基于工業(yè)分析預測燃煤電廠煤質發(fā)熱量方法研究

李莉，于磊，王超，王寶文

（1.國網(wǎng)山東省電力公司電力科學研究院，山東濟南250002；2.華能沾化熱電有限公司，山東濱州256800）

基于工業(yè)分析預測燃煤電廠煤質發(fā)熱量方法研究

李莉1，于磊1，王超1，王寶文2

（1.國網(wǎng)山東省電力公司電力科學研究院，山東濟南250002；2.華能沾化熱電有限公司，山東濱州256800）

在2009—2012年期間對山東地區(qū)眾多燃煤電廠1 898個煤質樣本進行了工業(yè)分析和發(fā)熱量的測定，統(tǒng)計水分、灰分、揮發(fā)分及固定碳等指標的分布情況，在利用SPSS分析各指標與發(fā)熱量的相關性基礎上，進行逐步回歸分析得出了計算規(guī)律，找到了一種簡單可行的燃煤電廠煤質發(fā)熱量預測方法。

工業(yè)分析；發(fā)熱量；相關性；SPSS；回歸分析

0 引言

目前，煤構成我國動力燃料的主體。火力發(fā)電廠中煤的費用約占發(fā)電成本的80%，掌握動力用煤的檢測技術特別是發(fā)熱量的測定技術，加強電廠煤質監(jiān)督，確保入廠及入爐煤質量，對電廠安全運行及降低發(fā)電成本有著極為重要的作用。煤的發(fā)熱量不僅是火電廠進煤的計價依據(jù)，也是計算標準煤耗的主要參數(shù)，因此發(fā)熱量是發(fā)電成本核算和效益評價的核心參數(shù)［1］。測定煤的發(fā)熱量，國內外普遍采用氧彈熱量計，其中恒溫式熱量計應用最為廣泛［2］。但是，這種方法測定手續(xù)比較麻煩、費時費力，影響測定結果的因素較多，在計算數(shù)值時還必須進行一系列校正，且操作的正確與否直接關系到試驗人員與儀器設備的安全。針對這種情況，迫切需要一種簡單有效的發(fā)熱量預測方法與之進行相互驗證，從而可以在減輕工作量的基礎上提高試驗的準確性［3］。而煤質樣品的工業(yè)分析方法相對簡單、省時［4］。因此，我們在2009—2012年期間對山東地區(qū)眾多燃煤電廠1 898個煤質樣本進行了測定分析，希望通過分析計算和理論研究找到一種燃煤電廠煤質發(fā)熱量的簡單預測方法。

1 確定煤質分析樣本

在2009年至2012年期間，我們共對1 898份煤質樣本進行了檢測分析并收集匯總數(shù)據(jù)。研究樣本主要是山東地區(qū)燃煤電廠的入廠煤和入爐煤，分為季度樣、半年樣和年度樣。另外，還有為指導鍋爐運行、分析事故原因、進行法律仲裁而檢測的樣品等［5］。這里工業(yè)分析主要包括四項：水分、灰分、揮發(fā)分、固定碳，同時也對發(fā)熱量進行了測定并匯總了檢測結果。數(shù)據(jù)概況見表1、表2。

表1 數(shù)據(jù)個數(shù)統(tǒng)計（數(shù)據(jù)總數(shù)N=1 898個）

表2 數(shù)據(jù)描述統(tǒng)計

2 研究儀器及設備

煤質檢測實驗室配備電子天平、鼓風干燥箱、高溫爐、元素分析儀、定硫儀、測熱儀等必要的儀器設備。按照規(guī)定，定期進行計量檢定和校準，使之保持良好狀態(tài)。

數(shù)據(jù)的統(tǒng)計分析采用SPSS17.0軟件。

3 試驗結果及分析

3.1 水分的分析

3.1.1 水分的分布

水分是衡量煤炭質量及使用價值的基本指標。在鍋爐設計與工況調整、應用標準煤樣校準儀器、基準換算、判別煤種和分析燃燒特性時，均離不開空氣干燥基水分Mad（簡稱空干基水分）的測定。因此要嚴格遵循國家標準方法準確測定空干基水分［6］。

圖1 空干基水分分布直方圖及正態(tài)曲線

空干基水分是實驗室內一般分析煤樣與周圍空氣濕度達到平衡時所含有的水分，試樣粒度小于0.2 mm。研究樣本的空干基水分直方圖及正態(tài)曲線，見圖1。空干基水分近似正態(tài)分布，這為統(tǒng)計方法的選擇奠定了基礎。數(shù)據(jù)集中在0.00%～4.00%。峰的高度超過正態(tài)峰高，右側拖尾，表明有部分空干基水分較高的褐煤樣品。

一般說來，水分隨煤變質程度加深而減少，可據(jù)此大致判別煤種。根據(jù)經(jīng)驗數(shù)值，繪制餅圖可以大致看出煤種比例，見圖2?？梢园l(fā)現(xiàn)1 891個樣品中主要是煙煤和無煙煤，褐煤比例較小。

圖2 根據(jù)空干基水分粗略劃分煤種

由圖2可知，國家標準GB/T212—2008中水分測定方法B空氣干燥法可以運用于絕大部分試樣。但是褐煤的變質程度淺，易受空氣氧化，含水量高。為了進一步提高水分檢測準確度，尤其是對于褐煤水分的測定，還是應該加強國家標準方法A即通氮干燥法和微波干燥法的運用。如果積累足量數(shù)據(jù)，也可以在通氮干燥法和空氣干燥法之間建立回歸方程，對空氣干燥法測得的褐煤水分值進行校正［1］。

3.1.2 水分與發(fā)熱量的相關分析

水分是不可燃組分，理論上應與發(fā)熱量負相關，對兩者進行相關分析，結果如表3。

表3 空干基水分與空干基高位發(fā)熱量的相關分析

由表3可知，有效數(shù)據(jù)對為217個，雙側顯著性檢驗結果證明（p＞0.05），兩者相關不顯著。由此，可以初步判斷：空干基水分與空干基高位發(fā)熱量的數(shù)值變動方向沒有規(guī)律性。

3.2 灰分的分析

3.2.1 灰分的分布

灰分是評價煤質的重要指標，直接關系到煤的使用價值和買賣雙方的經(jīng)濟利益。灰分高，熱值相對就低，碎煤、制粉、送風、排風、除灰、排灰的能耗大大增加，且影響鍋爐運行［7］。將空干基換算成干基，通過直方圖，可以更清楚地看到灰分分布狀況，參見圖3。

圖3 干基灰分分布直方圖及正態(tài)曲線

由圖3，干基灰分分布近似正態(tài)分布，數(shù)據(jù)集中在20.00%～40.00%。在80%左右也有零星分布，主要是煤矸石。

計算反映樣本干基灰分的集中趨勢的指標，參見表4。

表4 干基灰分的集中趨勢和離散趨勢%

因為數(shù)據(jù)相對離散，中值31.61%和眾數(shù)32.33%更能反映數(shù)據(jù)的集中趨勢。按干基灰分0.00%～15.00%，15%～40%，40%～90%劃分煤樣，繪制條形圖，見圖4。

可見，干基灰分在15%～40%的樣品占大多數(shù)，高灰分樣品和低灰分的樣本數(shù)量較少。為保證鍋爐安全經(jīng)濟運行，電廠不宜選用灰分高于40%的劣質煤，也不宜使用灰分低于15%而價格高的精煤，宜根據(jù)鍋爐設計煤質，合理配置。

圖4 不同干基灰分煤樣占樣品總量的百分比

隨著煤炭資源的日益枯竭，如何利用劣質煤和褐煤，應受到更多重視。

3.2.2 灰分與發(fā)熱量的相關分析

灰分是不可燃物，理論上應與發(fā)熱量成負相關。排除水分影響，對干基灰分和干基高位發(fā)熱量進行雙變量相關分析，結果見表5。

表5 干基灰分與干基高位發(fā)熱量的相關分析

由表5可知，有效數(shù)據(jù)對為217個，雙側顯著性檢驗結果證明（p＜0.01），兩者呈顯著負相關，灰分與發(fā)熱量Pearson相關系數(shù)為-0.910。由此，可以初步判斷：干基灰分越大，干基高位發(fā)熱量越低。

3.3 揮發(fā)分的分析

3.3.1 揮發(fā)分的分布

揮發(fā)分產(chǎn)率由煤的變質程度決定，是判別煤種及其類別的主要依據(jù)，對爐內的燃燒穩(wěn)定性至關重要。因此，鍋爐設計、調試試驗、熱力計算中，均需提供揮發(fā)分數(shù)值［7］。將空干基揮發(fā)分Vad換算成干基揮發(fā)分Vd繪制樣本直方圖，見圖5。

圖5顯示，數(shù)據(jù)成左右雙峰狀態(tài)，分別出現(xiàn)在11%和26%左右。為方便進行統(tǒng)計運算，從15.60%處將數(shù)據(jù)拆分，見圖6。

圖5 干基揮發(fā)分分布直方圖及正態(tài)曲線

圖6 干基揮發(fā)分分布直方圖及正態(tài)曲線ｓ拆分圖

經(jīng)拆分，左右峰兩部分數(shù)據(jù)均接近正態(tài)分布。兩部分的集中趨勢和離散趨勢，見表6。

表6 干基揮發(fā)分的集中趨勢和離散趨勢%

干燥無灰基揮發(fā)分是Vdaf煤炭分類主要指標。按照Vdaf≤10.0%，10.0%＜Vdaf≤37.0%，Vdaf＞37.0%，劃分為無煙煤、煙煤和褐煤三大類，見圖7。

圖7 根據(jù)干燥無灰基揮發(fā)劃分的不同煤種比例圖

圖7與圖2有區(qū)別。原因如下：依據(jù)空干基水分的劃分比較粗略，依據(jù)干燥無灰基揮發(fā)分的劃分相對精確。兩者繪圖的基礎數(shù)據(jù)不同，圖2基于樣本的1 891個數(shù)據(jù)，而圖7基于有揮發(fā)分測定結果的318個數(shù)據(jù)。

根據(jù)圖7，在這318個樣本中，煙煤占大多數(shù)，其次是褐煤，最少的是無煙煤。

3.3.2 揮發(fā)分與發(fā)熱量的相關分析

揮發(fā)分與燃燒關系密切。將干基揮發(fā)分的左右兩峰分離后，對干基揮發(fā)分和干基高位發(fā)熱量進行雙變量相關分析，結果見表7。

表7 干基揮發(fā)分與干基高位發(fā)熱量的相關分析

由表7，在揮發(fā)分較低（干基揮發(fā)分小于等于15.60%）的左側峰的90個有效數(shù)據(jù)對中，雙側顯著性檢驗結果表明（p＞0.05），兩者相關不顯著；在揮發(fā)分較高（干基揮發(fā)分大于15.60%）的右側峰的107個數(shù)據(jù)對中，雙側顯著性檢驗結果顯示（p＜0.05），兩者正相關顯著，Pearson相關系數(shù)為0.222。由此，可以初步判斷：干基揮發(fā)分較低時，干基揮發(fā)分與干基高位發(fā)熱量的變動方向沒有明顯規(guī)律；干基揮發(fā)分較高時，兩者相關性顯著，且干基揮發(fā)分越大，干基高位發(fā)熱量越高。

當然，這并不意味著揮發(fā)分越高越好。揮發(fā)分過高，爐內火焰中心逼近噴燃器，可能燒壞噴燃器或者造成水冷壁受熱不均勻［1］。煤粉陰燃溫度隨揮發(fā)分增高而降低，即揮發(fā)分高，則堆積煤粉容易著火自燃。電廠供煤盡可能選擇揮發(fā)分與鍋爐設計相匹配的煤種。

3.4 固定碳的分析

3.4.1 固定碳的分布

從測定煤樣揮發(fā)分后的殘渣中減去灰分的殘留物稱之為固定碳，用100%減去水分、灰分和揮發(fā)分的質量分數(shù)求得，是個近似值。排除水分影響，換算成干基固定碳，繪制直方圖，如圖8所示。

圖8 干基固定碳分布直方圖及正態(tài)曲線

可見，干基固定碳的分布近似正態(tài)分布，數(shù)值集中在40.00%～60.00%。

3.4.2 固定碳與發(fā)熱量的相關分析

固定碳并非純碳，還包括氫、氮、氧和硫。因為數(shù)據(jù)近似正態(tài)分布，可以運用雙變量相關分析方法，探討固定碳與發(fā)熱量之間的關系，結果見表8。

表8 干基固定碳與干基高位發(fā)熱量的相關分析

表8顯示，對有效的197對數(shù)據(jù)的雙側顯著性檢驗結果證明（p＜0.01），兩者成顯著正相關，Pearson相關系數(shù)為0.856。這說明，干基固定碳越大，干基高位發(fā)熱量越高。

4 灰分、揮發(fā)分、固定碳與發(fā)熱量的規(guī)律性研究

通過計算分析和理論研究，我們可以發(fā)現(xiàn)數(shù)據(jù)均接近正態(tài)分布，且灰分、揮發(fā)分、固定碳與發(fā)熱量存在不同程度的相關性，采用回歸分析方法，進一步研究它們對發(fā)熱量的預測效應的大小和方向［8］。在對干基揮發(fā)分進行拆分（按照分布，從15.60%處分割數(shù)據(jù)）的基礎上，將干基灰分（Ad）、干基揮發(fā)分（Vd）、干基固定碳（FCd）對干基高位發(fā)熱量（Qgr，d）進行線性逐步回歸，研究結果見表9、表10。

表9 干基灰分、干基揮發(fā)分、干基固定碳對干基高位發(fā)熱量逐步回歸分析結果（Vd≤15.60%，N＝90）

當干基揮發(fā)分小于等于15.60%時，經(jīng)過1步回歸，三個自變量中的干基灰分進入方程（R2=97.2%，F(xiàn)=3 031.793，p＜0.001），且干基灰分顯著負向預測干基高位發(fā)熱量（β=-0.389，t=-55.062，p＜0.001，ΔR2= 97.2%），即

式中：Qgr，d為干基高位發(fā)熱量，J/g；ω（Ad）為干基灰分質量分數(shù)，%。

當干基揮發(fā)分大于15.60%時，經(jīng)過2步回歸形成預測模型2（R2=81.9%，F(xiàn)=235.466，p＜0.001）在三個自變量中，干基固定碳顯著正向預測干基高位發(fā)熱量（β=0.219，t=7.900，p＜0.001，ΔR2=76.0%），干基灰分顯著負向預測干基高位發(fā)熱量（β=-0.137，t=-5.909，p＜0.001，ΔR2= 5.9%），即

Research on Forecasting Coal Calorific Value for Coal-fired Power Plants Based on Proximate Analysis

During 2009-2012，proximate analysis and calorific value determination of 1 898 coal samples were carried out in this study，which were collected from many coal-fired power plants in Shandong area.Statistical distributions of such indexes as moisture，ash，volatile matter and fixed carbon were described respectively.On the basis of correlation tests between the indexes and calorific value of the coal samples by means of SPSS，stepwise regression analysis was also carried out，so valuable calculation rules were acquired and that could be used as simple and feasible coal calorific value prediction methods for coalfired power plants.

proximate analysis；calorific value；correlation；SPSS；stepwise regression

TK113

：A

：1007－9904（2014）03－0069－05