煤炭发热量与水分、灰分及挥发分关系研究

2020-12-16王以宪左兆迎

山东煤炭科技 2020年11期

王以宪王鑫左兆迎

（日照检验认证有限公司，山东日照 276826）

煤炭发热量是煤质分析、煤炭分类及动力用煤的重要评判指标[1]，其发热量越高，表明煤炭燃烧产生的能量越多，经济价值越大。我国煤炭分类标准中还采用恒湿无灰的基高位发热量作为区分褐煤和长焰煤的依据[2]。发热量测定的基本原理是取一定质量的煤样放入充有过量氧气的氧弹内燃烧，放出的热量被量热系统吸收，根据量热系统的温升计算煤样的发热量。工作人员在发热量检测过程中需要有较强的责任心，严格按照《煤的发热量测定方法》（GB/T213-2008）等标准规范进行操作，提高检测的准确度[3]。在出具化验结果时，需对分析结果进行全面复核，当发现化验结果可疑时需进行复查，工作人员还须掌握煤质各项指标间的相互关系[4]，根据工业分析、元素分析的数据，运用经验公式对发热量进行估算[5]。现有的预测方法主要有线性回归法和神经网络，但神经网络对样本数据质量和数量要求较高，而且容易出现过拟合现象。不同矿区不同煤种的煤炭发热量和煤炭元素之间关系有所不同，本文以日照检验认证有限公司检验的鲁西南矿区烟煤检测结果为对象，研究煤炭发热量和其他指标之间的关系。

1 回归模型的建立

将所选取的煤样制样过程依据《煤样的制备方法》（GB474-2008），分别制备出全水分样及一般分析煤样。化验指标包括全水分、灰分、挥发分及发热量。全水分的测定根据《煤中全水分的测定方法》（GB/T211-2017）进行，工业分析根据《煤的工业分析方法》（GB/T212-2008）进行，发热量测定根据《煤的发热量测定方法》（GB/T213-2008）。得到灰分（收到基） Aar、挥发分（收到基）Var、全水（收到基）Mt和低位发热量（收到基）Qnet.ar共计88 对结果，部分检测结果见表1。

表1 部分化验结果

利用SPSS21.0 进行分析，描述统计量如表2所示。所选用数据低位发热量、挥发分、灰分和全水的均值分别是6444.17、34.02、9.92 和7.28，标准偏差分别为405.78、1.57、2.87 和0.97。

表2 原始数描述性统计

水分、灰分、挥发分和发热量之间的散点图如图1 所示，可见大体都呈现线性关系。其中水分、灰分和发热量分别是负相关关系，挥发分和发热量正相关。

图1 水分、灰分、挥发分和发热量散点图

根据散点图，可大体判断水分（收到基）、挥发分（收到基）、灰分（收到基）和低位发热量（收到基）大体存在线性关系。

2 回归模型的检验

多元回归方程时，筛选变量通常有向前、向后和逐步筛选三种策略。本文利用向后进入策略，不断剔除出回归方程的变量，输入／移去的变量见表3，可见移去的变量是挥发分（收到基）Var。

表3 输入／移去的变量

2.1 拟合优度和DW 检验

拟合优度是检验样本数据点集合再回归线周边的密集程度，表4 的模型2 中的R 为0.847，最终调整R 方为0.711，可见模型拟合优度较好。DW检验是推断样本序列是否存在自相关的检验方式，如果残差自相关，表示方程不能充分说明低位发热量的变化规律或变量取值存在滞后性或模型不合适。其取值越靠近2，残差项间越无相关，根据表4，本文的DW 值为1.627，可见残差序列基本不相关。

表4 模型汇总

2.2 方差分析

方差分析结果见表5。取显著性水平α 为0.05，由表5 中的回归方程2 的显著性检验概率为0，认为系数不同时为0，低位发热量与灰分水分全体的线性关系显著，可建立线性方程。此外，F 的值是回归方程的显著性检验，表示的是模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。查F 分布分位数表F0.05（2,85）=1.73，F=107.843＞1.73，认为列入模型的解释变量灰分和水分对被解释变量发热量的共同影响显著。