[发明专利]一种预测焦炭机械强度和热性质的方法

说明书

技术领域

本发明涉及煤化工技术领域，具体涉及炼焦生产中配煤炼焦、焦炭质量控制与预测的 方法。

背景技术

近年来，中国焦炭产能急剧膨胀，炼焦煤资源供应紧张，稀缺的优质炼焦煤资源越来 越少，焦化厂的煤源波动频繁，煤质波动较大，混煤情况严重；随着高炉大型化、喷煤技 术的提高对焦炭质量要求越来越高。为了稳定焦炭质量，开展焦炭质量预测研究是焦化行 业面临的一个重要课题。

国内外早期炼焦配煤比都是根据经验和煤质参数用试凑法在试验室进行试验，试验焦 炉验证直到大炉试验确定。随着炼焦配煤技术的发展，配煤方案确定也从以常规煤质指标 的经验配煤发展到以煤岩指标为基础的煤岩配煤。目前焦炭质量预测方法，根据选用煤质 指标，大致可分为以下三种：用常规煤质指标预测，用煤岩指标预测，用常规和煤岩指标 综合的方法预测。

用常规煤质指标预测。通常选择煤的挥发分、粘结性等指标作参数，根据历史生产数 据，用回归、拟合、神经网络等数学方法，得出预测模型，预测焦炭质量。常规煤质指标 不能反映出煤的微观结构。煤的常规指标相同，煤的显微组织、变质程度可以有很大差别。 煤源发生改变的时候，这个预测模型的精度就会大幅度降低。焦炭机械强度、热性质和煤 的变质程度有关。对于单一煤层煤，挥发分、镜质组平均最大反射率能反应出煤的变质程 度。对混煤而言，挥发分相同的煤，可以由不同的煤种混合得到。如果用挥发分、粘结性 指标(G或Y)，预测焦炭机械强度，当用两个挥发分、粘结性相同的混合煤，分别和相同 的几种煤配合炼焦，所得焦炭质量会有很大差别。因为这两个混合煤虽然挥发分和粘结指 数相同，但是由不同的煤混合得到的，因此该方法对于混煤而言，预测焦炭质量会有很大 的偏差。

用煤岩指标预测，通常选择煤的镜质组平均最大反射率、活惰比等指标作参数，根据 历史生产数据，用回归、拟合、神经网络等数学方法，得出预测模型，预测焦炭质量。这 种方法适用于炼焦煤是单一煤层煤。对于混煤而言，镜质组平均最大反射率相同的煤，可 以由不同的煤种混合得到。例如镜质组平均最大反射率为1.25％的煤可以由气煤、1/3焦 煤和瘦煤混合得到，也可以用气肥煤和焦煤得到，但是这两种煤的炼焦特性有很大差别。 当这两种煤分别和同样几种煤配合在一起炼焦，得到的焦炭质量肯定有很大差别。因此该 方法对于混煤根本不适用。该方法也没有包含对焦炭机械强度影响很大的粘结性指标，有 时会造成预测指标精度很低，而且在煤源发生改变时预测精度也会受到严重影响，大大降 低焦炭质量指标预测精度。

用常规和煤岩指标综合的方法预测。选择的煤质指标有挥发分、粘结性指标、镜质组 平均最大反射率、活惰比等作参数，从中选择标志煤的变质程度和粘结性的指标进行组合， 预测焦炭质量。该方法同样具有上述方法的缺点。

发明内容

本发明的目的是提供一种预测焦炭机械强度和热性质的方法，该方法经过大量试验证 明，采用煤的镜质组反射率分布作为煤质指标主要输入参数，结合BP神经网络或计算方 法预测焦炭指标，克服了上述煤质指标预测不精确的缺点。该预测方法能科学、准确地预 测焦炭冷强度和热性质，合理利用炼焦煤资源，控制焦炭质量，降低配煤成本。

为实现上述目的，本发明通过以下技术方案实现：

一种预测焦炭机械强度和热性质的方法，该方法以煤镜质组反射率分布为主要输入参 数来预测焦炭机械强度指标和热性质指标。

所述的预测焦炭机械强度指标通过BP神经网络来实现。将大量有代表性配合煤的镜 质组反射率分布和粘结性指标为输入参数作为BP神经网络的输入端，对应焦炭质量指标 作为BP神经网络的输出端，训练BP神经网络，得到输入参数和输出参数之间的非线性关 系；然后将待预测煤的煤质指标作为BP神经网络输入参数，即得到预测焦炭的机械强度 指标。

所述的预测焦炭热性质指标通过BP神经网络或计算方法来实现。

BP神经网络预测是将大量有代表性配合煤的镜质组反射率分布、粘结性指标及矿物催 化指数为输入参数作为BP神经网络的输入端，对应焦炭质量指标作为BP神经网络的输出 端，训练BP神经网络，得到输入参数和输出参数之间的非线性关系；然后将待预测煤的 煤质指标作为BP神经网络输入参数，即得到预测焦炭的热性质指标。