CN117195469A - 选煤工艺流程全过程确定方法、设备和介质 - Google Patents
选煤工艺流程全过程确定方法、设备和介质 Download PDFInfo
- Publication number
- CN117195469A CN117195469A CN202310913971.4A CN202310913971A CN117195469A CN 117195469 A CN117195469 A CN 117195469A CN 202310913971 A CN202310913971 A CN 202310913971A CN 117195469 A CN117195469 A CN 117195469A
- Authority
- CN
- China
- Prior art keywords
- coal
- medium
- suspension
- product
- density
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 197
- 238000000034 method Methods 0.000 title claims abstract description 127
- 238000002360 preparation method Methods 0.000 title claims abstract description 62
- 230000008569 process Effects 0.000 title claims abstract description 57
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 71
- 239000000047 product Substances 0.000 claims description 128
- 239000000725 suspension Substances 0.000 claims description 103
- 238000000926 separation method Methods 0.000 claims description 39
- 239000007787 solid Substances 0.000 claims description 26
- 239000013589 supplement Substances 0.000 claims description 23
- 230000005484 gravity Effects 0.000 claims description 14
- 239000002956 ash Substances 0.000 claims description 13
- 238000005188 flotation Methods 0.000 claims description 11
- 239000010883 coal ash Substances 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000007667 floating Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000005507 spraying Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 63
- 239000002609 medium Substances 0.000 description 102
- 239000000126 substance Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 239000012736 aqueous medium Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000018044 dehydration Effects 0.000 description 2
- 238000006297 dehydration reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000696 magnetic material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Landscapes
- Solid Fuels And Fuel-Associated Substances (AREA)
Abstract
本发明提供一种选煤工艺流程全过程确定方法、设备和介质,属于选煤工艺流程计算领域,所述方法包括:对原始煤质资料进行调整以及获取煤炭主要指标;针对选煤厂选定的煤炭分选系统,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,并输出产品平衡表。在选定重介浅漕或重介旋流器的情况下,基于分流量预测模型,确定分流量预测值;以及确定介质流程相关数据,并输出介质平衡表;确定所有不参与重介系统的相关工艺环节的数质量流程相关数据,并输出水量平衡表。通过本发明提供的方法,能够实现简单、高效、低成本地进行选煤工艺流程的全过程计算,提高计算效率并节约成本。
Description
技术领域
本发明涉及选煤工艺流程计算技术领域,具体地,涉及一种选煤工艺流程全过程确定方法、一种电子设备和计算机可读存储介质。
背景技术
选煤工艺流程计算是选煤厂设计不可缺失的一项工作,包括预测选煤厂产品平衡表、水量平衡表、介质平衡表、工艺流程数质量及悬浮液指标的计算。选煤工艺流程计算是计算选煤厂经济效益的基础资料,是选煤厂设备选型、管道及泵规格选取的依据,也是指导选煤厂生产指标调节的参考资料。
