KR101100589B1 - Method for predicting of coke strength after reaction - Google Patents
Method for predicting of coke strength after reaction Download PDFInfo
- Publication number
- KR101100589B1 KR101100589B1 KR1020090079863A KR20090079863A KR101100589B1 KR 101100589 B1 KR101100589 B1 KR 101100589B1 KR 1020090079863 A KR1020090079863 A KR 1020090079863A KR 20090079863 A KR20090079863 A KR 20090079863A KR 101100589 B1 KR101100589 B1 KR 101100589B1
- Authority
- KR
- South Korea
- Prior art keywords
- coke
- high temperature
- temperature strength
- csr
- raw coal
- Prior art date
Links
Images
Classifications
-
- 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
-
- 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
- C10B45/00—Other details
-
- 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
- G01N3/40—Investigating hardness or rebound hardness
- G01N3/54—Performing tests at high or low temperatures
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Organic Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Coke Industry (AREA)
Abstract
본 발명에 의한 코크스의 고온 강도 예측방법은, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조하는 단계, 상기 복수의 배합비로 배합 및 건류하여 제조된 각 코크스의 고온 강도의 실측 데이터들을 수집하는 단계, 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구하는 단계 및 상기 코크스의 고온 강도 예측모델에 의하여 코크스의 고온 강도를 예측하는 단계를 포함한다. The method for predicting high temperature strength of coke according to the present invention comprises the steps of mixing and drying a single carbon type raw coal at a plurality of compounding ratios under a predetermined test condition to produce coke, and mixing and drying the mixtures at the plurality of compounding ratios. Collecting the measurement data of the high temperature strength of the coke, comparing the measured data with the weighted average value of the high temperature strength of the raw coal of each single coal type, and obtaining the high temperature strength prediction model of the coke and the high temperature strength prediction model of the coke. Thereby predicting the high temperature strength of the coke.
이에 따르면, 본 발명은 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되고, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 이점이 있다. According to the present invention, it is easy to accurately predict the high temperature strength of the coke by using the weighted average value of single coal type raw coal, and thus the utilization of the coke quality prediction equation is increased, and the high temperature strength data obtained from the actual operation results is increased. The high temperature strength of the coke can be predicted on the basis of the characteristics of the process, reflecting the characteristics of the process well, the prediction accuracy is very high, and it is easy to supplement the predictive model according to the change of operation conditions.
원료석탄, CSR Raw coal, CSR
Description
본 발명은 코크스의 고온 강도 예측방법에 관한 것으로서, 보다 상세하게는 배합탄으로 제조된 코크스의 고온 강도의 실측 데이터들과 배합에 사용된 각 단일 탄종의 원료석탄들의 고온 강도와의 상관관계로부터 코크스의 고온 강도의 예측모델을 구할 수 있는 코크스의 고온 강도 예측방법에 관한 것이다. The present invention relates to a method for predicting the high temperature strength of coke, and more particularly, from the correlation between the actual data of the high temperature strength of coke made of mixed coal and the high temperature strength of raw coal of each single coal type used in the mixing. The present invention relates to a method for predicting high temperature strength of coke, from which a predictive model of high temperature strength can be obtained.
일반적으로 고로 제철법에 있어 코크스의 사용은 필수적이고, 고강도의 코크스가 안정적으로 공급하기 위하여 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다. In general, the use of coke is necessary in the blast furnace steelmaking method, and various mixing indicators are utilized in the mixing design process of raw coal in order to stably supply high strength coke.
높은 미분탄 사용비(Pulverized coal injection ratio), 낮은 코크스비(Coke rate)로 운전되는 대형 고로에서는 코크스의 기계적 강도를 나타내는 상온 강도 뿐만 아니라, 고온 및 화학반응에 대한 저항을 나타내는 반응성 지수(CRI, Coke reactivity index), 고온 강도(Coke strength after CO2 reaction, 이하 'CSR'라 함) 등과 같은 지수도 매우 중요한 지표이다. In large blast furnaces operated with high pulverized coal injection ratio and low coke rate, the reactivity index (CRI, Coke), which indicates not only the room temperature strength indicating the mechanical strength of the coke, but also the resistance to high temperature and chemical reactions Indices such as reactivity index and Coke strength after CO 2 reaction (hereinafter referred to as 'CSR') are also very important indicators.
