神府南部矿区低阶煤化学组成与工艺性质：特征、关系与实践

郭 晨，王生全，师庆民，乔军伟，李焕同，张卫国，李 军，张 池，王晓康，杜芳鹏

神府南部矿区低阶煤化学组成与工艺性质：特征、关系与实践

郭 晨1,2,3,4，王生全1,2,3，师庆民1,2,3,4，乔军伟1,2,3,4，李焕同1,2，张卫国1,2，李 军5，张 池5，王晓康1,2,3，杜芳鹏1,2,3,4

(1. 西安科技大学 地质与环境学院，陕西 西安 710054; 2. 陕西省煤炭绿色开发地质保障重点实验室，陕西 西安 710054；3. 西安科技大学 煤炭绿色开采地质研究院，陕西 西安 710054；4. 西安科技大学 地质资源与地质工程博士后科研流动站，陕西 西安 710054；5. 陕煤集团神木张家峁矿业有限公司，陕西 神木 719316)

煤炭分质利用是契合其高效、清洁与绿色发展趋势的必然途径，而了解煤的基本化学组成与关键工艺性质是实现煤炭资源分级分质利用的基础。陕西神府南部矿区煤炭储量丰富，是西部重要的低阶煤生产基地，但长期以来未能完全实现煤的最佳分质利用，制约着优质煤炭资源价值优势的充分发挥以及经济与社会效益的进一步提升。以此为背景，以神府南部矿区主要生产矿井低阶煤样品为研究对象，开展煤的化学组成与工艺性质测试，化学组成包括工业组分、主量元素、全硫与形态硫、有害元素P及煤灰成分等，工艺性质包括发热量、低温干馏、热稳定性与煤灰熔融性等方面。基于数量化分析方法揭示煤的化学组成与工艺性质特征及其内在关系，构建基于化学组成的工艺性质预测数学模型，为煤炭分级分质利用提供基础依据。结果显示：①研究区低阶煤资源以特低灰、特低硫、特低磷、高–特高发热量、富油、高热稳定性、弱–无黏结性为特点，品质优良，具有显著的分质利用优势，尤其广泛分布的富油煤应予以高度重视；②煤的工艺性质与化学组成之间存在密切成因联系，发热量与固定碳含量呈正相关，低温干馏焦油产率与挥发分产率、氢元素含量呈正相关，水分含量决定低温干馏总水分产率，且在特定煤类条件下，灰分产率是控制煤诸多工艺性质的关键因素，包括发热量、黏结性、焦油产率等，均呈负相关性；③基于逐步回归分析与显著性检验，建立了基于化学组成预测煤关键工艺性质的数学模型，并以张家峁矿为例，利用所建模型预测低温干馏焦油产率和富油煤分布，预测结果与实测数据相符，验证了模型的可靠性。建立的预测模型为利用早期地质勘查资料评价煤的关键工艺性质，尤其富油煤分布提供了可行途径。研究成果对丰富陆相盆地低阶煤物质组成与化学性质基础认识，刻画其内在关联属性与量化模型具有重要参考价值，可为神府南部矿区以及其他类似地区优质煤炭资源(富油煤)的科学评价与最佳利用提供参考依据。

富油煤；工艺性质；焦油产率; 预测模型；分质利用

低阶煤分质利用，发展高附加值煤基产品是提升煤炭资源经济、社会、环境等多方面综合效益的重要举措[1-3]，符合我国能源安全保障和生态环境保护相统一的战略需求[4-5]。国家能源局印发《煤炭清洁高效利用行动计划(2015—2020)》《能源技术创新“十三五”规划》《能源技术革命创新行动计划(2016—2030)》，鼓励加强低阶煤的提质技术，积极推进煤炭分级分质利用，提高煤炭资源综合利用效率。未来我国能源化工产品需求仍将持续增长，煤炭的价格优势驱动煤炭由燃料用煤向原料与燃料并重的综合开发利用[6]。

神府南部矿区低阶煤煤质优良，是低灰、低硫、高热值、高含油率的优质动力、气化、液化和化工用煤[7-10]，且赋存地质条件简单，资源储量大[11-12]，为煤炭分级分质利用、提高煤炭资源综合利用效率和经济、环境效益奠定了物质基础。王双明[13]指出，在我国“富煤、缺油、少气”的能源禀赋背景下，通过热解优先提取国家紧缺的油气资源，形成“煤基油气资源”新理念与新矿种，生成可替代无烟煤和焦煤的半焦，将实现富油煤从燃料向“燃料+原料”的转化，增加国内油气供给途径。但目前神府南部低阶煤精细化分质开采与利用规划仍然相对欠缺，成为制约煤炭经济与社会综合效益提升的瓶颈[14-15]。完善不同用途煤炭资源分级评价指标体系，探明不同用途煤炭，尤其是富油煤的地质赋存特征与资源潜力，发展煤的热解、提油与原位地下气化、液化技术工艺，以合理、精准利用煤炭资源，是陕西省乃至全国煤炭清洁高效利用的关键，也是实现鄂尔多斯盆地“再造一个大庆油田”能源蓝图的前提[16-18]。而深化认识煤基本化学组成与工艺性质特征及其内在关系，是达成上述目标的首要基础工作。

