不同变质程度煤的发热量与水分和灰分的多元线性回归分析_张贝贝.pdf

第42卷第4期 2014年8月 煤田地质与勘探 COALGEOLOOY TQ533.2 文献标识码ADOI 10.3969/j .issn.l001-1986.2014.04.002 Multivariable linear regression of the correlation between calorific value and moisture and ash content of coal ZHANG Beibei, XUE Yandong, HUANG Chengyu State Key Laborato,y l扩CoalResources and S价Mining,College of Geosciences and Surveying Engineering, China University of Mining and Technology, Beijing 100083, China Abstract Calorific value is a basic indicator in coal quality uation and thermal calculation. The paper coJlects data of moisture, ash yield, volatile component and calorific value of coal in different regions and builds multivariable linear regression model between calorific value and moisture content and ash yield. The result shows that with the increasing of volatile component, the influence of moisture on calorific value increased while the influence of ash yield decr巳ased.In order to inspect the accuracy of the model, the calorific value of coal in other regions is calculated and compared with the measured value. The model has high feasibility for the prediction of calorific value in different regions. Key words calorific value; multivariable linear regression; prediction 煤炭作为动力燃料，其发热量越高，经济价值 越大。发热量是煤质评价和热工计算的重要指标， 是动力用煤计价的主要依据。在煤质分析中，发热 量却fl定是一个操作复杂、影响因素较多的项目，测 试条件苛刻，其结果特别容易受环境因素的影响（I］。 许多煤炭购销企业或用煤单位希望有快速经济的方 法粗略评估煤的发热量，用其他指标来计算煤的发 热量的方法一直为人们所关注。 目前，煤的发热量预测方法主要有3种基于 工业分析的线性回归模型，研究发热量与水分、灰 分等指标之间的关系［2-10］；基于元素分析的线性回 归模型，研究发热量与C、H、0、N元素含量的关 系［门－12］；神经网络模型（13-14］。 从根本上讲，影响煤的发热量的因素为煤的变 收稿日期2013-06-26 质程度，不同变质程度下，水分、灰分对煤的发热量 的影响不同。然而，目前研究煤的发热量与水分、灰 分关系的大部分多元线性回归模型，仅局限某些矿区， 对其他矿区的预测没有适用性；而神经网络模型则忽 略了不同矿区之间煤质的差异。本文首先对煤质数据 进行分类，通过多元线性回归分析，得出不同变质程 度下煤的发热量与水分、灰分的回归方程，最终对回 归方程进行验证，并用于其他矿区的预测。 1 研究区煤质特征 研究区主要为山西、内蒙地区，收集的煤质工业 分析指标有水分（M.ct）、灰分（Act）、挥发分（几J及发热 量（Qgr,d）。根据煤的挥发分高低，对煤变质程度进行分 作者简介张贝贝（1987一），男．安徽合肥人，博士，从事矿井工程地质及煤层气地质研究． ChaoXing 第4期张贝贝等不同变质程度煤的发热量与水分灰分的多元线性回归分析 9 类挥发分＜20，煤变质程度高；挥发分20～38, 煤变质程度中等；挥发分＞38，煤变质程度低［15］。 研究区不同变质程度煤的煤质指标见表1。由 表l可见，随着变质程度降低，煤的干燥基高位发 热量减小。不同变质程度下，煤的发热量与水分、 灰分的关系见图l。由图l可见不同变质程度煤 的发热量与灰分均表现为负相关关系；中、低变质 程度煤的发热量与水分也呈负相关关系t高变质程 度煤的发热量与水分的相关性不明显，随着煤变质 程度的升高，水分对发热量的影响逐斯减弱。 表1研究区煤质分析结果 Table 1 Coal quality index in study region 煤变质程度 20 4 6 8 10 o 水分／b）巾等变质极度煤 35 高 M,d/ 0.42l.2 1 3.19 生单二生卫 4.93 中等 1.597.95 低一一一 3.94 注（0.42～1.21/3.19表示（最小值～最大值）／平均值。 35 AU 句J ’出 4『芝｝阔琼刽 口 。。。 口口口。口 ib品 口口 Aυ 5 、’” 2 水分／ 35 3惮口 里25（田。 二哥| A吧l，0/j,_ 口E口－o”＂＃＇ 35 τ “ 」＜30 『 2 2 25 4司 口 回国 四 口 口 。 口 。 口 口 曲 。 。 20 2 水分／ Ad/ 且兰1...生2旦 27.30 6.5726.04 12.61 21.0032.59 24.93 35 AUεJ 32 －234）阳最 剖 20 0 a ,;j皮质程度煤 35 05 32 42『豆）臼 恶。刽 U ，、d 32 T笠 『三）臼运 剖 。“脱 2 和 质 皮 ’3 吓w { c 几，r/ 7.4517.90 13.36 且旦A 33.47 韭垂坠组主主 39.98 Qg,.d /MHg-1 且主仨丑坐 28.52 22.9432.49 28.50 且主仨旦兰旦 23.35 。 。n 。 寄自日 DD, DD 口 口 10 15 20 25 30 灰分／ 。 地.；DDO D 。口 。 a, 10 15 20 25 30 灰分／ nU R 口 口 口 , 口 nM RM B 口’口 20 25 30 35 以分／ 图l山西、内蒙地区煤的发热量与水分和灰分的关系 Fig. I Correlation between calorific value and moisture I ash yield of coal in Shanxi and Inner Mongolia reg10ns 2 多元线性回归模型 2.1 模型概述 煤在燃烧过程中，煤中水分吸收热量而蒸发， 要带走部分热量，导致煤的发热量随水分的增加而 降低，即煤的发热量与水分呈反比关系。煤中大多 数矿物质在煤燃烧时吸热分解，矿物质含量越高， 其热解所吸收的热量也越多，通常煤中每增加1 的灰分，煤的发热量降低300～380J饵，即煤的发热 量与灰分呈反比关系。由此，建立回归方程如下 Qk-bx Mad-ax l 式中。为发热量Qg,,d的预测值；Mact、Act分别为 水分和灰分，；k、b、α为模型的待定系数。 根据最小二乘法原理，建立目标函数 Rk,a,b ＝三（Q;- Q2 ＝汇（Q;-kbxM叫＋句，）2 2 式中n为试验组数；Q；、M州、Act，为第i组数据的 观测值。 为使Rk,b，的最小，应满足 坦。 I 8k aa θR ab 解此方程组，求得模型参数k、a、b，从而得出回归方程。 3 ChaoXing 10 煤田地质与勘探第42卷 2.2 模型求解 根据上述多元线性回归｝析模型，通过 MATLAB编程，得出不同变质程度煤的发热量（Qg,,d 与水分（Mad）、灰分（Ad）的关系（表2）。结果表明，随 着变质程度的降低，水分对煤的干燥基高位发热量 Qg,.d的影响逐渐增大，而灰分的影响逐渐降低。对 应于高、中、低不同变质程度的煤，其多元线性回归 分析的相关系数分别为0.6423, 0.838 7、0.956I, 模型具有较好的线性相关性。 表2不同变质程度媒的发热量与水分和灰分的回归方程 Table 2 Regression equations of calorific value and moisture/ash yield of coal with different metamorphic grade 煤变质程度回归方程相关系数 高Q8, . 37.2257 0.5112M, 0.4174Ad 0.642 3 中Q8, . 36. l 54 0-0.52 l 3M,.-0.403 2A 0.838 7 低Q8,..33.940 3 0.543 4M,d 0.338 2Ad 0.956 l 3 模型检验 在检验水平α＝0.05时，多元统计回归分析模型的 F检验结果见表3。不同变质程度下，多元线性回归方 表3多元统计回归模型F检验 Table 3 F-test result of the multivariable linear regression 煤变质 程度 高 中等 低 F分布自由度 n, n2 2 19 2 102 2 5 F观测值 概率p F F观测值） 17.054 9 s.74x 10-5 265.173 9 3.89l 0-1 54.421 0 4.04x 10 4 程的F观测值均大于Fo.os，说明回归效果非常显著。 根据原始数据中的水分、灰分，计算出高、中、 低不同变质程度煤的发热量与实测值的绝对误差分 别为0.6674 MJ/kg、0.5839 MJ/kg和0.2508 MJ/kg, 相对误差平均值分别为2.26、2.09和1.10。表 明模型具有较好的精确度。 通过以上求得的多元线性回归方程，实际统计新 疆、安徽、云南及河南其他矿区的煤质工业分析资料， 根据挥发分大小选择对应的回归方程，计算所得的煤 的干燥基高位发热量Qg,,d与实测值之间的误差分析部 分见表4。由表4可见，大部分预测值与实测值之间 的绝对误差小于IMJ/kg，相对误差小于5，表明模 型对其他矿区煤的发热量的预测有较好的适用性。 表4不同变最程度煤的发热量（Qg,,d）实测值与预测值 Table 4 The predictive and measured Qg,,d value of coal with different metamorphic grade 煤层M,d/ Ad/ 几，r/ 煤变质程度 Q8,.d/MHg 绝对误差 相对误差／ 实澳j值预测j值/MHg 1 矿区 3 8.09 17.98 34.99 中等24.10 24.69 0.59 2.44 4 8.69 15.20 36.98 中等25.08 25.50 0.42 1.66 5 8.54 12.16 34.49 中等26.07 26.80 0.73 2.80 新疆－Y N8 7.93 15.60 35.92 中等25.10 25.73 0.63 2.5 l 9 7.8 l 17.20 39.04 低24.64 23.88 0.76 3.09 10 8.01 15.18 37.89 中等25.41 25.86 0.45 l.76 6 9.01 12.24 33.84 中等25.89 26.52 0.63 2.44 M4 0.60 29.45 30.92 中等24.52 23.97 0.55 2.26 M7 0.71 28.37 28.85 中等25.08 24.35 0.73 2.93 M8 0.65 25.10 28.40 中等26.60 25.69 0.91 3.40 M9 0.77 21.40 29.74 中等27.83 27.12 0.71 2.54 云南－FYMl2 0.72 25.10 27.71 中等26.77 25.66 1.1 l 4.15 Ml 3 0.77 26.37 25.78 中等26.23 25. 12 1.1 l 4.23 Ml5 0.90 26.99 27.37 中等26.20 24.80 l.40 5.33 Ml 6 0.84 26.41 26.89 中等26.09 25.07 l.02 3.92 Ml8 0.72 27.29 26.96 中等25.20 24.78 0.42 1.69 17-2 l.83 23.47 40.33 低26.0l 25.01 l.00 3.85 13 l 1.52 19.29 42.56 低27.73 26.59 l.14 4.1 l l l-2 l.76 2 l.18 36.91 中等26.62 26.70 0.08 0.29 安徽－GQ8 l.85 22.52 37.74 中等26.16 26. l l 0.05 。19 6-2 l.53 20.09 38.67 低27.40 26.3 l l.09 3.96 4-1 l.83 32.07 35.87 中等22.77 22.27 0.50 2.20 l.28 I 5.87 38.51 低28.87 27.88 0.99 3.44 。.7315.65 21.09 中等29.94 29.46 0.48 l.59 - 4 l.32 21.40 16.59 高26.63 27.62 0.99 3.7 l 河南－ZJ （下转第15页） ChaoXing 第4期宋革等徐州地区深部不可采煤层C02地质处置潜力分析 15 are the gaps and what more needs to be done[J]. Energy. 2004. 29 1329 1338. [2] BA CHU S. Sequestration of C02 in geological media critena and approach for site selection in response to climate change[J]. Energy Convers Manage. 2000, 41 953-970. [3] BRADSHAW J, BRADSHAW BE. ALLINSON , et al. The potential for geological sequestration of C02 i口Australia Preliminary findings and implications to new gas field development[J]. APP EA Journal , 2002. 421 25-46. [4］朱炎铭，赵雯．赵文7（，等．苏南地区温室气体C02地质处 置的探讨[J］.现代地质，2009,232 1-6. [5］陈润．秦勇，申建，等．二氧化碳注入煤层多用途研究[J］.煤 田地质与勘探.2008, 366 20-23. [6］降文萍，崔永君，张群，等煤表面与C凡，C02相互作用的 盘子化学研究［J］.煤炭学报，2006.31 2 23 7- 240. [7］周来．冯启言，秦勇C02和C比在煤基质表面竞争吸附的热 力学分析［巧煤炭学报，2011, 368 1307日lI. [8］商亚兵，马东民，x,J饪辉，等，温度对煤吸附甲锐的影响实验［几 煤田地质与勘探.2012 . 406 24-28. [9］降文萍．崔永君深部煤层封存C02的地质主控因素探讨［J]. 中国煤炭地质，2010, 221 1 1-6 （上接第10页） 4结论 a.通过多元线性回归分析模型，分别得出高、中、 低不同变质程度煤的发热量（Qgr,d）与水分（Mad） 、灰分（Ad 的关系为Qg,.d37.2257一0.5112Maa」0.4174Ad高变 质程度）；Qg,,d36.154 0-0.52门M.a-0.4032 Ad中等变 质程度）; Qg ,.d33.940 3 - 0.543 4 M.a-0.338 2 Ad低变质 程度）。回归方程具有较好的线性相关性。 b.煤的发热量与水分和灰分呈反比关系，且随 着变质程度的降低，水分对煤的干燥基高位发热量 Qg,.d的影响逐渐增大，而灰分的影响逐渐降低。 c.利用工业分析结果推导出的计算Qg,,d的回归 式，其计算精度能满足无实测发热量的广大中小型用 煤企业使用；同时为煤质分析结果的校核提供了有力 的依据。 参考文献 川陈文敏；煤质分析结果的定性与定量审查［M]，北京．煤炭工业 出版丰t. ,1994 [2］鲍江．熊润身，王宝旗彬长矿区煤炭发热量经验公式的研 究［J].陕西煤炭，20073 43-44. [3］魏焕成．基于MATLAB的煤发热量计算[J］煤炭技术.2007 , 262 112-114. [4］贾存华．煤的发热量与灰分、水分关系探讨［J].山西焦煤科技． 2005 1 4-6. [10］刘长江C02地质储存煤储层结构演化与元素迁移的模拟 实验研究［DJ.徐州中国矿业大学，2010. [II］孙枢C02地下封存的地质学问题及其对减缓气候变化的 意义［J］.中间基础I科学.2006（匀，17-22 [12］许志刚．陈代钊．曾树袋。C02的地质埋存与资源化利用进 展［几地球科学进展.2007, 227 698- 707 [ 13］耿富强徐州矿区太原组煤层开采的实践与认识［J］.煤炭科 技.20053 20- 21. [14] BACHUS, BONυOLY D, BRADSHAW J, eta. Phase Il final repo此告。mthe task force for review and identi ti cation of standards for C02 storage capacity estimation[G]. Carbon Sequestration Leadership Forum. 2007 20 CI [15] BACHU S. BONIJOLY D. BRADSHAW J. et al. C02 storage capacity estimation ology and gaps[J] lnternational Journal of Greenhouse Gas Control. 2007. 41 430 443. [16］江怀友，沈平平．李相方、等，世界地质ii革层二氧化碳Ili仑埋 存量评价技术研究［J］.中外能源.2008. 132 93 99. [17］任相坤，楼永君．步学’朋．等号II尔多斯盆地CO,J-也质封存 潜力分析［J］.研究与讨论.2010. 321 29 32. [5］陈洪博，臼向飞，罗陨飞煤的发热量’与水分、灰分的关系研 究［J］.煤质技术，2010426-29. [6］徐勇．郝建伟，寇春霞，等．煤炭发热量回归方程的建立［J]. 煤质技术，2005666-67 [7］王广荣．文1］生玉．四山煤发热量与工业分析指标的相关性和回 归方程[J］.山西煤炭，2009.292 33- 35. [8] CHEHREH CHELGAN1 S . MAKAREMl S. Explaining the relationship between common coal analyses and A也hancoal parameters using statistical modeling s[J]. Fuel Processing Technology, 2012, 110 79- 85. [9］王相业．李建武．杨志远．等．柳林地区煤层渗透率逐步凶 归分析与预测［J].煤田地质与勘探，2013,413 18 22 [10］朱卫平．唐书恒，王晓峰．等煤层气井产作』水中氛离子变化 规律回归分析模型[J］.煤田地质与勘探，2012.405 34-36. [II］姜英．涂华，陈亚飞．等‘我同商品揭煤低位发热量回归式的 推导［J］.煤炭学报.2004. 294 477-480 [12］王丽群试由函数分析煤炭中的水分与发热莹的关系［J］.计量 与测试技术.2011. 388 26-27. [13］周翠红，路迈西－线性｜可归与人｜神经网络预测煤炭发热 量［J].煤炭科学技术..009 . 3712）门7-120. 14] MESROGHLI Sh. JORJ/\Nl E. CHEHREH CHELGANI S. Estimation of gross calvritic value based on coal analysis usmg regression and artificial neural networks[J]自lntemationalJournal of Coal Geology. 2009. 79 49- 54 [ 15］中国标准化管用委员会GB5751一1986中间煤炭分类［S］.北 京人民出版社.2009. ChaoXing