基于AdaBoost优化的BP神经网络算法在灰熔融温度预测中的应用

煤灰熔融温度对煤气化过程有很大影响。煤灰流动温度（FT）由灰成分决定,但两者之间的关系尚不明确。采用传统的BP神经网络和AdaBoost优化的BP神经网络来预测煤灰流动温度。结果表明,BP神经网络可以预测煤灰流动温度的变化趋势,但预测结果不是很理想。AdaBoost优化的神经网络的预测结果可以达到很高的精度,预测结果的平均绝对误差为5.81,准确度为99.2%,这也说明了利用AdaBoost优化BP神经网络预测模型预测煤灰流动温度的可行性。     

应用原料煤分析数据建立煤灰流动温度模型

通过对某公司LIMS系统中原料煤分析数据进行分类、研究，将煤灰主要成分、硅铝比、酸碱比等参数与煤灰流动温度相关联，建立煤灰流动温度经验公式模型，用以指导配煤，为气化炉运行提供支撑，并可对分析数据的准确性（或可靠性）进行校验，为同类装置提供借鉴。     

基于Bagging集成CHAID决策树算法的神东矿区煤灰熔融温度预测

为了预防神东煤在气化过程中结渣的问题,以部分神东矿区煤的灰成分为自变量,灰熔点软化温度ST和流动温度FT为因变量,建立了Bagging集成CHAID决策树算法的灰熔点预测模型。结果表明：针对本文数据集,CHAID决策树最大树深度设置为5,决策树个数设置为10的模型预测效果最好;模型对小样本的FT预测精度略高于ST预测精度。因此,基于Bagging集成CHAID决策树预测煤灰熔融温度模型对气化炉的安全稳定运行提供重要指导。     

配煤对煤灰熔点的影响及灰熔点预测模型研究

针对皖北刘桥二矿煤（A）属于高灰熔点煤,无法满足Shell气化炉液态排渣的需要。考察了采用配煤技术降低煤A的灰熔点的效果,结果表明,配煤可以显著的降低煤A的高灰熔融性。使其能够满足Shell气化炉液态排渣工艺的要求。并采用最小二乘法对灰熔点与煤灰灰成分之间建立并回归了预测模型,预测模型方程表明,若能增加配煤煤灰中MgO的含量可显著降低煤灰熔点,增加配煤煤灰中CaO的含量可使煤灰熔点降低,在煤灰中SiO2和Al2O3总含量一定的条件下,高硅低铝的配煤煤灰可进一步降低煤灰熔点。同时该模型能较好地预测三种原煤配煤的灰熔点。     

煤灰分及CaCO3对鹤岗煤灰熔融性和黏温特性影响研究

针对鹤岗煤灰熔融性温度高,无法满足德士古水煤浆气化工艺煤灰流动温度(FT)低于1 350℃的要求,以鹤岗龙煤(LM)和鹤翔煤(HM)为研究对象,考察了浮选前后灰分对煤灰组成的影响,分析了助熔剂CaCO_3对煤灰熔融特性和黏温特性的影响。结果表明:随着浮选煤灰分的降低,煤灰中SiO_2含量及ω(SiO_2)/ω(Al_2O_3)降低,煤灰FT升高;CaCO_3的加入可有效降低煤的灰熔融性温度,当CaCO_3加入质量分数为4%时,可使LM和HM煤灰熔融性温度均达到德士古气化炉操作温度的要求;LM和HM煤经过浮选降低灰分后,通过添加一定比例的CaCO_3,可有效调控煤灰的流动性,高温下煤灰渣类型由结晶渣转化为玻璃体渣,适宜的操作温度下液态排渣温度范围较宽,灰渣流动性能够较好地满足气流床气化炉对液态排渣黏度的要求。     

不同处理方式对霍林河褐煤灰熔融特性的影响

煤灰熔融特性对预测煤灰的结渣、改变煤灰熔融特性适应不同的排渣方式具有重要意义。对霍林河褐煤和它水洗、酸洗、浮选煤的灰熔点进行了测定,并采用煤灰成分和XRD谱图分析了不同处理方式对煤灰熔融流动特性的影响。结果表明,三种处理方式引起灰熔点变化是由于灰成分的变化引起的,其变化趋势与XRD谱图的预测结果密切相关。灰熔点的高低主要取决于煤中矿物质所的种类和其相对含量以及随温度而形成的新矿物相。莫来石含量的变化是引起煤灰熔融特性变化的原因。     

基于聚类分析与粒子群算法优化神经网络的灰熔点预测

针对解决燃煤锅炉或气化炉的结渣现象，影响锅炉安全性问题，以灰成分金属氧化物为自变量，灰熔点流动温度为因变量，建立了K-Means-PSO-BPNN的灰熔点预测模型，误差分析结果表明，经过粒子群算法优化，BP神经网络模型在聚类分析后的预测效果得到了显著提高，表现出更好的相关性，相关系数为0.967,高于未优化的0.917,平均绝对误差为5.81,小于未聚类的26.98,并且模型的准确性提高到98.89%。因此，聚类分析以及粒子群算法优化后的神经网络模型能够更准确预测煤灰的流动温度(FT)。     

神经网络法预测煤灰中铁钙比与灰熔融温度的关系

向铁钙比不同的ZX煤、SH煤、LY煤中添加Ca、Fe助剂,改变煤灰中Fe2O3/Ca O,测定煤灰在弱还原气氛下的灰熔融温度,采用BP神经网络模型预测灰熔融温度与灰成分及其组合参数之间的关系。结果表明,3种煤中加入Fe S2、Fe、Ca CO3后,灰熔融温度均降低。当添加同种含Fe助剂,在中铁高钙的煤中,铁钙比越小,煤灰流动温度越低;而在低铁低钙的煤中,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,相同铁钙比时,加入单质Fe的煤灰熔融温度更低。铁钙比对煤灰熔融温度的影响还与灰成分等其它因素有关。使用质量百分数作为基准,输入层包含8个灰成分参数和3个组合参数(铁钙比、铁钙和及酸碱比)的BP神经网络模型对灰熔融温度的预测优于仅包含8个灰成分和酸碱比的9参数输入层预测模型,该模型对高铁低钙的煤样灰熔融温度的预测效果较好。     

神经网络法预测煤灰中铁钙比与灰熔融温度的关系

向铁钙比不同的ZX煤、SH煤、LY煤中添加Ca、Fe助剂,改变煤灰中Fe2O3/Ca O,测定煤灰在弱还原气氛下的灰熔融温度,采用BP神经网络模型预测灰熔融温度与灰成分及其组合参数之间的关系。结果表明,3种煤中加入Fe S2、Fe、Ca CO3后,灰熔融温度均降低。当添加同种含Fe助剂,在中铁高钙的煤中,铁钙比越小,煤灰流动温度越低;而在低铁低钙的煤中,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,相同铁钙比时,加入单质Fe的煤灰熔融温度更低。铁钙比对煤灰熔融温度的影响还与灰成分等其它因素有关。使用质量百分数作为基准,输入层包含8个灰成分参数和3个组合参数(铁钙比、铁钙和及酸碱比)的BP神经网络模型对灰熔融温度的预测优于仅包含8个灰成分和酸碱比的9参数输入层预测模型,该模型对高铁低钙的煤样灰熔融温度的预测效果较好。     

降低鱼卡矿煤灰熔点的试验

水煤浆加压气化技术要求煤灰熔点的流动温度1 350℃,以保证气化炉顺畅排渣。鱼卡矿煤在弱还原气氛下灰熔点的流动温度在1 329~1 379℃,必须加入助熔剂以改变其灰熔融性。通过试验,在原煤中添加质量分数2%~3%的生石灰时,鱼卡矿煤的流动温度可降至1 300℃以下。