KR20110022327A - 코크스의 반응성 지수 예측방법 - Google Patents

코크스의 반응성 지수 예측방법 Download PDF

Info

Publication number
KR20110022327A
KR20110022327A KR1020090079864A KR20090079864A KR20110022327A KR 20110022327 A KR20110022327 A KR 20110022327A KR 1020090079864 A KR1020090079864 A KR 1020090079864A KR 20090079864 A KR20090079864 A KR 20090079864A KR 20110022327 A KR20110022327 A KR 20110022327A
Authority
KR
South Korea
Prior art keywords
coke
index
reactivity index
predicting
reactivity
Prior art date
Application number
KR1020090079864A
Other languages
English (en)
Other versions
KR101225370B1 (ko
Inventor
안진영
최주희
Original Assignee
현대제철 주식회사
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 현대제철 주식회사 filed Critical 현대제철 주식회사
Priority to KR1020090079864A priority Critical patent/KR101225370B1/ko
Publication of KR20110022327A publication Critical patent/KR20110022327A/ko
Application granted granted Critical
Publication of KR101225370B1 publication Critical patent/KR101225370B1/ko

Links

Images

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
    • C10B45/00—Other details

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Materials Engineering (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Organic Chemistry (AREA)
  • Coke Industry (AREA)

Abstract

본 발명에 의한 코크스의 반응성 지수 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수를 예측하는 단계를 포함한다.
이에 따르면, 본 발명은 단순화된 배합지표를 이용한 예측식을 통해 코크스 품질 영향도를 정확하게 평가할 수 있어, 배합설계의 효율성을 증대시킬 수 있고, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 반응성 지수를 예측할 수 있으므로 공정의 특성을 잘 반영할 수 있으며, 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있고, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
원료석탄, 유동도, 휘발분, CRI

Description

코크스의 반응성 지수 예측방법{Method for predicting of cokes reactivity index}
본 발명은 코크스의 반응성 지수 예측방법에 관한 것으로서, 보다 상세하게는 휘발분(VM) 및 유동도(LMF)를 독립변수로 하여 코크스의 반응성 지수(CRI)를 단순하고 정확하게 예측할 수 있는 코크스의 반응성 지수 예측방법에 관한 것이다.
일반적으로 고로 제철법에 있어 코크스의 사용은 필수적이고, 고강도의 코크스가 안정적으로 공급하기 위하여 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
높은 미분탄 사용비(Pulverized coal injection ratio), 낮은 코크스비(Coke rate)로 운전되는 대형 고로에서는 코크스의 기계적 강도를 나타내는 상온강도 뿐만 아니라, 고온 및 화학반응에 대한 저항을 나타내는 반응성 지수(Coke reactivity index, 이하'CRI'라 함), 고온 강도(CSR, Coke strength after CO2 reaction) 등과 같은 지수도 매우 중요한 지표이다.
하지만, 반응성 지수(CRI)에 대한 예측이 어려워 코크스의 반응성 지수에 관 한 품질이 목표로 하는 범위를 벗어나는 경우가 발생하는 문제가 있다.
