陳民


摘 要:隨著社會的發展,煤炭逐步應用于生產生活的方方面面,煤炭的煤質好壞對于煤炭的使用情況起著決定性作用。在煤炭的生產、流通與應用過程中,一般要對其水分、全硫、氫含量、工業分析、發熱量等指標進行檢測。針對傳統煤質分析方法檢測成本高、工作效率低、后續處理復雜等問題,該文介紹了近紅外光譜技術在煤質分析方面的研究現狀以及應用的方法效果。運用近紅外光譜技術可準確、快速檢測煤中水分;近紅外光譜技術測硫時選擇性高、重復性好;測氫時樣品用量少,操作簡單,分析成本低;測定工業分析和發熱量時可大幅減少分析時間,準確度高。近紅外光譜分析技術適合在煤質分析工作當中推廣使用。
關鍵詞:近紅外光譜分析技術 煤質分析 應用方法 效果
中圖分類號:O65 文獻標識碼:A 文章編號:1674-098X(2015)12(a)-0100-02
煤炭是古代植物埋藏在地下經歷了復雜的生物化學和物理化學變化逐漸形成的固體可燃性礦物。在形成過程中由于所處環境等條件不同,造成煤炭的質量參差不齊。煤炭是一種重要的化石能源,可用作動力燃料、煉鋼原料等,煤炭的用途取決于煤質的好壞。一方面由于煤炭儲量巨大,加之科學技術的飛速發展,煤炭汽化等新技術日趨成熟,并得到廣泛應用,煤炭必將成為人類生產生活中無法替代的能源之一,所以煤炭質量的好壞對于其使用情況尤為重要。另外,在煤炭的生產與銷售過程中,供需雙方需要對煤炭進行檢測,進而對煤炭的質量進行綜合分析,以準確設定煤炭的用途與售價。所以,對煤質進行分析非常重要。
1 近紅外光譜分析技術在煤質分析中的應用現狀
近紅外光譜分析技術可用于對煤炭的水分、全硫、氫含量、工業分析、發熱量等指標進行檢測。水分是煤質分析的重要指標,煤炭中的水分含量越多,煤炭的質量就越差,應用近紅外光譜分析技術可組建主成分的近紅外光譜數據分析模型,將主成分當作BP神經網絡模型的輸入神經元,進而對煤炭中的水分進行檢測。硫是一種有害物質,燃燒過程中會產生二氧化硫與三氧化硫等污染空氣的有害氣體,應用近紅外光譜分析技術可快速檢測出煤炭中硫元素的含量,準確度高。氫是煤炭中有機質的主要成分,應用近紅外光譜分析技術對煤炭中的氫含量進行檢測,其精密度高于國家標準中的三節爐檢測法。
2 近紅外光譜分析技術在煤質分析中的應用方法及其效果
2.1 實驗材料
該實驗所用的煤粉樣品合計100份,分析指標包括揮發份、彈筒熱值、高位熱值以及低位發熱量。將100份煤粉樣品分成外部驗證集10份,校正集90份,外部驗證集用來分析自然定位模型的預估結果,校正集用來組建自然定位模型。煤粉樣品各項分析指標的分布,見表1所示。
2.2 光譜采集
選擇進口近紅外光譜儀,型號:Spectrastar2500XL/Spectrastar1400XL;光源:平均無故障率為1萬小時的鹵鎢燈;光柵:110~2 500nm;檢測器:高性能超級制冷InGaAs檢測器;數據間隔:1 nm;光度計噪音:1 640 nm;光度計范圍:≤3.0ABS;分析時間:10~60 s。核心參數:掃描10次,1倍增益,恒溫25°,取平均值計算光譜。近紅外光譜圖,見圖1所示。
2.3 自然定位模型組建
應用OPUS軟件自然定位模型,光譜預處理法用一階導數與多元散射校正,區間為1 100~1 750 nm、1 800~2 200 nm,校正法為偏最小二乘法,調整主因子數,以確保數據準確度。自然定位模型的校正預測標準偏差、校正相關系數、交互驗證標準偏差、交互驗證相關系數的評價結果,見表2所示。
2.4 自然定位模型預測分析
用自然定位模型對外部驗證集進行預估分析,比較近紅外光譜分析技術與傳統煤質分析技術的預估結果,見表3所示。
2.5 結論
該文采集煤粉樣品光譜構建了揮發份、彈筒熱值、高位熱值、低位發熱量的自然定位模型,用模型對外部驗證集進行預估分析,結果顯示,交互驗證相關系數均大于0.85,相關系數均大于0.95。由此表明,近紅外光譜分析技術在煤質分析中的效果滿意,具有較高的應用價值。
3 結語
近紅外光譜分析技術是光譜測量技術、化學計量、基礎測量技術的有機融合,能夠準確對樣品進行定性與定量分析,具有分析速度快、無污染、便于操作等優勢。在計算機技術不斷發展的過程中,近紅外光譜分析技術操作也越來越成熟,并逐漸發展成為分析測試技術的主要應用技術之一。盡管近紅外光譜在我國的發展較晚,但隨著人們對近紅外光譜分析技術認識的不斷加深,相信其應用領域將會越來越廣泛。
參考文獻
[1] 張輝,鐘志光,張海峰.近紅外光譜技術在煤質分析中的應用及展望[J].潔凈煤技術,2015(6):40-43.
[2] 王圣毫,李智,鄭維平,等.煤質近紅外光譜分析過程中預處理方法及模型的選擇[J].煤質技術,2012(5):1-4.
[3] 盧福潔,韓熹.近紅外光譜分析技術在煤品質快速分析中的應用[J].現代科學儀器,2011(4):43-44.