基于激光诱导击穿光谱(LIBS)的煤灰熔点快速检测

由于劣质煤的存在,燃煤时锅炉内极易出现结渣问题,不仅降低了煤的利用率、电厂的经济效益,且使火电厂存在安全隐患,如管壁超温爆管等,不符合国家节能减排的发展战略要求。因此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。采用激光诱导击穿光谱仪(LIBS)对33个火电厂常用煤燃烧后得到的煤灰样品采集其中所有元素的光谱,分别建立煤灰中的所有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。将全部数据划分为70%训练集和30%测试集,并以平均相对误差(MRE)作为判断模型拟合程度的标准,其中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。将便携式LIBS光谱仪与机器学习算法相结合,用于煤灰熔点的快速检测,可有效避免锅炉结渣问题,实现火电厂安全性和经济效益的同步提高,有广阔的发展前景。

工业固废对高灰熔点煤灰熔融特性的影响及机理

煤灰的熔融特性是气化用煤的重要指标,工业生产中钙基和铁基助熔剂被广泛用于降低高灰熔点煤灰的熔融特征温度。本文选取了4种含钙和含铁的工业固废,即脱硫石膏、电石渣、赤泥和钢渣,作为助熔剂,考察了高温弱还原性条件下工业固废添加对高灰熔点潞安煤灰熔融特性的影响,并分析了工业固废的添加与高温下煤灰矿物质组成的关系。结果表明:工业固废添加量为2%~8%时,高熔点潞安煤灰的熔融特征温度均降低,但影响程度不同。随着赤泥和电石渣添加比例的增大,潞安煤灰的熔融特征温度显著降低,添加4%的赤泥和电石渣时,煤灰的流动温度分别降低至1376℃和1392℃;添加钢渣和脱硫石膏,且添加量为2%时,煤灰的流动温度降低至1380℃和1410℃,但随着添加比例的增大,降低的幅度变小。添加赤泥时,潞安煤灰中莫来石和硅线石含量减少,生成了低熔点的钙铁辉石和铁尖晶石;添加电石渣时,高温下主要生成的矿物质为低熔点的钙长石;添加钢渣时,煤灰中莫来石与氧化物反应转变为低熔点的钙长石和单斜辉石;添加脱硫石膏时,高温下主要的矿物质为低熔点的钙长石。综合考虑四种含钙和含铁工业固废添加对煤灰熔融性和气化设备的影响,含铁工业固废钢渣和含钙工业固废电石渣可作为降低高灰熔点煤灰熔点的助熔剂,且添加比例为4%时,煤灰的流动温度能够满足气流床气化炉对煤灰流动温度的要求。

掺烧高灰熔点煤对多喷嘴水煤浆气化炉运行的影响及调控

中海油惠州石化有限公司煤制氢装置气化系统设有2台多喷嘴水煤浆气化炉(一开一备,设计操作压力4.5 MPa),2023年3月投产以来气化系统运行情况较好。为考察气化炉对高灰熔点煤的适应性,于2024年1—2月对五种不同进料煤种(代号分别为SY2、SY3、JY2、DHR、TDH,其中,SY3、JY2为高灰熔点煤)进行掺配得到四种混煤,通过掺烧试验考察了四种混煤及100%SY2煤对成浆性能、烧嘴煤浆流量及雾化压差、渣口压差、粗合成气成分、气化炉炉壁温度、黑水灰渣含量等的影响。试验结果表明,多喷嘴水煤浆气化炉掺烧高灰熔点煤(SY3、JY2)可行,并通过实际生产数据及其变化趋势的分析与探讨得到了一些原料煤(尤其是高灰熔点煤)煤质对多喷嘴水煤浆气化炉运行的影响规律与调控经验。

基于支持向量机与遗传算法的灰熔点预测

为了提高估算煤灰熔点的精度,文中采用支持向量机算法对求解灰熔点问题进行了建模,并利用遗传算法对支持向量机模型的参数进行了优化,获得了最优的模型参数。支持向量机模型将灰成分作为输入量,煤的灰熔点Tst作为输出量,用试验数据对模型进行了校验和参数的寻优,利用优化后的模型对单煤和混煤灰熔点进行了预测,并将预测结果与实验结果进行了对比,结果表明,优化后的支持向量机模型实现了对单煤和混煤灰熔点较精确的预测。支持向量机可用于小样本问题的学习,计算速度快,提高了实时处理与预测能力。