그로 인해, 코크스의 반응성 지수에 관한 정확한 예측식이 요구되는 상황이지만, 코크스 내 무기물(mineral matter)은 중요한 촉매작용을 하고, 이와 같이 코크스의 반응성 지수 또는 고온강도를 예측하기 위해서는 회분의 조성(ash composition)이 반영된 복잡한 변수를 고려하여야 하므로 간단한 방법으로 예측식을 도출하기가 어려운 문제가 있고, 예측식을 도출하더라도 변수 서로간의 의미가 중첩되어 결과를 왜곡시킴으로 인해 조업에서의 활용도가 떨어지는 문제점이 있다.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로, 휘발분(VM) 및 유동도(LMF)를 독립변수로 하여 코크스의 반응성 지수(CRI)를 단순하고 정확하게 예측할 수 있는 코크스의 반응성 지수 예측방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 의한 코크스의 반응성 지수 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수를 예측하는 단계를 포함한다.
또한, 상기 독립변수는 원료석탄의 유동도(LMF) 및 휘발분(VM)이고, 상기 예측모델은 하기의 수학식을 만족할 수 있다.
<수학식>
CRI = 1.49 + 1.88×(VM) - 8.27×(LMF)
(상관계수 R2가 0.943 이상)
[여기서, CRI는 제조된 코크스의 CO2 와의 반응성 지수(%), VM은 휘발분(%), LMF는 유동도(log ddpm)]
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.
본 발명에 의한 코크스의 반응성 지수 예측방법에 의하면, 단순화된 배합지표를 이용한 예측식을 통해 코크스 품질 영향도를 정확하게 평가할 수 있어, 배합설계의 효율성을 증대시킬 수 있으므로 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 반응성 지수를 예측할 수 있으므로 공정의 특성이 잘 반영되고, 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 이점이 있다.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다.
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.
상기와 같은 고강도의 코크스를 안정적으로 획득하기 위해서 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
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.
상기 배합지표들이 소정의 배합범위에 들도록 배합하여 코크스의 품질 조건, 예를 들면 제조된 코크스의 반응성 지수(CRI, Coke reactivity index), 고온 강도(CSR, Coke Strength after CO2 Reaction)가 목표 범위에 들도록 고려하여 원료석탄의 배합 설계를 행한다.
본 발명에서는 고품질의 코크스를 안정적으로 확보하기 위하여, 조업데이터들 중에서 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집하여 이들 데이터들로부터 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구함으로써, 코크스의 반응성 지수를 예측하는 방법을 제안한다.
먼저, 본 발명의 일 실시예에 따른 코크스의 반응성 지수 예측방법에 따르면, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 다양한 데이터들, 예를 들면 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한다.
구체적으로, 상기 배합지표에 관한 데이터들은 석탄의 탄화도를 나타내는 지표로 휘발분(VM, Volatile Matter), 강도지수(SI, Strength Index)가 있고, 점결성을 나타내는 지표로 유동도(LMF, Log Maximum Fluidity), 조직평형지수(CBI, Composition Balance Index), 총 불활성성분(TI, Total Inert)이 있으며, 그 밖에 회분(ASH) 등이 있다.
원료석탄의 배합지표에 관한 다양한 데이터들을 수집한 후, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택한다.
표 1은 원료석탄의 배합지표에 관한 데이터들 중 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한 결과를 나타내는 표이다.
표 1은 원료석탄의 단일품종 품질 분석 및 배합 탄종의 건류테스트 결과를 나타내는 것으로, 구체적으로 40kg의 원료석탄이 장입되는 코크스 시험로에서 6종의 단일탄종과 12종의 배합탄을 소정의 시험로 조건에서 건류하고, 장입탄의 품질 과 제조된 코크스의 반응성지수(CRI)를 측정한 것이다. 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.
탄종 탄화도 점결성 회분
(%)		 코크스 품질
VM SI LMF CBI TI CRI


단미탄		 A 18.9 5.8 1.80 1.6 25.8 9.80 20.8
B 20.6 4.8 1.70 1.7 34.1 9.05 26.3
C 19.4 5.9 2.08 1.6 25.7 7.81 23.2
D 22.3 0.4 1.95 1.7 18.0 9.01 23.3
E 34.2 0.9 1.72 0.9 21.7 10.71 52.1
F 32.8 3.1 3.16 0.4 18.0 8.01 35.8





배합탄		 # 1 21.5 5.0 1.50 1.03 19.8 8.86 28.1
# 2 22.1 4.8 1.53 0.97 20.1 8.80 28.9
# 3 23.0 4.5 1.62 0.92 20.2 8.56 32.1
# 4 23.6 4.3 1.76 0.87 20.4 9.05 32.1
# 5 24.6 4.1 2.10 1.15 20.7 8.76 32.8
# 6 22.5 4.6 2.06 1.03 24.5 8.45 28.7
# 7 23.4 4.4 2.03 1.03 22.1 8.79 28.3
# 8 23.1 4.3 2.19 1.12 22.6 8.64 27.5
# 9 22.8 4.5 2.02 1.12 23.7 8.64 26.6
# 10 22.7 4.4 1.79 1.22 24.3 8.29 30.5
# 11 22.3 4.5 1.76 1.39 24.8 8.41 30.9
# 12 22.4 4.5 1.89 1.40 27.6 8.27 26.4
여기서, VM은 휘발분, SI는 강도지수, LMF는 유동도, CBI는 조직평형지수, TI는 총 불활성성분을 의미한다.
표 1을 참조하면, 원료석탄을 여러가지 배합방법으로 배합하여 시험로(테스트 오븐)에서 코크스를 제조하고, 제조된 코크스의 품질을 평가하기 위하여 코크스의 반응성 지수(CRI)를 구한 것으로, 상기 코크스의 반응성 지수를 예측하기 위하여 여러 가지 의미가 중첩되는 지수들을 중복 사용하게 되면 예측식이 복잡해지고, 특히 SI, CBI는 여러 분석 데이터를 바탕으로 계산하여야 하고 TI는 분석기간이 길어져 실제 조업에 사용하기에 무리가 있다.
따라서, 쉽게 실측 가능하면서도 코크스의 반응성 지수(CRI)에 상관성이 있는 원료석탄의 유동도(LMF) 및 휘발분(VM)을 독립변수로 선택한다.
이러한 원료석탄의 유동도(LMF) 및 휘발분(VM)을 독립변수로 선택하는 경우, 이들 유동도(LMF)와 휘발분(VM)은 각각 석탄의 점결성과 탄화도를 나타내는 지표이므로, 이들 지표를 통해 제조된 코크스의 반응성 지수를 예측할 수 있어 석탄의 배합지표를 탄화도, 점결성과 같이 의미별로 구분하여 코크스의 반응성 지수(CRI)를 예측할 수 있는 이점이 있다.
이들 원료석탄의 유동도(LMF) 및 휘발분(VM)을 각각 독립변수로 선택하고, 이들 선택된 독립변수가 코크스의 반응성 지수(CRI)에 미치는 회귀계수를 구하여 예측모델을 구하고, 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수(CRI)를 예측하였다.
구체적으로, 독립변수인 원료석탄의 유동도(LMF) 및 휘발분(VM)과 코크스의 반응성 지수(CRI)의 관계를 단계별 회귀분석(Stepwise regression analysis)으로 분석하였다.
표 2는 단계별 회귀분석을 나타내는 표로서, 휘발분(VM)과 유동도(LMF), 회분을 변수로 하여 변수들 간의 함수관계를 분석하고 모형화하였다.
Step 1 2
상수 1.487 10.57
VM의 회귀계수 1.88 1.99
LMF의 회귀계수 -8.27 -9.6
회분의 회귀계수 - -1.05
R-square (상관계수) 0.943 0.940
표 2에 나타난 바와 같이, step 2에 비해 step 1의 상관계수가 높았을 뿐만 아니라, 회분을 독립변수로 하지 않고도 VM와 LMF만으로 예측모델을 설정할 수 있음을 알 수 있다.
회귀분석을 통해 VM의 회귀계수, LMF의 회귀계수를 구할 수 있고, 이로부터 독립변수와 종속변수 사이의 소정의 예측모델이 구해지고, 상기 예측모델은 하기의 수학식 1을 만족하게 된다.
CRI = 1.49 + 1.88×(VM) - 8.27×(LMF)
(상관계수 R2가 0.943 이상)
여기서, CRI는 제조된 코크스의 CO2 와의 반응성 지수(%), VM은 휘발분(%), LMF는 유동도(log ddpm)를 의미한다.
도 1은 상기 수학식 1을 만족하는 예측모델을 이용한 CRI 예측값과 실측값 사이의 관계를 나타내는 그래프로서, 직선 L는 CRI 예측값과 실측값은 동일한 경우를 나타내는 직선이다.
도 1을 참조하면, A 지점의 경우 CRI 예측값은 약 21%, 실측값은 약 22%이고, B 지점의 경우 CRI 예측값은 약 22%, 실측값은 약 20.5% 정도이다.
도 1에서 확인할 수 있듯이 A 지점, B 지점 및 그 밖의 지점들이 전체적으로 직선 L 근방에 밀집하고 있으므로, 상기 수학식 1을 만족하는 예측모델을 이용한 예측값과 실측값의 차이는 거의 없음을 알 수 있다.
따라서, 상기 예측모델을 이용하여 예측된 코크스의 반응성 지수(CRI) 값이 원하는 코크스 품질조건을 만족하면 잘된 배합으로 간주하고, 예측된 값이 원하는 반응성 지수를 벗어나는 경우에는 잘못된 배합으로 판단하여 상기 독립변수를 조정하여 원하는 코크스 품질조건을 만족시킬 수 있게 된다.
상기 예측모델을 이용하면 용이하게 코크스의 반응성 지수(CRI)를 예측할 수 있으며, 휘발분(VM)과 유동도(LMF)와 같이 의미별로 구분되고 단순화된 변수를 이용한 예측식을 통해 배합지표의 코크스 품질 영향도를 정확하게 평가할 수 있어, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 반응성 지수를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있으며, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
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.
도 1은 본 발명의 예측모델을 이용한 CRI 예측값과 실측값 사이의 관계를 나타내는 그래프이다.

Claims (3)

  1. 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계;
    제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택하는 단계;
    상기 독립변수가 상기 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구하는 단계; 및
    상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수를 예측하는 단계를 포함하는 것을 특징으로 하는 코크스의 반응성 지수 예측방법.
  2. 청구항 1에 있어서,
    상기 독립변수는 원료석탄의 유동도(LMF) 및 휘발분(VM)이고, 상기 예측모델은 하기의 수학식을 만족하는 것을 특징으로 하는 코크스의 반응성 지수 예측방법.
    <수학식>
    CRI = 1.49 + 1.88×(VM) - 8.27×(LMF)
    (상관계수 R2가 0.943 이상)
    [여기서, CRI는 제조된 코크스의 CO2 와의 반응성 지수(%), VM은 휘발분(%), LMF는 유동도(log ddpm)]
  3. 청구항 1에 있어서,
    상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달 후 2시간인 것을 특징으로 하는 코크스의 반응성 지수 예측방법.
KR1020090079864A 2009-08-27 2009-08-27 코크스의 반응성 지수 예측방법 KR101225370B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090079864A KR101225370B1 (ko) 2009-08-27 2009-08-27 코크스의 반응성 지수 예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090079864A KR101225370B1 (ko) 2009-08-27 2009-08-27 코크스의 반응성 지수 예측방법

Publications (2)

Publication Number Publication Date
KR20110022327A true KR20110022327A (ko) 2011-03-07
KR101225370B1 KR101225370B1 (ko) 2013-01-22

Family

ID=43930762

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090079864A KR101225370B1 (ko) 2009-08-27 2009-08-27 코크스의 반응성 지수 예측방법

Country Status (1)

Country Link
KR (1) KR101225370B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101466481B1 (ko) * 2013-04-30 2014-12-01 현대제철 주식회사 코크스 공정의 황화수소 발생량 예측방법
KR101466475B1 (ko) * 2013-03-29 2014-12-01 현대제철 주식회사 코크스의 회분 예측방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101388342B1 (ko) * 2013-02-28 2014-04-22 현대제철 주식회사 고로 샤프트부의 코크스 반응성 지수 예측방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990026839U (ko) * 1997-12-20 1999-07-15 이구택 코크스제조시험로의 석탄팽창압측정을 위한 가열장치
KR100957994B1 (ko) * 2002-12-06 2010-05-17 주식회사 포스코 코크스의 냉간강도 예측방법
JP4309780B2 (ja) 2004-02-20 2009-08-05 新日本製鐵株式会社 コークス熱間反応後強度の推定方法及びコークスの製造方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101466475B1 (ko) * 2013-03-29 2014-12-01 현대제철 주식회사 코크스의 회분 예측방법
KR101466481B1 (ko) * 2013-04-30 2014-12-01 현대제철 주식회사 코크스 공정의 황화수소 발생량 예측방법

Also Published As

Publication number Publication date
KR101225370B1 (ko) 2013-01-22

Similar Documents

Publication Publication Date Title
KR101100537B1 (ko) 코크스의 냉간 강도 예측방법
KR101673273B1 (ko) 시료의 품질 예측방법
KR101225370B1 (ko) 코크스의 반응성 지수 예측방법
KR101649672B1 (ko) 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법
Sakurovs et al. Influence of gas composition on the reactivity of cokes
KR101100589B1 (ko) 코크스의 고온 강도 예측방법
KR101185279B1 (ko) 코크스의 냉간 강도 예측방법
Kumar et al. Variability in metallurgical coke reactivity index (CRI) and coke strength after reaction (CSR): An experimental study
KR101205026B1 (ko) 코크스의 고온 강도 예측방법
KR101277955B1 (ko) 고로 취입용 미분탄의 발열량 추정방법
KR101121813B1 (ko) 코크스 열간강도 예측 장치 및 방법
KR102299553B1 (ko) 코크스 냉간강도 예측방법
KR101466475B1 (ko) 코크스의 회분 예측방법
KR101377773B1 (ko) 코크스 입경 예측방법
Benedict et al. Coke/carbon reactions in the study of factors affecting coke quality
KR101160023B1 (ko) 코크스의 고온 강도 예측방법
KR20140016634A (ko) 코크스 열간강도 예측방법
KR102144195B1 (ko) 배합탄의 반사율 분포지수 도출방법
KR101466481B1 (ko) 코크스 공정의 황화수소 발생량 예측방법
KR100928539B1 (ko) 코크스 제조용 석탄의 압축강도의 측정방법
KR102299551B1 (ko) 배합탄의 냉간강도 반사율 분포 지수 도출방법
KR102122678B1 (ko) 코크스 열간강도 예측방법
KR100352588B1 (ko) 용융가스화로슬래그의점도추정방법
KR20230175025A (ko) 원료의 품질 분석 방법
KR101205108B1 (ko) 코크스 제조용 원료탄의 유동도 예측방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee