煤質檢驗數據分析及熱值預測研究

韓慧穎

雞西市質量技術監督檢驗檢測中心

煤質檢驗數據分析及熱值預測研究

韓慧穎

雞西市質量技術監督檢驗檢測中心

對于煤質信息的數據分析是煤炭企業經營之中的重要內容，對于煤炭情況的數據分析可以極大提高煤炭使用之中的效率，分析煤炭的熱值可以為煤炭的數據審核和熱值的計算提供重要的實驗依據，煤炭熱值的預測是煤炭數據分析之中的重點。本文對于煤質檢驗之中數據分析的方法和熱值預測的研究內容進行了介紹。

煤質檢測數據分析；熱值預測

一、煤質數據分析的意義

煤質數據分析是在當前的煤炭開發事業之中提高煤炭利用效率的技術手段，對煤炭的性質和質量進行數據分析主要是指在開發過程之中對煤炭資料進行統計和分析，進而對數據背后所說明的煤炭性質和分布情況進行研究。在對煤質進行數據分析之后，要將數據進行綜合的處理，保證數據分析的準確程度。對數據分析體系的完善和科學合理化改造對于煤質數據分析工作的質量有很大的提升作用，在煤炭事業建設之中是一項非常重要的工作。在煤質數據的分析過程之中，最為主要的目的是對實驗過程之中得出的煤炭燃燒實驗的結果進行分析。煤炭燃燒實驗的主要目的是對煤炭燃燒過程之中產生的熱量進行統計，而隨著實驗測量時間的逐漸增加，其測量的熱量的準確度逐漸降低，在一些情況之下不適合對煤炭的性質進行較為精確的測定。為了在煤炭性質的研究之中獲得更為精確的結果，技術人員就需要對實驗數據的處理和分析方法進行優化。

二、煤質數據分析之中存在的問題

在煤炭企業的運營過程之中，對于煤質信息進行充分技術的利用對企業的建設和發展有很大的意義，可以有效提高企業的運營、生產和煤炭使用能力，可以很大程度上提高煤炭企業的運行質量。但是，在企業的數據分析過程之中，企業發送經過儀器檢驗的數據的方法主要是人工記錄和電話報送，其數據傳輸效率低下，且傳輸的準確性也較低，在傳輸過程之中常會出現傳輸錯誤的現象，不利于企業對于煤炭分析數據的使用。數據分析結果的利用效果不佳不利于企業的相關部門使用數據分析的結果來進行企業運行和煤炭開采上的優化，對于企業的運行質量的提高沒有很好的提升作用。

三、煤炭熱值預測技術研究

1、研究內容

在煤炭熱值分析的過程之中，研究人員珠崖是對煤質數據之中的幾項進行研究和分析，進而對煤炭燃燒熱值進行計算和預測。在數據分析過程之中主要分析的指標如下。

（1）水分

煤炭之中的水分主要包括結晶水、分解水和煤炭結構內外的水分，假如在煤炭結構和成分之中存在的水分量過大，會影響煤炭西苑的運輸和使用，并且對煤炭的熱穩定性和熱傳導性都有較大的影響，這回造成使用過程之中煤炭的焦化周期延長，降低化工排尿給企業的焦化煤炭的產量和生產效率。在煤炭的數據分析過程之中，煤炭資源的外部水主要是指在煤炭開采和運輸過程之中的水分，其主要的來源是外部空氣水分，而在煤炭的形成過程之中含有的水分被稱作內在水，這些水分是煤炭形成原料，植物之中含有的水分。一般來講，內在水分主要存在于長焰煤、褐煤中，水分的存在對煤炭的利用起著嚴重的阻礙，也是運輸資源的一個極大浪費，當煤燃燒時，水分會蒸發轉換成蒸汽從而消耗熱量；另外，精煤中的水分也會在一定程度上影響煉焦。

