采用Design-Expert优化高硫煤摇床脱硫实验研究

岳增川

(1.辽宁工程技术大学 矿业学院，辽宁 阜新123000；2.朝阳师范高等专科学校 生化工程系，辽宁 朝阳122000)

0 引言

高硫煤是指硫含量大于3.0%的煤。在燃烧过程中，高硫煤中的硫会以SO2和SO3的形式进入大气中，对环境造成严重污染，但通过煤炭的燃前脱硫可以有效的降低这一危害[1]。我国煤炭中硫主要以黄铁矿硫为主，此外还有少量的有机硫和硫酸盐硫[2]。目前，煤炭的燃前脱硫主要以脱除煤中黄铁矿为主，黄铁矿与煤中可燃体组分密度差异明显，因此，可以通过重选的方法将之分离脱除。

摇床是一种常用的粗颗粒矿物重选设备，它通过分选床面的往复摇动和横向水流的冲洗作用使矿物按照密度和粒度实现分选，对于粒级为2～0.125 mm的高硫煤具有较好的脱硫效果[3]。但影响摇床分选效果的因素比较多，如入料浓度、冲水量、横向坡度、冲程、冲次等，冲水量和横向坡度共同决定横向水流的流速，冲程和冲次综合决定着床面运动的速度与加速度，各因素之间的交互作用影响密切，使得摇床分选过程调控难度较高[4]。因此本文利用Design-Expert软件中的Box-Behnken 实验设计方案对高硫煤摇床脱硫实验进行了设计与优化，对实验结果进行统计分析，建立了基于煤炭脱硫完善度的二次方修正模型，同时利用二维等高线准确分析了各因素之间的交互作用，求得摇床分选过程中的最佳操作参数。

1 实验方法与实验设计

利用Dino lite AM3111T便携式数码显微镜、ZEISS M1m显微分光光度计对煤样中无机硫的分布与赋存状态进行了分析，同时利用岛津IFAffinity-1S型傅里叶变换红外光谱仪对煤样中的有机硫进行了分析，测试范围：4500～400 cm-1，扫描次数：32次，样品与KBr比例：1比160，分辨率：4 cm-1；数据间隔：1.929 cm-1。通过筛孔尺寸为2、0.9、0.45、0.3、0.15 mm的标准套筛和由苯、四氯化碳、三溴甲烷按一定比例配制的密度为1.3、1.4、1.5、1.6、1.8 g/cm3的有机重液对实验所用高硫煤煤样进行了粒度和密度分析。全硫、黄铁矿硫、灰分的测定分别参照GB/T214-1996《煤中全硫的测定方法》、GB/T215-1996《煤中各种形态硫的测定方法》、GB/T212-1991《煤的工业分析方法》中有关规定进行。

摇床分选实验选用 RK/LY-1100×500变频摇床，给矿浓度为150 g/L，实验参数主要包括冲水量、横向坡度、冲程、冲次等四个因素。在单因素实验的基础上，采用Design-Expert软件中的Box-Behnken 实验设计方案按四因素、三水平对该摇床脱硫实验进行设计，实验因素及水平见表1。

表1 实验因素及水平

以脱硫完善度作为正交实验响应值R，其表达式为

式中，R为脱硫完善度，%；γp为精煤产率，%；Spf为入料全硫硫分，%；Spp为精煤全硫硫分，%；Af为入料灰分，%

2 煤样性质分析

由煤中黄铁矿的数码显微照片与煤岩显微照片(图1)可知，煤样中无机硫主要以黄铁矿的形式存在，多数黄铁矿颗粒单体解离度较高，且颗粒粒度较大，这部分黄铁矿通过可重选较易脱除。但少量黄铁矿以细小片状或散点状形态嵌布于有机质中，该部分黄铁矿很难通过重选法直接脱除[5-6]。由煤泥红外光谱谱图(图2)可知，551 cm-1为-S-S-、-SH，为煤中有机硫的主要来源，914、1032.7 cm-1为高岭土等粘土类无机矿物，含量较多，为煤中灰分的主要来源[7]。

图1 煤中黄铁矿的数码显微照片与煤岩显微照片 图2 煤样的红外分析谱图

由煤样粒度和密度分析结果(表2、3)可知，该煤样全硫硫分高于3%，属于高硫煤；煤样粒度在2～0.15 mm之间，主导粒级为0.9～0.45 mm，煤样的灰分与硫分均随粒级的降低而升高；-1.4 g/cm3与+1.6 g/cm3密度级样品含量较高，煤中可燃体组分与无机矿物组分解离较为充分，样品中黄铁矿硫含量占全硫的90%以上，可知该煤样较适合通过摇床进行重选脱硫。

综合以上分析可知：该样品可通过重选较易的脱除多数硫分，但由于有机组分中含有部分细小片状或散点状分布的黄铁矿，以及有机硫的存在，进一步深度脱硫比较困难。

表2 煤样粒度分析表

表3 煤样密度分析表

3 摇床分选实验结果与讨论

3.1 实验结果

Box-Behnken实验方案总共包含29组实验，具体实验设计方案与结果见表4。

表4 Box-Behnken实验设计方案及结果

3.2 回归模型的建立与分析

通过对线性、2FI、二次方程、三次方程模型的方差、拟合缺陷比较以及四种模型的综合统计分析，最终发现二次方程模型的F值最大，Prob>F值最小，可知该拟合模型较其他三种模型能更为显著，可以较为准确的反映脱硫完善度与各因素之间的关系。由实际值表示的脱硫完善度方程为：

R=-98.26+6.95 A+29.74 B-0.05 C+10.41 D-0.98AB+0.01 AC+0.05 AD-0.01 BC-0.08 BD-0.01 CD-0.71 A2-2.28 B2+0.00017C2-0.31D2

表5为编码条件下的二次方程模型各项参数估计与置信度分析。各项参数估计值的绝对值大小与各因素对响应值的影响程度呈正比[8]，由此可知单因素对脱硫完善度影响程度的大小顺序为：B>A>D>C，各因素交互作用对脱硫完善度影响程度的大小顺序为：AB>AC>BC>BD>CD>AD。各项参数估计值的正负代表各项对响应值的效应方向，据此可知，AC、AD、C2为正效应，其他项均为负效应。

表5 编码条件下的二次方程模型参数估计与置信度分析

根据所选定的模型，作出了内在学生化残差预测值与实际值的关系图。如图3所示，29组预测值与实际值呈直线对应关系，可见该模型拟合效果较好，预测值较为可靠。

图3 内在学生化残差预测值与实际值对比

3.3 响应面分析

图4为因素间二阶交互作用的响应面等高线图，图中除各图对比分析的两因素外，另外两因素取值一定，为实验中各因素0水平的对应值。该图可以直观地反映各因素及其交互作用对脱硫完善度R的影响结果[9]。依次分析AB、AC、AD、BC、BD、CD因素的二阶交互作用响应面等高线图可知：当因素A取值小于7 L·min-1时，响应值R随因素B取值变化而产生的单步长变化幅度非常大，且等高线均为椭圆形，可知AB因素交互作用对响应值R的影响非常显著，且在AB交互作用下因素B的影响显著性高于因素A；当因素C取值小于351次·min-1时，响应值R随因素A取值的增加而先增后减，变化幅度较为显著，可见AC交互作用对响应值R的影响较为显著，且以因素A为主导；AD因素交互作用响应面等高线变化幅度较小，可见AD因素交互作用对响应值R的影响显著性较低，但就单因素而言因素A的影响显著性高于因素D；当因素B取值确定时，因素C取值对响应值R基本无影响，但BC因素交互作用对响应值R影响具有较高的显著性；因素D取值在10.6～15.2 mm时，响应值R随因素B取值的增加而先增加后减小，BD因素交互作用对响应值R的影响具有一定显著性且以因素B为主导；CD因素交互作用对响应值R的影响显著性较低，但因素D响应值R的影响显著性明显高于因素C。综合来看，响应面分析所得的单因素与各因素交互作用对脱硫完善度影响程度的大小顺序与回归模型参数估计值所确定的结果是一致的，即横向水流的流速对脱硫完善度影响程度的显著性要高于床面的运动速度与加速度。

图4 因素间二阶交互作用响应面等高线图

此外，因素间二阶交互作用的响应面等高线图还可以预测取得最佳脱硫完善度R时的各影响因素的取值范围[6]。综合分析图4可知，各影响因素的最佳取值范围应为：因素A取值低于5.35 L·min-1，因素B取值在3.8～4.9°之间，因素C低于351次·min-1，因素D取值在12.5～14.0 mm之间。

3.4 实验参数优化与验证

以脱硫完善度为优化指标，目标为其最大值，软件所推荐的前7个优化方案见表6。

表6 推荐优化参数方案

结合摇床各操作参数的实际操作精度，在软件所推荐的优化方案基础上，设计了两组较优的实验条件，并对其进行了实验验证。实验结果与由回归模型计算所得的理论值见表7。

表7 验证实验结果

结果表明实际脱硫完善度与理论脱硫完善度基本一致，可见软件所建立的二次方模型准确可靠。最终确定最佳实验条件为：冲水量5.1 L·min-1，横向坡度4.5°，冲次325次·min-1，冲程取值13 mm，此时脱硫完善度为41.79%。

4 结论

(1)利用显微镜和红外光谱仪，结合筛分和浮沉实验，分析了煤样中硫分的分布规律与赋存状态，发现该样品中硫分以黄铁矿硫为主，且单体解离度较高，可通过摇床重选脱除大部分硫分，但进一步深度降硫比较困难。

(2)通过Design-Expert 系统中的Box-Behnken 实验设计方案设计了高硫煤的摇床脱硫实验，以脱硫完善度为响应值，建立并优化了其与冲水量、横向坡度、冲程、冲次之间的二次方模型。

(3)分析了因素对响应值的影响显著程度，其中，单因素对脱硫完善度影响程度大小顺序为：A(横向坡度)>B(冲水量)>C(冲程)>D(冲次)，各因素交互作用对脱硫完善度影响程度大小顺序为：AB>AC>BC>BD>CD>AD。

(4)以脱硫完善度为优化指标，目标为其最大值，得到最佳试验条件：冲水量5.1 L·min-1，横向坡度4.5°，冲次325次·min-1，冲程13 mm，此时脱硫完善度为41.79%。优化结果与实验验证结果吻合良好。