面对复杂、繁琐的选煤工艺流程计算,目前,国内外科研院校和设计院对其进行了部分研究,多数研究仅侧重于某一方面。例如,于2016年6月公开、名称为选煤产品结构预测与优化数学模型的研究的中国科技文献提供了一种选煤产品结构预测与优化方法,该方法对选煤厂各分选工艺系统分别构建了洗选产品预测模型,依据设定的具体预测目标进行预测。当要求对整个选煤厂的最终产品进行预测时,根据选煤厂的特定工艺流程,通过选取相应的单分选环节的预测模型进行组合来构建最终的产品预测数学模型,进而对煤炭企业的选前产品结构进行预测和优化,确定其最佳的生产工艺流程。于2015年8月公开、名称为选煤工艺设计中介质流程计算自动化的研究的中国科技文献提供了一种选煤工艺设计中介质流程计算方法,该方法为实现选煤工艺设计中介质流程计算的自动化,结合介质流程计算特点,对序贯模块法进行特殊处理,使其满足计算顺序的需要,再查找计算顺序,分析判断分流计算所需要的所有参数,最后套用公式完成介质流程计算。
这些研究成果仅侧重某项指标的计算,且计算结果大多以软件形式呈现,用户需要购买软件才能使用,耗费了用户大量的经济成本。而且,实际选煤工艺设计过程中,用户通过购买的选煤工艺预测软件只能完成对选煤厂产品产率和灰分的预测,无法获得数质量流程方面的预测结果。
更重要的是,用户即使采用预测软件也无法实现选煤工艺流程的全过程计算,仍需人工采用计算工具,结合预测软件结果再次分别整理得到选煤厂产品平衡表、水量平衡表、介质平衡表、工艺流程数质量及悬浮液指标等预测结果。从煤质资料整理到全过程计算,借用预测软件,平均耗时约5个工作日。整个计算过程不仅计算量巨大,计算过程繁琐,而且最终计算结果也不一定能做到数质量平衡、水平衡、以及介质平衡,需要人工耗费大量精力寻找错误,多次计算进行验算。
由此可见,提供一种简易高效的选煤工艺流程全过程计算方法,对选煤工艺设计工作具有重要的意义。
发明内容
针对现有技术中选煤工艺预测软件只能完成对选煤厂产品产率和灰分的预测,无法获得数质量流程方面的预测结果的技术问题,本发明提供了一种选煤工艺流程全过程确定方法,采用该方法能够简单且高效地进行选煤工艺流程的全过程计算,包括产品平衡表、水量平衡表、介质平衡表及各主要环节的数质量和悬浮液指标的计算。
为实现上述目的,本发明第一方面提供了一种选煤工艺流程全过程确定方法,所述确定方法包括以下步骤:基于原始煤质资料,完成原煤灰分预测、原煤灰分调整和浮沉资料校正,获得调整后的煤质资料;获取煤炭主要指标,所述煤炭主要指标包括次生煤泥、筛分效率、不完善度、可能偏差、循环水量、悬浮液循环量、喷水量、水分、带介量和带水量;针对选煤厂选定的煤炭分选系统,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,并输出产品平衡表;所述分选作业相关数据包括产品产率、产品产量、产品灰分和产品发热量;所述煤炭分选系统包括干法选煤系统、重力分选系统和浮游选煤系统。
在本发明的一个示例性实施例中,所述重力分选系统可以包括重介浅漕、重介旋流器、风选、螺旋分选机和干扰床;所述确定方法还可以包括:在选定重介浅漕或重介旋流器的情况下,基于分流量预测模型,确定分流量预测值。
在本发明的一个示例性实施例中,所述分流量预测模型可以为:
其中:Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;Vs为重产物带入稀介的悬浮液体积,m3/h;Vw为补加水体积,m3/h;Vc为入选煤带入悬浮液体积,m3/h;ρx为补加浓介质密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;ρs为重产物带入稀介段的悬浮液密度,t/m3。
在本发明的一个示例性实施例中,所述分流量预测模型可以为:
其中:Vp为分流量,m3/h;Vw为补加水体积,m3/h;Vcw为入选煤带入水量,m3/h;VFw为轻产物带入稀介段的水量,m3/h;Vsw为重产物带入稀介段的水量,m3/h;ρs为重产物带入稀介段的悬浮液密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρx为补加浓介质密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;gc为入选煤带入悬浮液的固体密度,t/m3;gx为浓介质悬浮液固体密度,t/m3;gF为轻产物悬浮液固体密度,t/m3;gs为重产物的
悬浮液固体密度,t/m3。
在本发明的一个示例性实施例中,所述确定方法还可以包括:针对重介浅漕或重介旋流器的介质流程,基于调整后的煤质资料、煤炭主要指标、产品平衡表和分流量预测值,确定介质流程相关数据,并输出介质平衡表;所述介质流程相关数据包括:出入料、轻产物、筛上物、精矿、重产物的悬浮液指标、筛下物的悬浮液指标、尾矿的悬浮液指标。
在本发明的一个示例性实施例中,所述确定方法还可以包括:基于调整后的煤质资料、煤炭主要指标和产品平衡表,确定数质量流程相关数据,并输出水量平衡表;所述数质量流程相关数据包括循环水量、清水量、产品带水量、返回循环水量、全部用水量和排出总水量。
在本发明的一个示例性实施例中,所述产品发热量可以基于发热量与水分、灰分的拟合关系确定。
在本发明的一个示例性实施例中,所述基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,可以包括:基于分选作业的不完善度、可能偏差和分选密度,采用正态分布近似公式法,确定重力分选系统的分选作业相关数据;基于分选效率,采用两产品平衡法确定干法选煤系统的分选作业相关数据;基于浮选回收率,采用两产品平衡法确定浮游选煤系统的分选作业相关数据。