（2）灰分

灰分是指在煤炭的燃燒過程之中產生的一種物質，是指煤炭燃燒后的殘留物，是礦物質在分解后的殘留物。灰分的多少和煤炭的燃燒發熱量成反比，在煤炭數據的分析過程之中，灰分的含量少說明煤炭的發熱量低，其實際質量較差，灰分額含量高說明發熱量高，煤炭的質量也較高。煤炭灰分主要是指煤炭成分之中的無機物的含量，煤炭的選擇性和灰分的含量呈現正比。

（3）揮發分

揮發分又被稱作揮發分產率，是指煤炭之中的礦物質和有機物砸死高溫燃燒的過程之中產生分解，從而產生的液體和固體的混合物。揮發分在化學成分的分析上主要是包括一些熱分解產物，其成分不完全是煤炭的組成成分，其含量隨著煤炭的變質程度逐漸增加，是煤炭焦化、汽化和野花能力的重要指標，可以在對煤炭進行煉焦處理時確定煤炭的加入比例。

（4）發熱量

煤炭的發熱量是指單位質量之下的煤炭完全燃燒產生的熱量，其在概念上可以分為低位發熱量和高位發熱量。低位發熱量是指煤炭的高位發熱量和水汽化熱的差值是國內貿易經常使用的發熱量標準，它卻受外界因素如水分、灰分等影響較大。

2、熱值預測技術

人工神經網絡也被稱為神經網絡，是用一個大量簡單的神經元（處理單元）經廣泛相互連接而形成的人工網絡。神經網絡是一種運算模型，由許多相互聯接的神經元節點構成的。激勵函數指的是每個節點代表一個特定的輸出函數。權重指的是任意兩個節點間是通過權值連接的連接信號，等同于人工神經網絡的記憶。由于網絡的連接方式、激勵函數及權重值都不一樣，導致網絡的輸出也不一樣。BP網絡基本結構由輸入層、中間層（隱層）、輸出層三部分構成，相鄰兩層神經元之間用直線連接，但是隔層之間不存在直接連接。同層神經元沒有任何連接，每個神經元自身不存在任何連接。BP網絡的信息傳遞是有方向的。計算輸出時只能是正向的，前向計算時，根據輸入來計算網絡的實際輸出，即先計算第一層隱含層的輸出，最后計算輸出層的輸出。對煤質數據相關性分析已經分析了水分、灰分、揮發分與發熱量的相關性，分析結果表明，灰分、水分與發熱量的線性相關性較好，而揮發分分與發熱量的線性相關性不是特別高，所以回歸分析中沒有把揮發分加入回歸分析預測中。人工神經網絡具有容錯性和處理非線性數據的能力，因此采用人工神經網絡模型預測煤炭的發熱量時，可將揮發分作為輸入。

由于煤炭發熱量的預測算法要集成于網絡系統中實現，從計算量上來分析，回歸分析方法相對簡單，數據計算處理速度快，因此，適用于對預測結果精度要求不高的場合，或應用于數據的可靠性審核。神經網絡模型雖然有著較高的預測精度，但是，計算過程涉及到多次迭代，相對復雜，在計算機中執行的速度也會較慢。綜上考慮，在系統實現中，分別對兩種算法進行了編程實現，實際中，可以根據具體需求，確定預測方法。

四、結語

煤質數據分析是提高煤炭資源利用率的有效技術手段，研究合理的數據分析方法，進行審查核對，是一項非常重要的工作，研究合理的算法和實現手段預測熱值，意義重大。針對煤質分析數據量大，分析處理數據的過程繁瑣的特點，建立系統化的數據技術系統，對提高企業工作效率和管理水平都有著積極的促進作用。

;

[1]李英華.煤質分析應用技術指南[M].北京：中國標準出版社.2009.1-15

[2]陳鵬.中國煤炭性質、分類和利用[M].北京：化學工業出版社，2011.1-30

[3]顧闖.煤質分析全流程自動化處理系統設計[J].煤炭科學技術，2012，40(7)：85-88

[4]姜超.煤炭實驗室信息化管理與發展[J].煤質技術，2006(6)：4-6