KR20230174972A - Slag Viscosity Estimation Method - Google Patents
Slag Viscosity Estimation Method Download PDFInfo
- Publication number
- KR20230174972A KR20230174972A KR1020220076263A KR20220076263A KR20230174972A KR 20230174972 A KR20230174972 A KR 20230174972A KR 1020220076263 A KR1020220076263 A KR 1020220076263A KR 20220076263 A KR20220076263 A KR 20220076263A KR 20230174972 A KR20230174972 A KR 20230174972A
- Authority
- KR
- South Korea
- Prior art keywords
- viscosity
- slag
- equation
- composition
- mgo
- Prior art date
Links
- 239000002893 slag Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000000203 mixture Substances 0.000 claims abstract description 22
- 229910018072 Al 2 O 3 Inorganic materials 0.000 claims abstract description 19
- 238000000611 regression analysis Methods 0.000 claims abstract description 9
- 230000004913 activation Effects 0.000 claims abstract description 4
- 239000002994 raw material Substances 0.000 description 13
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 229910052697 platinum Inorganic materials 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 229910000805 Pig iron Inorganic materials 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/10—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material
- G01N11/14—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by moving a body within the material by using rotary bodies, e.g. vane
-
- 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
- G01N33/20—Metals
- G01N33/205—Metals in liquid state, e.g. molten metals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Immunology (AREA)
- Mathematical Analysis (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Biochemistry (AREA)
- Computational Mathematics (AREA)
- Analytical Chemistry (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Medicinal Chemistry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
본 발명은, (1) 고 Al2O3-저 MgO 슬래그 조성별 점도(η)를 측정하는 단계; (2) 상기 점도를 하기 식 1에 대입하여 슬래그 조성별 C와 Ea를 계산하는 단계; (3) 상기 계산된 C와 Ea에 대해 다중회귀분석을 통해 슬래그 조성에 따른 함수식을 도출하는 단계; 및 (4) 상기 도출된 함수식으로부터 슬래그의 점도를 예측하는 단계;를 포함하는, 슬래그 점도 추정 방법이 제공된다.
<식 1>
(여기서, η: 점도, C : 무한히 높은 온도에서의 점도, Ea : 점도에 대한 활성화 에너지, R: 기체상수, T: 슬래그 온도)The present invention includes the steps of (1) measuring the viscosity (η) for each composition of high Al 2 O 3 -low MgO slag; (2) calculating C and Ea for each slag composition by substituting the viscosity into Equation 1 below; (3) deriving a functional formula according to the slag composition through multiple regression analysis for the calculated C and Ea; and (4) predicting the viscosity of slag from the derived functional equation. A method for estimating slag viscosity is provided, including.
<Equation 1>
(where, η: viscosity, C: viscosity at infinitely high temperature, Ea: activation energy for viscosity, R: gas constant, T: slag temperature)
Description
본 발명은 고로 슬래그 점도 추정 방법에 관한 것으로, 상세하게는 고 Al2O3 및 저 MgO 슬래그의 점도를 추정하는 방법에 관한 것이다.The present invention relates to a method for estimating the viscosity of blast furnace slag, and more specifically, to a method for estimating the viscosity of high Al 2 O 3 and low MgO slag.
고로 원가 절감을 위한 중/저품위 원료 사용량 상승으로 인해 슬래그 Al2O3 증가 및 MgO 감소 추세를 보이고 슬래그 유동성이 감소되고 있다(도 1). 고로 슬래그 유동성 감소 시, 고로 내 통기/통액성 감소로 조업 안정성 저하 및 고로 환원제비 증가로 철강 제조 원가 상승에 영향을 줄 수 있다. Due to the increase in the use of mid- to low-grade raw materials to reduce blast furnace costs, slag Al 2 O 3 is increasing and MgO is decreasing, and slag fluidity is decreasing (Figure 1). When the fluidity of blast furnace slag is reduced, operation stability is reduced due to reduced ventilation/liquid permeability within the blast furnace, and the blast furnace reducing agent ratio increases, which may affect the increase in steel manufacturing costs.