本发明第二方面提供了一种电子设备,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由一个或多个以上所述处理器加载并执行,以使计算机实现上述的选煤工艺流程全过程确定方法。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有至少一条程序代码,所述程序代码由处理器加载并执行,以使计算机实现上述的选煤工艺流程全过程确定方法。
通过本发明提供的技术方案,本发明至少具有如下技术效果:
(1)本发明的选煤工艺流程全过程确定方法,能够实现简单、高效地进行选煤工艺流程的全过程计算,自动输出产品平衡表、水量平衡表、介质平衡表及各主要环节的数质量和悬浮液指标等相关设计数据,对选煤厂设计工作具有重要的意义;
(2)本发明提供的分流量预测模型打破了现有技术中按照物流顺序,通过迭代循环获得分流量的计算思路,通过对悬浮液性质进行研究,基于质量平衡原则形成了一种新的分流量预测方法,能够简单、快速地获得分流量预测值,对生产过程分流量的调节具有极强的指导作用;
(3)与传统的选煤工艺计算方法相比,本发明的选煤工艺流程全过程确定方法将计算时长从5个工作日缩短至1个工作日,计算效率明显提升;
(4)本发明的选煤工艺流程全过程确定方法,在其计算过程中与调整后的煤质资料和煤炭主要指标等建立了关联关系,提高了计算准确度;
(5)本发明的选煤工艺流程全过程确定方法,通过日常办公软件便可实现选煤工艺流程全过程计算,能够节省购买预测软件的昂贵费用,节约成本。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1为本发明实施例提供的选煤工艺流程全过程确定方法的流程示意图;
图2为本发明实施例提供的重介系统的介质循环过程的流程示意图;
图3为本发明实施例提供的选煤工艺流程全过程确定装置的结构示意图;
图4为本发明实施例提供的选煤工艺流程全过程确定装置的技术路线图;
图5为本发明实施例提供的电子设备的结构示意图。
附图标记说明
101-主要指标库,102-煤质资料调整模块,103-发热量预测模块,104-分选作业预测模块,105-分流量预测模块,106-介质流程计算模块,107-数质量流程计算模块,201-处理器,202存储器。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
下面将参考附图并结合实施例来详细说明本发明。
实施例一
请参考图1,本发明的第一实施例提供了一种选煤工艺流程全过程确定方法,该方法包括以下步骤。
步骤S101:基于原始煤质资料,完成原煤灰分预测、原煤灰分调整和浮沉资料校正,获得调整后的煤质资料。
需要说明的是,调整后的煤质资料是后续选煤工艺流程计算的基础资料。
步骤S102:获取煤炭主要指标,建立主要指标库。
其中,煤炭主要指标包括次生煤泥、筛分效率、不完善度、可能偏差、循环水量、悬浮液循环量、喷水量、水分、带介量和带水量。
设置主要指标库的目的是便于后续选煤工艺流程计算过程中提取所需的相关指标,例如,分选作业流程计算时需提取主要指标库中的不完善度/可能偏差等指标。
步骤S103:针对选煤厂选定的煤炭分选系统,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,并输出产品平衡表。
其中,分选作业相关数据可以包括产品产率、产品产量、产品灰分和产品发热量。煤炭分选系统可以包括干法选煤系统、重力分选系统和浮游选煤系统。干法选煤系统是指依靠光学进行煤炭分选的系统,重力分选系统是指依靠重力进行煤炭分选的系统,浮游选煤系统是指依靠表面性质进行煤炭分选的系统。例如,重力分选系统可以为重介浅漕、重介旋流器、风选、螺旋分选机、或者干扰床。
针对不同的煤炭分选系统,可以采用不同的计算方式获得分选作业相关数据。
示例性地,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据的过程包括但不限于以下子步骤S1031~S1033。
子步骤S1031:基于分选作业的不完善度、可能偏差和分选密度,采用正态分布近似公式法,确定重力分选系统的分选作业相关数据。
子步骤S1032:基于分选效率,采用两产品平衡法确定干法选煤系统的分选作业相关数据。
子步骤S1033:基于浮选回收率,采用两产品平衡法确定浮游选煤系统的分选作业相关数据。
基于上述子步骤,可实现产品产率及灰分或硫分、发热量的预测,并根据分选作业相关数据,制定输出产品平衡表(如下表1所示)。其中,产品
发热量可以基于发热量与水分、灰分的拟合关系确定。
表1产品平衡表
进一步地,在本实施例中,在选煤厂选定的煤炭分选系统为重介浅漕或重介旋流器时,所述确定方法还应包括步骤S104和步骤S105。
步骤S104:基于分流量预测模型,确定分流量预测值。
例如,可以基于悬浮液推导获得分流量预测模型,分流量预测模型可以为:
其中:Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;Vs为重产物带入稀介的悬浮液体积,m3/h;Vw为补加水体积,m3/h;Vc为入选煤带入悬浮液体积,m3/h;ρx为补加浓介质密度,t/m3;ρc为入选煤带
入的悬浮液密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;ρs为重产物带入稀介段的悬浮液密度,t/m3。
或者,可以基于悬浮液中的水介质推导获得分流量预测模型,分流量预测模型可以为:
