神经网络法预测煤灰中铁钙比与灰熔融温度的关系

熊金钰，李寒旭，曹祥，杨忠连

(安徽理工大学 化学工程学院，安徽 淮南 232001)

气流床气化技术是大规模、高效清洁煤基燃气与合成气制备的首选技术，操作温度高达1 300 ～1 700 ℃，如此高温条件下，煤中矿物质转变成煤灰并经过高温过程形成灰渣［1］。为保证灰渣顺利排出，入炉煤的流动温度一般要低于气化炉操作温度50 ～100 ℃［2］。但实际生产中很少有煤种能够直接符合气化炉操作温度，因此需要添加合适的助熔剂以降低灰熔融温度。石灰石是一种普遍应用的助熔剂，其有效成分为氧化钙。Song 等［3-4］研究了石灰石降低煤灰熔融温度及灰黏度，考察了石灰石添加量与灰熔融温度降低效果的关系，阐明了氧化钙降低灰熔融温度的机理。李继炳等［5］将分析纯的Fe2O3添加到煤灰中，研究结果认为，铁基助熔剂与煤灰中硅铝酸盐矿物反应形成低温共熔物是降低灰熔融温度的原因所在。同时，有研究［6］指出，含Fe、Ca、Mg 的矿物质是引起热交换器上结垢的主要成分。张堃［7］研究煤灰的高温结渣特性时发现，当煤中铁含量较少时，CaO 几乎只能生成比组分熔点低的斜长石、黄长石、硅钙石等含钙化合物;当煤中铁含量较高时，会出现钙铁橄榄石等低熔点含铁化合物。当Fe2O3/CaO 摩尔比接近1 时，煤灰的结渣趋势最强。含铁成分、含钙成分在高温下对煤灰的组合影响结果值得重视。

本研究以灰成分中Fe2O3/CaO(简称铁钙比，记作F/C)不同的ZX 煤、SH 煤、LY 煤为研究对象，分别添加CaCO3、Fe、FeS2，改变煤灰中的铁钙比，测定具有不同铁钙比的煤灰在弱还原气氛下的熔融温度，采用BP 神经网络模型建立灰熔融温度与铁钙比、灰成分及其组合参数之间的关系，以用来评估用煤过程中因添加助熔剂或配煤而引起的灰成分变化对灰熔融温度的影响。

1 实验部分

1.1 材料与仪器

FeS2(≥99. 0%);Fe、CaCO3均为分析纯;ZX煤、SH 煤、LY 煤，其基础分析见表1、表2。

表1 实验煤样的工业分析和元素分析Table 1 Industrial and elemental analyses of coal samples

表2 实验煤样的灰成分及灰熔融温度Table 2 Ash composition and ash fusion temperature of coal samples

5E-AFⅡ智能灰熔融性测试仪;ARL9800XP +型X 射线荧光光谱仪(XRF)。

1.2 实验方法

向ZX 煤、SH 煤、LY 煤中分别添加CaCO3、Fe、FeS2，铁钙比配比和添加量见表3(以100 g 原煤为基准)。

续表3

表3 助剂及其添加量Table 3 Additive ＆ its content

1.3 分析方法

1.3.1 灰熔融温度测定 按照GB/T 219—2008 标准方法实施。

1.3.2 灰成分测定 依据JY/T 016—1996《波长色散型X 射线荧光光谱方法通则》实施。

1.4 预测模型中灰成分输入参数的计算方法

在BP 预测模型中除煤灰成分外，还添加了铁钙比、铁钙和、酸碱比，总共使用11 个输入参数，以质量百分数为基准，计算方法如下:①铁钙比F/C =Fe2O3/CaO;②铁钙和G = Fe2O3+ CaO;③酸碱比A/B =(Al2O3+SiO2+TiO2)/(Fe2O3+CaO +MgO+K2O+Na2O)。剩余8 个参数分别是表2 中8 种灰成分的质量分数。

2 结果与讨论

根据文献［8］，ZX 煤中铁钙比等于2.41 ＞1.0，硅铝比(SiO2/Al2O3)为2. 07，硅铝总和(SiO2+Al2O3)为69.99%，属于高铁低钙、高硅中铝煤样;SH 煤铁钙比为0.46 ＜1.0，硅铝比为1.97，硅铝总和为49.30%，属于中铁高钙、中硅低铝煤;LY 煤铁钙比是1.08≈1.0，硅铝比是1.60，硅铝总和(SiO2+Al2O3)为80. 98%，属于低铁低钙、高硅中铝煤样。

2.1 灰成分

添加助剂的煤灰成分XRF 检测结果见表4。

由表4 可知，计算的铁钙比与实验设计的铁钙比存在一定的误差，但误差在允许范围内，能够满足工业应用的要求，可以作为实验方案进行实验。

表4 实验方案计算结果-XRF 验证结果Table 4 Calculation results ＆ XRF verification results of experimental schemes

2.2 灰熔融温度

灰熔融温度见表5。

表5 灰熔融温度Table 5 Ash fusion temperature of coals with additive

由表5 可知:①ZX 原煤中加入CaCO3、FeS2、Fe后，煤灰熔融温度均降低，CaCO3的添加量较多，F/C 较小的煤灰流动温度降低更明显;F/C =5.0 的两组ZX 煤中加入Fe 时，煤灰流动温度降低更明显;②SH、LY 煤中加入FeS2、Fe 后，灰熔融温度均降低。可见，含Fe 助剂在还原性气氛下对原煤有一定的助熔作用，且加入Fe 的煤灰熔融温度降低更明显。

同一煤样中，加入不同的含Fe 助剂，铁钙比相同时，加入Fe 的煤灰流动温度较加入FeS2的更低。原因可能是原煤中添加的Fe 在灰化过程中，与空气中的氧作用，转变成离子状态(氧化物形式)，易与煤灰熔体网络中未达到键饱和的O2－联接，破坏煤灰熔体空间网络结构，从而降低煤灰熔融温度［9］;此外，在高温还原性气氛下，氧化物形式的FeO，易与煤灰中的SiO2、Al2O3、CaO 等成分发生复杂的化学反应，形成低温共熔体，也可降低煤灰熔融温度。而FeS2在灰化过程中形成的是硫化物形式铁FeS，铁和硫原子以配位键结合，有很强的结合能［10］，不易离解成离子参与反应而进入低温矿物群。

但是，当添加同种含Fe 助剂时，铁钙比值与煤灰流动温度间的联系因煤种而异。对SH 煤而言，铁钙比小的煤灰流动温度更低。这是因为SH 煤灰属于中硅低铝、中铁高钙煤灰，铁钙比达到1.0 时，其灰成分中Fe2O3含量均在20%左右，而铁钙比为2.0 的煤灰中Fe2O3含量约30%，Fe2O3含量增加了约10%，铁钙总和也多出约7%。碱性氧化物含量约占煤灰化学成分的50%，属于碱性氧化物过量，而酸性氧化物含量不足，多余的Fe2O3和CaO 可能游离存在于煤灰中，由于Fe2O3熔点为1 538 ℃，CaO 熔点2 572 ℃，均属于较高熔点矿物。因此，铁钙总和(Fe2O3+CaO)含量超过一定值后，煤灰熔融温度反而提高了。

对于高灰熔融温度的LY 煤，加入同种含Fe 助剂时，铁钙比越大，煤灰流动温度越低。LY 系列煤灰中硅铝和大于61%，酸碱比大于1. 7。根据文献［11］，酸碱比在1.7 左右时，煤灰中的酸性氧化物与碱性氧化物易形成大量的低温共熔体，流动温度达到最小值［11］。酸碱比远离1.7 时，低温共熔体量减少，流动温度逐渐升高。铁钙比大(F/C =5.5)的煤灰中酸碱比(分别为1.77，1.97)小于F/C =3.5的煤灰中酸碱比(分别为2.65，2.80)，且前者更接近1.7。

灰熔融温度受到诸多因素的影响，如铁钙比、酸碱比、各成分的含量等。

2.3 灰熔融温度预测模型

BP 神经网络是一种按照相对误差逆传播训练的多层前馈网络，通过反向传播来不断调整网络权值和阈值，使相对误差平方和最小学习训练，其拓扑结构包括输入层、隐含层和输出层［12-13］。

选择铁钙比、铁钙和、酸碱比及灰成分中的8 个参数，总计11 个参数作为输入层单元，灰熔融温度中的软化温度ST、流动温度FT 2 个参数作为输出层单元;使用双曲正切tan-sigmoid 型函数作为输入层到中间层的传递函数，纯线性函数作为中间层到输出层的传递函数。训练数据选用ZX、SH、LY 煤添加助剂的灰成分数据，原煤灰成分作检验组。预测结果见表6。

表6 训练组灰熔融温度的预测值与实测值比较Table 6 Comparison between predicted ash fusion temperatures and actual tested ash fusion temperaturesof training samples

由表6 可知，增加铁钙比、铁钙和及酸碱比3 个组合参数后，11 个参数的BP 神经网络模型的预测效果要优于仅添加酸碱比的9 参数输入层的预测结果。对于ST 而言，11 参数输入层的预测结果均比9参数的结果更接近实测值;对于FT，除2 个例外，其余均是11 参数的预测结果更接近实测值。

用ZX、SH、LY 原煤灰的数据进行BP 神经网络模型检验，结果见表7。

表7 检验组灰熔融温度的预测值与实测值比较Table 7 Comparison between predicted ash fusion temperatures and actual tested ash fusion temperatures of testing samples

由表7 可知，该模型对高铁低钙的ZX 煤样的预测值与实际值十分接近，FT、ST 的预测相对误差分别为4. 02%，0. 26%，实际温度误差最大为52 ℃，在实验允许误差范围之内(80 ℃)［14］。

3 结论

(1)向铁钙比大于1.0、约等于1.0 及小于1.0的3 种煤中分别加入FeS2、Fe、CaCO3后，灰熔融温度均降低。当添加同种含Fe 助剂时在中铁高钙的煤中，铁钙比越小，煤灰流动温度越低;在低铁低钙的煤中，铁钙比越大，煤灰流动温度越低。同一煤样，加入不同含Fe 助剂，相同铁钙比的灰熔融温度降低效果也不同，原煤中加单质铁的流动温度降低更明显。铁钙比与灰熔融温度的关系还受到其它因素的制约。

(2)煤灰中铁钙比与灰熔融温度的关系可以通过BP 神经网络模型拟合。使用质量百分数作为基准，在8 个灰成分参数的基础上，添加铁钙比、铁钙和及酸碱比3 个组合参数后的BP 神经网络模型，对含有助剂的煤灰熔融温度的预测效果优于仅添加酸碱比的9 参数预测结果。训练样本的相对误差小于0.39%(ST)和0.63%(FT);检验样本中高铁低钙的ZX 煤样预测温度最大误差为52 ℃。

［1］ Song W，Tang L，Zhu X，et al.Flow properties and rheology of slag from coal gasification［J］. Fuel，2010，89(7):1709-1715.

［2］ 贺根良，门长贵.气流床气化炉操作温度的探讨［J］.煤化工，2007(4):8-11.

［3］ Song W J，Tang L H，Zhu X D，et al. Effect of coal ash composition on ash fusion temperature［J］.Energy Fuels，2010，24(1):182-189.

［4］ 孔令学，白进，李文，等. 氧化钙含量对灰渣流体性质影响的研究［J］.燃料化学学报，2011，39(6):407-412.

［5］ 李继炳，沈本贤，李寒旭，等. 铁基助熔剂对皖北刘桥二矿煤的灰熔融特性影响研究［J］. 燃料化学学报，2009，37(3):262-265.

［6］ Hueon Namkung，Xu Lihua，Won Cheol Shin，et al.Study on deposition tendency of coal ash under various gasification environments through DTF［J］. Fuel，2014，117:1274-1280.

［7］ 张堃.煤灰中成分的高温结渣特性及机理研究［D］.杭州:浙江大学，2005.

［8］ 周志杰，李德侠，李霞，等. 煤灰熔融黏温特性及对气流床气化的适应性［J］.化工学报，2012，63(10):3243-3254.

［9］ 王勤辉，揭涛，李小敏，等. 反应气氛对不同煤灰烧结温度影响的研究［J］.燃料化学学报，2010，38(1):17-22.

［10］汪树军，董宪荣，王大喜.多硫化铁FeSx结构与稳定性的密度泛函分析［J］. 中国石油大学学报:自然科学版，2007，31(4):121-125.

［11］戴爱军.煤灰成分对灰熔融性影响研究［J］.洁净煤技术，2007，13(5):23-26.

［12］杨鑫，黄戒介，赵建涛，等. 褐煤配入高熔点煤灰的灰熔点预测模型研究［J］. 化学工程，2012，40(10):80-84.

［13］汤秀华，孙兴波.基于BP 神经网络的结晶成核速率预测［J］.应用化工，2010，39(1):14-16.

［14］中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.GB/T 219—2008 煤灰熔融性的测定方法［S］.北京:中国标准出版社，2008.