철강 탄소 중립을 목적으로, 고로 소결광 사용비를 감소시키고, HBI(Hot Briquetted Iron), 그린 브리켓, 바이오매스와 같은 신원료 사용을 통한 고로 원료 다변화를 진행하고 있다. 고로 연,원료 다변화 시, 슬래그의 물성, 융점, 점도 등이 변동될 수 있으며, 이에 대한 대응 시 판단 근거가 필요하다. 종래에도 고로 슬래그 점도 예측을 위한 다양한 모델들이 있지만, 고로 회사 별 조업 조건 및 사상이 상이하여 기존 연구를 활용하는데 어려움이 있다. 특히, 종래의 점도 예측 방법은 대부분 MgO 범위가 5-10% 범위에 국한되어 있어, 저 MgO 슬래그의 점도 예측에 적합하지 않다. 이에, 향후 원료 다변화를 통한 고로 탄소중립 실현 및 원료 사용비 설계 시 슬래그 유동성 확보를 위한 슬래그 점도 추정 방법이 요구된다.With the goal of becoming carbon neutral in steel, we are reducing blast furnace sinter ore usage costs and diversifying blast furnace raw materials through the use of new materials such as HBI (Hot Briquetted Iron), green briquettes, and biomass. When blast furnace fuel and raw materials are diversified, the physical properties, melting point, viscosity, etc. of slag may change, and a basis for judgment is required when responding to this. There are various models for predicting blast furnace slag viscosity in the past, but it is difficult to utilize existing research because the operating conditions and ideology of each blast furnace company are different. In particular, most of the conventional viscosity prediction methods are limited to the MgO range of 5-10%, so they are not suitable for predicting the viscosity of low MgO slag. Accordingly, in the future, a slag viscosity estimation method is required to achieve carbon neutrality in the blast furnace through raw material diversification and to secure slag fluidity when designing raw material usage costs.
본 발명은, 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 고 Al2O3 및 저 MgO 슬래그의 점도를 예측함으로써 조업 안정성을 향상시키고 탄소 중립 대비 원료 사용비 설계에 활용하고자 함에 그 목적이 있다. 그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.The present invention is intended to solve such conventional problems, and its purpose is to improve operation stability by predicting the viscosity of high Al 2 O 3 and low MgO slag and to utilize it in designing raw material usage ratio compared to carbon neutrality. However, these tasks are illustrative and do not limit the scope of the present invention.
본 발명의 일 관점에 의하면, (1) 고 Al2O3-저 MgO 슬래그 조성별 점도(η)를 측정하는 단계; (2) 상기 점도를 하기 식 1에 대입하여 슬래그 조성별 C와 Ea를 계산하는 단계; (3) 상기 계산된 C와 Ea에 대해 다중회귀분석을 통해 슬래그 조성에 따른 함수식을 도출하는 단계; 및 (4) 상기 도출된 함수식으로부터 슬래그의 점도를 예측하는 단계;를 포함하는, 슬래그 점도 추정 방법이 제공된다.According to one aspect of the present invention, (1) measuring the viscosity (η) for each composition of high Al 2 O 3 -low MgO slag; (2) calculating C and Ea for each slag composition by substituting the viscosity into Equation 1 below; (3) deriving a functional formula according to the slag composition through multiple regression analysis for the calculated C and Ea; and (4) predicting the viscosity of slag from the derived functional equation. A method for estimating slag viscosity is provided, including.
<식 1><Equation 1>
(여기서, η: 점도, C : 무한히 높은 온도에서의 점도, Ea : 점도에 대한 활성화 에너지, R: 기체상수, T: 슬래그 온도)(where, η: viscosity, C: viscosity at infinitely high temperature, Ea: activation energy for viscosity, R: gas constant, T: slag temperature)
일 실시예에 의하면, 상기 단계 (1)에서 슬래그 조성 범위는, Al2O3 14~22%, MgO 2~5%일 수 있다. According to one embodiment, the slag composition range in step (1) may be 14 to 22% Al 2 O 3 and 2 to 5% MgO.
일 실시예에 의하면, 상기 단계 (1)의 측정 점도와 상기 단계 (4)의 예측 점도 값이 일치할 수 있다. According to one embodiment, the measured viscosity in step (1) and the predicted viscosity value in step (4) may match.