其中:Vp为分流量,m3/h;Vw为补加水体积,m3/h;Vcw为入选煤带入水量,m3/h;VFw为轻产物带入稀介段的水量,m3/h;Vsw为重产物带入稀介段的水量,m3/h;ρs为重产物带入稀介段的悬浮液密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρx为补加浓介质密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;gc为入选煤带入悬浮液的固体密度,t/m3;gx为浓介质悬浮液固体密度,t/m3;gF为轻产物悬浮液固体密度,t/m3;gs为重产物的悬浮液固体密度,t/m3。
步骤S105:针对重介浅漕或重介旋流器的介质流程,基于调整后的煤质资料、煤炭主要指标、产品平衡表和分流量预测值,确定介质流程相关数据,并输出介质平衡表。
其中,介质流程相关数据可以包括:出入料、轻产物、筛上物、精矿、重产物的悬浮液指标、筛下物的悬浮液指标、尾矿的悬浮液指标。根据上述介质流程相关数据,可以制定输出介质平衡表(如下表2所示)。
表2介质平衡表
进一步地,在本实施例中,所述确定方法还可以包括步骤S106:基于调整后的煤质资料、煤炭主要指标和产品平衡表,确定数质量流程相关数据,并输出水量平衡表。
其中,数质量流程相关数据主要是指原煤分级、粗煤泥分选及脱水、浮选等所有不参与重介系统的流程相关数据,可以包括:循环水量、清水量、产品带水量、返回循环水量、全部用水量和排出总水量。根据上述数质量流程相关数据,可以制定输出水量平衡表(如下表3所示)。
表3水量平衡表
需要说明的是,分流量是重介系统(也就是重介浅漕或重介旋流器)计算的难点,直接影响介质平衡。面对多变量不断循环找到最优值的问题,现有技术通常采用迭代法等利用计算机语言通过编程实现多次循环计算。为了实现分流量的简易高效计算,本发明对悬浮液性质进行研究,打破采用物流顺序,通过不断循环计算得到分流量的传统做法,根据入料、工作、分流等悬浮液性质,根据质量平衡原则推导出分流量预测模型。分流量预测模型的具体推导过程如下:
首先,通过研究重介系统的介质循环过程(如图2所示),根据重介系统的质量平衡原则可得公式(1)。
Gn+Gx+Gw=Gp+Gf+Gs (1)
式中:Gn为入选煤带入的悬浮液重量,t/m3;Gx为补加浓介悬浮液重量,t/m3;Gw为补加水重量,t/m3;Gp为分流重量,t/m3;Gf为轻产物带入稀介的悬浮液重量,t/m3;Gs为重产物带入稀介的悬浮液重量,t/m3。
悬浮液密度与分选密度及分选方法相关,悬浮液由水、非磁性物和磁性物组成,悬浮液固体密度与悬浮液中磁性物和非磁性物含量相关。在选煤系统中,非磁性物为煤泥,包括原生煤泥、浮沉煤泥和次生煤泥。根据煤质资料和分选方法,可得出总煤泥量。本发明不考虑系统运行过程中煤泥量的变化,将入选煤的非磁性物量定为总煤泥量。在分选密度和非磁性物含量确定的情况下,悬浮液密度、固体密度及悬浮液固体密度、磁性物及非磁性物含量均可以确定。
具体来讲,悬浮液中磁性物含量、非磁性物含量、磁性物和非磁性物密度与固体密度的关系见公式(2),悬浮液密度ρ、固体密度δ与悬浮液固体密度之间的关系见公式(3)。
式中:δ为固体密度,t/m3;δf为磁性物密度,t/m3;δc为非磁性物密度,t/m3;g为悬浮液固体密度,t/m3;ρ为悬浮液密度,t/m3;rf为磁性物含量,%;rc为非磁性物含量,%。
需要说明的是,本发明将工作悬浮液非磁性物含量rc设置为可变量,用户可在补加浓介的非磁性物含量与工作悬浮液非磁性物含量允许最大值范围内改变工作悬浮液非磁性物含量rc,即:rx<rc≤rcmax。
进一步地,根据悬浮液体积与密度的关系,公式(1)可转变为公式(4)。
Vcρc+VxρX+Vw=Vpρp+VFρF+Vsρs (4)
式中:Vc为入选煤带入悬浮液体积,m3/h;Vx为补加浓介质体积,m3/h;Vw为补加水体积,m3/h;Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;Vs为重产物带入稀介的悬浮液体积,m3/h;ρc为入选煤带入的悬浮液密度,t/m3;ρx为补加浓介质密度,t/m3;ρw为补加水密度,t/m3;ρp为分流密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;ρs为重产物带入稀介段的悬浮液密度,t/m3。
根据体积平衡原则,可得公式(5)。
Vx=Vp+VF+Vs-Vw-Vc (5)
式中:Vx为补加浓介质体积,m3/h;Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;Vs为重产物带入稀介的悬浮液体积,m3/h;Vw为补加水体积,m3/h;Vc为入选煤带入悬浮液体积,m3/h。
由公式(4)和公式(5)可推导获得分流量预测模型(即公式(6))。
式中:Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;
Vs为重产物带入稀介的悬浮液体积,m3/h;Vw为补加水体积,m3/h;Vc为入选煤带入悬浮液体积,m3/h;ρx为补加浓介质密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;ρs为重产物带入稀介段的悬浮液密度,t/m3。
此外,由于悬浮液组成复杂,为了提高计算效率,本发明又提出了仅基于悬浮液中的水介质预测分流量的计算模型,具体见公式(7)。
