在于，所述炼焦煤基因数据信息包括分子结构、微晶参数、工业分析数据、元素分析数据、粘结指数、真相对密度以及反射率；
所述炼焦工艺数据信息包括原煤粒度、原煤堆积密度、反应过程升温速率以及结焦时间；
所述焦炭性能数据信息包括焦炭热反应性、焦炭转鼓强度、焦炭抗压强度以及焦炭耐磨指数。
5.根据权利要求1所述焦炭生产方法，其特征在于，所述关联模型为：
y＝β0+β1x1+β2x2+...+βpxp+ε
式中y为焦炭性能数据信息，x1、x2...xp为炼焦煤基因数据信息，β0、β1、β2...βp为多元回归参数，β0、β1、β2...βp根据所述炼焦工艺数据信息确定，ε为误差值。
6.根据权利要求5所述焦炭生产方法，其特征在于，所述步骤S3还包括如下步骤:
测量生产制得焦炭的实际性能数据，根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正。
7.根据权利要求6所述焦炭生产方法，其特征在于，所述根据所述实际性能数据以及所述预期性能数据对所述关联模型进行修正的具体实现为：
将所述实际性能数据与所述预期性能数据进行对比，并根据对比结果修正所述关联模型中的所述误差值ε。
8.根据权利要求1所述焦炭生产方法，其特征在于，利用基因测序方法测量所述焦炭性能数据信息。
9.一种焦炭生产系统，其特征在于，包括存储模块、建模模块、计算模块以及Web模块；
所述存储模块用于存储焦炭制备实验中的炼焦煤基因数据信息、炼焦工艺数据信息以及焦炭性能数据信息；
所述建模模块用于根据所述焦炭制备实验，建立所述炼焦煤基因数据信息、所述炼焦工艺数据信息以及所述焦炭性能数据信息之间的关联模型；
所述计算模块用于根据待生产焦炭的预期性能数据以及所述关联模型，计算与所述预期性能数据相匹配的炼焦煤基因数据以及炼焦工艺数据；
所述Web模块用于获取用户输入的待生产焦炭的预期性能数据，并向用户反馈与所述预期性能数据相匹配的用于指导焦炭生产的炼焦煤基因数据以及炼焦工艺数据。
10.一种焦炭，其特征在于，采用如权利要求1-8中任一种焦炭生产方法生产制成。
CN201810175116.7A 2018-03-02 2018-03-02 一种焦炭生产方法 Active CN108531205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810175116.7A CN108531205B (zh) 2018-03-02 2018-03-02 一种焦炭生产方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810175116.7A CN108531205B (zh) 2018-03-02 2018-03-02 一种焦炭生产方法

Publications (2)

Publication Number Publication Date
CN108531205A true CN108531205A (zh) 2018-09-14
CN108531205B CN108531205B (zh) 2021-03-09

Family

ID=63486266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810175116.7A Active CN108531205B (zh) 2018-03-02 2018-03-02 一种焦炭生产方法

Country Status (1)

Country Link
CN (1) CN108531205B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374593A (zh) * 2018-10-09 2019-02-22 华中科技大学 一种检测混煤煤质及配比的方法及系统
CN110241273A (zh) * 2019-04-30 2019-09-17 武汉科技大学 一种利用鄂西铁矿石与气煤制备的铁焦及其制备方法
CN110929445A (zh) * 2019-12-16 2020-03-27 中冶南方工程技术有限公司 一种获取铁焦生产炭化室内温度分布的方法及系统
CN112927764A (zh) * 2021-03-03 2021-06-08 上海大学 一种目标阻燃高分子复合材料制备模型的设计方法及系统
CN113933158A (zh) * 2021-10-19 2022-01-14 攀钢集团攀枝花钢铁研究院有限公司 炼焦煤结焦性鉴别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013114362A (ja) * 2011-11-28 2013-06-10 Nippon Steel & Sumitomo Metal 操業品質予測装置、操業品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体
CN103853915A (zh) * 2014-01-14 2014-06-11 辽宁科技大学 一种由炼焦煤非线性优化配煤预测焦炭质量的方法
CN104655818A (zh) * 2015-02-13 2015-05-27 武汉钢铁(集团)公司 配煤炼焦焦炭抗碎强度的预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013114362A (ja) * 2011-11-28 2013-06-10 Nippon Steel & Sumitomo Metal 操業品質予測装置、操業品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体
CN103853915A (zh) * 2014-01-14 2014-06-11 辽宁科技大学 一种由炼焦煤非线性优化配煤预测焦炭质量的方法
CN104655818A (zh) * 2015-02-13 2015-05-27 武汉钢铁(集团)公司 配煤炼焦焦炭抗碎强度的预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
任学延等: "炼焦配煤专家系统的研究与开发", 《燃料与化工》 *
李艳红等: "炼焦机理和焦炭质量预测的研究进展", 《化工进展》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109374593A (zh) * 2018-10-09 2019-02-22 华中科技大学 一种检测混煤煤质及配比的方法及系统
CN109374593B (zh) * 2018-10-09 2020-05-29 华中科技大学 一种检测混煤煤质及配比的方法及系统
CN110241273A (zh) * 2019-04-30 2019-09-17 武汉科技大学 一种利用鄂西铁矿石与气煤制备的铁焦及其制备方法
CN110929445A (zh) * 2019-12-16 2020-03-27 中冶南方工程技术有限公司 一种获取铁焦生产炭化室内温度分布的方法及系统
CN110929445B (zh) * 2019-12-16 2023-04-28 中冶南方工程技术有限公司 一种获取铁焦生产炭化室内温度分布的方法及系统
CN112927764A (zh) * 2021-03-03 2021-06-08 上海大学 一种目标阻燃高分子复合材料制备模型的设计方法及系统
CN113933158A (zh) * 2021-10-19 2022-01-14 攀钢集团攀枝花钢铁研究院有限公司 炼焦煤结焦性鉴别方法

Also Published As

Publication number Publication date
CN108531205B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN108531205A (zh) 一种焦炭生产方法
Xu et al. A study of the relationships between coal structures and combustion characteristics: The insights from micro-Raman spectroscopy based on 32 kinds of Chinese coals
Roberts et al. Influence of maceral composition on the structure, properties and behaviour of chars derived from South African coals
Gil et al. Oxy-fuel combustion kinetics and morphology of coal chars obtained in N2 and CO2 atmospheres in an entrained flow reactor
Wu et al. Variation of carbon crystalline structures and CO2 gasification reactivity of Shenfu coal chars at elevated temperatures
Xu et al. Gasification mechanism and kinetics analysis of coke using distributed activation energy model (DAEM)
Chen et al. Predictions of biochar production and torrefaction performance from sugarcane bagasse using interpolation and regression analysis
Xing et al. Changes in pore structure of metallurgical cokes under blast furnace conditions
Zhao et al. Structure characteristics and combustibility of carbonaceous materials from blast furnace flue dust
Xu et al. Devolatilization characteristics and kinetic analysis of lump coal from China COREX3000 under high temperature
WO2021057845A1 (zh) 智能气化配料系统及方法
Khasraw et al. Devolatilisation characteristics of coal and biomass with respect to temperature and heating rate for HIsarna alternative ironmaking process
Wang et al. Influence of iron ore addition on metallurgical reaction behavior of iron coke hot briquette
Oboirien et al. Mineral–char interaction during gasification of high-ash coals in fluidized-bed gasification
CN104697833A (zh) 一种焦炭热态强度检验的标准试样及其制备方法
Xing Pore structure and integrity of a bio-coke under simulated blast furnace conditions
Nour et al. Pyrolysis, kinetics, and structural analyses of agricultural residues in Egypt: For future assessment of their energy potential
Zhang et al. Coke texture, reactivity and tumbler strength after reaction under simulated blast furnace conditions
CN103760105A (zh) 一种捣固条件下煤的粘结特性指数的测定方法
Athira et al. Rice-straw ash as a potential supplementary cementitious material: Influence of thermochemical conversion on its properties
Wang et al. Influence of temperature and CO2 on high-temperature behavior and microstructure of metallurgical coke
CN108491679A (zh) 一种基于基因库的钢制备方法和系统
CN107641675A (zh) 一种corex气化炉内燃料冶金性能演变图的绘制方法
Huang et al. Experimental research on semi-coke for blast furnace injection
JP5304049B2 (ja) 冶金用コークスの製造方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant