CN117571649A - 基于红外结构参数预测焦炭冷态强度的方法 - Google Patents

基于红外结构参数预测焦炭冷态强度的方法 Download PDF

Info

Publication number
CN117571649A
CN117571649A CN202311539824.1A CN202311539824A CN117571649A CN 117571649 A CN117571649 A CN 117571649A CN 202311539824 A CN202311539824 A CN 202311539824A CN 117571649 A CN117571649 A CN 117571649A
Authority
CN
China
Prior art keywords
coal
coke
prediction
coking
predicting
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.)
Pending
Application number
CN202311539824.1A
Other languages
English (en)
Inventor
岳伟明
燕慧
王雷雷
邓韶博
杨伯威
周文艳
侯晓瑞
陈旭辉
王美君
申岩峰
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.)
SHANXI COKING CO Ltd
Taiyuan University of Technology
Original Assignee
SHANXI COKING CO Ltd
Taiyuan University of Technology
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 SHANXI COKING CO Ltd, Taiyuan University of Technology filed Critical SHANXI COKING CO Ltd
Priority to CN202311539824.1A priority Critical patent/CN117571649A/zh
Publication of CN117571649A publication Critical patent/CN117571649A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/56—Investigating resistance to wear or abrasion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/22—Fuels; Explosives
    • G01N33/222—Solid fuels, e.g. coal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Coke Industry (AREA)

Abstract

本发明涉及一种基于红外结构参数预测焦炭冷态强度的方法，是构建原料煤的芳香度预测值f a预测与挥发分Vdaf间的经验公式f a预测=‑0.0084Vdaf+1.0334，获得原料煤的芳香度预测值，结合原料煤灰分、硫分、黏结指数和胶质层指数，以公式M40=1.940Ad+16.836f a预测+10.940St,d+0.286G‑0.578Y‑0.060X+28.232，M10=‑0.605Ad+7.700f a预测‑5.948St,d‑0.385G+0.910Y+0.076X+27.392计算预测原料煤炼焦所得焦炭的冷态强度。经与小规模和大型焦炉的炼焦结果比较，本发明预测方法精度高，煤种适用性强，不会因煤种、配煤方案及焦炉性质的改变而产生较大的波动。

Description

基于红外结构参数预测焦炭冷态强度的方法
技术领域
本发明属于焦化行业配煤炼焦技术领域，涉及一种预测配煤炼焦生产中焦炭质量的方法，特别是一种预测焦炭冷态强度的方法。
背景技术
随着煤炭资源的大幅度开采和利用，优质炼焦煤资源储量逐渐减少，导致了优质炼焦煤资源的短缺，进而提高了焦炭生产成本。在焦化行业不景气的背景下，企业不得不扩大参与配煤炼焦的煤种，这也会对焦炭强度产生直接的影响。
未来随着炼焦工业的发展，对焦炭的质量要求将会不断提高，而炼焦煤尤其是优质炼焦煤资源作为不可再生资源储量又在不断减少，因此有必要对焦炭质量进行更为科学合理精确的预测，降低炼焦成本，盘活焦化产业。
焦炭的冷态强度是配煤炼焦生产过程中的一个关键参数，直接影响到焦炭的机械性能和耐久性。因此，焦炭冷态强度的预测对于优化炼焦工艺、提高产品质量以及降低生产成本具有重要意义。
目前，预测焦炭冷态强度的方法主要基于经验公式。传统的经验公式无法准确确定不同煤种在炼焦过程中的交互作用对冷态强度的影响，从而无法真实、准确地预测在配煤炼焦过程中焦炭的冷态强度；同时，目前的预测模型大多适用于特定企业，往往缺乏科学的理论依据和对煤质因素的深入分析。
例如，唐炜等（柳钢焦炭质量预测模型的研究[J]. 燃料与化工, 2021, 52(06)）选取配合煤指标中的干燥基灰分含量（Ad）、干燥无灰基挥发分含量（Vdaf）、黏结指数（G）、干燥基硫含量（St,d）、胶质层指数（X和Y）建立了基于线性回归的焦炭质量预测模型，其模型使用范围较小，超出后预测精度下降。
建立焦炭质量预测模型时，被选择的模型输入指标必须能够准确地反映配合煤的特性，并充分描述焦化过程的本质。焦化过程本质上是煤分子在温度作用下发生的一系列化学反应，形成焦炭的过程中所有宏观特性都取决于煤样的空间结构。现有模型选取的指标虽然有效地捕捉了煤的宏观结焦特性，但在反映结焦过程的化学结构转换方面表现出明显的局限性。
追根溯源，煤在焦化过程中的一切宏观特性都与其大分子结构转变相关，即“结构决定性质”。因此，基于对煤成焦机理分子层面的认识，从煤的结构出发，将影响焦炭质量的红外结构特征参数芳香度f a引入预测模型的构建，对于准确合理预测焦炭质量并提高预测模型的普适性至关重要。
发明内容
本发明的目的是克服现有模型中对焦炭冷态强度预测准确度不高的缺陷，提供一种基于红外结构参数预测焦炭冷态强度的方法。
炼焦煤的结构单元可以分为脂肪-脂肪层、脂肪-芳香层和芳香-芳香层。红外结构参数芳香度f a用于反映煤的芳香结构，这种结构是构成焦炭的基本结构并提供骨架支撑，与焦炭的强度密切相关。同样，挥发分Vdaf用于评估煤中热稳定性低的结构总量，其与煤炭大分子中存在的脂肪族结构有关。挥发分与芳香度参数可以在一定程度上反映出煤成焦过程中芳香结构与脂肪结构的动态转化，同时二者均随着煤阶的变化而变化。
本发明构建了原料煤挥发分与芳香度之间的经验关系，通过易于检测获得的原料煤挥发分Vdaf含量计算出原料煤的芳香度预测值f a预测，并充分考虑灰分、硫分、黏结指数、胶质层指数等原料煤的其他特性指标因素在炼焦过程中对焦炭质量的影响，因此根据挥发分提出了预测芳香度f a结构参数的模型具有较好的相关性，从而更好的评价煤的综合结构特性，从而使焦炭质量的预测更加精确。
具体地，本发明所述的基于红外结构参数预测焦炭冷态强度的方法是测定出原料煤的挥发分、灰分、硫分、黏结指数、胶质层最大厚度以及最终收缩度参数，按照原料煤的芳香度预测值f a预测与挥发分Vdaf间的经验公式：
f a预测 =-0.0084Vdaf +1.0334
获得原料煤的芳香度预测值f a预测；
代入公式：
M40 =1.940Ad +16.836f a预测 +10.940St,d +0.286G-0.578Y -0.060X +28.232
M10 =-0.605Ad +7.700f a预测 -5.948St,d-0.385G +0.910Y +0.076X +27.392
预测出以所述原料煤炼焦获得焦炭的抗碎强度M40和耐磨强度M10；
式中：
f a预测—原料煤的芳香度预测值；
M40—原料煤炼焦所得焦炭的抗碎强度预测值，%；
M10—原料煤炼焦所得焦炭的耐磨强度预测值，%；
Vdaf—原料煤的干燥无灰基挥发分，%；
Ad—原料煤的干燥基灰分，%；
St,d—原料煤的干燥基硫分，%
G—原料煤的黏结指数；
Y—原料煤的胶质层最大厚度，mm；
X—原料煤的最终收缩度，mm。
其中，所述的原料煤是可以用于炼焦或配煤炼焦的各种原料煤，包括适合于炼焦的各种单种煤，以及适合于炼焦的配合煤。
采用本发明上述基于红外结构参数预测焦炭冷态强度的方法，可以较为准确地预测出以各种适合于炼焦的原料煤进行炼焦获得焦炭的冷态强度。
本发明首先是构建了原料煤的芳香度预测值f a预测与挥发分Vdaf之间的经验公式。
一般地，本发明上述构建的经验公式可以适用于任何可用于炼焦的原料煤的芳香度预测，且预测精度能够满足要求。
但是进一步地，当所述原料煤的干燥无灰基挥发分Vdaf为20～35%时，通过所述经验公式获得的芳香度预测值f a预测结果更加准确。
更进一步地，当所述原料煤中的干燥无灰基挥发分Vdaf被优选限定在22～32%时，获得的芳香度预测值f a预测结果与芳香度实际测量值之间的误差更小，精度更高。
同样，本发明针对焦炭冷态强度的预测公式可以适用于任何可用于炼焦的原料煤，但是较佳地，当所述原料煤的干燥基灰分Ad≤12%，干燥基硫分St,d≤2%，黏结指数G≥72，胶质层最大厚度Y为12～25mm，最终收缩度X为25～45mm时，对焦炭抗碎强度M40和耐磨强度M10的预测结果更加准确。
更优选地，当所述原料煤中的干燥基灰分Ad≤10%，干燥基硫分St,d≤1%，黏结指数G为72～82，胶质层最大厚度Y为12～16mm，最终收缩度X为28～42mm时，焦炭抗碎强度M40和耐磨强度M10的预测值与实测值的误差更小，相关性更高。
本发明采用多种煤阶不尽相同的单种煤及具有不同煤质特性的配煤炼焦用配合煤，首先基于单种煤测定挥发分含量，利用统计分析软件进行多元线性回归，构建出挥发分与红外结构参数芳香度间的关系式；接着对具有不同煤质特性的各种配合煤的灰分含量、硫分含量、黏结指数、胶质层最大厚度和最终收缩度进行分析测定，并对每种配合煤进行单独炼焦获得焦炭，测定焦炭的抗碎强度M40和耐磨强度M10，利用芳香度预测值、灰分、硫分、黏结指数、胶质层最大厚度和最终收缩度与抗碎强度和耐磨强度的关系，建立焦炭的冷态强度预测方法和预测公式。
本发明在选择预测模型的输入指标时，考虑了影响配合煤特性的因素，特别是煤的芳香度结构参数f a，能够更好地反映煤的综合结构特性，将煤分子结构的转变与焦炭质量联系起来，并基于灰分、硫分、黏结指数、胶质层最大厚度和最终收缩度等煤质指标对焦炭冷态强度的影响，建立了一种预测焦炭冷态强度精确度高、普适性强的公式和方法，克服了传统经验公式忽略煤结构特征考虑导致精确度低的缺点，改善了焦炭冷态强度预测的局限性，使得预测结果更具科学性和准确性，对于更为合理的扩大炼焦煤资源利用范围，调整配煤工艺，进而降低炼焦配煤成本具有指导性及促进性作用。
本发明结合焦化厂实际炼焦生产过程中采用的配煤比进行小规模焦炉试验和大型焦炉试验，将焦炭抗碎强度与耐磨强度实测值与利用煤质分析数据与红外结构参数芳香度预测得到的抗碎强度和耐磨强度进行比较，证明本发明建立的预测方法预测精度高，对煤种适用性强，不会因煤种、配煤方案及焦炉性质的改变而产生较大的波动。
本发明构建的基于红外结构参数芳香度的预测焦炭冷态强度数学模型能够快速、准确地预测目标焦炭的冷态强度，具有简便、低成本和实用性的优点，并为配煤炼焦生产企业提供指导和决策依据，改善产品质量，并降低生产成本。
实施方式
下面结合实施例对本发明的具体实施方式作进一步的详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案，从而使本领域技术人员能很好地理解和利用本发明，而不是限制本发明的保护范围。
本发明实施例中涉及到的生产工艺、实验方法或检测方法，若无特别说明，均为现有技术中的常规方法，且其名称和/或简称均属于本领域内的常规名称，在相关用途领域内均非常清楚明确，本领域内技术人员能够根据该名称理解常规工艺步骤并应用相应设备，按照常规条件或制造商建议的条件进行实施。
本发明实施例中使用的各种仪器、设备、原料或试剂，并没有来源上的特殊限制，均为可以通过正规商业途径购买获得的常规产品，也可以按照本领域技术人员熟知的常规方法进行制备。
本发明以下实施例中的焦炭冷态强度预测方法具体包括：
按GB/T 30732-2014《煤的工业分析方法 仪器法》测定单种煤或配合煤的挥发分Vdaf和灰分Ad含量；
按GB/T 31391-2015《煤的元素分析》测定单种煤或配合煤的硫分St,d含量；
根据GB/T 5447-2014和GB/T 479-2016分别测定单种煤或配合煤的黏结指数G和胶质层最大厚度Y以及最终收缩度X。
将测定的单种煤或配合煤挥发分Vdaf含量带入经验公式：
f a预测 =-0.0084Vdaf +1.0334
计算得到单种煤或配合煤的芳香度预测值f a预测。
再以获得的预测值及测定的单种煤或配合煤灰分Ad含量、硫分St,d含量、黏结指数G、胶质层最大厚度Y和最终收缩度X代入公式：
M40 =1.940Ad +16.836f a预测 +10.940St,d +0.286G-0.578Y -0.060X +28.232
M10 =-0.605Ad +7.700f a预测 -5.948St,d-0.385G +0.910Y +0.076X +27.392
预测出以该单种煤或配合煤炼焦获得焦炭的抗碎强度M40和耐磨强度M10。
实施例
实施例1
选取焦化厂不同炼焦生产时期实际配煤方案中使用的煤阶由低至高的5种单种煤，其中贫煤1产自山西长治地区，挥发分含量（Vdaf）13.98%，黏结指数15；焦煤1产自山西介休地区，挥发分含量（Vdaf）22.47%，黏结指数79；焦煤2产自山西孝义地区，挥发分含量（Vdaf）27.08%，黏结指数93；肥煤1来自山西晋中地区，挥发分含量（Vdaf）32.04%，黏结指数91；气煤1来自山西临汾地区，挥发分含量（Vdaf）40.74%，黏结指数86。
使用德国BRUKER公司生产的VERTEX 70型傅里叶红外光谱仪（FT-IR）对上述5种单种煤进行分析，表征煤中含有的各类官能团。参照现有文献方法，针对FT-IR谱图中波数3000～2800cm-1范围进行分峰拟合处理，计算出煤样的芳香度结构参数f a，具体计算公式如下：
f a =1- (Cal/Hal) (Hal/H) (H/C)
式中：
f a—煤的芳香度；
H/C—元素分析计算得到的煤中氢碳原子比；
Hal/H—煤中的脂肪氢占总氢含量的百分比；
Hal/Cal—煤的脂肪结构中氢原子与碳原子的比例，一般为常数1.8。
通过FT-IR谱图分峰拟合获得的以上各单种煤的脂肪氢结果和通过元素分析获得的氢碳原子比结果如表1所示。
根据表1中得到的脂肪氢占总氢含量百分比、煤中氢碳原子比，由上述公式计算得出各单种煤的芳香度f a实测值。
再将按GB/T 30732-2014《煤的工业分析方法 仪器法》测定出的各单种煤的挥发分Vdaf带入到本发明经验公式中，计算出各单种煤的芳香度预测值f a预测，将具体结果列于表1中进行比较。
从表1数据可以看出，上述5种单种煤的芳香度预测值与实测值的差值均在±0.01左右。本发明提出的芳香度预测经验公式在实际应用过程中可以保证较高的精确度，普适性强，预测得到的芳香度值与实际测定值之间的差异很小。
实施例2～6
选取焦化厂不同炼焦生产时期实际使用的5种配煤方案，分别在40kg小焦炉上进行炼焦试验，具体的配煤方案如表2所示。
除实施例1中已经列出的单种煤外，其余瘦煤1和瘦煤2分别产自山西临汾和长治地区，挥发分含量（Vdaf）15.74%和16.52%，黏结指数12和52；1/3焦煤产自于山西临汾地区，挥发分含量（Vdaf）33.19%，黏结指数85；气煤2产自山西忻州地区，挥发分含量（Vdaf）36.03%，黏结指数68；中粘煤产自山西临汾地区，挥发分含量（Vdaf）38.71%，黏结指数26。
每次炼焦试验的入炉煤质量为44.4kg，其中水分质量占比为10%，以堆密度0.75t/m3入炉进行常规炼焦，入炉煤温度800℃，焦饼中心温度900℃，结焦时间17.5h。
根据GB/T 2006-2008《焦炭机械强度的测定方法》，测试所述5种配煤方案配合煤炼焦所得焦炭的抗碎强度M40和耐磨强度M10实测值，具体结果列于表3中。
对配合煤的挥发分含量、灰分含量、硫分含量、黏结指数、胶质层最大厚度及最终收缩度进行测定，根据本发明提出的焦炭冷态强度预测模型，计算预测得到对应各焦炭的抗碎强度M40和耐磨强度M10的预测值，一并列于表3中。
同样采用本发明上述测定的配合煤特性指标数据，根据曾令鹏等（韶钢焦炭质量预测模型的研究[J]. 燃料与化工, 2018, 49(03)）提供的焦炭质量线性回归预测模型，在输入数据不变的情况下，预测焦炭的抗碎强度M40和耐磨强度M10，作为文献预测值也列于表3中进行对比。
从表3可以看出，本发明方法获取的焦炭抗碎强度M40和耐磨强度M10预测值与40kg焦炉试验实测值的误差值分别在±1.5%和±0.5%左右，明显小于文献方法的误差，这可能归因于本发明预测方法提出的芳香度预测值相较将挥发分直接作为输入变量，能够更加准确地反映配合煤特性。
而文献方法采用的模型主要是基于经验数据以及线性回归方法进行拟合得到的，并未考虑配合煤的复杂性，在对焦炭质量进行预测时提取的配合煤特征较少，无法对配合煤各特征进行有效建模，因此预测结果误差较大，泛化能力差。
实施例7～11
选取焦化厂实际生产使用的5种配煤方案，分别进行300kg焦炉炼焦实验，具体配煤方案列于表4中。
其中，除上述提及的单种煤，选取来自山西吕梁地区的焦煤3，挥发分含量（Vdaf）20.83%，黏结指数83。
每次炼焦试验的入炉煤质量为370kg，其中水分质量占比为10%，以堆密度0.75t/m3入炉进行常规炼焦，入炉煤温度770℃，焦饼中心温度1050℃，结焦时间20h。测试炼焦所得焦炭的抗碎强度M40和耐磨强度M10实测值，具体结果列于表5中。
同样按实施例2～6中方法获得对应各焦炭的抗碎强度和耐磨强度预测值及文献预测值，一并列于表5中进行对比。
表5结果证明，从40kg小规模焦炉试验到300kg焦炉试验，本发明的焦炭冷态强度预测模型同样保证了较高的精确度和普适性，预测误差较小。
实施例12～16
为进一步针对本发明提出的焦炭冷态强度预测模型在工业上的应用进行验证，采用焦化厂在6m焦炉实际生产中使用的5种配煤方案的焦炭质量进行预测。具体配煤方案列于表6中。
同样给出焦炭抗碎强度M40和耐磨强度M10的实测值、本发明方法预测值以及文献预测值，结果列于表7中。
从上述由小规模焦炉试验到大型焦炉试验的对照数据不难看出，本发明提出的焦炭冷态强度预测模型在实际应用过程中可以保证较高的精确度，并且适用范围广，预测得到的焦炭冷态强度与实际焦炭冷态强度之间差异很小。因此，基于本发明提供的焦炭冷态强度预测模型能够对炼焦生产中的焦炭质量进行预测，实现对配煤方案的优选，节省配煤炼焦的时间成本和经济成本。
本发明以上实施例并没有详尽叙述所有的细节，也不限制本发明仅为以上所述实施例。本领域普通技术人员在不脱离本发明原理和宗旨的情况下，针对这些实施例进行的各种变化、修改、替换和变型，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于红外结构参数预测焦炭冷态强度的方法，其特征是测定原料煤的挥发分、灰分、硫分、黏结指数、胶质层最大厚度以及最终收缩度参数，按照原料煤的芳香度预测值f a预测与挥发分Vdaf间的经验公式：
f a预测 =-0.0084Vdaf +1.0334
获得原料煤的芳香度预测值f a预测；
代入公式：
M40 =1.940Ad +16.836f a预测 +10.940St,d +0.286G-0.578Y -0.060X +28.232
M10 =-0.605Ad +7.700f a预测 -5.948St,d-0.385G +0.910Y +0.076X +27.392
预测出以所述原料煤炼焦获得焦炭的抗碎强度M40和耐磨强度M10；
式中：
f a预测—原料煤的芳香度预测值；
M40—原料煤炼焦所得焦炭的抗碎强度预测值，%；
M10—原料煤炼焦所得焦炭的耐磨强度预测值，%；
Vdaf—原料煤的干燥无灰基挥发分，%；
Ad—原料煤的干燥基灰分，%；
St,d—原料煤的干燥基硫分，%
G—原料煤的黏结指数；
Y—原料煤的胶质层最大厚度，mm；
X—原料煤的最终收缩度，mm。
2.根据权利要求1所述的预测焦炭冷态强度的方法，其特征是所述原料煤是可用于炼焦或配煤炼焦的各种单种煤或配合煤。
3.根据权利要求1所述的预测焦炭冷态强度的方法，其特征是所述原料煤的干燥无灰基挥发分Vdaf为20～35%。
4.根据权利要求1所述的预测焦炭冷态强度的方法，其特征是所述原料煤的干燥无灰基挥发分Vdaf为22～32%。
5.根据权利要求1所述的预测焦炭冷态强度的方法，其特征是所述原料煤的干燥基灰分Ad≤12%，干燥基硫分St,d≤2%，黏结指数G≥72，胶质层最大厚度Y为12～25mm，最终收缩度X为25～45mm。
6.根据权利要求1所述的预测焦炭冷态强度的方法，其特征是所述原料煤的干燥基灰分Ad≤10%，干燥基硫分St,d≤1%，黏结指数G为72～82，胶质层最大厚度Y为12～16mm，最终收缩度X为28～42mm。
CN202311539824.1A 2023-11-19 2023-11-19 基于红外结构参数预测焦炭冷态强度的方法 Pending CN117571649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311539824.1A CN117571649A (zh) 2023-11-19 2023-11-19 基于红外结构参数预测焦炭冷态强度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311539824.1A CN117571649A (zh) 2023-11-19 2023-11-19 基于红外结构参数预测焦炭冷态强度的方法

Publications (1)

Publication Number Publication Date
CN117571649A true CN117571649A (zh) 2024-02-20

Family

ID=89861971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311539824.1A Pending CN117571649A (zh) 2023-11-19 2023-11-19 基于红外结构参数预测焦炭冷态强度的方法

Country Status (1)

Country Link
CN (1) CN117571649A (zh)

Similar Documents

Publication Publication Date Title
CN101661026B (zh) 一种预测焦炭机械强度和热性质的方法
CN102890145B (zh) 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法
CN104140834B (zh) 基于结焦性的炼焦煤细分方法及在配煤中的应用
CN104390927B (zh) 煤炭样品中灰分的快速检测方法
CN107525882B (zh) 一种预测焦炭硫分的方法
Li et al. An NIRS-based assay of chemical composition and biomass digestibility for rapid selection of Jerusalem artichoke clones
Ren et al. Slurry-ability mathematical modeling of microwave-modified lignite: A comparative analysis of multivariate non-linear regression model and XGBoost algorithm model
CN117571649A (zh) 基于红外结构参数预测焦炭冷态强度的方法
KR101185279B1 (ko) 코크스의 냉간 강도 예측방법
Nasirudeen et al. Quality of some Nigerian coals as blending stock in metallurgical coke production
Weber Extracting mathematically exact kinetic parameters from experimental data on combustion and pyrolysis of solid fuels
CN104568811B (zh) 煤炭样品中发热量的新型快速检测方法
Hwang et al. Investigation of NIR Spectroscopy and Electrical Resistance-Based Approaches for Moisture Determination of Logging Residues and Sweet Sorghum.
KR101100589B1 (ko) 코크스의 고온 강도 예측방법
KR101225370B1 (ko) 코크스의 반응성 지수 예측방법
KR101205026B1 (ko) 코크스의 고온 강도 예측방법
CN114705650B (zh) 一种岩石中有机质成熟度评价方法
CN1050032A (zh) 碳黑工艺控制系统
CN104515749B (zh) 煤炭样品中内水的快速检测方法
CN104535525B (zh) 煤炭样品中的固定碳的快速检测方法
CN104374735B (zh) 煤炭样品中全硫的新型快速检测方法
CN104390936B (zh) 煤炭样品中挥发分的快速检测方法
CN117589809A (zh) 基于核磁结构参数预测焦炭冷态强度的方法
Steller et al. Development of coal petrography applied in technical processes at the Bergbau-Forschung/DMT during the last 50 years
CN116773390A (zh) 基于惰性氛围下非等温热分析的烟草元素含量检测方法

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