浅析煤的发热量与灰分相关性

夏瑛

摘 要：随着煤炭资源的需求越来越大，对煤炭的研究也就是更加广泛。相对于煤炭而言，发热量以及灰分是研究的两个重要课题，但是这二者之间究竟存在怎样的相关性，更是研究者重视的一个方面。文章就是通过50组煤炭发热量和灰分两个数据分析二者相关性，从而构建出二者的回归模型，同时检验回归模型的实用性，为相关研究人士提供参考的理论依据。

关键词：煤炭；发热量；灰分

1 概述

所谓的发热量也就是单位质量中煤炭完全燃烧时，产生出来的所有热量，这种热量不但属于评价煤炭质量的一个重要的指标，还是动力用煤上对使用煤炭的经济评价中重要参数。而灰分且是衡量煤质特性及运用煤炭的重要指标。因为发热量和灰分之间存在一定依赖关系，所以研究二者的相关性具有实际意义。

2 构建回归模型的必要性

煤炭的品种比较多，主要有洗混煤、块精煤以及筛混煤等等，其中筛混煤、洗混煤大多数使用在电厂中，因电厂动力中所用煤的数量与品种都无法确定，而且运输也不集中，所以销售方一定要能够快速、准确的报出灰分、发热量等相关数据结果，才能够依据这些数据来评价煤炭质量以及结算煤款。对于煤炭而言，测定灰分过程比较简单，而且误差也不大，但是测定煤炭发热量，因为受到化验人员较少、项目多等各种因素影响，根本无法及时报出所测定的发热量，并且还存在极大的误差，就會为化验人员的复查造成极大麻烦。在实际操作中，主要所报的发热量存在错误，不仅仅要被巨额罚款，更会影响到供应商的信誉度，甚至影响到煤矿生产上的销售，造成极大的损失。因此，怎样才能够快捷、准确的测出煤炭的自身发热量，是生产煤炭企业的重要课题。通过相关人士反复进行测算，发现构建定量关系的回归方程，就能够有效针对各种煤炭的灰分和发热量之间进行相关性分析，有效降低所测发热量存在误差。

3 构建煤炭发热量和灰分的相关关系

在研究发热量和灰分之间的关系，所选用煤样不管是品种还是煤种都比较多，而且所显示出来的灰分绝大部分处于10%～40%之间，所以文章所选用的煤炭数据是煤样划分煤种和品种的，也就是从2013年8月份煤炭数据库中随便截取出50组数据，如表1所示。

表1 50组发热量和灰分数据

依据表1中50组的原始数据画出发热量和灰分的相关散点图形，如图1所示。

从图1中就能够看出来，分布的散点大致上呈现出直线形，这就表明发热量和灰分之间存在线性的相关性。文章中设定相关系数为R，且R属于一个位于+1-1间发生变动数据，而R绝对值和1较接近，那么其线性关系就较为密切，一般情况下R绝对值超过0.8时，就可以认为发热量和灰分之间存在高度相关。如果绝对值是1时，那么各个点就全部落到了一条直线上，如果绝对值是0时，就表明这二者之间不存在相关性。采用办公软件中的Excel详细计算所选用50组数据，就能获得相关系数R是：

在该式中，xi，yi分别代表中表中灰分值与发热值，而x，y且代表了灰分值平均值，以及发热量平均值。通过计算结果还能够发现，其绝对值为0.94，从这个数据就可以看出发热量值和灰分值之间存在高度相关性，从而就能够构建出二者相关的关系模型。

4 构建回归方程

4.1 建立方程

设该回归方程是y=a+bx，依据最小二乘法原理确定出求解a，b的方程组。最小二乘法也就是从一群数据之中，让所有数据的偏差平法之和最小的数和这群数据真值接近。因此构建发热量和灰分的相关性时，就要确保各个数据的偏差平方和是最小，从而构建出方程组是：

对这50组数据采取详细计算，获取到方程组及答案：

中就能够得到：y=33.3825-0.4615x。

通过这个方程所获取到数据y，也就是依据灰分值经过计算获取到估计的发热量值y，该公式主要体现出来的意义为，如果灰分位于10～40%范围之间时，灰分增加1%，那么其发热量就会随之下降约为0.4615MJ/kg。

4.2 对标准误差S进行估计

标准误差S进行估计的公式是：

在这个式子中，yi也就是发热量的实际测量值，而依据回归方程进行计算所获得估计发热量值为y，S表示估计标准误差。

但是文章所研究的相关性并没有考虑到同一个煤矿区域或者相近的品种煤种硫分与挥发对发热量所造成的影响。因此在实际操作中，为了有效降低存在的误差，就应该针对具体的某个矿井依据各个矿区化验的数据，有效确定出发热量和灰分之间的定量关系，在实际详细计算中就是将误差降低至200J/g以下，而且还需要定期验证关系式中的各个常数系数，一定要确保该关系式的准确性和可靠性。同时还要依据实测值和计算值之间的差值大小对煤样的灰分和发热量进行判断，判断这二者之间是否存在一致性，还要对该判断来审查核对化验结果。一旦连续或者偶尔的差值超过了规定值，就表明煤炭性质构成出现了一定变化，或者所测定的结果出现了出入。因此在实际的使用中一定要对情况进行详细分析，查明原因。

4.3 对回归方程的检验

为了对该回归方程进行检验，核对其准确性，就选用煤炭进行测定，将测定值和计算值做相应比较。在洗混煤样中，最小的计算误差是0.001MJ/kg，而最大的计算误差是0.27MJ/kg。通过筛混煤中最小的计算误差是0.001MJ/kg，而最大的计算误差是0.28MJ/kg。这两种煤样所获取的计算误差都是通过了不同的化验室进行化验，所获取值都在允许误差中。从而可知，该回归方程的预测误差较小，而且精度高，能够用煤样中灰分指标对发热量进行预测。某煤矿从2014年的1月开始采用该回归方程验算每一个批次的煤炭发热量，一旦发现有不符合计算结果的煤样就查找存在的原因，发现有一些根源在于量热仪的工作不正常，有一些是因为化验人员的操作不当或马虎造成误差。该煤矿公司有针对性进行整治，通过半年的治理后，在8月份抽检煤炭，没有发现还存在发热量超差的问题，有效避免一定经济损失。

5 结束语

事实上，煤炭的发热量和多种煤质的指标比如灰分、水分等都存在一定关系，而且煤炭组成与结构是比较复杂的、多样的，所以采用计算公式是不可能完全替代实验室测定发热量，但是该计算公式能够适应在工业分析数据上，能够帮助工业上有效分析发热量。文章通过50组数据进行比较获取到回归方程，并且从中截取出数据构建做标准，就能够发现灰分值位于10～40%间，通过检验发现这种方程行之有效，而且转化方便，准确度高，适用的范围大。

参考文献

[1]尤玲，陈新，田海宏.谈煤炭产品灰分与发热量的线性关系[J].煤炭技术，2010.

[2]赵克俭.胶质层最大厚度与黏结指数的线性回归方程及其应用[J].矿业快报，2008.

[3]肖筱南.现代数值计算方法[M].北京：北京大学出版社，2011.

[4]汪荣鑫.数理统计[M].西安：西安交通大学出版社，2009.