基于工业分析预测燃煤电厂煤质发热量方法研究

李莉，于磊，王超，王宝文

（1.国网山东省电力公司电力科学研究院，山东济南250002；2.华能沾化热电有限公司，山东滨州256800）

基于工业分析预测燃煤电厂煤质发热量方法研究

李莉1，于磊1，王超1，王宝文2

（1.国网山东省电力公司电力科学研究院，山东济南250002；2.华能沾化热电有限公司，山东滨州256800）

在2009—2012年期间对山东地区众多燃煤电厂1 898个煤质样本进行了工业分析和发热量的测定，统计水分、灰分、挥发分及固定碳等指标的分布情况，在利用SPSS分析各指标与发热量的相关性基础上，进行逐步回归分析得出了计算规律，找到了一种简单可行的燃煤电厂煤质发热量预测方法。

工业分析；发热量；相关性；SPSS；回归分析

0 引言

目前，煤构成我国动力燃料的主体。火力发电厂中煤的费用约占发电成本的80%，掌握动力用煤的检测技术特别是发热量的测定技术，加强电厂煤质监督，确保入厂及入炉煤质量，对电厂安全运行及降低发电成本有着极为重要的作用。煤的发热量不仅是火电厂进煤的计价依据，也是计算标准煤耗的主要参数，因此发热量是发电成本核算和效益评价的核心参数［1］。测定煤的发热量，国内外普遍采用氧弹热量计，其中恒温式热量计应用最为广泛［2］。但是，这种方法测定手续比较麻烦、费时费力，影响测定结果的因素较多，在计算数值时还必须进行一系列校正，且操作的正确与否直接关系到试验人员与仪器设备的安全。针对这种情况，迫切需要一种简单有效的发热量预测方法与之进行相互验证，从而可以在减轻工作量的基础上提高试验的准确性［3］。而煤质样品的工业分析方法相对简单、省时［4］。因此，我们在2009—2012年期间对山东地区众多燃煤电厂1 898个煤质样本进行了测定分析，希望通过分析计算和理论研究找到一种燃煤电厂煤质发热量的简单预测方法。

1 确定煤质分析样本

在2009年至2012年期间，我们共对1 898份煤质样本进行了检测分析并收集汇总数据。研究样本主要是山东地区燃煤电厂的入厂煤和入炉煤，分为季度样、半年样和年度样。另外，还有为指导锅炉运行、分析事故原因、进行法律仲裁而检测的样品等［5］。这里工业分析主要包括四项：水分、灰分、挥发分、固定碳，同时也对发热量进行了测定并汇总了检测结果。数据概况见表1、表2。

表1 数据个数统计（数据总数N=1 898个）

表2 数据描述统计

2 研究仪器及设备

煤质检测实验室配备电子天平、鼓风干燥箱、高温炉、元素分析仪、定硫仪、测热仪等必要的仪器设备。按照规定，定期进行计量检定和校准，使之保持良好状态。

数据的统计分析采用SPSS17.0软件。

3 试验结果及分析

3.1 水分的分析

3.1.1 水分的分布

水分是衡量煤炭质量及使用价值的基本指标。在锅炉设计与工况调整、应用标准煤样校准仪器、基准换算、判别煤种和分析燃烧特性时，均离不开空气干燥基水分Mad（简称空干基水分）的测定。因此要严格遵循国家标准方法准确测定空干基水分［6］。

图1 空干基水分分布直方图及正态曲线

空干基水分是实验室内一般分析煤样与周围空气湿度达到平衡时所含有的水分，试样粒度小于0.2 mm。研究样本的空干基水分直方图及正态曲线，见图1。空干基水分近似正态分布，这为统计方法的选择奠定了基础。数据集中在0.00%～4.00%。峰的高度超过正态峰高，右侧拖尾，表明有部分空干基水分较高的褐煤样品。

一般说来，水分随煤变质程度加深而减少，可据此大致判别煤种。根据经验数值，绘制饼图可以大致看出煤种比例，见图2。可以发现1 891个样品中主要是烟煤和无烟煤，褐煤比例较小。