상기한 바와 같이 이루어진 본 발명의 실시예에 따르면, 슬래그의 온도 및 조성을 활용하여 간편하게 슬래그 점도를 예측할 수 있으며, 조업도 하락 및 노황 불안정 시 즉각적으로 대응할 수 있다. 또한, 중/저품위 원료 사용비 증가 시, 고로 슬래그 조성 변화에 의한 점도 변동을 예측하고 슬래그 유동성 관리를 위한 원료 배합 설계에 활용할 수 있다. 또한, 온실가스 저감과 연계한 고로 연, 원료의 다변화 시 발생할 수 있는 노황 불안정을 사전 예방하여 고로 조업 시 발생하는 손실 비용을 절감할 수 있다. 또한, 고 Al2O3 및 저 MgO 슬래그 조업 시 고로 하부 노열(용선온도) 관리 기준 정량화 및 최적 조업 조건 도출에 활용 할 수 있다.According to the embodiment of the present invention made as described above, the slag viscosity can be easily predicted by using the temperature and composition of the slag, and immediate response can be made in case of a decrease in operation efficiency and instability in the aging process. In addition, when the cost of using medium/low-grade raw materials increases, viscosity changes due to changes in blast furnace slag composition can be predicted and used in raw material mixing design for slag fluidity management. In addition, loss costs incurred during blast furnace operation can be reduced by preventing furnace instability that may occur when diversifying blast furnace fuel and raw materials in connection with greenhouse gas reduction. In addition, it can be used to quantify management standards for blast furnace lower furnace heat (molten iron temperature) and derive optimal operating conditions when operating high Al 2 O 3 and low MgO slag.
물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.Of course, the scope of the present invention is not limited by this effect.
도 1은 고로 슬래그 내 Al2O3 및 MgO 함량 추이를 나타낸 그래프이다.
도 2는 슬래그 조성 및 용선 온도 별 점도 변화 그래프이다.
도 3은 본 발명의 실시예에 따른 점도 예측 모델을 구축하고 활용하는 방법을 나타내는 순서도이다.
도 4는 본 발명의 실시예에 있어 슬래그 점도를 측정하는 장치를 나타낸 모식도이다.
도 5는 본 발명의 실시예에 따라 점도의 자연대수와 절대온도의 역수와의 관계를 나타낸 그래프이다.
도 6은 종래 및 본 발명의 실시예에 따라 슬래그 점도 측정값과 예측값을 비교하여 나타낸 그래프이다.Figure 1 is a graph showing the trends of Al 2 O 3 and MgO contents in blast furnace slag.
Figure 2 is a graph of viscosity change by slag composition and molten iron temperature.
Figure 3 is a flowchart showing a method of building and utilizing a viscosity prediction model according to an embodiment of the present invention.
Figure 4 is a schematic diagram showing a device for measuring slag viscosity in an embodiment of the present invention.
Figure 5 is a graph showing the relationship between the natural logarithm of viscosity and the reciprocal of absolute temperature according to an embodiment of the present invention.
Figure 6 is a graph showing a comparison between measured and predicted slag viscosity values according to the prior art and embodiments of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 여러 실시예들을 상세히 설명하기로 한다. 본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려 이들 실시예들은 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다. 또한, 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the attached drawings. The embodiments of the present invention are provided to more completely explain the present invention to those skilled in the art, and the following examples may be modified into various other forms, and the scope of the present invention is as follows. It is not limited to examples. Rather, these embodiments are provided to make the present disclosure more faithful and complete and to fully convey the spirit of the present invention to those skilled in the art. Additionally, the thickness and size of each layer in the drawings are exaggerated for convenience and clarity of explanation.
도 2는 슬래그 조성 및 온도 별 점도 변화를 나타낸 그래프이다.Figure 2 is a graph showing the change in viscosity by slag composition and temperature.
