配煤对高熔点煤灰熔融特性影响的研究

采用灰熔点较低的襄阳煤和灰熔点较高的晋城无烟煤组成的混合煤样,利用XRF、SEM、DSC、XRD、三元相图等分析方法,探究了襄阳煤对晋城无烟煤煤灰熔融温度的影响。结果表明,配煤能有效降低高熔点煤灰的熔融温度,当襄阳煤的加入量小于24%时,混合煤灰熔融温度显著降低;襄阳煤的加入量在24%-40%时,混合煤灰熔融温度变化平缓且流动温度低于1 400℃。混合煤灰中的成分在1 000-1 200℃发生一系列的化学反应,主要包括SiO_2与Al_2O_3结合产生高熔点物质莫来石以及Fe_2O_3、CaO与莫来石反应转化形成铁尖晶石、钙长石等新物质,由此造成了煤灰熔融温度的变化。基于BP神经网络对实验数据建立预测模型,其预测效果优于前人总结的经验公式,平均准确度高于99%。利用热力学软件HSC 5.0分析了CaO、Fe_2O_3对降低煤灰熔融温度的影响,分析表明,CaO对莫来石的转化作用优于Fe_2O_3。     

配煤和助熔剂降低煤灰熔融温度的矿物学特性研究

主要研究添加助熔剂或配煤降低晋城无烟煤的灰熔融温度。通过X射线衍射(XRD)、热力学计算以及灰熔点测试等手段,研究混煤灰熔融特性及其在变形温度时的矿物学特征,解析其结渣特点。结果表明,原煤灰含量越低,混煤灰熔点降低效果越明显。在配煤添加量为20%时,低灰煤C灰熔点降低趋势最明显,对于高灰煤G,则为30%;助熔剂K对C的灰熔点降低效果比对G的更明显。在混煤灰的变形温度处,出现了长石类矿物质。长石类矿物含量的上升和莫来石含量的下降促使灰熔点快速降低。热力学计算表明,高温下,煤灰中液相物质的产生伴随着钙长石和石英含量的快速下降以及莫来石含量的缓慢降低。钙长石参与了煤灰中液相物质的产生。能够与钙长石作用形成低熔点共熔体的物质的含量决定了它的助熔效果。     

基于炼焦煤族组成和结构参数的焦炭质量预测模型及其成焦机理

以五种炼焦煤和44组配合煤为研究对象,在40 kg小焦炉环境下完成煤杯炼焦实验,以煤全组分分离所获得的煤重质组、密中质组和疏中质组收率Y_(HC)、Y_(DMC)、Y_(LMC)及反映煤中氢键缔合情况和脂肪链长短或支链化程度的红外光谱参数I3、I4为主要指标,通过BP神经网络分析方法建立了焦炭质量预测模型,并讨论了模型的特点,分析了新模型下的成焦机理。结果表明,使用新的煤组成结构参数预测焦炭质量具有一定优势,成焦率(CR)、显微强度(MSI)、粒焦反应性(PRI)和反应后强度(PSR)的预测值和实测值有较好一致性,对y=x的拟合相关系数分别达到0.986、0.982、0.956和0.926。模型对CR、MSI和PRI的预测效果较好,九个预测样本的平均偏差分别为0.53%、1.58%和1.28%;但对反应后强度PSR预测效果较差,平均偏差在12.22%。研究结果为建立炼焦配煤新方法提供了良好基础。     

基于改进BP神经网络的煤催化气化预测模型研究

采用改进的三层BP神经网络建立了煤催化气化反应失重率、气化初始温度和最大气化速率所对应温度的预测模型。结果表明,采用改进BP神经网络模型在此研究中可达到较高的精度,其最大预测误差分别为5.18% 、5.65% 、2.33%,明显小于归回公式的预测误差。
     

基于激光诱导击穿光谱(LIBS)的煤灰熔点快速检测

炉内结渣是影响火电机组和气化工艺可靠运行的关键因素之一，准确预测灰熔点可以提前调整炉膛出口温度以避免结渣。本论文采用激光诱导击穿光谱（LIBS）采集煤灰样中金属元素的光谱，分别建立煤灰中的金属元素的谱线强度与煤灰熔点的随机森林模型、支持向量机回归模型和线性回归模型，直接预测煤灰熔点温度。采用基于马氏距离(MD)的异常数据剔除算法和基于稀疏矩阵的基线估计与降噪算法（BEADS），对粉煤灰样的全光谱数据进行了预处理。随机森林模型对粉煤灰熔点的预测平均相对误差（MRE）为54.74%，支持向量机回归模型的预测平均相对误差为60.08%，而线性回归模型的预测平均相对误差达到了9.78%。研究结果表明，线性回归模型对煤灰熔点的预测结果更准确。     

五彩湾煤灰的烧结特性及不同添加剂的影响规律

采用热机械分析仪、高温热台显微镜、XRD及FactSage软件相结合的方法,研究了五彩湾煤灰的烧结特性及不同添加剂的影响规律。结果表明,沙子(SiO_2含量约为80%)和煤矸石(SiO_2含量为54%,Al_2O_3含量为42%)能改变煤灰的烧结特性(烧结温度和烧结速率),但不同添加剂改变的程度不同。添加10%的沙子能使烧结温度提高70℃,而0-15%煤矸石不能使烧结温度升高。此外,烧结速率随添加剂增多而减小,烧结区间随添加剂增多而延长。进一步研究表明,添加剂能够改变煤灰初始液相温度、组成、含量、煤灰中硫酸盐的分解温度及初始液相温度从而改变煤灰的烧结特性。     

粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别

结合粒子群最小二乘支持向量机(PSO-LSSVM)与偏最小二乘法(PLS)提出一种基于气相色谱技术的新方法,对芝麻油进行真伪鉴别,并对掺伪品中掺假比例进行定量分析。采用主成分分析法(PCA)对857个样本的脂肪酸色谱数据进行分析,优选主成分作为最小二乘支持向量机(LSSVM)的输入向量。利用粒子群算法(PSO)优化LSSVM,构建芝麻油掺伪鉴别的两级分类模型,同时运用PLS建立掺伪芝麻油中掺伪油脂的定量校正模型,两级分类模型的准确率分别达到了100%和98.7%,定量分析模型的平均预测标准偏差(RMSEP)为3.91%。结果表明,本方法的鉴别准确性和模型泛化能力均优于经典的BP神经网络和支持向量机(SVM),可用于食用油脂加工和流通环节的质量控制,为食用油质量的准确鉴定提供了一条有效途径。     

水蒸气气化条件下碳酸钾对煤灰烧结和矿物质演化的影响

在水蒸气气化气氛(水蒸气-氢气-一氧化碳-二氧化碳混合气氛)下考察了反应压力对负载碳酸钾煤灰烧结温度的影响,建立了包含煤的灰分、煤灰化学组成、催化剂负载量及反应压力因素的煤灰烧结温度预测关系式,预测结果与实测烧结温度的误差在±15℃(2%)范围内。利用X射线衍射仪和Fact Sage热力学计算软件对不同气氛和压力下煤灰中的矿物组成及含量的变化规律进行了分析。结果表明,碳酸钾与煤灰中的硬石膏、方解石反应生成硫酸钾和碳酸钾钙;水蒸气气化气氛下硫酸钾和赤铁矿被还原,碳酸钾钙的分解温度随反应压力的增大而升高;负载催化剂煤灰中氢氧化钾的量随温度和压力的提高而增加,不同压力下煤灰的最低烧结温度与氢氧化钾的含量有关,当氢氧化钾的含量达到一定值时,不同压力下对应的温度与实验测得的煤灰烧结温度接近。     

淮南煤灰中晶体矿物组成与煤灰流动温度关系的研究

选取10种不同灰熔融温度的淮南煤,利用典型煤灰化学组成预测煤灰熔融温度的经验公式,对其煤灰流动温度进行了研究,发现预测精度不高;借助X射线衍射K值法分析计算了淮南煤灰的晶体矿物组成,并对晶体矿物组成与淮南煤灰流动温度的关系进行了关联,提出了利用晶体矿物组成预测煤灰流动温度的回归公式,揭示了淮南煤灰中晶体矿物组成与煤灰流动温度的内在关系,利用该公式计算的煤灰流动温度与实测值之差的绝对值小于国标规定的误差值(再现性小于等于80℃)。     

不同灰成分的低熔点煤灰熔融性调控机理研究

通过灰熔点较低且接近的两种煤与灰熔点较高的天池煤混配,结果表明,在含铁类矿物质较低的小屯煤与天池煤的混煤中,混煤灰熔点随天池煤混入比例的增加而提高,含铁类矿物质较高的宁鲁原煤与天池煤的混煤灰熔点随天池煤混入比例的增加没有明显变化。通过XRD分析配煤中矿物质的转变过程,结果表明,宁鲁原煤灰中含有的钙铁类矿物质(如赤铁矿、硬石膏)抑制了莫来石的生成,缺少作为骨架支撑作用的高熔点莫来石,煤灰的熔点得不到显著提高。最后将配煤在沉降炉中进行实验模拟电站锅炉的结渣过程,并使用SEM分析灰渣的微观形貌,发现与宁鲁原煤相比,小屯与天池煤的混煤更能显著改善结渣特性。     

山西“两高”煤灰分对石灰石助熔机制影响的研究

以山西"两高"煤为研究对象,考察了洗选改变灰分对添加助熔剂Ca CO3的影响。研究发现,随着洗煤灰分的降低,煤灰中二氧化硅含量及硅铝比(Si/Al)降低,煤灰流动温度降低至液态排渣气流床气化所需温度时,Ca CO3的添加比例与洗煤高温下生成的矿物质种类及其含量相关,经过洗选降低灰分后的FH与SH洗煤,通过添加一定比例的助熔剂Ca CO3,高温下煤灰渣类型由结晶渣变为玻璃体渣,排渣温度范围宽,能够很好地满足气流床气化液态排渣的要求,洗选与添加Ca CO3助熔剂配合使用的方式,可以有效调控山西"两高"煤灰流动性质。     

Predicting coal ash fusion temperature based on its chemical composition using ACO-BP neural network

Coal ash fusion temperature is important to boiler designers and operators of power plants. Fusion temperature is determined by the chemical composition of coal ash, however, their relationships are not precisely known. A novel neural network, ACO-BP neural network, is used to model coal ash fusion temperature based on its chemical composition. Ant colony optimization (ACO) is an ecological system algorithm, which draws its inspiration from the foraging behavior of real ants. A three-layer network is designed with 10 hidden nodes. The oxide contents consist of the inputs of the network and the fusion temperature is the output. Data on 80 typical Chinese coal ash samples were used for training and testing. Results show that ACO-BP neural network can obtain better performance compared with empirical formulas and BP neural network. The well-trained neural network can be used as a useful tool to predict coal ash fusion temperature according to the oxide contents of the coal ash.     

山西典型高铝煤灰熔融及黏温特性改性实验研究

以山西典型高铝煤为研究对象,研究了工业助熔剂石灰石、黏土以及两者的复合助熔剂对其灰熔融特性及黏温特性的影响。结果表明,随着助熔剂含量的增加,煤灰熔融流动温度下降;石灰石的助熔效果优于黏土,复合助熔剂效果优于单一助熔剂。添加石灰石使灰渣临界黏度温度tcv显著降低,添加黏土使其渣型向玻璃渣转变,复合助熔剂较单一助熔剂存在显著协同作用,即能同时实现tcv的降低和渣型的有利转变。对山西典型高铝煤两渡煤,在复合助熔剂添加量为4%(2%石灰石+2%黏土)时,不仅其渣型向玻璃渣转变,且tcv较单独添加石灰石(2%)降低133℃,较单独添加黏土(6%)降低222℃。矿物质分析结果证实了助熔剂的助熔原理。添加复合助熔剂改性的山西高铝煤可达到工业气流床气化对煤种的要求。     

煤灰流动温度预测模型的研究

以181种煤样的灰流动温度为基础,通过多元线性拟合以及逐步回归法,建立了关联各煤灰氧化物成分以及煤灰酸碱比的流动温度预测模型,相关性系数达0.934,该模型预测值与实验结果有较好的一致性。利用FactSage软件计算出液相线温度,建立流动温度与液相线温度之间的关联公式,相关性系数达0.924,说明该关联式同样具有较好的预测效果。     

气化中煤灰熔点和黏度预测模型

根据煤灰中硅铝含量及硅铝比对煤灰进行分类研究,构建了灰熔融点和黏度与组分关系的优化模型,并对宽组分范围的煤灰熔点、黏度关系进行探讨。获得了更加精确的灰熔点预测模型,全液相温度模型预测误差为±40℃,实验值和预测值的标准误差为25℃。采用修正的Urbain模型和Roscoe模型相结合,模型预测值和实验值吻合较好,低黏度下对数黏度的预测值和实验值误差为±0.1;高黏度下黏度的预测值和实验值误差为±0.2。结果表明,基于煤灰组分分类的拟合结果优于涵盖宽组分的模型。     

煤灰中矿物质组成对煤灰熔融温度的影响

选取九种不同灰熔融温度的煤样,利用X射线衍射分析方法,研究了煤灰的矿物质组成及含量对灰熔融温度的影响,以及弱还原性气氛下不同温度煤灰熔融过程中的矿物演变过程及其对灰熔融温度的影响。结果表明,815℃煤灰的主要晶体矿物质组成为石英、硬石膏、赤铁矿、氢氧钙石和石灰等。一般情况下,煤灰中氢氧钙石含量低,硬石膏和赤铁矿含量高的煤,灰熔融温度较低。在还原性气氛下,随着温度的升高,煤灰中的石英、硬石膏、氢氧钙石等结晶矿物含量逐渐减少,生成新的矿物质。莫来石的生成是导致煤灰熔融温度高的主要原因。低灰熔融温度煤灰在加热过程中,在1 100℃时,钙长石和铁钙辉石的生成起到了降低煤灰熔融温度的作用。