图2 根据空干基水分粗略划分煤种

由图2可知，国家标准GB/T212—2008中水分测定方法B空气干燥法可以运用于绝大部分试样。但是褐煤的变质程度浅，易受空气氧化，含水量高。为了进一步提高水分检测准确度，尤其是对于褐煤水分的测定，还是应该加强国家标准方法A即通氮干燥法和微波干燥法的运用。如果积累足量数据，也可以在通氮干燥法和空气干燥法之间建立回归方程，对空气干燥法测得的褐煤水分值进行校正［1］。

3.1.2 水分与发热量的相关分析

水分是不可燃组分，理论上应与发热量负相关，对两者进行相关分析，结果如表3。

表3 空干基水分与空干基高位发热量的相关分析

由表3可知，有效数据对为217个，双侧显著性检验结果证明（p＞0.05），两者相关不显著。由此，可以初步判断：空干基水分与空干基高位发热量的数值变动方向没有规律性。

3.2 灰分的分析

3.2.1 灰分的分布

灰分是评价煤质的重要指标，直接关系到煤的使用价值和买卖双方的经济利益。灰分高，热值相对就低，碎煤、制粉、送风、排风、除灰、排灰的能耗大大增加，且影响锅炉运行［7］。将空干基换算成干基，通过直方图，可以更清楚地看到灰分分布状况，参见图3。

图3 干基灰分分布直方图及正态曲线

由图3，干基灰分分布近似正态分布，数据集中在20.00%～40.00%。在80%左右也有零星分布，主要是煤矸石。

计算反映样本干基灰分的集中趋势的指标，参见表4。

表4 干基灰分的集中趋势和离散趋势%

因为数据相对离散，中值31.61%和众数32.33%更能反映数据的集中趋势。按干基灰分0.00%～15.00%，15%～40%，40%～90%划分煤样，绘制条形图，见图4。

可见，干基灰分在15%～40%的样品占大多数，高灰分样品和低灰分的样本数量较少。为保证锅炉安全经济运行，电厂不宜选用灰分高于40%的劣质煤，也不宜使用灰分低于15%而价格高的精煤，宜根据锅炉设计煤质，合理配置。

图4 不同干基灰分煤样占样品总量的百分比

随着煤炭资源的日益枯竭，如何利用劣质煤和褐煤，应受到更多重视。

3.2.2 灰分与发热量的相关分析

灰分是不可燃物，理论上应与发热量成负相关。排除水分影响，对干基灰分和干基高位发热量进行双变量相关分析，结果见表5。

表5 干基灰分与干基高位发热量的相关分析

由表5可知，有效数据对为217个，双侧显著性检验结果证明（p＜0.01），两者呈显著负相关，灰分与发热量Pearson相关系数为-0.910。由此，可以初步判断：干基灰分越大，干基高位发热量越低。

3.3 挥发分的分析

3.3.1 挥发分的分布

挥发分产率由煤的变质程度决定，是判别煤种及其类别的主要依据，对炉内的燃烧稳定性至关重要。因此，锅炉设计、调试试验、热力计算中，均需提供挥发分数值［7］。将空干基挥发分Vad换算成干基挥发分Vd绘制样本直方图，见图5。

图5显示，数据成左右双峰状态，分别出现在11%和26%左右。为方便进行统计运算，从15.60%处将数据拆分，见图6。

图5 干基挥发分分布直方图及正态曲线

图6 干基挥发分分布直方图及正态曲线ｓ拆分图

经拆分，左右峰两部分数据均接近正态分布。两部分的集中趋势和离散趋势，见表6。

表6 干基挥发分的集中趋势和离散趋势%

干燥无灰基挥发分是Vdaf煤炭分类主要指标。按照Vdaf≤10.0%，10.0%＜Vdaf≤37.0%，Vdaf＞37.0%，划分为无烟煤、烟煤和褐煤三大类，见图7。

图7 根据干燥无灰基挥发划分的不同煤种比例图

图7与图2有区别。原因如下：依据空干基水分的划分比较粗略，依据干燥无灰基挥发分的划分相对精确。两者绘图的基础数据不同，图2基于样本的1 891个数据，而图7基于有挥发分测定结果的318个数据。

根据图7，在这318个样本中，烟煤占大多数，其次是褐煤，最少的是无烟煤。

3.3.2 挥发分与发热量的相关分析

挥发分与燃烧关系密切。将干基挥发分的左右两峰分离后，对干基挥发分和干基高位发热量进行双变量相关分析，结果见表7。

表7 干基挥发分与干基高位发热量的相关分析

由表7，在挥发分较低（干基挥发分小于等于15.60%）的左侧峰的90个有效数据对中，双侧显著性检验结果表明（p＞0.05），两者相关不显著；在挥发分较高（干基挥发分大于15.60%）的右侧峰的107个数据对中，双侧显著性检验结果显示（p＜0.05），两者正相关显著，Pearson相关系数为0.222。由此，可以初步判断：干基挥发分较低时，干基挥发分与干基高位发热量的变动方向没有明显规律；干基挥发分较高时，两者相关性显著，且干基挥发分越大，干基高位发热量越高。

当然，这并不意味着挥发分越高越好。挥发分过高，炉内火焰中心逼近喷燃器，可能烧坏喷燃器或者造成水冷壁受热不均匀［1］。煤粉阴燃温度随挥发分增高而降低，即挥发分高，则堆积煤粉容易着火自燃。电厂供煤尽可能选择挥发分与锅炉设计相匹配的煤种。

3.4 固定碳的分析

3.4.1 固定碳的分布

从测定煤样挥发分后的残渣中减去灰分的残留物称之为固定碳，用100%减去水分、灰分和挥发分的质量分数求得，是个近似值。排除水分影响，换算成干基固定碳，绘制直方图，如图8所示。

图8 干基固定碳分布直方图及正态曲线

可见，干基固定碳的分布近似正态分布，数值集中在40.00%～60.00%。

3.4.2 固定碳与发热量的相关分析

固定碳并非纯碳，还包括氢、氮、氧和硫。因为数据近似正态分布，可以运用双变量相关分析方法，探讨固定碳与发热量之间的关系，结果见表8。

表8 干基固定碳与干基高位发热量的相关分析

表8显示，对有效的197对数据的双侧显著性检验结果证明（p＜0.01），两者成显著正相关，Pearson相关系数为0.856。这说明，干基固定碳越大，干基高位发热量越高。

4 灰分、挥发分、固定碳与发热量的规律性研究

通过计算分析和理论研究，我们可以发现数据均接近正态分布，且灰分、挥发分、固定碳与发热量存在不同程度的相关性，采用回归分析方法，进一步研究它们对发热量的预测效应的大小和方向［8］。在对干基挥发分进行拆分（按照分布，从15.60%处分割数据）的基础上，将干基灰分（Ad）、干基挥发分（Vd）、干基固定碳（FCd）对干基高位发热量（Qgr，d）进行线性逐步回归，研究结果见表9、表10。

表9 干基灰分、干基挥发分、干基固定碳对干基高位发热量逐步回归分析结果（Vd≤15.60%，N＝90）

当干基挥发分小于等于15.60%时，经过1步回归，三个自变量中的干基灰分进入方程（R2=97.2%，F=3 031.793，p＜0.001），且干基灰分显著负向预测干基高位发热量（β=-0.389，t=-55.062，p＜0.001，ΔR2= 97.2%），即

式中：Qgr，d为干基高位发热量，J/g；ω（Ad）为干基灰分质量分数，%。

当干基挥发分大于15.60%时，经过2步回归形成预测模型2（R2=81.9%，F=235.466，p＜0.001）在三个自变量中，干基固定碳显著正向预测干基高位发热量（β=0.219，t=7.900，p＜0.001，ΔR2=76.0%），干基灰分显著负向预测干基高位发热量（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