淺析煤的發熱量與灰分相關性

夏瑛

摘 要：隨著煤炭資源的需求越來越大，對煤炭的研究也就是更加廣泛。相對于煤炭而言，發熱量以及灰分是研究的兩個重要課題，但是這二者之間究竟存在怎樣的相關性，更是研究者重視的一個方面。文章就是通過50組煤炭發熱量和灰分兩個數據分析二者相關性，從而構建出二者的回歸模型，同時檢驗回歸模型的實用性，為相關研究人士提供參考的理論依據。

關鍵詞：煤炭；發熱量；灰分

1 概述

所謂的發熱量也就是單位質量中煤炭完全燃燒時，產生出來的所有熱量，這種熱量不但屬于評價煤炭質量的一個重要的指標，還是動力用煤上對使用煤炭的經濟評價中重要參數。而灰分且是衡量煤質特性及運用煤炭的重要指標。因為發熱量和灰分之間存在一定依賴關系，所以研究二者的相關性具有實際意義。

2 構建回歸模型的必要性

煤炭的品種比較多，主要有洗混煤、塊精煤以及篩混煤等等，其中篩混煤、洗混煤大多數使用在電廠中，因電廠動力中所用煤的數量與品種都無法確定，而且運輸也不集中，所以銷售方一定要能夠快速、準確的報出灰分、發熱量等相關數據結果，才能夠依據這些數據來評價煤炭質量以及結算煤款。對于煤炭而言，測定灰分過程比較簡單，而且誤差也不大，但是測定煤炭發熱量，因為受到化驗人員較少、項目多等各種因素影響，根本無法及時報出所測定的發熱量，并且還存在極大的誤差，就會為化驗人員的復查造成極大麻煩。在實際操作中，主要所報的發熱量存在錯誤，不僅僅要被巨額罰款，更會影響到供應商的信譽度，甚至影響到煤礦生產上的銷售，造成極大的損失。因此，怎樣才能夠快捷、準確的測出煤炭的自身發熱量，是生產煤炭企業的重要課題。通過相關人士反復進行測算，發現構建定量關系的回歸方程，就能夠有效針對各種煤炭的灰分和發熱量之間進行相關性分析，有效降低所測發熱量存在誤差。

3 構建煤炭發熱量和灰分的相關關系

在研究發熱量和灰分之間的關系，所選用煤樣不管是品種還是煤種都比較多，而且所顯示出來的灰分絕大部分處于10%～40%之間，所以文章所選用的煤炭數據是煤樣劃分煤種和品種的，也就是從2013年8月份煤炭數據庫中隨便截取出50組數據，如表1所示。

表1 50組發熱量和灰分數據

依據表1中50組的原始數據畫出發熱量和灰分的相關散點圖形，如圖1所示。

從圖1中就能夠看出來，分布的散點大致上呈現出直線形，這就表明發熱量和灰分之間存在線性的相關性。文章中設定相關系數為R，且R屬于一個位于+1-1間發生變動數據，而R絕對值和1較接近，那么其線性關系就較為密切，一般情況下R絕對值超過0.8時，就可以認為發熱量和灰分之間存在高度相關。如果絕對值是1時，那么各個點就全部落到了一條直線上，如果絕對值是0時，就表明這二者之間不存在相關性。采用辦公軟件中的Excel詳細計算所選用50組數據，就能獲得相關系數R是：

在該式中，xi，yi分別代表中表中灰分值與發熱值，而x，y且代表了灰分值平均值，以及發熱量平均值。通過計算結果還能夠發現，其絕對值為0.94，從這個數據就可以看出發熱量值和灰分值之間存在高度相關性，從而就能夠構建出二者相關的關系模型。

4 構建回歸方程

4.1 建立方程

設該回歸方程是y=a+bx，依據最小二乘法原理確定出求解a，b的方程組。最小二乘法也就是從一群數據之中，讓所有數據的偏差平法之和最小的數和這群數據真值接近。因此構建發熱量和灰分的相關性時，就要確保各個數據的偏差平方和是最小，從而構建出方程組是：

對這50組數據采取詳細計算，獲取到方程組及答案：

中就能夠得到：y=33.3825-0.4615x。

通過這個方程所獲取到數據y，也就是依據灰分值經過計算獲取到估計的發熱量值y，該公式主要體現出來的意義為，如果灰分位于10～40%范圍之間時，灰分增加1%，那么其發熱量就會隨之下降約為0.4615MJ/kg。

4.2 對標準誤差S進行估計

標準誤差S進行估計的公式是：

在這個式子中，yi也就是發熱量的實際測量值，而依據回歸方程進行計算所獲得估計發熱量值為y，S表示估計標準誤差。

但是文章所研究的相關性并沒有考慮到同一個煤礦區域或者相近的品種煤種硫分與揮發對發熱量所造成的影響。因此在實際操作中，為了有效降低存在的誤差，就應該針對具體的某個礦井依據各個礦區化驗的數據，有效確定出發熱量和灰分之間的定量關系，在實際詳細計算中就是將誤差降低至200J/g以下，而且還需要定期驗證關系式中的各個常數系數，一定要確保該關系式的準確性和可靠性。同時還要依據實測值和計算值之間的差值大小對煤樣的灰分和發熱量進行判斷，判斷這二者之間是否存在一致性，還要對該判斷來審查核對化驗結果。一旦連續或者偶爾的差值超過了規定值，就表明煤炭性質構成出現了一定變化，或者所測定的結果出現了出入。因此在實際的使用中一定要對情況進行詳細分析，查明原因。

4.3 對回歸方程的檢驗

為了對該回歸方程進行檢驗，核對其準確性，就選用煤炭進行測定，將測定值和計算值做相應比較。在洗混煤樣中，最小的計算誤差是0.001MJ/kg，而最大的計算誤差是0.27MJ/kg。通過篩混煤中最小的計算誤差是0.001MJ/kg，而最大的計算誤差是0.28MJ/kg。這兩種煤樣所獲取的計算誤差都是通過了不同的化驗室進行化驗，所獲取值都在允許誤差中。從而可知，該回歸方程的預測誤差較小，而且精度高，能夠用煤樣中灰分指標對發熱量進行預測。某煤礦從2014年的1月開始采用該回歸方程驗算每一個批次的煤炭發熱量，一旦發現有不符合計算結果的煤樣就查找存在的原因，發現有一些根源在于量熱儀的工作不正常，有一些是因為化驗人員的操作不當或馬虎造成誤差。該煤礦公司有針對性進行整治，通過半年的治理后，在8月份抽檢煤炭，沒有發現還存在發熱量超差的問題，有效避免一定經濟損失。

5 結束語

事實上，煤炭的發熱量和多種煤質的指標比如灰分、水分等都存在一定關系，而且煤炭組成與結構是比較復雜的、多樣的，所以采用計算公式是不可能完全替代實驗室測定發熱量，但是該計算公式能夠適應在工業分析數據上，能夠幫助工業上有效分析發熱量。文章通過50組數據進行比較獲取到回歸方程，并且從中截取出數據構建做標準，就能夠發現灰分值位于10～40%間，通過檢驗發現這種方程行之有效，而且轉化方便，準確度高，適用的范圍大。

參考文獻

[1]尤玲，陳新，田海宏.談煤炭產品灰分與發熱量的線性關系[J].煤炭技術，2010.

[2]趙克儉.膠質層最大厚度與黏結指數的線性回歸方程及其應用[J].礦業快報，2008.

[3]肖筱南.現代數值計算方法[M].北京：北京大學出版社，2011.

[4]汪榮鑫.數理統計[M].西安：西安交通大學出版社，2009.