式中:Vp为分流量,m3/h;Vw为补加水体积,m3/h;Vcw为入选煤带入水量,m3/h;VFw为轻产物带入稀介段的水量,m3/h;Vsw为重产物带入稀介段的水量,m3/h;ρs为重产物带入稀介段的悬浮液密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρx为补加浓介质密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;gc为入选煤带入悬浮液的固体密度,t/m3;gx为浓介质悬浮液固体密度,t/m3;gF为轻产物悬浮液固体密度,t/m3;gs为重产物的悬浮液固体密度,t/m3。
经验证,分流量预测模型(即公式(6))和基于悬浮液中的水介质预测分流量的计算模型(即公式(7))的模型计算结果相同。
此外,本实施例的实施环境包括至少一个终端和服务器,该方法分别在终端或服务器上执行。终端和服务器可以进行通信连接以实现信息的交互传输。
其中,终端可以是任何一种可以与用户通过键盘、触摸板、触摸屏、语音交互等一种或多种方式进行人机交互的电子产品,例如PC(Personal Computer,个人计算机)、PPC(Pocket Personal Computer,掌上电脑)、平板电脑等。
服务器可以是一台服务器,也可以是由多台服务器组成的服务器集群,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
实施例二
本发明的第二实施例提供了一种选煤工艺流程全过程确定装置,如图3所示,该确定装置包括主要指标库101、煤质资料调整模块102、发热量预测模块103、分选作业预测模块104、分流量预测模块105、介质流程计算模块106和数质量流程计算模块107。
其中,主要指标库101用于存储煤炭主要指标,煤炭主要指标包括次生煤泥、筛分效率、不完善度、可能偏差、循环水量、悬浮液循环量、喷水量、水分、带介量和带水量。
煤质资料调整模块102用于基于原始煤质资料,完成原煤灰分预测、原煤灰分调整和浮沉资料校正,获得调整后的煤质资料。此模块主要是根据原始煤质资料,完成原煤灰分预测、原煤灰分调整及浮沉资料校正三大功能,是后续工艺流程计算的基础资料。
发热量预测模块103用于基于发热量与水分、灰分,构建发热量预测公式。此模块是是后续产品发热量指标计算的基础。例如,可以根据发热量与水分、灰分关系,采用二元回归法建立发热量预测模块。
分选作业预测模块104用于针对不同类型的煤炭分选系统,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,并输出产品平衡表。分选作业预测模块可以包括:重力分选预测子模块、智能干选预测子模块和浮选预测子模块。例如,可以根据分选作业的不完善度/可能偏差及分选密度,采用正态分布近似公式法,建立重力分选预测子模块。重力分选系统包括:重介浅漕、两产品重介旋流器、三产品重介旋流器、风选、螺旋分选机和干扰床。可以根据分选效率,采用两产品平衡法建立智能干选预测子模块。可以根据浮选回收率,采用两产品平衡法建立浮选预测模块。
分选作业预测模块可以实现产品产率及灰分或硫分、发热量的预测功能,并输出产品平衡表。根据选煤厂工艺及产品方案建立产品平衡表。调用对应的分选作业预测模块,并与主要指标库、煤质资料调整模块及发热量预测模块建立关联关系,通过改变分选密度值,自动完成产品平衡表的计算。
分流量预测模块105用于针对选定的重介浅漕或重介旋流器,基于分流量预测模型,确定分流量预测值。分流量预测模块根据重介分选方法可以分为重介浅漕分流量预测子模块和重介旋流器分流量预测子模块。该模块可以预测重介系统的分流量,是实现介质平衡的关键。分流量预测模块可以通过与主要指标库、煤质资料调整及产品平衡表建立关联关系,自动完成分流量的预测。
介质流程计算模块106用于针对重介浅漕或重介旋流器的介质流程,基于调整后的煤质资料、煤炭主要指标、产品平衡表和分流量预测值,确定介质流程相关数据,并输出介质平衡表。介质流程计算模块可以包括:重介浅漕的介质流程计算子模块、两产品重介旋流器的介质流程计算子模块和三产品重介旋流器的介质流程计算子模块。将重介分选、脱介及介质回收作为一个系统,按照主要环节顺序,分别列出入料、轻产物/筛上物/精矿、重产物/筛下物/尾矿的悬浮液指标等,建立介质流程计算模块。
介质流程计算模块可以完成重介分选的介质流程计算,并输出介质平衡表。按照重介系统进入和排出的固体数量、非磁性物数量、磁性物数量及数量,建立介质平衡表。调用对应的介质流程计算模块,并与主要指标库、煤质资料、产品平衡表调整及分流量预测模块建立关联关系,自动完成介质平衡表的计算。
数质量流程计算模块107用于基于调整后的煤质资料、煤炭主要指标和产品平衡表,确定数质量流程相关数据,并输出水量平衡表。将原煤分级、粗煤泥分选及脱水、浮选等所有不参与重介系统的环节归入数质量流程计算模块。根据主要工艺环节入料、轻产物/筛上物/精矿/溢流、重产物/筛下物/尾矿/底流的产率、产量、灰分、水分、水量数据建立数质量计算模块。数质量流程计算模块与主要指标库、煤质资料、产品平衡表等建立关联关系,自动完成水量平衡表的计算。
采用以上七个模块,可实现选煤工艺流程全过程计算,技术路线流程见图4。
需要说明的是,上述提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或部分功能。另外,上述实施例提供的装置与第一实施例提供的方法属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
实施例三
本发明的第三实施例还提供了一种电子设备,参见图5,该电子设备包括处理器201和存储器202,存储器中存储有至少一条计算机程序,所述至少一条计算机程序由一个或多个以上所述处理器加载并执行,以使计算机实现如上所述的选煤工艺流程全过程确定方法。
当然,该电子设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该电子设备还可以包括其他用于实现设备各功能的部件在此不做赘述。