煤灰熔融过程中的矿物演变及其对灰熔点的影响

煤的结渣特性是影响电厂锅炉安全经济运行的主要因素之一。该文利用热分析方法和X-射线衍射物相分析对低灰熔点的神木煤(温家梁,TDT=1200℃)和高灰熔点的淮南煤(新庄,TDT>1500℃)煤灰在加热过程中矿物质的热行为及其演变进行了对比研究,2种煤灰的热分析曲线存在较大差异,它们的矿物质成分也随着温度升高发生了不同的转变,分别对其灰熔点产生了不同的影响。温家梁灰中大量存在的CaCO3、CaSO4为钙黄长石、钙长石的大量生成提供了条件,这2种矿物的低温共熔是温家梁煤灰熔点低的主要原因;新庄灰中大量生成的莫来石使得新庄灰的熔点很高。该文的对比研究为研究配煤解决锅炉结渣问题提供了新的思路。

基于网格搜索和支持向量机的灰熔点预测

为了预测混煤的灰熔点,采用支持向量机建立煤灰软化温度模型,模型将煤的灰成分作为输入量,煤的软化温度作为输出量,利用网格搜索寻优方法对支持向量机(SVM)模型的参数进行了优化,在设定的不同精度下分别获得模型的最优参数,利用优化后的模型对单煤和混煤的灰熔点进行了预测,并将不同精度下的预测结果与实验结果进行对比.煤灰软化温度模型设定精度为0.01时,单煤样本预测相对误差最小,其最大相对误差和平均相对误差分别为3.00%和0.48%;运用此模型对混煤预测的最大相对误差和平均相对误差分别为1.74%和0.62%.预测结果表明,经网格搜索优化后的支持向量机模型对煤灰熔点预测较精确.

高灰熔点煤高温下煤焦CO_2/水蒸气气化反应特性的实验研究

我国煤炭年产量中,1400℃以上的高灰熔点煤约占50%以上。为探索固态排渣方式的高灰熔点煤气流床气化,文中选出具有代表性的3种高灰熔点煤种和1种低灰熔点煤种,在TGA-51H型高温热天平上进行了煤焦—CO2和煤焦—水蒸气气化反应特性的实验研究,并利用SEM考察了气化条件下煤焦及灰的微观结构。实验结果表明:在煤焦—CO2/H2O反应过程中,反应速度明显表现出高温区域的扩散反应和低温区域的化学反应;无论在1273～1573K的低温区域,还是在高于1573K的高温区域,反应速率随燃料比的增加而减小;低灰熔点煤在高温条件下,气化反应速率随温度的升高变化不大,有时甚至略有下降;对于高灰熔点煤种其气化反应速率随温度的升高仍继续升高。

广义回归神经网络在煤灰熔点预测中的应用

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.

助熔剂对高灰熔点煤影响的实验研究

对山西两种高灰熔点煤添加不同比例的CaO和Fe2O3助熔剂后的熔融特性及其在高温下的矿物质行为进行了实验研究,用X射线衍射观察分析了不同温度下的煤灰矿物组成变化.结果表明,在弱还原性气氛下,两种助熔剂均可有效降低煤灰熔点,但不同的助熔剂对不同煤灰熔点降低的效果不同.当在煤灰中添加适量助熔剂时,煤灰熔点可达到最低,这是由于煤中矿物质在高温下与CaO,Fe2O3发生反应,最终形成低熔点共熔物,从而使得煤灰熔点下降.

高灰熔点煤加压气流床气化特性

在25kg／h规模的沉降式加压气流床气化实验装置上，研究了高灰熔点煤种在固态排渣温度范围内的气化特性及灰渣熔融特性．结果表明，气化温度、碳转化率均随O／C物质的量比的增加而增加，冷煤气效率则随O／C物质的量比的增加呈现先增大后减小的变换规律；本实验条件下，最佳O／C物质的量比在1．0—1．2之间，此时冷煤气效率达最大值（42％左右），相应碳转化率为90％；对最佳工况下气化炉底部、旋风分离器和布袋除尘器内的灰渣进行SEM分析表明，该工况下气化炉底部、旋风分离器内的灰渣在整体上仍以固态形式存在，只是有部分低熔融成分发生熔融，其熔融部分的粒径在数微米左右，而布袋除尘器内的灰渣没有发生熔融现象．

褐煤配入高熔点煤灰的灰熔点预测模型研究

测定了不同比例的褐煤与高熔点煤灰的混灰在弱还原气氛下的灰熔点,并且采用BP神经网络模型对灰熔点与灰成分及其组合参数之间的关系进行预测。结果表明:3种低灰熔点褐煤的灰熔融特性可以通过配入高熔点煤灰显著提高,混灰的灰熔点变化与配比间呈现非线性变化规律,灰熔点上升趋势总体可分为‘前段快速上升后段平缓’和‘前段快速上升中间段平缓后又上升’2种类型,配入灰熔点更高的高熔点煤灰对提高褐煤灰熔融温度效果不一定更优;使用摩尔分数作为基准,输入层包含8个灰成分参数和5个组合参数(硅值、酸值、碱值、白云石比率和R250)的BP神经网络模型对混灰熔点的预测优于仅包含8个灰成分参数的输入层预测模型,且该模型可对混合灰熔点的预测效果较好。

多元煤灰灰熔点及晶体组成特性研究

煤在高温下的灰熔点是气化炉安全高效运行的重要参数,利用灰熔点仪对由SiO2,Al2O3,Fe2O3,MgO,CaO按不同比例组成的氧化物组分进行灰熔点测定,选取Si/Al、Si+Al、Fe2O3、MgO、CaO五个关键变量以验证其变化对煤灰熔融特性的影响,变量变化范围涵盖国内大部分煤灰的范围。采用Factsage软件预测了煤灰组分的全液相温度并与灰熔点进行比较。结果表明,随着CaO、Fe2O3、Si/Al含量的增加,煤灰的灰熔点逐渐降低;随着MgO、Si+Al含量的增加,煤灰的灰熔点逐渐升高,由Factsage计算出的全液相温度总是高于灰熔点200℃左右。利用Factsage获得各个渣系随温度变化析出晶体的固相比例,并对模拟结果进行了实验验证,探究了两者产生差异的原因及不同氧化物组成对各个渣系固相比例所产生的影响。结论为进一步分析多元氧化物体系熔融状态产物及特点奠定了基础,并对气化炉优化设计运行具有重要意义。

支持向量机技术在动力配煤中灰熔点预测的应用

为了提高估算煤灰熔点的精度,采用支持向量机结合遗传算法对求解灰熔点问题进行了建模.将灰成分作为输入量,煤灰软化温度作为输出量,用试验数据对模型进行了校验,结果表明,支持向量机模型预测的最大相对误差和平均相对误差分别为7.4%和0.678%,较精确地实现了对软化温度的预测.支持向量机可用于小样本问题的学习,计算速度快,提高了实时处理与反应最新运行工况参数的预测能力.

污泥对神府煤灰熔点的影响

研究了神府煤(A)、污泥(W1)、改性污泥(W2)以及煤污泥混合物(AW1、AW2)的灰熔融特性,发现W1、W2分别加入神府煤中可以不同程度地降低煤的灰熔点。W1添加30.74 g时,污泥煤灰的熔融温度降到最低,流动温度(FT)降幅程度达到63℃;W2加量为51.23 g时,FT降低82℃。通过XRD分析了煤、污泥及混合物中的矿物质组分,并比较了AW1、AW2混合灰在不同特征温度下矿物质的形态演变。结果表明,W1加入A中后,生成了新的矿物质氯磷灰石,并且降低了石英、硬石膏、赤铁矿这三种主要矿物质的转化温度,从而降低了煤的灰熔点;W2降低煤灰熔点的主要原因在于W2中有大量的金属钠离子,混合灰在不同特征温度下主要发生钠类矿物质的转变。

不同的灰熔点调控方式对煤灰熔融特性的影响

对两种原始煤灰进行混合,并分别搭配不同的添加剂,得到3种元素组成相同的煤灰,灰熔点测试结果显示,三者的灰熔点存在较大差异。结合X射线衍射技术和SEM-EDX(扫描电子显微镜与能谱联用)分析了3种煤灰(>800℃)在高温时的矿物质转化过程。结果表明,不同的灰熔点调控手段对不同煤的影响是不同的。原因是高温时矿物质组成不仅与煤灰化学元素组成相关,更与元素在矿物质中的赋存状态有关。两者共同决定了煤灰的熔融特性。

基于广义回归神经网络与遗传算法的煤灰熔点优化

考虑固态和液态排渣锅炉对煤灰熔点的不同要求,采用广义回归神经网络建立了煤灰软化温度模型.神经网络的输入变量为7个,即煤灰中SiO2、Al2O3、Fe2O3、CaO、MgO、TiO2、Na2O&K2O的质量分数.以煤灰软化温度作为目标函数,采用遗传算法寻优计算获得当煤灰软化温度最高和最低时煤灰中氧化物的组成.广义回归神经网络仅需30个训练样本,最大和平均相对误差分别为21.8%和1.55%.优化结果表明,掺烧高钙煤或者向燃煤中添加石灰石等富含Ca的原料可以降低煤灰熔点;而增加Al2O3的质量分数可以提高煤灰熔点.

基于Elman神经网络的烟煤与生物质混烧灰熔点预测

基于实验法测定烟煤与不同生物质混烧灰熔点时存在工作量大、时效性差的问题,通过分析烟煤分别与玉米秸秆和木屑混烧灰的成分,并以灰成分为输入量,建立基于Elman神经网络的灰熔点预测模型。采用Levenberg-Marquardt反向传播算法训练模型,利用残差检验与后验差检验法检验模型预测性能。研究结果表明:玉米秸秆灰、木屑灰分别含有较高的K_2O和CaO,与烟煤灰相比,2种生物质灰的碱性氧化物(Na_2O,K_2O,CaO,MgO)质量分数较高,酸性氧化物(Al_2O_3和SiO_2)质量分数较低;检验结果验证了该模型具有较高的预测精度和较强的泛化能力。

配煤降低高灰熔融性淮南煤灰熔点的研究

对高灰熔融性淮南煤和低灰熔融性煤进行了配煤降低灰熔点的研究 .研究表明 ,配煤可以显著降低高灰熔融性煤的灰熔点 ,降低或免去添加助熔剂 ,配合煤灰熔点变化并不是两种煤的灰熔点加和值 ,而是非加和性的 .煤中灰成分对灰熔点有很大影响 ,配煤的灰成分具有加和性 .添加适当的助熔剂是高灰熔融性煤的配煤制浆的较佳选择 .配煤的制浆浓度是非加和性的 ,利用两种煤的优势可以有效地提高难成浆煤种的制浆浓度 ,一般可以提高 3%～ 5 % .

低灰熔点煤的高温气化反应性能

在常压、温度为800～1400°C范围内,以二氧化碳为气化剂,研究了我国神府、后布连、东胜3种煤焦的高温气化反应特性。结果表明:气化反应速率与温度的关系可以分成3个区域,低温区为反应动力学控制区,反应速率符合Arrhenius方程;中温区为内扩散严重影响区,其表观活化能约为反应动力学控制区活化能的一半;而在气化温度高于1150°C的高温区,同一温度下随碳转化率的提高气化速率的差异逐渐加大,活化能下降,反应速率随气化温度的增加反而降低。

基于偏最小二乘回归的灰熔点预测

利用煤灰成分作为输入变量,煤灰变形温度作为输出变量,采用偏最小二乘回归法(PLS)对灰熔点问题进行建模.然后用60个样本对该模型进行训练,利用得到的PLS回归方程对20个混煤样本的灰熔点进行预测,并对不同灰成分个数作为输入变量时得到的预测结果进行了比较.结果表明:所建立的灰熔点PLS回归模型能较好地预测灰熔点;采用10个煤灰成分作为输入变量时,灰熔点的平均相对预测误差和最大相对预测误差分别为1.05%和1.19%,比采用7个煤灰成分作为输入变量时的预测结果精确.