하지만, 원료석탄이 배합되어 건류되는 코크스로의 환경상, 단일 탄종 간 배합성의 차이로 인해 예측식과 실측 데이터와 차이가 나게 되어 고온 강도(CSR)에 대한 예측이 어려워지고 그로 인해 코크스의 고온 강도에 관한 품질이 목표로 하는 범위를 벗어나는 경우가 발생하는 문제가 있다. However, in the environment of coke furnace where raw coal is blended and dried, it is difficult to predict the high temperature strength (CSR) due to the difference in the blendability between single coal species, which makes it difficult to predict the high temperature strength (CSR). There is a problem that the quality is out of the target range occurs.
또한, 코크스의 고온강도를 예측하기 위해 원료석탄의 배합설계 과정에서 활용하는 다양한 배합지표들을 분석하는 데에 많은 시간이 소요되어 예측식을 도출하기가 어려운 문제가 있다. In addition, it is difficult to derive a prediction equation because it takes a lot of time to analyze a variety of compounding indicators used in the blending design process of raw coal to predict the high temperature strength of the coke.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로, 배합탄으로 제조된 코크스의 고온 강도의 실측 데이터들과 배합에 사용된 각 단일 탄종의 원료석탄들의 고온 강도와의 상관관계로부터 코크스의 고온 강도의 예측모델을 구할 수 있는 코크스의 고온 강도 예측방법을 제공하는데 그 목적이 있다. The present invention is to solve the conventional problems as described above, the coke of coke from the correlation between the measured data of the high temperature strength of the coke made of coal blend and the high temperature strength of the raw coal of each single coal type used in the blending It is an object of the present invention to provide a method for predicting high temperature strength of coke to obtain a predictive model of high temperature strength.
상기 목적을 달성하기 위한 본 발명에 의한 코크스의 고온 강도 예측방법은, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조하는 단계, 상기 복수의 배합비로 배합 및 건류하여 제조된 각 코크스의 고온 강도의 실측 데이터들을 수집하는 단계, 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구하는 단계 및 상기 코크스의 고온 강도 예측모델에 의하여 코크스의 고온 강도를 예측하는 단계를 포함한다. The high temperature strength prediction method of the coke according to the present invention for achieving the above object is a step of preparing a coke by blending and distilling a single coal type raw coal in a plurality of compounding ratio in a predetermined test conditions, blending at the plurality of compounding ratio And collecting measurement data of high temperature strength of each coke produced by distillation, comparing the weighted average value of high temperature strength of each single coal type raw coal with the measured data to obtain a prediction model of high temperature strength of coke, and the coke Predicting the high temperature strength of the coke by the high temperature strength prediction model of.
또한 상기 코크스의 고온 강도 예측모델은 하기의 수학식을 만족할 수 있다. In addition, the high temperature strength prediction model of the coke may satisfy the following equation.
<수학식>≪ Equation &
CSRe = 4.1 + 0.95×∑wi×CSRi CSR e = 4.1 + 0.95 × ∑w i × CSR i
(상관계수 R2가 0.88 이상)(Correlation coefficient R 2 is 0.88 or more)
[여기서, CSRe는 코크스의 예측 고온 강도(%), wi는 원료석탄의 배합비, CSRi 는 단일 탄종의 고온 강도(%)][Where CSR e is the predicted high temperature strength (%) of coke, w i is the blending ratio of raw coal, and CSR i is the high temperature strength (%) of single carbon type]
또한, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달 후 2시간일 수 있다. In addition, the predetermined test furnace conditions, the charging density: 750kg / m 3 , the moisture in the test furnace: 8.0 ± 0.3%, the temperature of the test furnace: 1100 ℃, charging time: after the central temperature of the test furnace reaches 900 ℃ 2 It can be time.
본 발명에 의한 코크스의 고온 강도 예측방법에 의하면, 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다. According to the high temperature strength prediction method of the coke according to the present invention, it is easy to accurately predict the high temperature strength of the coke by using the weighted average value of the raw coal of a single carbon type, there is an advantage that the operation utilization of the coke quality prediction equation is increased.
