配煤煤质与焦炭强度相关性预测模型的建立

丛 鑫，王 宇

(辽宁工程技术大学 环境科学与工程学院，辽宁 阜新 123000)

炼焦煤是冶金、钢铁等行业的主要基础原料，属于保障国家相关行业安全的稀缺性战略资源[1-2]。由于其生成的复杂性，我国虽然作为煤炭能源大国，但是炼焦煤资源却依然稀缺，仅占我国煤炭资源储量的18.9%，优质炼焦煤甚至不到10%[3-4]。我国炼焦煤产业仍存在布局不合理，开采强度大，综合利用水平低，资源浪费严重的现象。开采稀缺煤种的煤矿在设计、生产和资源回收等方面，配煤技术落后，没有合理的管理办法和约束性法规政策，致使开发秩序混乱，煤种没有充分发挥利用价值[5]。因此，从能源供应安全发展角度，为高效利用煤炭资源、扩充煤炭利用范围，并在实际生产中提高焦炭成品质量，炼焦配煤是一个值得探讨的重要过程[6]。配煤是将数种不同类型的单煤按一定比例进行配合，利用每种单煤在性质上的优势，制备出优于单煤的配合煤[7]。由于配煤炼焦设备与工艺往往不会轻易变动，配合煤的炼焦特性即成了决定焦炭质量的关键要素，而此特性又取决于煤质和煤的配比[8]。因此，事先利用配合煤质量预测焦炭强度，对保护利用炼焦煤资源起到至关重要的作用。

1 指标选择与方法理论

炼焦煤本身质量上的差异性，造成同一类别的煤所炼焦炭的质量也有差别[9]，对高炉冶金生产的稳定性产生影响，为了科学统筹规划炼焦煤资源的开发与利用，分析炼焦煤质量指标和炼焦试验数据关联性，实现对炼焦煤质量的量化评估。

试验根据配煤的煤质特性，结合炼焦工艺的实际情况和既有模型的参照[10-11]，选取了配煤的挥发分(Vdaf)、灰分(Ad)、黏结指数(G)、全硫(St，d)等因素作为配煤质量的控制参数。利用SPSS软件对焦炭抗碎强度(M40)，耐磨强度(M10)、反应性指数(CRI)和反应后强度(CSR)进行多元线性回归分析[12]。进行t、F检验，排除对焦炭强度无显著关联的参数，再度构建优化回归方程，从而对焦炭性能进行快速、精确地预测。

2 研究内容

表1和表2数据是从中国工程院关于炼焦煤稀有性研究评价问题——炼焦煤的应用价值这一主题公开文献中整理出的源自汾渭能源、山西焦煤集团等的76组试验数据[13-14]。

2.1 试验数据

表1为配煤煤质指标参数。表2为与焦炭强度有关的参数。

表1 配煤煤质指标

表2 焦炭强度指标

2.2 建立预测模型

对配煤煤质指标(Vdaf、St，d、Ad、G等)进行多元线性回归，根据t检验结果排除对焦炭强度影响不显著的因素，建立优化多元线性回归方程。

将分析数据输入SPSS数据列表，编辑源变量，选择线性回归。将煤质指标(Vdaf、St，d、Ad、G、X和Y)作为自变量，焦炭强度指标(M40、M10、CRI和CSR)作为因变量，采用逐步回归方法预测回归系数。方差分析和回归分析结果分别见表3和表4。

表3 方差分析结果

表4 回归分析结果

基于上述数据构建模型，得到抗碎强度：

M40=93.877-34.474St，d+
0.52X(R=0.661)。

(1)

预测模型R2为0.437， 表明模型中的2个变量X、St，d共同解决了M40中43.7%的波动值。表3中检验统计量(F)为28.298， 检验显著性为0。由于F>F0.01(2，73) =4.908，表明M40与St，d、X线性相关性显著。表4中Beta值可明确各参数对结果的影响程度，其影响度为St，d>X。查表知︱t︱>t0.01，75=2.38，即St，d和X对M40影响显著。方程采用t检验，P<0.05，在显著性水平α=0.05条件下，具显著性意义。表5显示了焦炭M40的残差、标准化残差、预测值和实际值。

表5 回归诊断结果

图1 M40回归分析残差

由以上分析可以获得下列焦炭强度预测模型:

M10=4.756+0.394Y+0.233X-
0.387Vdaf(R=0.643)，

(2)

CRI=19.688+0.458G+0.585X-1.747Vdaf+
7.613St，d(R=0.804)，

(3)

CSR=108.216-29.115St，d-
0.388G(R=0.818)，

(4)

CSR=91.793-24.524St，d-0.554G+
2.754Ad(R=0.835)。

(5)

图2 预测值与标准残差散点Fig.2 Plot of predicted and actual values and scattered residuals

式(4)和式(5)为得到的两个CSR预测模型，拟合度较高，可根据实际的煤质特性、生产状况等选择适宜的模型，用以指导炼焦配煤和控制焦炭质量等。

图3为焦炭各强度参数实际值与预测值拟合情况。由图3可知，预测值和试验值间的拟合结果具有较好的相关性，说明该模型具有一定的预测能力。由于实际工业中使用的焦煤品种较多，煤质不稳定，再现性不佳，因此需要根据现场实际情况对模型进行修正。该模型预测的强度值可参考GB/T 1996—2017《冶金焦炭》[15]规定将焦炭进行分级，以达到更精准配合煤质控制目的。

图3 焦炭各强度参数实际值与预测值相关关系

3 结论

(1)M40和M10模型相关系数相对较低，可能与样本数据呈非线性有关。

(2)多元线性逐步回归预测模型结果显示，CSR预测模型拟合度最高。挥发分(Vdaf)、黏结性(G)、全硫(St,d)是配合煤焦碳强度的主要影响因素。模型预测值和试验值拟合结果具有较好的线性相关性，所得模型适于快速简单指导配煤炼焦生产。

(3)建议可以进一步结合实际生产设备、炼焦工艺等因素，运用BP神经网络、NSGA-III算法完善对非线性历史数据的研究，提高预测精度与准确率。