灰渣组成与灰渣黏温特性的关联度分析

钱宁波，李寒旭，刘铭，潘宗林，赵瑞，林海彬（安徽理工大学化学工程学院，安徽淮南232001）

灰渣组成与灰渣黏温特性的关联度分析

钱宁波，李寒旭，刘铭，潘宗林，赵瑞，林海彬
（安徽理工大学化学工程学院，安徽淮南232001）

摘要：利用高温旋转黏度计测定灰渣黏温特性，对测得的40种灰渣黏温特性作图，整理得到灰渣黏温特性的特征值。采用灰色关联分析法，对灰渣组成与灰渣黏温特性特征值进行了关联度分析。

关键词：灰渣组成；黏温特性；灰色关联度分析

气流床气化炉均是以液态形式排渣，根据炉墙结构的不同，分为耐火砖技术和水冷壁技术。无论对于耐火砖技术还是水冷壁技术，以液态形式排渣的气流床气化炉，煤灰高温熔融性和流动性对气流床气化炉水冷壁的适宜挂渣厚度和排渣性能起着决定性的作用，也是影响气流床气化炉长周期正常稳定操作的重要因素，而灰渣组成与煤灰的黏温特性有着密切的关系。根据灰色理论，灰色关联分析可以用于比较灰渣体系中各对比因素（灰渣组成、特征参数）与参考因素（黏温特性）的关联程度，一般关联度越大，其相对影响程度也越大。本文首先将测得的40个灰渣的黏温特性按照玻璃体渣和非玻璃体渣分为两类，分别进行灰渣组成对黏温特性的关联度分析，即分析灰渣组成及其对黏温特性影响的重要程度，这对于改善灰渣黏温特性具有一定的参考价值。

1　实验方法

选用40种灰成分差别较大的灰样，煤灰黏度采用DL/T660—2007煤灰高温黏度实验方法测定，黏度测定后画出灰渣黏温特性曲线，作图找出温度为1400℃和1600℃对应的黏度值（记作η1400和η1600）以及黏度为5Pa·s和25Pa·s各自对应的温度值（记作T5和T25）。对于非玻璃体渣，同时还找出了它们的临界温度（Tcv）和临界黏度（ηcv）。灰渣成分及特征参数见表1。

表1　灰渣成分及特征参数Tab.1 Ash chemieal composition and feature parameter of coal samples（wt%）

2　灰色关联分析法的应用

2.1灰渣组成对玻璃体渣黏度的影响

采用灰色关联法计算各组分及特征参数与参考因素的关联度，具体计算方法参照文献[2]。计算结果如表2所示。

表2　玻璃体渣样本的关联度分析结果Tab.2 Relevance analysis results of glass- slag samples

从关联度看出，组分及特征参数对η1400和η1600影响的重要程度由大到小的顺序为：

η1400：P2O5＞酸碱比＞硅铝比＞SiO2＞MnO＞Al2O3＞K2O＞TiO2＞CaO＞SO3＞MgO＞Fe2O3＞Na2O

η1600：酸碱比＞硅铝比＞SiO2＞P2O5＞Al2O3＞TiO2＞CaO＞SO3＞K2O＞Fe2O3＞MnO＞MgO＞Na2O

从以上排序结果可以看出：酸碱比和硅铝比对η1400和η1600影响最大，说明控制酸碱比和硅铝比十分重要；此外各组分对η1400和η1600影响顺序却不一致，说明随着温度的升高或降低，各组分对灰渣黏度的影响程度发生了变化。

从关联度看出，组分及特征参数对T5和T25黏度影响的重要程度由大到小的顺序为：

T5：SiO2＞Al2O3＞硅铝比＞TiO2＞酸碱比＞CaO＞SO3＞ P2O5＞K2O＞MgO＞Fe2O3＞MnO＞Na2O

T25：Al2O3＞SiO2＞硅铝比＞TiO2＞酸碱比＞CaO＞SO3＞P2O5＞K2O＞MgO＞Fe2O3＞MnO＞Na2O

从以上排序结果可以看出：SiO2和Al2O3对T5和T25影响最大，可见控制SiO2和Al2O3的含量十分重要；此外各组分与T5和T25的关联度大小和排序基本一致，说明各组分对T5和T25影响程度基本不变。

2.2灰渣组成对非玻璃体渣黏度的影响

本部分选用27种非玻璃体渣，各组分及特征参数酸碱比和硅铝比共计13个参数为对比因素，相比玻璃体渣，增加了临界温度Tcv和临界黏度ηcv为参考列，即共计6列为参考列，计算各组分及特征参数与各参考列的关联度。结果如表3所示。

表3　非玻璃体渣样本的关联度分析结果Tab.3 Relevance analysis results of nonglass- slag samples

从关联度看出，组分及特征参数对Tcv、ηcv、η1400、η1600、ηcv、T5和T25影响的重要程度由大到小的顺序（为便于观察，特将ηcv与η1400、η1600放一起，Tcv与T5、T25放一起）：

η1400：CaO＞MnO＞SO3＞硅铝比＞SiO2＞Al2O3＞MgO＞酸碱比＞P2O5＞TiO2＞K2O＞Fe2O3＞Na2O

η1600：硅铝比＞SiO2＞SO3＞Al2O3＞MgO＞酸碱比＞CaO＞TiO2＞P2O5＞K2O＞MnO＞Fe2O3＞Na2O

ηcv：硅铝比＞SiO2＞Al2O3＞酸碱比＞K2O＞P2O5＞SO3＞TiO2＞CaO＞MgO＞Fe2O3＞MnO＞Na2O

Tcv：SiO2＞Al2O3＞硅铝比＞MgO＞酸碱比＞SO3＞TiO2＞ CaO＞K2O＞P2O5＞Fe2O3＞MnO＞Na2O

T5：SiO2＞Al2O3＞硅铝比＞MgO＞酸碱比＞SO3＞TiO2＞K2O＞CaO＞P2O5＞Fe2O3＞MnO＞Na2O

T25：SiO2＞Al2O3＞硅铝比＞MgO＞酸碱比＞SO3＞TiO2＞CaO＞K2O＞P2O5＞Fe2O3＞MnO＞Na2O

由以上计算及排序结果可以看出：各组分及特征参数对ηcv、η1400、η1600的影响程度排序差异性较大，没有一定的规律性；各组分及特征参数对Tcv、T5、T25的影响程度排序基本一致，影响最大的是SiO2、Al2O3。

3　结论

（1）对于玻璃体渣：酸碱比和硅铝比对η1400和η1600影响最大，SiO2和Al2O3对T5和T25影响最大，说明控制酸碱比、硅铝比、SiO2和Al2O3十分重要；对于非玻璃体渣，各组分及特征参数对η1400、η1600和ηcv的影响没有一定的规律性，而SiO2、Al2O3对T5、T25和Tcv的影响最大，这与玻璃体渣相似。

（2）通过关联度的分析结果还能得出同一组分对同一渣型不同温度的关联度不同，对不同渣型相同温度的关联度也不同的结论，因此可以推论得出不同渣型的灰渣黏温特性预测应该选用不同的预测模型，故对于灰渣黏温特性模型的建立，首先应建立渣型预测模型后，再建立不同渣型的灰渣黏温特性的预测模型。

参考文献

[1]陈增光，毕红彬.发展煤化工的意义[J].河北化工，2008，31（4）: 21- 44.

[2]李雪梅，李长峰，赵军.我国新型煤化工项目选择风险浅析[J].化工进展，2011，30：393- 396.

[3]李好管.煤化工技术进展及产业现状分析[J].煤化工，2009（3）:1- 6. [4]宋文佳.高温煤气化炉中灰熔融、流动和流变行为特性研究[D].上海：华东理工大学，2011.

[5]邓策龙.灰色系统基本方法[M].上海：华东理工大学出版社，1987. [6]高山松.沥青组成对其粘度影响的灰色关联分析[J].石油沥青，2008，22（2）:66- 67.□

doi：10.3969/j.issn.1008- 553X.2015.02.009

中图分类号：TQ536.4

文献标识码：A

文章编号：1008- 553X（2015）02- 0025- 03

收稿日期：2014- 11- 14

作者简介：钱宁波（1986-），男，安徽阜阳人，硕士研究生，研究方向：洁净煤技术，0554- 6668090，15155400787，qianningbo0508@163.com。

The Correlation Analysis of Ash Composition with Ash Sticky Temperature Characteristics

QIAN Ning-bo，LI Han-xu，LIU Ming，PAN Zong-lin，ZHAO Rui，LIN Hai-bin
（College of Chemical Engineering，Anhui Universityof Science and Technology，Huainan 232001，China）

Abstract:Choose 40 coal samples with different ash compositions，using high temperature rotary viscosimeter measured the slag viscosity temperature characteristics; got the viscosity temperature characteristic value by drawing；on the basis of these data，use the greycorrelation analysis method，calculation ofash and the ash stickytemperature characteristics ofeigenvalues ofcorrelation degree，examiningthe influence ofthe temperature characteristics ofash toash stickysituation.

Key words:ash；composition；viscositytemperature characteristics；greyrelational analysis