또한, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있다. In addition, the high temperature strength of the coke can be predicted based on the high temperature strength data obtained as a result of the actual operation, so the characteristics of the process are well reflected, the prediction accuracy is very high, and the predictive model can be easily supplemented according to the change in the operating conditions.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다. In addition, by applying such a predictive model to a computer or the like to automate the compounding process there is an advantage that can reduce the coke manufacturing cost.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다. Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
고로에 투입된 코크스는 철광석을 고로 내에서 녹이는 열원인 동시에 철분을 철광석에서 분리시키는 환원제의 역할을 할 뿐만 아니라, 고로 하부로부터 상부로 흐르는 열풍의 통기성을 유지하는 역할을 하기 때문에, 고강도의 코크스를 안정적으로 공급하는 것은 고로 조업의 기본적 요구 사항이며, 코크스의 품질관리를 위해 코크스의 반응성 지수나 고온 강도를 정확하게 예측하는 것이 무엇보다 중요하다. The coke introduced into the blast furnace not only serves as a heat source for melting iron ore in the blast furnace, but also serves as a reducing agent to separate iron from iron ore, and also maintains the breathability of hot air flowing from the bottom of the blast furnace, thereby maintaining high strength coke. Is a basic requirement for blast furnace operation, and for the quality control of coke, it is important to accurately predict the coke's reactivity index or high temperature strength.
상기와 같은 고강도의 코크스를 안정적으로 획득하기 위해서 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다. In order to stably obtain the high-strength coke as described above, various compounding indexes are utilized in the process of mixing and designing raw coal.
이와 같은 배합지표로는 석탄의 탄화도를 나타내는 지표로 휘발분(VM, Volatile Matter), 강도지수(SI, Strength Index), 비트리나이트 평균반사율(RM, Mean Reflectance of Vitrinite of Coal Texture) 등이 있고, 점결성을 나타내는 지표로 유동도(LMF, Log Maximum Fluidity), 조직평형지수(CBI, Composition Balance Index), 전팽창(TD, Total Dilatation), 총 불활성성분(TI, Total Inert) 등이 있으며, 그 밖에 회분(ASH) 등이 있다. Such compounding indexes include carbon volatility (VM, Volatile Matter), strength index (SI), Mean Reflectance of Vitrinite of Coal Texture (RM), Indicators of cohesiveness include Log Maximum Fluidity (LMF), Composition Balance Index (CBI), Total Dilatation (TD), and Total Inert (TI). Ash (ASH) and the like.
상기 배합지표들이 소정의 배합범위에 들도록 배합하여 코크스의 품질 조건, 예를 들면 제조된 코크스의 반응성 지수(CRI, Coke reactivity index), 고온 강도(CSR)가 목표 범위에 들도록 고려하여 원료석탄의 배합 설계를 행한다. Mixing of the raw material coal in consideration of the coke quality conditions, for example, the coke reactivity index (CRI, Coke reactivity index), the high temperature strength (CSR) of the prepared coke to be within the predetermined range of the blended indicators in the predetermined range Do the design.
본 발명에서는 고품질의 코크스를 안정적으로 확보하기 위하여, 단일 탄종의 원료석탄을 복수의 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 각 코크스의 고온 강도(CSR)의 실측 데이터들과 단일 탄종의 원료석탄들의 고온 강도(CSR)의 가중평균치를 비교하여, 단일 탄종의 원료석탄들의 고온 강도의 가중평균치로부터 코크스의 고온 강도의 실측 데이터에 관한 회귀계수를 구하여 예측모델을 구함으로써, 코크스의 고온 강도를 예측하는 방법을 제안한다. In the present invention, in order to secure a high quality coke stably, after mixing and drying the single coal type raw coal in a plurality of compounding ratios to prepare the coke, the measured data of the high temperature strength (CSR) of each manufactured coke and single coal type By comparing the weighted average value of the high temperature strength (CSR) of the raw coal of the coal, the regression coefficient for the measured data of the high temperature strength of the coke is obtained from the weighted average of the high temperature strength of the raw coal of a single coal type, to obtain a predictive model, We propose a method of estimating intensity.
먼저, 본 발명의 일 실시예에 따른 코크스의 고온 강도 예측방법에 따르면, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조한다.First, according to the method for predicting high temperature strength of coke according to one embodiment of the present invention, coke is manufactured by blending and distilling a single coal type raw coal at a plurality of compounding ratios under predetermined test conditions.
이 때, 상기 복수의 배합비로 배합 및 건류하여 제조된 코크스의 고온 강도의 실측 데이터들을 수집한다. At this time, the measurement data of the high temperature strength of the coke manufactured by blending and distilling at the plurality of compounding ratios are collected.
상기와 같이 수집한 실측 데이터들에 대한 통계적 유의수준을 분석하여 상기 실측 데이터들과 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치의 관계에 관한 코크스의 고온 강도 예측모델을 구하게 된다.Statistical significance level of the measured data collected as described above is analyzed to obtain a high temperature strength prediction model of coke about the relationship between the measured data and the weighted average value of the high temperature strength of the raw coal of each single coal type.
표 1은 소정의 시험로 조건에서 15종의 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 각 코크스의 고온 강도의 실측 데이터들 및 가중 평균치을 나타내는 표이다. Table 1 is a table showing the measured data and the weighted average value of the high-temperature strength of each coke produced after coke was prepared by mixing and drying 15 kinds of single coal type raw coal in a plurality of compounding ratios under predetermined test conditions.
여기서, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도(건류온도): 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달후 2시간으로 하였다.Here, the predetermined test furnace conditions, the charging density: 750kg / m 3 , the moisture in the test furnace: 8.0 ± 0.3%, the temperature of the test furnace (drying temperature): 1100 ℃, charging time: the central temperature of the test furnace is 900 It was made into 2 hours after reaching | attaining ° C.
구체적으로 40kg의 원료석탄이 장입되는 코크스 시험로에서 15종의 단일 탄종의 원료석탄들을 복수의 배합비, 즉 14회에 걸친 서로 다른 배합비로 배합하여 건류하였다. Specifically, in the coke test furnace in which 40 kg of raw coal was charged, 15 types of single coal type raw coal were mixed and mixed in a plurality of compounding ratios, that is, 14 different mixing ratios.
예를 들어, 1회째의 배합의 경우, 단일탄종 H, I, J, K, L, N을 각각 30 : 30 : 10 : 10 : 10 : 10 (%)의 배합비로 배합한 것이고, 2회째의 배합의 경우, 단일탄종 D, H, I, J, K, L, N을 각각 20 : 21.4 : 21.4 : 7.1 : 10 : 10 : 10(%)의 배합비로 배합한 것이다. For example, in the case of the 1st mixing | blending, it is mix | blended the single carbon type H, I, J, K, L, N with the compounding ratio of 30: 30:10: 10:10: 10 (%), respectively, In the case of blending, single carbon species D, H, I, J, K, L, and N are each blended at a compounding ratio of 20: 21.4: 21.4: 7.1: 10: 10: 10 (%).
이와 같이 여러 종의 단일 탄종의 원료석탄들을 총 14회에 걸쳐 서로 다른 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 코크스의 고온 강도(CSR)의 실측 데이터들을 수집한다. 예를 들면, 1회째의 배합의 경우 제조된 코크스의 고온 강도(CSR)의 실측 데이터는 60.6(%)가 되고, 2회째의 배합의 경우 제조된 코크스의 고온 강도(CSR)의 실측 데이터는 56.4(%)가 된다. As described above, a plurality of single coal type raw coals are combined and dried in a total of 14 different mixing ratios to prepare coke, and then actual measurement data of the high temperature strength (CSR) of the manufactured coke are collected. For example, the measured data of the high temperature strength (CSR) of the coke manufactured for the first compounding was 60.6 (%), and the measured data of the high temperature strength (CSR) of the coke manufactured for the second compounding was 56.4. (%).
한편, 각 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치를 구하면 다음과 같다. On the other hand, the weighted average of the high-temperature strength of the raw coal of each single coal type is as follows.
여기서, CSRavg는 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치(%), wi는 원료석탄의 배합비, CSRi는 단일 탄종의 고온 강도(%)이다. 즉, 예를 들어 1회째의 배합의 경우, 상기 수학식 1에 의할 때, 0.3×65.3 + 0.3×63.2 + 0.1×64.6 + 0.1×68.2 + 0.1×52.7 + 0.1×35.0 = 60.6 이므로 CSRavg 값은 60.6 (%) 가 된다. Here, CSR avg is a weighted average value (%) of the high temperature strength of the single coal type raw coal, w i is the compounding ratio of the raw coal, CSR i is the high temperature strength (%) of the single coal type. That is, for example, in the case of the first combination, the CSR avg value is 0.3 × 65.3 + 0.3 × 63.2 + 0.1 × 64.6 + 0.1 × 68.2 + 0.1 × 52.7 + 0.1 × 35.0 = 60.6 according to Equation 1 above. Becomes 60.6 (%).
이와 같이, 각 회마다의 CSRavg를 계산해보면, 각 회마다의 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치(CSRavg)가 실측 데이터와 일치하지 않음을 파악할 수 있다. Thus, by calculating the CSR avg for each time, it can be seen that the weighted average value (CSR avg ) of the high temperature strength of single coal type raw coal for each time does not match the measured data.
이처럼 이론적으로 산출한 가중 평균치(CSRavg)가 실측 데이터와 차이가 나는 것은 원료석탄이 배합되어 건류되는 코크스로 내 환경에서 단일 탄종 간 배합성에서 차이가 있기 때문이다. This theoretically calculated weighted average (CSR avg ) differs from the measured data because of the difference in compositionality between single coal species in the coke oven environment where raw coal is mixed and dried.
따라서, 상기 각 단일 탄종의 원료석탄의 고온 강도의 가중평균치(CSRavg)와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구한다. Accordingly, the weighted average value (CSR avg ) of the high temperature strength of each coal type raw coal is compared with the measured data to obtain a high temperature strength prediction model of coke.
구체적으로, 상기 실측 데이터들과 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)를 비교하여 단계별 회귀분석(Stepwise regression analysis)으로 분석하여, 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)로부터 코크스의 고온 강도의 실측 데이터에 미치는 회귀계수를 구하여 예측모델을 구하였다. Specifically, the weighted average value of the high-temperature strength of the raw coal of a single coal type by analyzing the measured data and the weighted average value (CSR avg ) of the high-temperature strength of the single coal type raw coal, From the CSR avg ), the regression coefficients on the measured data of the high-temperature strength of coke were obtained and the predictive model was obtained.
회귀분석을 통해 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)와 제조된 코크스의 예측 고온 강도 사이의 소정의 예측모델이 구해지고, 상기 예측모델은 하기의 수학식 2를 만족하게 된다. Through a regression analysis, a predetermined prediction model is obtained between the weighted average value of the high temperature strength (CSR avg ) of the raw coal of a single coal type and the predicted high temperature strength of the manufactured coke, and the prediction model satisfies Equation 2 below. .
(상관계수 R2가 0.88 이상)(Correlation coefficient R 2 is 0.88 or more)
여기서, CSRe는 코크스의 예측 고온 강도(%), wi는 원료석탄의 배합비, CSRi는 단일 탄종의 고온 강도(%)를 의미한다. Here, CSR e is the predicted high temperature strength (%) of coke, w i is the mixing ratio of the raw coal, CSR i is the high temperature strength (%) of a single carbon type.
도 1은 상기 수학식 2를 만족하는 예측모델을 이용한 CSR 예측값과 실측값 사이의 관계를 나타내는 그래프로서, 직선 L는 CSR 예측값과 실측값이 동일한 값을 나타내는 직선이다. FIG. 1 is a graph showing a relationship between a CSR predicted value and an actual value using a predictive model satisfying Equation 2, and a straight line L is a straight line indicating the same value as the CSR predicted value.
도 1을 참조하면, A 지점의 경우 CSR 예측값은 약 55.5%, 실측값은 약 56%이고, B 지점의 경우 CSR 예측값은 약 57.5%, 실측값은 약 56.5% 정도이다. Referring to FIG. 1, the CSR predicted value is about 55.5% and the measured value is about 56% at the point A, and the CSR predicted value is about 57.5% and the measured value is about 56.5%.
도 1에서 확인할 수 있듯이 A 지점, B 지점 및 그 밖의 지점들이 전체적으로 직선 L 근방에 밀집하고 있으므로, 상기 수학식 2를 만족하는 예측모델을 이용한 예측값과 실측값의 차이는 거의 없음을 알 수 있다. As can be seen in FIG. 1, since points A, B, and other points are generally concentrated near the straight line L, it can be seen that there is almost no difference between the predicted value and the measured value using the predictive model satisfying Equation 2 above.
따라서, 상기 예측모델을 이용하여 예측된 코크스의 고온 강도(CSR) 값이 원하는 코크스 품질조건을 만족하면 잘된 배합으로 간주하고, 예측된 값이 원하는 고온 강도(CSR)를 벗어나는 경우에는 잘못된 배합으로 판단하여 원료석탄의 배합비를 조정하여 원하는 코크스 품질조건을 만족시킬 수 있게 된다. Therefore, if the high temperature strength (CSR) value of the coke predicted using the predictive model satisfies the desired coke quality condition, it is regarded as a good mixture, and if the predicted value is out of the desired high temperature strength (CSR), it is determined to be a wrong combination. By adjusting the mixing ratio of the raw coal, it is possible to meet the desired coke quality conditions.
상기 예측모델을 이용하면 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다. Using the prediction model, it is easy to accurately predict the high temperature strength of the coke by using the weighted average of the raw coals of a single coal type, there is an advantage that the operation utilization of the coke quality prediction equation is increased.
또한, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있다. In addition, the high temperature strength of the coke can be predicted based on the high temperature strength data obtained as a result of the actual operation, so the characteristics of the process are well reflected, the prediction accuracy is very high, and the predictive model can be easily supplemented according to the change in the operating conditions.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다. In addition, by applying such a predictive model to a computer or the like to automate the compounding process there is an advantage that can reduce the coke manufacturing cost.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.Although the present invention has been described with reference to the embodiments shown in the drawings, this is merely exemplary, and it will be understood by those skilled in the art that various modifications and equivalent other embodiments are possible. Therefore, the true technical protection scope of the present invention will be defined by the technical spirit of the appended claims.
도 1은 본 발명의 예측모델을 이용한 CSR 예측값과 실측값 사이의 관계를 나타내는 그래프이다. 1 is a graph showing the relationship between the CSR predicted value and the measured value using the predictive model of the present invention.
Claims (3)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079863A KR101100589B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of coke strength after reaction |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079863A KR101100589B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of coke strength after reaction |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20110022326A KR20110022326A (en) | 2011-03-07 |
| KR101100589B1 true KR101100589B1 (en) | 2011-12-29 |
Family
ID=43930761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090079863A KR101100589B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of coke strength after reaction |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101100589B1 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101121813B1 (en) * | 2010-05-28 | 2012-03-21 | 현대제철 주식회사 | Apparatus and method for forecasting CSRcokes strength after reaction |
| KR101649672B1 (en) * | 2014-12-15 | 2016-08-19 | 주식회사 포스코 | Method for sample quality prediction and Method for forecasting CSR(Coke Strength Reaction) |
| KR102253088B1 (en) * | 2019-04-09 | 2021-05-14 | 포항공과대학교 산학협력단 | Method for estimating coke strength after reaction |
-
2009
- 2009-08-27 KR KR1020090079863A patent/KR101100589B1/en not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| KR20110022326A (en) | 2011-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110387444B (en) | Method for optimizing blast furnace injection coal blending structure | |
| KR101100589B1 (en) | Method for predicting of coke strength after reaction | |
| KR101185279B1 (en) | Method for predicting of drum index of cokes | |
| KR101100537B1 (en) | Method for predicting of drum index of cokes | |
| KR101649672B1 (en) | Method for sample quality prediction and Method for forecasting CSR(Coke Strength Reaction) | |
| KR101225370B1 (en) | Method for predicting of cokes reactivity index | |
| KR101205026B1 (en) | Method for predicting of coke strength after reaction | |
| KR102299553B1 (en) | Prediction method for cold strength of coke | |
| CN104655819A (en) | Predication method for heat reactivity of cokes | |
| CN107525882B (en) | A method of prediction sulfur content in coke | |
| KR101121813B1 (en) | Apparatus and method for forecasting CSRcokes strength after reaction | |
| KR102144195B1 (en) | Evaluation method for reflectance distribution index of coal blend | |
| Stankevich et al. | Predicting CSR and CRI of coke on the basis of the chemical and petrographic parameters of the coal batch and the coking conditions | |
| KR101466475B1 (en) | Method for ash predicting of cokes | |
| Lauzon-Gauthier et al. | Multivariate monitoring of the prebaked anode manufacturing process and anode quality | |
| KR102299551B1 (en) | Evaluation method for reflectance distribution of cold strength index of coal blend | |
| KR101466481B1 (en) | Method for forecasting generating quantity of hydrogen sulfide in cokes process | |
| Stepanov et al. | Assessing the value of coal concentrates by serial coking | |
| KR101160023B1 (en) | Method for predicting of coke strength after reaction | |
| Lauzon-Gauthier et al. | A Database approach for predicting and monitoring baked anode properties | |
| KR100352588B1 (en) | Method for estimating viscosity of slag of gas furnace | |
| KR20130034291A (en) | Estimation method of caloric value of fine coal for blast furnace injecting | |
| KR20140016634A (en) | Method for predicting hot strength of coke | |
| van Niekerk et al. | Practical quantification of coal energy consumption in large manufacturing industries for verifiable energy reporting and energy incentive applications | |
| Berkutov et al. | Coke quality and the prospects for coking with proprietary coal concentrates at AO EVRAZ NTMK |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |