开滦矿区动力煤发热量回归方程的推导及应用

时间:2022-08-19 01:38:14

开滦矿区动力煤发热量回归方程的推导及应用

[摘要] 根据开滦矿区实际煤质资料分析动力煤发热量与灰分、水分之间的相关关系,运用数理统计中的多元回归理论,建立发热量与灰分、水分的相关关系模型,并对其回归方程式进行验证,最终确定出计算发热量的回归方程式,从而能够准确快速地预测动力煤的发热量并对实测发热量值进行验证审核,保证煤炭质量的客观公正。

[关键词]动力煤 发热量 灰分 水分 关系模型

一、概述

开滦(集团)有限责任公司始建于1878年,迄今已有130多年的历史,是国有特大型煤炭企业。2009年煤炭产量达4000万吨以上,肥煤、焦煤、1/3焦、气煤等煤种齐全,主要供应冶金、焦化、发电等各大企业。主导产品为冶炼精煤和动力煤。主产动力煤矿井有荆各庄矿、林南仓矿、东欢坨矿,均为气煤煤种,是优质的发电用煤和锅炉用煤。

二、建立回归方程推导计算发热量的经验公式的必要性及可行性

发热量作为动力煤的计价基础,它不仅是当前动力用煤重要的经济评价参数,而且是评价煤炭质量的一项重要指标。快速、准确、客观的检验及预测商品煤发热量结果,直接关系着企业的经济效益及企业信誉。根据煤结构特性,分析煤的发热量与灰分、水分之间的关系,找出其变化规律,建立定量关系的线性回归方程,推导出计算发热量的经验公式,可以有效解决此项问题,为煤炭生产、销售及现场管理提供可靠的理论依据。

开滦荆各庄矿、林南仓矿、东欢坨矿是主产动力煤矿井,产品主要供应浙电、常熟电、谏壁电、上电等发电企业。各矿井开采煤层相对较稳定,荆各庄矿主产工作面为12槽,林南仓矿主产工作面为8槽和12槽,东欢坨矿主产工作面也为8槽和12槽,并且均为气煤煤种。历年来各矿对发运的商品煤逐批采样化验测定热值,积累了大量的检验数据及原始资料,为我们进行统计分析提供了可靠数据基础。

三、商品煤发热量与灰分、水分相关关系的回归分析

下面以荆各庄矿2009年检验数据为基础,对商品煤发热量与灰分、水分之间关系进行分析,说明线性回归方程的推导及应用。2009年荆各庄矿发运商品煤共980批,我们以干基灰分(Ad)、全水分(Mt)为自变量,以收到基低位发热量(Qnet,ar)为因变量,利用Excel统计分析软件进行回归分析,分析结果见下表:

从回归统计表中可以看出,复相关系数(Multiple R)值为0.992,接近1;样本判定系数(R Square)值为0.984,表明Qnet,ar的变动有98.4%可以由自变量Ad和Mt解释,说明因变量与自变量之间线性相关非常显著。从方差分析结果中可以看出,显著性概率(Significance F)值为0,即检验假设“H0:回归系数B=0”成立的概率等于0,从而应拒绝原假设H0,说明回归效果极为显著,所得回归方程式有意义。

四、回归方程的建立

根据以上分析结果,建立发热量与灰分、水分相关关系的数学模型。我们用二元一次模型表述发热量与灰分、水分相关关系:Qnet,ar=a+bAd+cMt

式中: Qnet,ar――发热量的计算值(MJ/kg)

Ad――干基灰分(%)

Mt――全水分(%)

a ,b , c 为模型参数

从分析表中得到荆各庄矿回归方程式:Qnet,ar=30.67-0.21 Ad -0.32 Mt

同以上方法对2009年东欢坨矿发运商品煤共1521批进行分析,得到东欢坨矿回归方程式:Qnet,ar=32.33-0.24Ad -0.34Mt

同以上方法对2009年林南仓矿发运商品煤共784批进行分析,得到林南仓矿回归方程式:Qnet,ar=32.29-0.18Ad -0.36Mt

五、回归方程式的验证及应用

为检验回归方程的准确性,我们对2009年荆各庄矿、东欢坨矿、林南仓矿发运的商品煤实际检验值与计算值逐一进行比较分析,结果见下表:

表中结果说明,回归方程预测值与实际检测值之间平均误差均较小,并且差值大于0.3MJ/Kg(国标再现临界值)批数占总量比例也很低,小概率,可作为离群值进行分析。因此表明回归方程计算准确度高,所揭示的商品煤发热量与灰分、水分指标间的相关关系是科学的。

2010年1-3月份荆各庄矿、东欢坨矿、林南仓矿各发运商品煤177批、336批、119批,通过用回归方程逐一进行跟踪审核,分别有3、4、1批差值(计算值与实测值差)高于300 MJ/Kg,检验部门及时查找原因,重新化验,最终重新化验结果差值都低于300 MJ/Kg。

六、结语

⑴ 动力煤的收到基低位发热量与干基灰分、全水分间有显著的线性关系,利用推导出的回归方程可以快速计算出发热量的值,并且能够对日常实际检测结果进行审核验证,以减少化验过程中出现意外差错造成的失误,保证数据的客观公正。

⑵ 回归方程式来源于日常检测数据。回归方程不是一成不变的,应根据矿井开采煤层的调整,不断收集补充新检测数据,定期重新进行回归分析,保证回归方程的时效性,以适应可能发生的各种煤质变化。

上一篇:同步制造的单一瓶颈环节下的加工批量和传输批... 下一篇:基于Linux系统中进程调度分析