本发明的第三实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条程序代码,该程序代码由处理器加载并执行,以使计算机实现如上所述的选煤工艺流程全过程确定方法。
可选地,该计算机可读存储介质可以是只读存储器(Read-0nlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-0nlyMemory,CD-ROM)、磁带、软盘和光盘数据存储设备等。本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (10)
1.一种选煤工艺流程全过程确定方法,其特征在于,所述确定方法包括:
基于原始煤质资料,完成原煤灰分预测、原煤灰分调整和浮沉资料校正,获得调整后的煤质资料;
获取煤炭主要指标,所述煤炭主要指标包括次生煤泥、筛分效率、不完善度、可能偏差、循环水量、悬浮液循环量、喷水量、水分、带介量和带水量;
针对选煤厂选定的煤炭分选系统,基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,并输出产品平衡表;
所述分选作业相关数据包括产品产率、产品产量、产品灰分和产品发热量;所述煤炭分选系统包括干法选煤系统、重力分选系统和浮游选煤系统。
2.根据权利要求1所述的选煤工艺流程全过程确定方法,其特征在于,所述重力分选系统包括重介浅漕、重介旋流器、风选、螺旋分选机和干扰床;
所述确定方法还包括:在选定重介浅漕或重介旋流器的情况下,基于分流量预测模型,确定分流量预测值。
3.根据权利要求2所述的选煤工艺流程全过程确定方法,其特征在于,所述分流量预测模型为:
其中:Vp为分流量,m3/h;VF为轻产物带入稀介段的悬浮液体积,m3/h;Vs为重产物带入稀介的悬浮液体积,m3/h;Vw为补加水体积,m3/h;Vc为入选煤带入悬浮液体积,m3/h;ρx为补加浓介质密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;ρs为重
产物带入稀介段的悬浮液密度,t/m3。
4.根据权利要求2所述的选煤工艺流程全过程确定方法,其特征在于,所述分流量预测模型为:
其中:Vp为分流量,m3/h;Vw为补加水体积,m3/h;Vcw为入选煤带入水量,m3/h;VFw为轻产物带入稀介段的水量,m3/h;Vsw为重产物带入稀介段的水量,m3/h;ρs为重产物带入稀介段的悬浮液密度,t/m3;ρc为入选煤带入的悬浮液密度,t/m3;ρx为补加浓介质密度,t/m3;ρF为轻产物带入稀介段的悬浮液密度,t/m3;gc为入选煤带入悬浮液的固体密度,t/m3;gx为浓介质悬浮液固体密度,t/m3;gF为轻产物悬浮液固体密度,t/m3;gs为重产物的悬浮液固体密度,t/m3。
5.根据权利要求2所述的选煤工艺流程全过程确定方法,其特征在于,所述确定方法还包括:针对重介浅漕或重介旋流器的介质流程,基于调整后的煤质资料、煤炭主要指标、产品平衡表和分流量预测值,确定介质流程相关数据,并输出介质平衡表;
所述介质流程相关数据包括:出入料、轻产物、筛上物、精矿、重产物的悬浮液指标、筛下物的悬浮液指标、尾矿的悬浮液指标。
6.根据权利要求2所述的选煤工艺流程全过程确定方法,其特征在于,所述确定方法还包括:
基于调整后的煤质资料、煤炭主要指标和产品平衡表,确定数质量流程相关数据,并输出水量平衡表;
所述数质量流程相关数据包括循环水量、清水量、产品带水量、返回循环水量、全部用水量和排出总水量。
7.根据权利要求1所述的选煤工艺流程全过程确定方法,其特征在于,所述产品发热量基于发热量与水分、灰分的拟合关系确定。
8.根据权利要求1所述的选煤工艺流程全过程确定方法,其特征在于,所述基于调整后的煤质资料和煤炭主要指标,确定分选作业相关数据,包括:
基于分选作业的不完善度、可能偏差和分选密度,采用正态分布近似公式法,确定重力分选系统的分选作业相关数据;
基于分选效率,采用两产品平衡法确定干法选煤系统的分选作业相关数据;
基于浮选回收率,采用两产品平衡法确定浮游选煤系统的分选作业相关数据。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由一个或多个以上所述处理器加载并执行,以使电子设备实现权利要求1~8中任一项所述的选煤工艺流程全过程确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有至少一条程序代码,所述程序代码由处理器加载并执行,以使计算机实现权利要求1~8中任一项所述的选煤工艺流程全过程确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310913971.4A CN117195469B (zh) | 2023-07-24 | 2023-07-24 | 选煤工艺流程全过程确定方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310913971.4A CN117195469B (zh) | 2023-07-24 | 2023-07-24 | 选煤工艺流程全过程确定方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117195469A true CN117195469A (zh) | 2023-12-08 |
CN117195469B CN117195469B (zh) | 2024-03-29 |
Family
ID=88995013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310913971.4A Active CN117195469B (zh) | 2023-07-24 | 2023-07-24 | 选煤工艺流程全过程确定方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117195469B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592771A (zh) * | 2024-01-19 | 2024-02-23 | 天津美腾科技股份有限公司 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
CN117591817A (zh) * | 2024-01-19 | 2024-02-23 | 天津美腾科技股份有限公司 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
CN117610890A (zh) * | 2024-01-19 | 2024-02-27 | 天津美腾科技股份有限公司 | 一种选煤厂参数动态计算方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169559A (zh) * | 2011-04-01 | 2011-08-31 | 北京三博中自科技有限公司 | 一种工业能量平衡分析系统及工业能量平衡分析方法 |
US20200234170A1 (en) * | 2018-01-30 | 2020-07-23 | China University Of Mining And Technology | Method for classifying eco-geological environment types based on coal resource exploitation |
CN115238971A (zh) * | 2022-07-01 | 2022-10-25 | 华电电力科学研究院有限公司 | 一种选煤厂智慧大脑分析处理系统 |
CN115318431A (zh) * | 2022-07-25 | 2022-11-11 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 重介浅槽系统的控制方法、装置和处理器 |
CN116311573A (zh) * | 2022-12-29 | 2023-06-23 | 中煤科工集团信息技术有限公司 | 选煤厂签到的方法及装置 |
-
2023
- 2023-07-24 CN CN202310913971.4A patent/CN117195469B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169559A (zh) * | 2011-04-01 | 2011-08-31 | 北京三博中自科技有限公司 | 一种工业能量平衡分析系统及工业能量平衡分析方法 |
US20200234170A1 (en) * | 2018-01-30 | 2020-07-23 | China University Of Mining And Technology | Method for classifying eco-geological environment types based on coal resource exploitation |
CN115238971A (zh) * | 2022-07-01 | 2022-10-25 | 华电电力科学研究院有限公司 | 一种选煤厂智慧大脑分析处理系统 |
CN115318431A (zh) * | 2022-07-25 | 2022-11-11 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 重介浅槽系统的控制方法、装置和处理器 |
CN116311573A (zh) * | 2022-12-29 | 2023-06-23 | 中煤科工集团信息技术有限公司 | 选煤厂签到的方法及装置 |
Non-Patent Citations (4)
Title |
---|
G.M. CRESSWELL: "Process design of the Phola coal preparation plant", 《JOURNAL OF THE SOUTHERN AFRICAN INSTITUTE OF MINING AND METALLURGY》, 31 July 2010 (2010-07-31), pages 339 - 345 * |
三产品重介质旋流器介质流程计算关键问题解析: "三产品重介质旋流器介质流程计算关键问题解析", 《选煤技术》, no. 04, 31 August 2021 (2021-08-31), pages 39 - 47 * |
吴旭涛: "石槽村洗煤厂工艺优化及应用", 《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》, no. 07, 15 July 2021 (2021-07-15), pages 3 * |
路迈西: "选煤厂经营管理讲座", 《选煤技术》, 2 March 1990 (1990-03-02), pages 39 - 43 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592771A (zh) * | 2024-01-19 | 2024-02-23 | 天津美腾科技股份有限公司 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
CN117591817A (zh) * | 2024-01-19 | 2024-02-23 | 天津美腾科技股份有限公司 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
CN117610890A (zh) * | 2024-01-19 | 2024-02-27 | 天津美腾科技股份有限公司 | 一种选煤厂参数动态计算方法、装置、设备及介质 |
CN117592771B (zh) * | 2024-01-19 | 2024-04-30 | 天津美腾科技股份有限公司 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
CN117591817B (zh) * | 2024-01-19 | 2024-04-30 | 天津美腾科技股份有限公司 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
CN117610890B (zh) * | 2024-01-19 | 2024-04-30 | 天津美腾科技股份有限公司 | 一种选煤厂参数动态计算方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117195469B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117195469B (zh) | 选煤工艺流程全过程确定方法、设备和介质 | |
CN114818902A (zh) | 基于知识蒸馏的文本分类方法及系统 | |
CN102033949B (zh) | 基于修正的k近邻文本分类方法 | |
Cisternas et al. | Effect of the objective function in the design of concentration plants | |
CN102413029A (zh) | 基于分解的局部搜索多目标复杂动态网络社区划分方法 | |
CN103425677B (zh) | 关键词分类模型确定方法、关键词分类方法及装置 | |
CN105045913B (zh) | 基于WordNet以及潜在语义分析的文本分类方法 | |
CN107918657A (zh) | 一种数据源的匹配方法和装置 | |
CN109271427A (zh) | 一种基于近邻密度和流形距离的聚类方法 | |
CN107194411A (zh) | 一种改进的分层级联的支持向量机并行化方法 | |
CN111126865A (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
Wang et al. | Features Extraction of Flotation Froth Images and BP Neural Network Soft‐Sensor Model of Concentrate Grade Optimized by Shuffled Cuckoo Searching Algorithm | |
CN105069177A (zh) | 一种用于出版行业的选题优化系统及其方法 | |
Cisternas et al. | Approximate recovery values for each stage are sufficient to select the concentration circuit structures | |
Anderson et al. | EMPOWER-1.0: an efficient model of planktonic ecosystems written in R | |
CN106407379A (zh) | 一种基于Hadoop平台的电影推荐方法 | |
CN102004796A (zh) | 一种网页文本的无阻滞层次分类方法与装置 | |
CN101702172A (zh) | 一种基于类-属性关系依赖度的数据离散化方法 | |
Feil et al. | A methodical approach for the assessment of waste sorting plants | |
CN103279535A (zh) | 一种专利权人潜在合作伙伴推荐方法 | |
Guria et al. | Simultaneous optimization of the performance of flotation circuits and their simplification using the jumping gene adaptations of genetic algorithm-II: More complex problems | |
CN111274123A (zh) | 基于软件基因的安全防护软件测试集自动生成方法、架构 | |
CN106446160A (zh) | 一种面向移动互联网自适应增量的内容聚合方法及系统 | |
Ding et al. | Data mining based feedback regulation in operation of hematite ore mineral processing plant | |
CN110222174B (zh) | 一种基于词条作品热度构建分类分级词表的方法及系统 |
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 |