도 2에서와 같이, 일반적으로 슬래그 점도는 온도에 강한 상관성을 보이지만, 슬래그의 점도 제어를 위해 고로 용선 온도를 증가시키면(A 경로) 환원제비 상승으로 인해 제조 원가가 상승한다. 따라서, 슬래그 점도 안정 범위 제어를 위해 용선 온도를 증가시키는 방법(A 경로)에 비해 고로 원료 성분 설계(B 경로)를 통한 점도 제어 방법이 더 경제적이다. 예컨대, 용선온도 25℃ 상향을 위해 미분탄 사용 시, 연간 34억원/기 비용이 발생하지만, 기존 원료 대체 MgO 소스를 추가 사용할 경우 연간 10억원/기 비용 발생함에 그친다. As shown in FIG. 2, slag viscosity generally shows a strong correlation with temperature, but if the blast furnace molten iron temperature is increased to control the viscosity of slag (Route A), the manufacturing cost increases due to an increase in the reducing agent ratio. Therefore, the method of controlling viscosity through design of blast furnace raw material components (path B) is more economical than the method of increasing the molten pig iron temperature to control the stable range of slag viscosity (path A). For example, when pulverized coal is used to raise the molten iron temperature to 25°C, an annual cost of 3.4 billion won/unit is incurred, but when additional MgO sources to replace existing raw materials are used, the annual cost is only 1 billion won/unit.
도 3은 본 발명의 실시예에 따른 점도 예측 모델을 구축하고 활용하는 방법을 나타내는 순서도이다. 본 발명의 실시예에 따른 슬래그 점도 예측 모델 구축 및 사용은 다음과 같은 절차를 통해 진행된다. Figure 3 is a flowchart showing a method of building and utilizing a viscosity prediction model according to an embodiment of the present invention. Construction and use of a slag viscosity prediction model according to an embodiment of the present invention is carried out through the following procedures.
먼저, 고 Al2O3-저 MgO 슬래그 조성별 점도(η)를 측정하는 실험을 통해 슬래그 점도 DB를 확보한다(S10). 이 때, 슬래그 조성 범위는, Al2O3 14~22%, MgO 2~5%일 수 있다. First, the slag viscosity DB is secured through an experiment measuring the viscosity (η) for each composition of high Al 2 O 3 -low MgO slag (S10). At this time, the slag composition range may be 14 to 22% Al 2 O 3 and 2 to 5% MgO.
다음으로, 얻어진 점도 데이터를 하기 식 1의 아레니우스 식에 대입하여 슬래그 조성별 C와 Ea를 계산하는 단계를 수행한다(S20).Next, a step is performed to calculate C and Ea for each slag composition by substituting the obtained viscosity data into the Arrhenius equation in Equation 1 below (S20).
<식 1><Equation 1>
(여기서, η: 점도, C : 무한히 높은 온도에서의 점도, Ea : 점도에 대한 활성화 에너지, R: 기체상수, T: 슬래그 온도)(where, η: viscosity, C: viscosity at infinitely high temperature, Ea: activation energy for viscosity, R: gas constant, T: slag temperature)
기존의 점도 모델 도출 방법은 슬래그 점도 및 온도의 회귀분석을 통한 점도 예측식으로서, 다음 식 2와 같이 슬래그 조성 및 온도에 따른 함수식이다.The existing method of deriving a viscosity model is a viscosity prediction equation through regression analysis of slag viscosity and temperature, and is a functional equation according to the slag composition and temperature as shown in Equation 2 below.
<식 2><Equation 2>
반면 본 발명의 경우, 용융 슬래그의 점도 해석을 위해 아레니우스 식(Arrhenius Equation) 기반의 점도 모델을 활용했으며, 도 5에서와 같이, 점도의 자연대수와 절대온도의 역수와의 관계로 부터 y절편(ln C)과 기울기(Ea)를 계산할 수 있다. 본 발명의 경우 기존 방법 대비 점도 모델의 정밀도가 높은 이점이 있다. On the other hand, in the case of the present invention, a viscosity model based on the Arrhenius Equation was used to analyze the viscosity of molten slag, and as shown in Figure 5, from the relationship between the natural logarithm of viscosity and the reciprocal of absolute temperature, y The intercept (ln C) and slope (E a ) can be calculated. The present invention has the advantage of high precision of the viscosity model compared to existing methods.
이이서, 상기 계산된 C와 Ea에 대해 다중회귀분석을 통해 슬래그 조성에 따른 함수식을 도출하는 단계를 수행한다(S30). 구체적으로, 염기도(C/S), Al2O3 함량(%), MgO 함량(%), C 및 Ea 사이의 다중회귀분석을 실시한다. 다중회귀분석을 통해 고로 슬래그 성분에 따른 C와 Ea에 대한 식을 도출한다. Next, a step is performed to derive a functional formula according to the slag composition through multiple regression analysis for the calculated C and Ea (S30). Specifically, multiple regression analysis is performed between basicity (C/S), Al 2 O 3 content (%), MgO content (%), C and Ea. Through multiple regression analysis, formulas for C and Ea according to blast furnace slag components are derived.
최종적으로, 도출된 함수식으로부터 슬래그의 점도를 예측하는 단계를 실시한다(S40). 도출된 함수식으로부터 예측된 점도값은 상기 측정 점도 값과 일치하는 경향을 보일 수 있다.Finally, a step is performed to predict the viscosity of the slag from the derived functional formula (S40). The viscosity value predicted from the derived functional formula may tend to match the measured viscosity value.
이하에서는, 본 발명의 이해를 돕기 위한 실시예들을 설명한다. 다만, 하기의 실시예들은 본 발명의 이해를 돕기 위한 것일 뿐, 본 발명의 범위가 아래의 실시예들만으로 한정되는 것은 아니다.Below, embodiments are described to aid understanding of the present invention. However, the following examples are only intended to aid understanding of the present invention, and the scope of the present invention is not limited to the following examples.
<실시예><Example>
고로 용융 슬래그의 점도 예측 방법을 제안하기 위해 CaO-SiO2- Al2O3-MgO 슬래그의 점도를 1,450~1,600℃에서 측정하였다. 슬래그 조성은 염기도 0.88~1.30 범위에서 고 Al2O3 (14~22%) 및 저 MgO (2~5%) 조성 범위를 기준으로 점도 측정을 실시하였고, 결과를 아래 표 1에 나타내었다.To propose a method for predicting the viscosity of blast furnace molten slag, the viscosity of CaO-SiO 2 - Al 2 O 3 -MgO slag was measured at 1,450~1,600°C. The slag composition was measured for viscosity based on the high Al 2 O 3 (14 to 22%) and low MgO (2 to 5%) composition ranges in the basicity range of 0.88 to 1.30, and the results are shown in Table 1 below.
고로 용융 슬래그의 점도 측정은, 도 4에 도시한 바와 같이, 회전식 점도계를 사용한 방법으로서, 용융 슬래그(E) 내에 스핀들(D)을 침적시킨 후 회전시켜 저항력을 측정하는 방법을 사용했다. The viscosity of the blast furnace molten slag was measured using a rotational viscometer, as shown in FIG. 4, by immersing a spindle (D) in the molten slag (E) and then rotating it to measure the resistance.
이후, 다중회귀분석을 통해 C와 Ea에 대한 상수 a~h를 구할 수 있으며, 이를 통해 하기 식 3, 4와 같이 슬래그 점도 예측식을 도출하였다.Afterwards, the constants a to h for C and Ea can be obtained through multiple regression analysis, and through this, slag viscosity prediction equations are derived as shown in Equations 3 and 4 below.
<식 3><Equation 3>
<식 4><Equation 4>
(여기서, B : 슬래그 염기도, WMgO, WAl2O3 : MgO 및 Al2O3에 대한 질량 백분율, T : 절대온도(K), a~h : 계수)(Where, B: slag basicity, W MgO , W Al2O3 : mass percentage for MgO and Al 2 O 3 , T: absolute temperature (K), a~h: coefficient)
다중회귀분석을 통해 도출된 상수 값은 다음과 같다. The constant values derived through multiple regression analysis are as follows.
a = 8.8 * 10-5, b = -1.9 * 10-5, c = -9.5 * 10-7, d = -1.5 * 10-6, e = 1.7 * 105, f = -1.2 * 104, g = -4.3 * 102, h = 1.1 * 103 a = 8.8 * 10 -5 , b = -1.9 * 10 -5 , c = -9.5 * 10 -7 , d = -1.5 * 10 -6 , e = 1.7 * 10 5 , f = -1.2 * 10 4 , g = -4.3 * 10 2 , h = 1.1 * 10 3
상기 식 3 및 식 4에 슬래그의 온도, 염기도, MgO 및 Al2O3에 대한 질량 백분율을 입력하면 특정 슬래그 조건에 대한 점도를 예측할 수 있으며, 이를 활용하여 조업 안정성 향상 및 탄소 중립 대비 원료 사용비 설계에 활용할 수 있다.By entering the temperature, basicity, and mass percentage of MgO and Al 2 O 3 of the slag in Equations 3 and 4 above, the viscosity for specific slag conditions can be predicted, and this can be used to improve operation stability and reduce raw material usage compared to carbon neutrality. It can be used in design.
도 6에서, 종래 방법(a) 및 실시예(b)에 따른 슬래그 점도 예측식의 신뢰성을 확인하기 위해 실제 슬래그에 대한 점도 측정값과 예측값을 비교하여 나타냈으며, 실시예에 따라 예측된 점도값이 실측값과 비교적 잘 일치하고 있음을 확인하였다. 실시예에 따른 점도 예측식의 경우 전체적으로 측정 점도와의 일치성이 향상됨이 확인되었으며, 특히 2 poise 이하의 저점도 및 6 poise 이상의 고점도에서 더욱 높은 일치성을 확인할 수 있었다. 반면, 종래 방법의 경우 저점도 및 고점도에서 점도 일치성이 낮아 점도 예측에 적합하지 않음을 알 수 있다. In Figure 6, in order to confirm the reliability of the slag viscosity prediction formula according to the conventional method (a) and Example (b), the measured viscosity value and predicted value for actual slag are compared and shown, and the viscosity value predicted according to the example It was confirmed that this matched the actual measured value relatively well. In the case of the viscosity prediction equation according to the example, it was confirmed that overall consistency with the measured viscosity was improved, and in particular, higher consistency was confirmed at low viscosity of 2 poise or less and high viscosity of 6 poise or more. On the other hand, it can be seen that the conventional method is not suitable for predicting viscosity because the viscosity consistency is low at low and high viscosity.
따라서, 본 발명의 실시예에 따르면, 고 Al2O3 및 저 MgO 조건인 고점도 슬래그에서 점도를 정확하게 예측함으로써 조업 안정성을 향상시키고 탄소 중립 대비 원료 사용비 설계에 활용할 수 있다.Therefore, according to an embodiment of the present invention, by accurately predicting the viscosity in high-viscosity slag under high Al 2 O 3 and low MgO conditions, operational stability can be improved and it can be used to design the raw material usage ratio compared to carbon neutrality.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 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.The present invention has been described with reference to the embodiments shown in the drawings, but these are merely exemplary, and those skilled in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true scope of technical protection of the present invention should be determined by the technical spirit of the attached patent claims.
A: 회전 점도계
B: 컴퓨터
C: 백금 막대
D: 백금 스핀들
E: 용융 슬래그
F: 알루미나 벽돌
G: 발열체
H: 알루미나 튜브
I: 백금 내부 도가니
J: MgO 외부 도가니
K: 열전대A: Rotational viscometer
B:computer
C: Platinum rod
D: Platinum spindle
E: molten slag
F: Alumina brick
G: Heating element
H: Alumina tube
I: Platinum inner crucible
J: MgO external crucible
K: thermocouple
Claims (3)
(2) 상기 점도를 하기 식 1에 대입하여 슬래그 조성별 C와 Ea를 계산하는 단계;
(3) 상기 계산된 C와 Ea에 대해 다중회귀분석을 통해 슬래그 조성에 따른 함수식을 도출하는 단계; 및
(4) 상기 도출된 함수식으로부터 슬래그의 점도를 예측하는 단계;를 포함하는,
슬래그 점도 추정 방법.
<식 1>
(여기서, η: 점도, C : 무한히 높은 온도에서의 점도, Ea : 점도에 대한 활성화 에너지, R: 기체상수, T: 슬래그 온도)(1) measuring viscosity (η) for each composition of high Al 2 O 3 -low MgO slag;
(2) calculating C and Ea for each slag composition by substituting the viscosity into Equation 1 below;
(3) deriving a functional formula according to the slag composition through multiple regression analysis for the calculated C and Ea; and
(4) predicting the viscosity of slag from the derived functional equation; including,
Slag viscosity estimation method.
<Equation 1>
(where, η: viscosity, C: viscosity at infinitely high temperature, Ea: activation energy for viscosity, R: gas constant, T: slag temperature)
상기 단계 (1)에서 슬래그 조성 범위는,
Al2O3 14~22%, MgO 2~5%인,
슬래그 점도 추정 방법. According to claim 1,
The slag composition range in step (1) is,
Al 2 O 3 14-22%, MgO 2-5%,
Slag viscosity estimation method.
상기 단계 (1)의 측정 점도와 상기 단계 (4)의 예측 점도 값이 일치하는,
슬래그 점도 추정 방법.According to claim 1,
The measured viscosity in step (1) and the predicted viscosity value in step (4) match,
Slag viscosity estimation method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220076263A KR20230174972A (en) | 2022-06-22 | 2022-06-22 | Slag Viscosity Estimation Method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220076263A KR20230174972A (en) | 2022-06-22 | 2022-06-22 | Slag Viscosity Estimation Method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230174972A true KR20230174972A (en) | 2023-12-29 |
Family
ID=89334304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220076263A KR20230174972A (en) | 2022-06-22 | 2022-06-22 | Slag Viscosity Estimation Method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230174972A (en) |
-
2022
- 2022-06-22 KR KR1020220076263A patent/KR20230174972A/en not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102928455B (en) | Method for detecting high-temperature metallurgical performance of coke | |
| US11493273B2 (en) | Device and method for measuring softening and melting performances of iron ore in blast furnace under reducing condition | |
| Semenov et al. | Efficient management of the charging of blast furnaces and the application of contemporary means of control over the variable technological conditions | |
| Jiao et al. | Thermodynamic properties and viscosities of CaO-SiO 2-MgO-Al 2 O 3 slags | |
| CN103724025A (en) | Reparative waterless stemming for large-size submerged arc furnace taphole | |
| CN108152162A (en) | The practical approach that a kind of fluxing agent prescription of coal ash melting property quickly determines | |
| KR20230174972A (en) | Slag Viscosity Estimation Method | |
| CN105506270B (en) | A kind of method for reducing injecting coal quantity, improving pellet yield and quality | |
| KR101100537B1 (en) | Method for predicting of drum index of cokes | |
| CN105842065A (en) | Method for evaluating after-reaction strength of metallurgical coke | |
| JPH1161284A (en) | Evaluation test method of reduction degradation characteristic of sintered ore | |
| KR101225370B1 (en) | Method for predicting of cokes reactivity index | |
| KR101100589B1 (en) | Method for predicting of coke strength after reaction | |
| KR101466475B1 (en) | Method for ash predicting of cokes | |
| CN115828534A (en) | Method for evaluating hearth activity by using slag iron retention index of blast furnace hearth | |
| Gao et al. | Experimental study on preparation of prebake anodes with high sulfur petroleum coke desulfurized at high temperatures | |
| KR101277955B1 (en) | Estimation method of caloric value of fine coal for blast furnace injecting | |
| KR100352588B1 (en) | Method for estimating viscosity of slag of gas furnace | |
| KR20120087559A (en) | Method for estimating position bordered to furnace wall of softening zone | |
| CN206328336U (en) | The system of nitrogen oxides in a kind of coke oven exhaust gas from Sources controlling | |
| KR101466481B1 (en) | Method for forecasting generating quantity of hydrogen sulfide in cokes process | |
| CN115368917B (en) | Method for predicting tamping coke coal blending structure | |
| TWI795278B (en) | Heat supply estimation method, heat supply estimation device, heat supply estimation program, and blast furnace operation method | |
| TWI820544B (en) | Heat supply estimation method, heat supply estimation device and blast furnace operation method | |
| Deng et al. | The quantitative model of hearth activity based on data mining and characteristics of deadman |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |