浅谈极细粒煤粉的分选技术

田艳玲

(潞安化工集团 营销总公司煤质洗选中心，山西 长治 046204)

选煤作为洁净煤技术的源头技术，是实现煤炭洁净、高效利用的最为经济有效的方法，它可以优化煤炭产业结构、提高利用效率、排除大量矸石，从而节约运输成本。目前选煤厂建设趋于采用三段分选工艺：粒度>1 mm的煤炭采用跳汰或重介质分选方法，1～0.25 mm粗煤泥采用螺旋分选机以及干扰床分选机等方法，0.25～0 mm煤泥采用浮选方法。

目前细粒-极细粒煤粉的分选效果不尽理想，其主要原因是：①1～0.25 mm细粒煤分选技术的分选精度较低，依据GB50359-2016 干扰床的E值为0.11～0.14，比重介质分选技术低一半；②煤泥可浮性下降，逐渐呈现出贫(灰分高)、细(极细颗粒含量大)、杂(煤粒表面官能团及脉石成分复杂)的特点，对浮选入料颗粒的表面物性特征缺乏认识。本文通过实验，对极细粒煤粉分选技术进行研究，以提高分选回收率和经济效益。

1 试验过程

通过分析极细粒煤粉分选技术的主要特点，对某矿选煤厂原料浮选实验过程中极细粒煤粉分选试验进行了研究。表1、表2分别为试验设计基本参数和试验设计，捕收剂为厂家提供、起泡剂为仲辛醇。

表1 分选试验设计基本参数

2 试验结果分析

1) 精煤产率。表3对各种模型进行了方差分析，结果表明，线性模型适用于试验结果分析，表4对各种模型的进行了综合分析。分析结果表明，三次方模型为混淆模型，不可用。在余下的模型中，线性模型的标准偏差较小，其R2值最大，同时预测残差平方和最小，最适合于试验结果分析。对推荐模型进行了方差分析，见表5。结果表明，模型的F值为7.46，仅有0.12%的概率能达到此值，因此，该模型是显著的。

表6为推荐模型的综合分析。可以看出，R2的校正值和预测值有良好的一致性。模型预测的精确度等于信号与噪声的比值，该值大于4时是令人满意的，而该模型的精确度达到9.012，因此，精确度较高。在此基础上，对各因素进行了系数估计，见表7。

表2 分选试验设计(某矿)

表3 各种模型的方差分析(精煤产率)

表4 R2综合分析(精煤产率)

表5 推荐模型的方差分析(精煤产率)

表6 推荐模型综合分析(精煤产率)

通过以上分析，得出了描述精煤产率与各参数之间关系的数学模型：

以因素代码表示：精煤产率=67.27+2.14A+3.35B+0.82C。

以实际因素表示：精煤产率=45.376 11+8.568 89E-003×捕收剂用量+0.111 54×起泡剂用量+0.041 111×入料浓度。

基于该模型，得出了精煤产率的预测结果，并对预测精度进行了分析，图1为残差的正态分布图，图2为预测结果与试验结果比较。可以看出，预测值与试验值有较好的一致性。

表7 各因素的系数估计(精煤产率)

图1 精煤产率预测残差的正态分布

图2 精煤产率预测值与试验值对比

2) 尾煤产率。尾煤产率所用的预测模型与精煤产率相似，得出了描述尾煤产率与各参数之间关系的数学模型：

以因素代码表示：尾煤产率=32.73-2.14A-3.35B-0.82C。

以实际因素表示：尾煤产率=54.623 89-8.568 89E-003×捕收剂用量-0.111 54×起泡剂用量-0.041 111×入料浓度。

基于该模型，得出了尾煤产率的预测结果，预测值与试验值有较好的一致性。

可以看出，与精煤产率的变化趋势类似，在本试验的入料浓度范围内，入料浓度并不是影响精煤产率的显著因素。此外，随着捕收剂及起泡剂用量的加大，尾煤产率逐渐降低，最低值达24.59。在不同的入料浓度下，尾煤产率降低的速率及幅度不同。

3 结 语

通过分析试验的取值范围，入料浓度不是影响精煤产率的显著因素，随着捕收剂及起泡剂用量的加大，捕收剂用量越大，精煤灰分有所降低，随着起泡剂用量的加大，精煤灰分逐渐升高。