基于此，笔者针对神府南部矿区主要生产矿井主采煤层，开展现场地质考察与样品采集，并对煤样进行工业组分、元素组成、工艺性质等综合分析测试，在系统了解其化学组成与工艺性质基本特征的基础上，重点揭示煤基本组成与性质的内在联系及其对富油煤分布预测的指示意义，为神府南部矿区乃至其他地区低阶煤分级分质提质、清洁高效利用和科学精准开采提供参考。

1 样品采集与测试

神府南部矿区主要包括红柳林、柠条塔、张家峁3个大型生产矿井，中侏罗统延安组(J2)为区内的主要含煤地层。自上而下分为5个含煤段，每段含1个煤组，编号为1—5煤组，其中4–2、5–2煤层为全区可采煤层，2–2煤为柠条塔矿主采煤层，3–1煤为红柳林矿主采煤层。在上述三大矿井以及周边凉水井井下主采煤层新鲜工作面，采用刻槽法按照0.5 m间距自上而下采集煤样，样品主要采自4–2、5–2煤层，少量来自其他煤层，采集后用保鲜膜及时密封并送回实验室处理，具体样品数量及其空间分布如图1所示。

对上述共计79个样品开展工业分析、主量元素(C、H、O、N)、全硫和形态硫、有害元素P、煤灰成分等化学组成测试，根据低阶煤的主要利用方向，开展发热量、低温干馏(格金干馏法)等工艺性质测试，另外对其中24个样品(在各矿井、各煤层均匀分布)开展热稳定性和煤灰熔融性测试。测试与分析依据标准包括GB/T 212—2008《煤的工业分析方法》、GB/T 214—2007《煤中全硫的测定方法》、GB/T 215—2007《煤中各种形态硫的测定方法》、GB/T 476—2008《煤中碳和氢的测定方法》、GB/T 19227—2008《煤中氮的测定方法》、GB/T 1574—2007《煤灰成分分析方法》、GB/T 1341—2007《煤的格金低温干馏试验方法》、GB/T 219—2008《煤灰熔融性的测定方法》、GB/T 1573—2018《煤的热稳定性测定方法》、GB/T 216—2003《煤中磷的测定方法》、GB/T 213—2008《煤的发热量测定方法》等。另外，选择其中26个样品开展显微煤岩组成与镜质体最大反射率测试，了解其煤岩组成信息和变质程度。

图1 神府南部矿区采样点位置

采用聚类分析、主成分分析、回归分析等数量化分析方法深入挖掘测试数据间相关性，重点揭示煤化学组成与工艺性质的内在联系，构建基于煤化学组成的关键工艺性质指标预测模型，以期为实现煤炭资源用途科学分类与最佳分质利用提供基础依据。

2 结果

2.1 煤的化学组成

2.1.1 煤岩特征

显微煤岩组分与镜质体反射率测试结果显示，该区煤样的镜质体最大反射率介于0.52%~0.65%，平均0.60%，属于长焰煤。镜质组体积分数介于31.28%~96.27%，平均56.58%，惰质组体积分数为2.70%~67.18%，平均41.61%，壳质组体积分数为0~5.88%，平均1.81%。惰质组含量较高是该区煤岩组成的基本特点。

2.1.2 工业组分

工业组分分析结果显示，煤样的挥发分产率介于31.65%~44.74%，平均37.36%，属于中高–高挥发分烟煤，水分质量分数为1.96%~10.60%，平均5.58%；灰分产率为1.75%~24.52%，平均6.76%。从各组分频率分布(图2)中可看出，灰分产率主要集中于2%~8%，其中以4%~6%为主，以特低灰煤为主，极少数为低灰煤；挥发分产率主要集中于36%~40%(长焰煤)，水分质量分数主要集中于2%~8%，其中以4%~6%为主；固定碳质量分数主要集中于52%~58%，平均55.17%，又以54%~56%(众数)为主。

图2 煤的工业组分频率分布

2.1.3 元素组成

测试结果显示，煤中5种主要元素含量由高到低依次为C、O、H、N、S，碳元素平均质量分数在80%以上(表1)。基于频率分布(图3)进一步分析，碳元素含量主要介于81%~83%，氧元素含量主要介于11%~13%，氢元素主要介于4.4%~5.2%，氮元素主要介于1.0%~1.2%，全硫主要介于0.2%~0.5%，其中又以0.2%~0.3%为主，属于特低硫煤，存在极少数的低硫煤；另外，磷元素质量分数主要位于<0.01%的范围，以特低磷煤为主，存在极少数的低磷煤。

表1 煤中主要元素测试成果统计

形态硫方面，硫化物硫和有机硫是煤中硫的主要存在形态，硫酸盐硫含量极低。具体而言，红柳林4–2煤和凉水井4–2煤以有机硫占明显优势，其他煤层均以硫化物硫占优，即黄铁矿构成硫的主要载体，红柳林4–2煤中矿物不发育，硫含量极低，具有最佳的煤质条件(图4)。

2.1.4 煤灰成分

煤灰成分测试结果显示，产率由高到低前5位依次是SiO2、CaO、Al2O3、Fe2O3和SO3，其他灰成分产率均比较低，普遍在1%以下，以K2O的产率最低，平均仅0.30%。进一步分析灰成分数据分布，K2O、P2O5的分布较为离散，SiO2、CaO等主要灰成分的分布较为集中(图5)。

图5 煤灰成分数据分布箱型图

煤灰成分中，SiO2和Al2O3呈现较为明显的正相关性(图6a)，反映二者来源的基本一致性，即陆源碎屑矿物，包括铝硅酸盐矿物与石英，红色异常点应与石英含量较高有关。煤中常见的铝硅酸盐矿物主要为黏土矿物和长石两类，由于灰成分K2O和Na2O含量很低，且CaO与Al2O3、SiO2均呈负相关性(图6b，图6c)，SiO2和Al2O3的比例关系与长石配位比也不相符，基本可排除为长石的可能性，因此，SiO2和Al2O3应主要来源于煤中的黏土矿物与石英，以黏土矿物为主。CaO应主要来源于方解石，而非长石或黏土矿物。另外，灰成分K2O具有特殊性，虽然其平均产率最低，但与灰分产率呈正相关(图6d)，K2O产率较高的煤样普遍灰分产率较高，说明K2O是一种重要的指示性灰成分类型，同时其与灰成分SiO2、Al2O3呈正相关，推测其来源于含钾黏土矿物。

图6 煤灰成分相关性分析

Fig.6 Correlation analysis of coal ash composition

灰成分三端元图显示(图7)，多数样品数据分布于Al2O3+SiO2主导区域(红色)，少数样品分布于CaO+MgO的主导区域(绿色)，Fe2O3集中于低比例段。因此，可合理推测黏土矿物应为煤中的主要矿物类型，其次为碳酸盐矿物(方解石)及少量黄铁矿。

图7 煤灰成分三端元分布

2.2 煤的工艺性质

2.2.1 发热量

共测试5种不同基准与类型的煤样发热量，其中，弹筒发热量b,ad为22.41~31.52 MJ/kg，平均28.93 MJ/kg；高位发热量gr,ad22.32~31.45 MJ/kg，平均28.86 MJ/kg；低位发热量net,ad为21.51~ 30.45 MJ/kg，平均27.88 MJ/kg。其中干燥基高位发热量gr,d是煤质分级评价选用的发热量指标，gr,d主要介于30~33 MJ/kg，其中众数出现在31~32 MJ/kg范围内。根据GB/T 15224.3—2010《煤炭质量分级第3部分发热量》，研究区煤属于高–特高发热量煤，极少数样品为中高发热量煤(图8)。

图8 煤样发热量频率分布

2.2.2 低温干馏

煤的格金低温干馏实验结果显示，煤样焦油产率介于4.8%~11.5%，平均8.0%。数据频率分布(图9)显示焦油产率主要分布于5%~10%，众数段位于7%~9%，大部分煤样的焦油产率大于7%，达到富油煤水平，构成本区的主要煤质特色。煤气及损失率主要分布在8%~9%，半焦产率主要分布在66%~76%，总水分产率主要介于10%~15%。焦型全部为B型，反映微黏结性。总体而言，研究区煤样具有极佳的热解产油性质，具有广阔的煤制焦油发展空间。

注：Waterad为总水量，%；CRad为半焦产率，%；GX为煤气及损失率，%

2.2.3 热稳定性与煤灰熔融性

煤的热稳定性以TS+6、TS3~6、TS–3三个参数予以表示，其中TS+6为热稳定性指标，TS3~6和TS–3为辅助指标，TS+6数值越高，代表煤热稳定性越好，即能以较大粒度完成燃烧或气化过程。测试结果显示，TS+6介于64.7%~92.8%，平均83.1%，数据主要集中于75%~95%范围；TS3–6为5.7%~32.5%，平均14.3%，主要集中于5%~20%范围；–3为1.05~4.9%，平均2.6%，主要集中于2.0%~2.5%范围。根据煤的热稳定性分级标准(MT/T 560—2008)，以高热稳定性煤为主，少数为中高热稳定性煤，仅1个样品(来自柠条塔2–2煤层)为中热稳定性煤(图10)。研究区煤样总体热稳定性良好。

煤灰的熔融性用变形温度(DT)、软化温度(ST)，半球温度(HT)和流动温度(FT)来表示，这4个温度依次升高，代表煤灰的不同熔融状态，决定了煤燃烧和气化过程中煤灰结渣的难易程度，灰熔融性温度越高，煤灰越不易结渣，气化性能越好。测试结果显示，煤灰变形温度以1 100~1 200℃的区间占优势；软化温度以1 200~1 250℃、1 400~1 450℃两个区间占优势，主要为较低和较高软化温度灰级别；半球温度以1 200~1 250℃和1 400~1 450℃两个数据区间占优势；流动温度以1 200~1 300℃和1 450~1 500℃区间占优势，主要为较低和较高流动温度灰级别(图11)。总体上，研究区煤灰熔融性变化幅度较大。

图10 煤的热稳定性指标频数分布

图11 煤灰熔融性温度频率分布

3 讨论

3.1 煤质与工艺性质关系

3.1.1 聚类分析

对测试获得的所有煤化学组成与工艺性质指标进行R型聚类分析，组间连接为聚类方法，皮尔逊相关系数为距离衡量指标，获得聚类树形图(图12)，可有效评价样本各参数间的联系程度[19]。以距离指标12为观测距离，将所有参量分为若干类型(C1—C8)，可获得以下认识。

(注：纵轴中FCad向下，全部表示其质量分数，%)

C1：发热量与固定碳含量的关系最密切，其次为碳元素含量，该类型相关的性质还包括低温干馏焦油产率和煤气+损失产率，总体反映了煤中有机碳及其影响下的相关性质；

C2：低温干馏总水分产率与水分含量聚为一类，说明煤样的水分含量是影响低温干馏总水分产率的关键；

C3：全硫含量与硫化物硫含量、硫酸盐硫含量聚为一类，尤其与硫化物硫的关系更密切，说明煤中硫的主要赋存载体为黄铁矿；

C4：灰分产率、挥发分产率、氧元素含量，灰成分K2O，以及低温干馏半焦产率聚为一类，总体反映煤中无机质和有机分子的含氧基团特征，其中灰分产率与灰成分K2O关系最密切，挥发分产率与氧元素含量关系最为密切；

C5—C8：反映煤的灰成分特征，其中Fe2O3、SO3、Na2O聚为一类，推测主要来源于煤中的黄铁矿组分；CaO和MnO2聚为一类，主要来源于煤中的方解石；SiO2、TiO2、Al2O3主要来源于煤中的黏土矿物；P2O5与P元素含量关系密切，P在煤中的赋存应主要为无机态。

3.1.2 主成分分析

进一步对前述所有测试指标进行主成分分析，以实现降维与主因子提取，筛分数据中的关键信息。以特征值＞1为基准提取了7个主成分(PC1—PC7)，累计方差达83.63%，能解释数据的主体信息(表2)。以每个主成分的因子得分系数绝对值0.6为敏感程度临界值，讨论各主成分代表的地质信息(图13)。

表2 累计方差与主成分提取

PC1：以固定碳含量、灰分产率、挥发分产率、发热量、碳元素含量、氧元素含量、低温干馏、以及灰成分K2O为主要贡献，上述因素的得分系数均超过0.6，说明该主成分涵盖的参数信息最全，反映了煤中的主要成分和基本性质。具体而言，固定碳含量、碳元素含量、发热量、低温干馏焦油产率和煤气产率得分系数均为正值，反映了煤中的有机碳及其相关特性，而灰分产率、低温干馏半焦产率与灰成分K2O得分系数均为负值，反映煤中的无机质及其相关性质。另外，挥发分产率与氧元素含量的得分系数也为负值，这代表煤中的含氧官能团特征。

PC2：以Al2O3、CaO、MgO、SiO2、TiO2、MnO2等煤灰成分为主要贡献，反映了煤灰成分的主要特征，其中，CaO与MnO2的因子得分系数为负值，其他成分为正值，正相关的煤灰成分主要反映出煤中的黏土矿物，负相关成分与方解石等碳酸盐矿物有关，二者为煤中的主要矿物类型，呈此消彼长关系。

PC3：主要反映煤中的硫元素特征，包括全硫、硫酸盐硫和硫化物硫，因子得分均在0.6以上，硫化物硫的得分较硫酸盐硫高，说明硫化物硫是煤中硫的主要来源，与前述分析一致。

PC4：该主成分反映的信息比较复杂，仅水分含量的因子得分达到－0.6，低温干馏总水分产率、有机硫的负相关性也较高；另外灰成分MgO、Na2O、P2O5呈现较高正相关，这些灰成分与PC2指示的灰成分基本互补，来源于煤中的次要无机组分，推测与黏土矿物的杂质有关。

PC5：反映的信息比较复杂，无因子得分超过0.6，灰成分SO3、Na2O、Fe2O3、Odaf、Vdaf因子得分相对较高，且呈正相关，碳元素含量为最显著的负相关因素，主要反映由煤中黄铁矿产生的灰成分特征，以及部分与含氧官能团相关的挥发分信息。

PC6—PC7：无因子得分超过0.6，PC6主要反映煤中的磷元素和水分特征，PC7主要反映煤中有机质的氢元素特征。

总体而言，PC1代表煤中的主体构成碳含量的性质，其与灰分、挥发分产率呈负相关，是最主要的成分，影响着发热量、低温干馏焦油产率、气体产率等重要工艺性质；PC2、PC4、PC5反映了由煤中矿物产生的灰成分特征，PC2代表主要矿物，PC4与PC5代表次要矿物。PC1—PC3涵盖煤样测试数据的主体特征信息，PC4—PC7反映相对次要信息。

图13 主成分因子得分系数

3.1.3 相关性分析

基于两两因素间的相关性分析进一步探讨煤的关键化学工艺性质与基本化学组成之间的相关性(图14)。以干燥基高位发热量(gr,d)为例，发热量与灰分产率呈显著的负相关，与固定碳含量及碳元素含量呈正相关。低温干馏总水分产率与水分含量(Mad)呈显著正相关，可见水分含量是控制低温干馏总水分产率的关键因素。低温干馏焦油产率与挥发分产率、氢元素含量呈正相关，说明其主要来源于煤有机大分子结构中的易挥发富氢组分，气体产率也与氢元素含量呈正相关性。半焦产率与挥发分产率呈负相关性，源于其主要来源于煤中的固定碳。

另外，焦渣特征指数(CRC)以2和4为主，呈现无黏结–弱黏结性的特征，CRC总体随煤中有机质含量增加而增加，随无机矿物质含量增加而减小，当灰分产率大于10%时(低灰煤)，CRC趋于为2，即灰分会降低煤的黏结性。

图14 煤关键工艺性质与化学组成相关性分析

3.2 关键工艺性质预测模型

煤的关键工艺性质指标测试过程复杂，且地质勘探结果与建井地质资料中关于煤工艺指标的测试数量往往有限，而针对煤基础物质组成的测试数据较多。通过前文分析，在特定煤阶范围内，煤的工艺性质与其化学组成具有密切成因关系，因此，拟通过多元回归分析的方法建立关键化学工艺指标与煤化学组成之间的量化关系模型，以实现基于煤质数据的工艺性质预测。

自变量较多时，某些因素可能对因变量的影响程度较弱，而且各因素之间可能不完全相互独立，运用逐步回归分析方法，进行显著影响因子筛选与组合，可获得融合最优预测参数的多元回归数学模型。因此，对低阶煤关键工艺性质影响因素开展逐步回归分析，以期使基于基本化学组成的工艺性质预测方程更加准确、有效。回归分析中，变量取舍标准选用概率，进入值设为0.05，删除值设为0.10，运用SPSS软件完成回归运算，结果见表3。每个方程的统计量、自变量的偏相关系数统计量均在0.05水平下显著(Sig.<0.05)，说明多元回归方程及回归系数满足显著性检验。

反映回归方程拟合精度的复相关系数()显示，发热量和煤灰熔融性模型的预测精度最高，接近于1，为显著相关；其次为低温干馏性质，均在0.75以上，为高度相关；热稳定性的预测模型值相对较低，介于0.65~0.75，为中度相关。总体而言，基于神府南部煤的基本化学组成建立的化学工艺性质预测模型可靠，可满足实践需要。

4 应用实例

陕北地区煤质优良，尤以丰富的富油煤资源日益受到关注[20]。低温干馏焦油产率(Tarad)是评价富油煤的指示性参数，也是了解煤热解工艺性能的重要指标[21]，但由于前期认识不足，地质勘探期间积累的相关测试数据有限，限制了对富油煤资源分布规律的全面认识。基于前文建立的低温干馏焦油产率预测模型，利用丰富的煤质测试数据预测煤焦油产率和富油煤分布，具有重要的实践意义。以张家峁井田5–2号煤层为例，基于27口钻孔煤质测试数据预测低温干馏焦油产率，并绘制等值线图，以揭示井田范围内的富油煤分布规律。预测结果与低温干馏实测钻孔数据趋势基本一致，除北部与中南部局部区域外，井田大部分地区均发育富油煤(Tarad>7%)，西部整体高于东部，尤以西南部富油性最好(图15)。

表3 神府南部矿区低阶煤关键工艺性质预测数学模型

图15 张家峁井田5–2号煤层低温干馏焦油产率(Tarad，%)分布预测

5 结论

a. 神府南部矿区煤炭资源属高挥发分烟煤类型，以特低灰、特低硫、特低磷、高–特高发热量、富油、高热稳定性、弱–无黏结性为特点，极佳的煤质与工艺性质奠定了开展煤炭资源分级分质利用的物质基础。

b. 煤中的矿物类型主要为黏土矿物与碳酸盐矿物，含有少量的黄铁矿，硫化物是煤中硫分存在的主要形态，红柳林4–2煤层以有机硫为主。磷元素主要以无机态赋存。灰成分K2O虽然产率极低，但是一种重要的指示性、敏感性灰成分类型。

c. 固定碳含量决定煤的发热量，挥发分产率、氢元素含量与低温干馏焦油产率具有正相关性，与半焦产率具有负相关性，水分含量决定低温干馏总水分产率。在特定煤类条件下，灰分产率是控制煤诸如发热量、黏结性、焦油产率等重要工艺性质的关键因素，均呈负相关性。

d. 建立了基于化学组成的煤关键工艺性质预测数学模型，包括发热量、低温干馏产物、热稳定性、煤灰熔融性等方面，精度可满足应用需要。以张家峁矿为例，基于前期积累的煤质测验数据，预测了低温干馏焦油产率和富油煤分布，预测结果符合实际情况。

e.建立的预测模型为充分利用早期勘查资料研究富油煤分布、推进煤炭分质利用提供了可行途径，未来应进一步聚焦于富油煤的形成演化机理、预测评价方法、清洁高效产油技术，以及煤油气共生、共探与共采开展研究工作，为实现陕北地区优质煤炭资源的最佳利用以及煤炭产业科学绿色发展提供地质保障。

[1] 尚建选，王立杰，甘建平，等. 煤炭资源逐级分质综合利用的转化路线思考[J]. 中国煤炭，2010，36(9)：98–101. SHANG Jianxuan，WANG Lijie，GAN Jianping，et al. Thinking of conversion route of comprehensive utilization of coal resources by categories and qualities[J]. China Coal，2010，36(9)：98–101.

[2] 尚建选，王立杰，甘建平. 陕北低变质煤分质综合利用前景展望[J]. 煤炭转化，2011，34(1)：92–96. SHANG Jianxuan，WANG Lijie，GAN Jianping. Prospect of the Shanbei comprehensive coal grading utilization technology[J]. Coal Conversion，2011，34(1)：92–96.

[3] 潘生杰，陈建玉，范飞，等. 低阶煤分质利用转化路线的现状分析及展望[J]. 洁净煤技术，2017，23(5)：7–12. PAN Shengjie，CHEN Jianyu，FAN Fei，et al. Present situation analysis and prospect of low rank coal quality-based utilization conversion route[J]. Clean Coal Technology，2017，23(5)：7–12.

[4] 胡广青，王文峰. 煤炭资源分质清洁利用研究进展与总体设想[J]. 淮南职业技术学院学报，2019，19(5)：1–2. HU Guangqing，WANG Wenfeng. Research progress and overall assumption of coal resources classification and clean utilization[J]. Journal of Huainan Vocational and Technical College，2019，19(5)：1–2.

[5] 曲洋. 煤炭供应全过程清洁化发展方向研究[J]. 煤炭经济研究，2019，39(4)：66–70. QU Yang，Research on the high-quality development direction of the whole process of coal cleaning supply[J]. Coal Economic Research，2019，39(4)：66–70.

[6] 梁嘉琨. 坚持科技创新，促进煤焦化产业转型升级，推进煤炭由燃料向原料与燃料并举转变[J]. 中国煤炭工业，2013(8)：7–9. LIANG Jiakun. Insist on technological innovation，promote the transformation and upgrading of the coal coking industry，and promote the transformation of coal from fuel to raw materials and fuel[J]. China Coal Industry，2013(8)：7–9.

[7] 张群，窦廷焕. 陕西省主要矿区煤质特征及工业利用评价[J]. 陕西煤炭技术，1991，3：52–60.ZHANG Qun，DOU Tinghuan. Coal quality characteristics and industrial utilization evaluation in Shaanxi Province[J]. Shaanxi Coal Technology，1991，3：52–60.

[8] 宋成建，曲建林，王昊，等. 低温热处理对神府煤成浆性影响的机理研究[J]. 西安科技大学学报，2015，35(6)：738–744. SONG Chengjian，QU Jianlin，WANG Hao，et al. Influenctial mechanism of low temperature thermal treatment on the slurrying ability of Shenfu coal[J]. Journal of Xi’an University of Science and Technology，2015，35(6)：738–744.

[9] 何建国，秦云虎，王双美，等. 神府矿区5–2煤层煤质特征及其气/液化性能评价[J]. 煤炭科学技术，2018，46(10)：228–234.HE Jianguo，QIN Yunhu，WANG Shuangmei，et al. Evaluation on gasification and liquefaction performance for No.5–2coal seam and its coal quality characteristics in Shenfu Mining Area[J]. Coal Science and Technology，2018，46(10)：228–234.

[10] 魏云迅，李聪聪，乔军伟，等. 神府矿区洁净煤划分及绿色开发建议[J]. 中国煤炭，2019，45(11)：79–83. WEI Yunxun，LI Congcong，QIAO Junwei，et al. Clean coal grading and green development proposal of Shenfu Mining Area[J]. China Coal，2019，45(11)：79–83.

[11] 王双明. 鄂尔多斯盆地聚煤规律及煤炭资源评价[M]. 北京：煤炭工业出版，1996：377–382. WANG Shuangming. Coal accumulation law and coal resource evaluation in Ordos Basin[M]. Beijing：Coal Industry Press，1996：377–382.

[12] 刘晓东. 陕北侏罗纪煤田煤炭资源勘查利用现状分析[J]. 地下水，2017，39(5)：126–128.LIU Xiaodong. Analysis on the status of coal resources exploration and utilization in Jurassic Coalfields in northern Shaanxi[J]. Groundwater，2017，39(5)：126–128.

[13] 王双明. 对我国煤炭主体能源地位与绿色开采的思考[J]. 中国煤炭，2020，46(2)：11–16. WANG Shuangming. Thoughts about the main status of coal and green mining in China[J]. China Coal，2020，46(2)：11–16.

[14] 段中会，贺丹，贺晓浪，等. 陕西煤炭产业转型与生态环境保护的若干思路[J]. 陕西煤炭，2016，35(4)：5–8.DUAN Zhonghui，HE Dan，HE Xiaolang，et al. The thoughts on transformation development of coal industry and ecological environment protection[J]. Shaanxi Coal Society，2016，35(4)：5–8.

[15] 王双明，段中会，马丽，等. 西部煤炭绿色开发地质保障技术研究现状与发展趋势[J]. 煤炭科学技术，2019，47(2)：1–6. WANG Shuangming，DUAN Zhonghui，MA Li，et al. Research status and future trends of geological assurance technology for coal green development in western China[J]. Coal Science and Technology，2019，47(2)：1–6.

[16] 王双明，孙强，乔军伟，等. 论煤炭绿色开采的地质保障[J]. 煤炭学报，2020，45(1)：8–15. WANG Shuangming，SUN Qiang，QIAO Junwei，et al. Geological guarantee of coal green mining[J]. Journal of China Coal Society，2020，45(1)：8–15.

[17] 秦勇，王作棠，韩磊. 煤炭地下气化中的地质问题[J]. 煤炭学报，2019，44(8)：2516–2530. QIN Yong，WANG Zuotang，HAN Lei. Geological problems in underground coal gasification[J]. Journal of China Coal Society，2019，44(8)：2516–2530.

[18] 袁亮. 我国煤炭工业高质量发展面临的挑战与对策[J]. 中国煤炭，2020，46(1)：6–12. YUAN Liang. Challenges and countermeasures for high quality development of China’s coal industry[J]. China Coal Society，2020，46(1)：6–12.

[19] 郭晨，秦勇，韩冬. 黔西比德–三塘盆地煤层气井产出水离子动态及其对产能的指示[J]. 煤炭学报，2017，42(3)：680–686.GUO Chen，QIN Yong，HAN Dong. Ions dynamics of produced water and indication for CBM production from wells in Bide-Santang Basin，Western Guizhou[J]. Journal of China Coal Society，2017，42(3)：680–686.

[20] 马丽，拓宝生. 陕西富油煤资源量居全国之首，榆林可“再造一个大庆油田”[J]. 陕西煤炭，2020，39(1)：220–222. MA Li，TUO Baosheng. The oil-rich coal resources in Shaanxi Province rank first in China，and Yulin can “rebuild a Daqing Oilfield”[J]. Shaanxi Coal Society，2020，39(1)：220–222.

[21] 茆艳丽，陈建国. 浅谈低阶煤试验过程中的影响因素及控制措施[J]. 中国石油和化工标准与质量，2017，37(23)：99–100.MAO Yanli，CHEN Jianguo. Influencing factors and control measures during the test of low rank coal[J]. China Petroleum and Chemical Standards and Quality，2017，37(23)：99–100.

Chemical compositions and technological properties of low-rank coals in the south Shenfu mining area: Characteristics, relationship and practice

GUO Chen1,2,3,4, WANG Shengquan1,2,3, SHI Qingmin1,2,3,4, QIAO Junwei1,2,3,4, LI Huantong1,2, ZHANG Weiguo1,2, LI Jun5, ZHANG Chi5, WANG Xiaokang1,2,3, DU Fangpeng1,2,3,4

(1. College of Geology and Environment, Xi’an University of Science and Technology, Xi’an 710054, China; 2. Shaanxi Provincial Key Laboratory of Geological Support for Coal Green Exploitation, Xi’an 710054, China; 3. Geological Research Institute for Coal Green Mining, Xi’an University of Science and Technology, Xi’an 710054, China; 4. Center for Post-doctoral Studies of Geological Resources and Geological Engineering, Xi’an University of Science and Technology, Xi’an 710054, China; 5. Shenmu Zhangjiamao Mining Co.Ltd., Shaanxi Coal Group, Yulin 719316, China)

Coal grading utilization is an essential way to fit its high-efficiency, clean and green development trends. Understanding the basic chemical composition and key technological properties of coal is the basis for achieving grading and qualitative utilization of coal resources. The South Shenfu mining area in Shaanxi Province is rich in coal reserves and it is an important low-rank coal production base in West China. However, it has not been able to achieve the qualitative utilization of coal practically completely for a long time, which restricts the full play of the value of coal resources and the further improvement of coal economic and social benefits. Based on this background, the low-rank coal samples were collected from the South Shenfu mining area to carry out coal chemical composition and technological property tests. The chemical composition tests include industrial components, major elements, total sulfur and form sulfur, harmful element P and coal ash composition. Technological property tests include calorific value, low-temperature carbonization, thermal stability and coal ash melting temperature. Quantitative analysis method was used to reveal the chemical compositions and technological properties of coal and their internal relationships. A mathematical model for predicting technological properties based on chemical compositions is constructed to provide a foundation for the grading and qualitative utilization of coal. The results show that: 1) The low-rank coal resources in the study area are characterized by ultra-low ash, ultra-low sulfur, ultra-low phosphorus, high-very high calorific value, oil-rich, high thermal stability, and weak-non-adhesion characteristics, presenting a significant advantages in grading and qualitative utilization, especially the widely distributed oil-rich coal should be highly valued; 2) There is a close genetic relationship between the technological properties and chemical compositions of coal. The calorific value is positively correlated with the fixed carbon content, and the low-temperature carbonization tar yield is positively correlated with the volatile yield and hydrogen content. The moisture content determines the total moisture yield of low-temperature carbonization, and under specific coal type conditions, ash yield is a key factor controlling many technological properties of coal, including calorific value, cohesiveness, tar yield, etc., all presenting negative correlations; 3) Based on stepwise regression analysis and saliency test, a series of mathematical models for predicting the key technological properties of coal based on chemical compositions were built. Taking Zhangjiamao Mine as an example, the model was used to predict the tar yield of low-temperature carbonization and the distribution of oil-rich coal. The prediction results were consistent with the actual situation, verifying the reliability of the model. The mathematical models permit the further investigation on the coal technological properties and oil-rich coal distribution based on the geological data obtained during the previous coal exploration period. The research results have enriched the basic understanding of the material compositions and chemical properties of low-rank coals in terretrial basin, and described their intrinsic relationship and quantitative models, which can provide a theoretical foundation for the scientific evaluation and optimal utilization of high-quality coal resources(oil-rich coal) in the south Shenfu mining area and other similar areas.

oil-rich coal; technological property; tar yield; prediction model; grading utilization

移动阅读

语音讲解

P618

A

1001-1986(2021)01-0087-13

2020-09-12；

2020-12-20

陕西省自然科学基础研究计划联合基金项目(2019JL-01)；陕西省自然科学基础研究计划青年基金项目(2019JQ-192)；国家自然科学基金项目(42002195)

郭晨，1988年生，男，山西晋城人，博士，副教授，从事煤与煤层气(瓦斯)地质教学与科研工作. E-mail：makaay_@126.com

王生全，1961年生，男，陕西岐山人，教授，从事煤与煤层气(瓦斯)地质教学与科研工作. E-mail：363191442@qq.com

郭晨，王生全，师庆民，等. 神府南部矿区低阶煤化学组成与工艺性质：特征、关系与实践[J]. 煤田地质与勘探，2021，49(1)：87–99. doi：10.3969/j.issn.1001-1986.2021.01.009

GUO Chen，WANG Shengquan，SHI Qingmin，et al.Chemical compositions and technological properties of low-rank coals in the south Shenfu mining area：Characteristics, relationship and practice[J]. Coal Geology & Exploration，2021，49(1)：87–99. doi: 10.3969/j.issn.1001-1986.2021.01.009

(责任编辑 范章群)