基于煤炭分選過程中應用大數據分析預測的優勢技術研究

趙寶龍

（山西沁新能源集團股份有限公司煤轉化技術研發中心，山西 長治 046500）

1 煤炭洗選行業的工藝概述

煤炭洗選行業主要通過重力選礦和浮游選礦的生產工藝將礦井開采出的原煤進行洗選脫除無用礦物和雜質，提升精煤產品價值和品味，實現煤炭的清潔高效利用。為了保障生產出的商品精煤產品合格穩定，就需要在煤炭的洗選加工過程中對各環節中間產品進行監測化驗和分析，對產品質量的管理多采用傳統的煤質管理理念，重點抓生產過程的煤質管理，通過控制生產過程實現產品質量的合格穩定。但由于煤質化驗數據存在嚴重的滯后性和各級人員對數據處理的敏感性差異，在大型化和高效化的選煤廠尤為突出，特別是對于生產精煤直接外運和客戶對煤質指標的要求越來越高的形勢下，發生質量過剩和質量超標的問題越來越多，由于煤炭產品的價格直接與其質量掛鉤，對生產企業造成了較大的影響，同時對下游焦化和煤炭深加工企業的生產管理也造成了質量波動的影響[1]。

近年來隨著工業檢測設備的不斷普及，特別是各類溫度、壓力、液位、灰分和水分等在線監測儀器在選煤行業的應用，對各類運行設備參數的收集和分析已經成為可能，在煤質化驗方面通過對化驗數據和實時在線分析儀器數據的對比標定及儀器的自主學習修正，使得檢測設備的數據精確度不斷提高。通過將選煤關鍵設備的運行參數和煤質在線檢測數據進行相關性分析和大數據處理，在信息化功能發展的支持下，利用大數據分析實現煤炭質量的預先管理，建立數學模型實現異常數據的超前預警和處理，并通過工業信息化技術實現數據的快速和高效交互，實現了穩定生產過程和提高產品質量合格率的目的[2]。

2 生產大數據庫的建立

2.1 設備運行數據庫

在選煤廠對煤炭進行分選的設備主要為重力和浮游分選設備，以山西沁新煤業有限公司選煤廠為例，該選煤廠洗選原煤的主要設備有跳汰機、重介旋流器、TBS 和浮選機四種，四種分選設備都有獨立的控制系統，其中重介旋流器的有較為精密的密控系統，TBS 和跳汰機為PLC 控制系統，包括主控制器以及擴展模塊，浮選機有PID 加藥系統，通過將各設備控制系統的數據通過數據中繼器收集到數據終端后進行相關性分析處理。按照不同洗選設備對應的產品質量權重進行分類，對各設備的主要參數進行采集、存儲，通過數據傳輸器和標準化處理器生成統一的標準，實時將數據傳輸至調度集控系統，數據在集控系統DCS 中通過預先編程的數學模型對各分選設備分選產生的中間產品質量進行預測和異常檢測，將選煤的管理方式由“事件/事故驅動型”的被動管理方式轉變為“數據驅動型”的主動管理方式，實現數據驅動的高效和科學決策[3]。

2.2 煤質檢測數據庫

煤炭洗選系統生產方式為連續性操作，系統開車運行后跳汰機、重介質旋流器和TBS 產品精煤經過脫水后經由子皮帶匯總后輸送至總皮帶，浮選產品精煤經過壓濾脫水后經由刮板輸送機輸送至總皮帶，各子系統的產品精煤經均質化混合后輸送至精煤產品倉成為商品精煤銷售和外送，通過在各子皮帶和總輸送皮帶安裝在線灰分測定儀和在線水分測定儀，每周對在線水分和灰分儀根據近期的化驗數據和標準標定方法進行標定。其中在線灰分儀是基于放射源的雙能γ 射線灰分儀，運行工況較好的情況下檢測誤差通常可以達到0.5%以下。在線水分儀是采用微波透射原理，運行工況較好的情況下檢測誤差通常可以達到0.5%以下。

2.3 生產運行中數據的預警和反饋機制

通過對生產過程系統各質量控制節點的在線監測數據（水分和灰分）采集和對系統各分選主要設備運行參數（液位、壓力和流量等）采集，后臺終端數據庫系統對質量數據進行分析和判斷后過濾掉干擾數據，當數據的特征值不符合規定范圍內的正態分布時就確定可能發生了系統誤差，數據庫進行查詢和對照該質量異常數據對應的生產環節，按照預定的模型對分選設備的運行參數進行分析，并通過運算后給出最終的可能性判斷，分析完成后對分析數據和實際發生的故障數據進行比較后進行自主的修正和學習，達到進一步提高分析預測能力，可以實現超前預防主要分選設備運行故障和原煤分選過程中煤質變化[4]。

下圖1 所示為山西沁新煤業有限公司選煤廠2021 年1—12 月份洗選15 號焦煤的商品精煤灰分波動趨勢圖。

圖1 2021 年1—12 月份商品精煤灰分波動趨勢圖

圖中在10 月份中出現較為嚴重的超標準上限的情況，通過系統預測發現是由于主洗分選設備中的重介旋流器的磁含量儀損壞，導致對懸浮液的磁含量檢測失真，造成密控系統的PID 目標設定值為500，磁含量由于檢測儀器失真導致檢測結果為300，實際已經達到500，但系統接收到300 的信號后自動調整繼續向懸浮液中加入磁介質，導致實際分選密度高于設定值，造成分選后的精煤產品灰分高于理論值，系統自動排查預計事件僅有10 分鐘，同比類似事件采用人工排查需要2 h 以上，大大縮短了故障實際，為產品的質量穩定起到了關鍵作用。

3 結語

通過將煤炭洗選加工過程中洗選設備的運行參數進行整合成為相關性的系列數據表，并與煤質數據監測數據表建立相關性的數學模型，當產品精煤灰分超標時系統會自動排查對應洗選設備和相關設備運行參數的異常情況。這種通過在設備運行參數與質量檢測系統建立相關性的數學模型，并隨著應用時間的延長可以自主的修正和學習煤質預測的數據模型，在一定程度上提高了煤炭洗選加工的數量效率和提高了商品精煤的質量穩定性，并通過工業信息化技術在企業的集控系統中實現數據的快速和高效交互。