KR20040049632A

KR20040049632A - 코크스의 냉간강도 예측방법

Info

Publication number: KR20040049632A
Application number: KR1020020077464A
Authority: KR
Inventors: 김동원
Original assignee: 주식회사 포스코
Priority date: 2002-12-06
Filing date: 2002-12-06
Publication date: 2004-06-12
Also published as: KR100957994B1

Abstract

본 발명은 제철소의 고로조업에서 열원 및 환원제등으로 사용되는 코크스의 품질을 예측하는 방법에 관한 것이다.

본 발명에 의하면,

조업데이터들중에서 석탄의 특성 인자들, 사전처리 인자들 및 건류조건인자들에 대한 실제 데이터들을 수집하고; 수집된 데이터들을 필터링하고;

코크스의 냉간강도를 종속변수로 하고, 상기와 같이 필터링한 데이터들중에서 상기 냉간강도에 상관성이 큰 인자들을 1차적인 독립변수로 선택하고; 선택된 독립변수들에 대한 통계적 유의수준을 분석하여 통계적으로 유의한 인자들로 최종 독립변수를 구성하고; 상기 종속변수 및 최종 독립변수들을 센터링하고 스케일링 하고; 상기와 같이 센터링되고 스케일링된 각각의 종속변수들이 냉간강도에 미치는 회귀계수를 구하여 예측모델을 구한 다음, 이 예측모델에 의하여 코크스의 냉간강도를 예측하는 코크스의 냉간강도 예측방법이 제공된다.

본 발명은 공정의 특성이 잘 반영되고, 예측 정도 가 매우 높을 뿐만 아니라 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 효과가 있는 것이다.

Description

코크스의 냉간강도 예측방법{Method for Predicting Cold-Strength of Coke}

본 발명은 제철소의 고로조업에서 열원 및 환원제등으로 사용되는 코크스의 품질을 예측하는 방법에 관한 것으로서, 보다 상세하게는 실 조업 데이터를 이용하여 석탄의 특성, 석탄의 사전처리 정도 및 코크스 건류조건을 통계적인 데이터 해석 및 접근 방법을 통해 코크스의 냉간강도를 보다 정확하게 예측할 수 있는 방법에 관한 것이다.

일반적으로 코크스의 냉간강도(: 150회전에 15mm 이상 함유율)는 석탄의 특성(반사율, 유동도, 강도지수, 조직평형지수, 휘발분, 불활성 성분 및 회분함량), 석탄의 사전처리 정도(석탄의 수분함량, 석탄의 입자크기 및 문당 장입량) 및 코크스 오븐 내에서의 건류조건(연소실 온도, 건류시간, 가동율)에 따라 영향을 받고 있다.

따라서, 안정된 코크스의 품질을 예측하고 관리하기 위해서는 이러한 인자들을 총체적으로 고려하는 것이 매우 중요하다.

지금까지 코크스의 냉간강도를 예측하기 위하여 개발된 예측식으로는 하기 식(1)-(3)을 들수 있다.

상기 수학식 1과 수학식 2는 코크스 제조사에서 각자 개발하여 사용하는 수식모델이다.

상기 식(1) 및(2)의하여 코크스의 냉간강도를 예측하는 경우에는 상기 식들에도 나타나 있는 바와 같이 석탄의 사전처리 정도와 건류조건들이 고려되지 않은 단순한 석탄의 특성만으로 이루어져 있으므로 예측정도가 낮을 뿐 아니라 서로상관성이 있는 인자들을 고려하지 않음으로써 정확한 예측을 하기가 어렵고 코크스 오븐의 가동률 변화 등 조업조건의 변화시 적용하기 곤란하다는 문제점이 있다.

또한, 상기 수학식(3)은 본 발명자가 종전에 개발하여 사용한 수식모델로서 석탄의 특성, 사전처리정도, 건류조건등을 고려하여 코크스 냉간강도를 예측하는 수식모델이다.

상기 수학식(3)의 예측모델을 만들기 위한 데이터와 각종 변수들을 선정함에 있어 통계적인 유의수준 검정(T-검정)을 통한 독립변수의 신뢰성 검증들을 고려하지 못하여 R²= 0.77로 다소 높은 편이지만, 실제 조업에 적용결과 예측정도가 떨어지는 것으로 나타났다.

또한, 건류속도(HR)이라는 인자는 실제 조업에서는 데이터를 관리하지 않고 있으며, 냉간강도에 영향을 많이 미치는CDQ 처리유무에 대한 것이 수식모델에 빠져 있어 실조업에 사용시 예측정도를 떨어뜨리고 있다.

본 발명자는 상기한 종래기술의 제반문제점을 해결하기 위하여 연구 및 실험을 행하고, 그 결과에 근거하여 본 발명을 제안하게 된 것으로서, 본 발명은 실제 조업결과로부터 얻어진 데이터를 가지고 코크스 품질에 영향을 미치는 총체적인 요인(석탄의 특성, 석탄의 사전처리 정도 및 건류조건)을 통계적인 데이터 해석 및 분석을 통해 코크스의 냉간강도를 예측할 수 있는 수식모델을 개발함으로써 각 공정별 조업특성을 잘 반영하여 예측정도를 향상 시킬 수 있을 뿐 아니라 조업의 변화에도 쉽게 적용 가능하므로 코크스의 냉간강도 예측을 정확히 하여 코크스 품질을 안정시키고자 하는데 그 목적이 있다.

이하, 본 발명에 대하여 설명한다.

본 발명은 조업데이터들중에서 석탄의 특성 인자들, 사전처리 인자들 및 건류조건인자들에 대한 실제 데이터들을 수집하는 단계;

상기와 같이 수집된 데이터들을 필터링하는 단계;

코크스의 냉간강도를 종속변수로 하고, 상기와 같이 필터링한 데이터들중에서 상기 냉간강도에 상관성이 큰 인자들을 1차적인 독립변수로 선택하는 단계;

상기와 같이 1차적으로 선택된 독립변수들에 대한 통계적 유의수준을 분석하여 통계적으로 유의한 인자들로 최종 독립변수를 구성하는 단계;

상기 종속변수 및 최종 독립변수들을 센터링하고 스케일링 하는 단계;

상기와 같이 센터링되고 스케일링된 각각의 종속변수들이 냉간강도에 미치는 회귀계수를 구하여 예측모델을 구하는 단계; 및

상기와 같이 구한 예측모델에 의하여 코크스의 냉간강도를 예측하는 단계를 포함하여 구성되는 코크스의 냉간강도 예측방법에 관한 것이다.

이하, 본 발명에 대하여 상세히 설명한다.

본 발명은 다음과 같은 특징을 가지고 있다.

첫째, 본 발명은 코크스의 냉간강도에 영향을 미치는 요인들을 총체적으로

반영함으로써 예측정도가 높으며, 공정의 특성을 잘 반영한다.

둘째, 본 발명에 이용되는 모든 데이터가 실험을 통해서 나오는 것이

아니라 실제 조업결과에서 나오는 데이터를 이용한 모델임으로 다양한

조업 변화에도 적용 및 보완이 용이하다.

셋째, 지금까지는 수식모델에 사용한 데이터 및 독립변수의 유의수준 분석, 잔차분석등 데이터의 신뢰성을 검증하고 분석하는 기법을 적용하지 않아 R²는 다소 높지만실제 조업시 신뢰도를 떨어뜨렸으나, 본 발명에서는 그러한 분석 및 검증까지 실시하여 수식모델을 개발함으로써 실제 조업의 적용성 및 예측정도를 높였다.

본 발명에 따라 코크스의 냉간강도를 예측하기 위해서는 조업데이터들중에서 석탄의 특성 인자들, 사전처리 인자들 및 건류조건인자들에 대한 실제 데이터들을 수집하는 것이 필요하다.

코크스 냉간강도에 미치는 인자들은 크게 석탄의 특성, 석탄의 사전처리 정도 및 오븐의 건류조건으로 분류할 수 있다.

석탄의 특성에는 점결성을 나타내는 인자인 유동도(LMF)와 전팽창(TD)이 있으며, 석탄의 탄화도를 나타내는 반사율(Rm), 강도지수(SI) 및 조직평형지수(CBI)가 있으며, 기타 공업분석 인자로 회분(ASH), 휘발분(VM) 및 불활성 성분(TI)이 있다.

이러한 석탄의 특성은 석탄의 탄종에 따라 값이 다르며, 년간 사용되는 석탄의 탄종은 대략 30여종에 달한다.

30여종의 석탄을 가지고 실제 코크스를 만들 때 사용되는 석탄의 탄종은 8~10탄종이며, 이것은 당시의 석탄의 수급상황과 조업상황을 판단하여 가장 최적 품질의 코크스가 생산되도록 석탄 배합시 결정한다.

배합된 석탄(배합탄)에 대한 특성의 일례가 하기 표 1에 나타나 있다.

구분	유동도(LMF)	전팽창(TD)	반사율(Rm)	강도지수(SI)	조직평형지수(CBI)	회분(ASH)	휘발분(VM)	불활성분(TI)
단위	-	-	-	-	-	(%)	(%)	(%)
최대값	2.81	116.0	1.03	4.23	1.40	9.15	28.50	32.20
최소값	2.16	70.0	0.91	4.03	0.90	8.07	24.93	21.80
평균값	2.45	90.8	0.98	3.80	1.14	8.63	26.67	27.47
측정주기	배합 변경시

석탄의 사전처리 정도를 나타내는 인자로는 문당 장입량, 석탄입도(Coal Size)(-3mm; 3mm스크린에 통과한 량 ) 및 석탄의 수분 함량이 있으며, 문당 장입량은 실제 배합된 석탄이 로내(탄화실)에 장입되는 양으로 탄화실의 장입밀도(Charging Density)에 영향을 미치며, 석탄입도(-3mm)와 석탄의 수분 (TM) 은 문당 장입량에 큰 영향을 미친다.

상기 사전처리에 관련된 데이터의 일례가 하기 표 2에 나타나 있다.

구분	문당장입량(T/oven)	석탄입도(-3mm)	석탄수분(TM)	가동율	연소실온도	건류시간	치시간	CDQ처리율
단위	(Ton/Oven)	%	%	%	℃	hr	hr	%
최대값	28.31	84.80	11.39	145	1,154	18.92	2.86	100
최소값	26.86	79.70	7.90	110	1,074	15.96	1.04	0
평균값	17.90	82.26	8.99	125	1,110	17.61	1.77	-
측정주기	매 장입시	3회/일	2회/일	1회/일	매시간	매압출시	매압출시	1회/일

오븐의 건류조건을 나타내는 인자로는 가동율, 연소실 온도, 건류시간 및 치시간으로써, 가동율이 증가되면 코크스의 건류가 나빠 냉간강도 하락을 초래하며, 가동율은 건류시간과 치시간에 큰 영향을 미친다.

연소실 온도는 배합탄의 건류속도에 영향을 미치며 고품위의 코크스를 생산하기 위해서는 최적의 연소실 온도 관리가 중요하다.

또한, CDQ처리유무는 코크스의 소화방법을 나타내는 지수로 습식조업시 보다 CDQ처리시 크게 냉간강도가 향상된다.

상기 오븐의 건류조건에 영향을 미치는 인자에 대한 데이터의 일례가 하기 표 3에 나타나 있다.

구분	가동율	연소실 온도	건류시간	치시간	CDQ 처리율
단위	%	℃	hr	hr	%
최대값	145	1,154	18.92	2.86	100
최소값	110	1,074	15.96	1.04	0
평균값	125	1,110	17.61	1.77	-
측정주기	1회/일	매시간	매 압출시	매 압출시	1회/일

이러한 조업 인자들은 근무 조 단위 및 일별 실적으로 조업 단말기에 데이터가 누적 관리되고 있어 본 발명을 수행하기 위한 실 조업 데이터 수집에는 큰 어려움이 없다.

본 발명에서는 최근 일정기간의 일 평균 조업 데이터를 수집하여 동일배합 기간의 데이터를 기준으로 평균 처리한 평균값을 사용하는 것이 바람직하다.

상기와 같이 데이터들이 수집되면 수집된 데이터들을 필터링하는 것이 필요한데, 이는 조업상에서 발생한 데이터의 오차를 없애기 위함이다.

예를 들면, 석탄의 배합 변경일로 부터 2일간의 데이터를 제거하는 것이다.

왜냐하면 코크스 제조 공정특성상 배합 변경일로 부터 최소 1~2일후에야

변경된 배합탄으로 사용하여 만들어진 코크스를 샘플링하여 코크스 품질을 측정할 수 있기 때문에 이 기간에 얻어진 데이터는 제거하는 것이 바람직하다.

또한, 정수, 대수리 및 돌발상황으로 인한 비정상 조업 데이터는 예측정도를 낮게 함으로 제거해야 한다.

다음에, 코크스의 냉간강도를 종속변수로 하고, 상기와 같이 필터링한 데이터들중에서 상기 냉간강도에 상관성이 큰 인자들을 1차적인 독립변수로 선택한다.

이렇게 오차를 제거한 실 조업 데이터를 가지고 종속변수와 독립변수를 선택해야 하는데, 본 발명에서는 당연히 예측하고자 하는 코크스의 냉간강도()가 종속변수가 된다.

독립변수로는 냉간강도에 영향을 미치는 전체 조업인자(16개)중 예를 들면, 석탄의 점결성을 나타내는 유동도(LMF)와 전팽창(TD), 석탄의 탄화도를 나타내는

반사율(Rm), 강도지수(SI), 조직평형지수(CBI), 석탄의 사전처리를 나타내는

수분 (TM), Coal Size(-3mm), 문당장입량, 건류조건을 나타내는 가동율, 건류시간(CT), 치시간(ST)은 서로 상관관계가 깊은 인자로 전부 독립변수로 사용할 수 있다.

그러나, 상기한 독립변수 전부를 사용할 경우에는 냉간강도에 미치는 영향인자의 중첩효과로 인해 사실과 다른 결과를 얻을 가능성이 있기 때문에 수학식(4)를 이용하여 종속변수인 냉간강도에 상관성이 큰 인자만 선택하는 것이 바람직하며, 그 결과의 일례가 하기 표 4에 나타나 있다.

구분	점결성	탄화도	사전처리	건류조건
구분	유동도	전팽창	반사율	강도지수	조직평형지수	석탄입도	석탄수분(TM)	문당장입량	가동율	건류시간	치시간
상관계수	0.256	0.137	0.406	0.457	-0.406	0.047	-0.158	0.270	-0.278	0.271	-0.041
변수선택	○	×	×	○	×	×	×	○	○	×	×

이렇게 하여 1차적으로 서로 상관성이 없는 인자들로 9개의 인자를 독립변수로 선정하며, 그 결과가 하기 표 5에 나타나 있다.

구분	종속변수(1개)	독립변수(9개)
인자	코크스 냉간강도	LMF(유동도), SI(강도지수), ASH(회분), 휘발분(VM), TI(불활성성분),문당장입량(T/OVEN), 가동율, 연소실 온도, CDQ 처리율

다음에, 상기와 같이 1차적으로 선택된 독립변수들에 대한 통계적 유의수준을 분석하여 통계적으로 유의한 인자들로 최종 독립변수를 구성하는데, 이에 대하여 바람직한 일례를 들어 설명하면 다음과 같다.

즉, 상기와 같이 1차적으로 선택된 9개의 독립변수를 이용하여 선택된 변수들이 95% 신뢰수준에서 유의한 변수들로 구성되었는지 상용 통계프로그램인 미니탭을 이용하여 T-검정을 실시하여 P-값을 분석하고 그 결과를 하기 표 6에 나타내었다.

95% 신뢰수준에서P-값이 0.05 이상으로 나타난 변수는 통계적으로 유의하지 않기 때문에 3개 인자(ASH, 휘발분, 문당장입량)는 독립변수로서 제외하고 하기 표 7에서와 같이 최종적으로 6개의 인자를 독립변수로 선정하였다.

상기와 같이 유의하지 않은 변수를 독립변수에서 제외한 것은 예측모델이 통계적으로 유의하지 않은 변수를 포함시에는 실제조업 적용시 예측정도를 오히려 떨어뜨리기 때문이다.

구분	유동도	강도지수	불활성분	ASH	휘발분	문당장입량	가동율	연소실온도	CDQ처리율
P-값	0.004	0.000	0.000	0.279	0.549	0.128	0.002	0.017	0.000
변수선택	○	○	○	×	×	×	○	○	○

구분	종속변수(1개)	독립변수(6개)
인자	코크스 냉간강도	LMF(유동도), SI(강도지수), TI(불활설분), 가동율, 연소실 온도, CDQ 처리율

다음에, 상기 종속변수 및 최종 독립변수들을 센터링하고 스케일링 하는데, 이에 대하여 설명하면 다음과 같다.

상기와 같이 선택된 종속변수(Y)와 독립변수(X) 데이터를 사전 처리하기 위해

행렬로 표현하면 다음과 같다.

상기와 같이 종속변수와 독립변수가 결정되면 수행해야 할 것은 모든 변수의 크기를 일정하게 해주는 센터링(Centering) 과 스케일링(Scaling) 작업을 해야 한다. 모든 변수에 대해 스케일링과 센터링 작업을 하지 않으면 크기가 큰 변수에 의해 결과가 왜곡되어 진다.

예를 들어, 유동도의 범위는 2.0에서 3.0으로 값 크기가 작지만 연소실 온도는 1,080℃ 에서 1,135℃ 매우 커서 센터링과 스케일링 작업을 수행하지 않으면 예측모델은 크기가 큰 연소실 온도에 절대적인 영향을 받게 되어 정확한 모델을 얻기가 곤란하다.

센터링은 각각 변수에 대해 그 평균값을 빼주면 되고, 스케일링은 평균값을 뺀 값에 표준편차로 나누어 주면 되는데, 이를 수식으로 표현하면 하기 수학식 5와 같다.

상기 수학식(5)를 이용하여 X 행렬에 대한 센터링과 스케일링을 작업한 결과는 하기와 같이로 표현된다.

다음에, 상기와 같이 센터링되고 스케일링된 각각의 종속변수들이 냉간강도에 미치는 회귀계수를 구하여 예측모델을 구한다.

상기와 같이 센터링과 스케일링된 데이터 행렬()을 이용하여 종속변수()를 가장 잘 표현할 수 있는 각각의 변수에 해당하는 상관계수(a1,a2,a3 . . . . )를 구하는데, 바람직하게는, 다중회귀모형에서 최소자승법에 의해 상관계수를 추정하는 것이다.

통상, 상관계수를 구하는 기본식은 하기 수학식 (6)으로 표현되나, 데이터를 센터링과 스케일링 작업을 수행하였음으로 하기 수학식(7)로 다시 나타내어 진다.

상기 수학식(7)에서 상관계수 a₁, a₂, a₃. . . 는 최소 자승법을 이용하여 구하며, 이미 상용 프로그램으로 나와있는 미니탭(MINITAP)이나 사스(SAS)등 통계프로그램을 이용하면 쉽게 구할 수 있다.

이렇게 얻어진 상관계수 a₁, a₂, a₃. . . . a₆의 값은 센터링과 스케일링이 된 데이터를 통해 얻어진 결과임으로 실제 코크스 냉간강도를 예측하는 수식모델을 만들기 위해서는 하기 수학식(8)로 다시 구해야 한다.

상기 수학식(8)에 의해 코크스 강도를 예측하는 수식모델은 최종적으로

하기 식(8)와 같다.

본 발명의 코크스 냉간강도의 예측모델의 바람직한 일례인 상기 수학식(9)은 특히 LMF: 2.17~2.71, SI: 3.78~4.45, TI: 14.8~31.8%, 가동율: 110~145% 및 연소실 온도: 1,051~1,131℃의 변수범위에서 신뢰성이 높다.

본 발명에서는 상기와 같이 구한 예측모델에 의하여 코크스의 냉간강도를 예측하므로써, 종래의 예측모델보다 훨씬 예측정도가 우수하게 된다.

상기 수학식(9)는 본 발명의 바람직한 예이며, 본 발명은 이에 한정되는 것은 아니다.

이하, 실시예를 통하여 본 발명을 보다 구체적으로 설명한다.

(실시예)

본 발명의 코크스 냉간강도 예측모델인 상기 식(9)에 의하여 하기 표 8의 실조업조건에 적용하여 코크스 냉간강도를 예측하고, 그 결과를 종래방법에 의해 예측된 값과 함께 하기 표 8에 나타내었다.

또한, 하기 표 8에는 실제측정된 코크스 냉간강도값도 함께 나타내었다.

배합지수	가동율(%)	로온(℃)	CDQ처리율	냉간강도 예측값	실적강도
LMF	가동율(%)	로온(℃)	CDQ처리율	SI	실적강도	TI	종래방법	본 발명
2.60	4.10	20.7	135.9	1,122	100	85.8	85.9	85.9
2.66	4.03	21.0	135.1	1,110	100	85.5	85.7	85.6
2.72	4.01	21.2	135.8	1,120	100	85.5	85.9	86.0
2.64	4.01	25.1	136.0	1,120	100	85.5	85.7	85.7

상기 표 8에 나타난 바와 같이, 본 발명에 의하여 코크스의 냉간강도를 에측하는 경우에는 종래의 예측모델보다 훨씬 예측정도가 우수함을 알 수 있다.

상술한 바와 같이, 본 발명은 실험이나 다른 추가의 품질측정 없이 실제 조업결과로 얻어진 조업 데이터를 가지고 코크스 강도를 추정할 수 있는 예측모델을 제안함으로써 공정의 특성이 잘 반영되고, 예측 정도 가 매우 높으며(R²:0.908, 본 수식으로 설명할 수 있는 정도가 90.8%), 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 효과가 있는 것이다.

Claims

조업데이터들중에서 석탄의 특성 인자들, 사전처리 인자들 및 건류조건인자들에 대한 실제 데이터들을 수집하는 단계;

상기와 같이 수집된 데이터들을 필터링하는 단계;

코크스의 냉간강도를 종속변수로 하고, 상기와 같이 필터링한 데이터들중에서 상기 냉간강도에 상관성이 큰 인자들을 1차적인 독립변수로 선택하는 단계;

상기와 같이 1차적으로 선택된 독립변수들에 대한 통계적 유의수준을 분석하여 통계적으로 유의한 인자들로 최종 독립변수를 구성하는 단계;

상기 종속변수 및 최종 독립변수들을 센터링하고 스케일링 하는 단계;

상기와 같이 센터링되고 스케일링된 각각의 종속변수들이 냉간강도에 미치는 회귀계수를 구하여 예측모델을 구하는 단계; 및

상기와 같이 구한 예측모델에 의하여 코크스의 냉간강도를 예측하는 단계를 포함하여 구성되는 코크스의 냉간강도 예측방법
제1항에 있어서, 예측모델이 하기 식(9)로 표현되는 것을 특징으로 하는 코크스의 냉간강도 예측방법

(수학식 9)
제2항에 있어서, 상기 식(9)의 LMF가 2.17~2.71이고, SI가 3.78~4.45이고, TI가 14.8~31.8%이고, 가동율이 110~145%이고, 그리고 연소실 온도가 1,051~1,131℃인 것을 특징으로 하는 코크스의 냉간강도 예측방법