基于煤炭分选过程中应用大数据分析预测的优势技术研究

赵宝龙

（山西沁新能源集团股份有限公司煤转化技术研发中心，山西 长治 046500）

1 煤炭洗选行业的工艺概述

煤炭洗选行业主要通过重力选矿和浮游选矿的生产工艺将矿井开采出的原煤进行洗选脱除无用矿物和杂质，提升精煤产品价值和品味，实现煤炭的清洁高效利用。为了保障生产出的商品精煤产品合格稳定，就需要在煤炭的洗选加工过程中对各环节中间产品进行监测化验和分析，对产品质量的管理多采用传统的煤质管理理念，重点抓生产过程的煤质管理，通过控制生产过程实现产品质量的合格稳定。但由于煤质化验数据存在严重的滞后性和各级人员对数据处理的敏感性差异，在大型化和高效化的选煤厂尤为突出，特别是对于生产精煤直接外运和客户对煤质指标的要求越来越高的形势下，发生质量过剩和质量超标的问题越来越多，由于煤炭产品的价格直接与其质量挂钩，对生产企业造成了较大的影响，同时对下游焦化和煤炭深加工企业的生产管理也造成了质量波动的影响[1]。

近年来随着工业检测设备的不断普及，特别是各类温度、压力、液位、灰分和水分等在线监测仪器在选煤行业的应用，对各类运行设备参数的收集和分析已经成为可能，在煤质化验方面通过对化验数据和实时在线分析仪器数据的对比标定及仪器的自主学习修正，使得检测设备的数据精确度不断提高。通过将选煤关键设备的运行参数和煤质在线检测数据进行相关性分析和大数据处理，在信息化功能发展的支持下，利用大数据分析实现煤炭质量的预先管理，建立数学模型实现异常数据的超前预警和处理，并通过工业信息化技术实现数据的快速和高效交互，实现了稳定生产过程和提高产品质量合格率的目的[2]。

2 生产大数据库的建立

2.1 设备运行数据库

在选煤厂对煤炭进行分选的设备主要为重力和浮游分选设备，以山西沁新煤业有限公司选煤厂为例，该选煤厂洗选原煤的主要设备有跳汰机、重介旋流器、TBS 和浮选机四种，四种分选设备都有独立的控制系统，其中重介旋流器的有较为精密的密控系统，TBS 和跳汰机为PLC 控制系统，包括主控制器以及扩展模块，浮选机有PID 加药系统，通过将各设备控制系统的数据通过数据中继器收集到数据终端后进行相关性分析处理。按照不同洗选设备对应的产品质量权重进行分类，对各设备的主要参数进行采集、存储，通过数据传输器和标准化处理器生成统一的标准，实时将数据传输至调度集控系统，数据在集控系统DCS 中通过预先编程的数学模型对各分选设备分选产生的中间产品质量进行预测和异常检测，将选煤的管理方式由“事件/事故驱动型”的被动管理方式转变为“数据驱动型”的主动管理方式，实现数据驱动的高效和科学决策[3]。

2.2 煤质检测数据库

煤炭洗选系统生产方式为连续性操作，系统开车运行后跳汰机、重介质旋流器和TBS 产品精煤经过脱水后经由子皮带汇总后输送至总皮带，浮选产品精煤经过压滤脱水后经由刮板输送机输送至总皮带，各子系统的产品精煤经均质化混合后输送至精煤产品仓成为商品精煤销售和外送，通过在各子皮带和总输送皮带安装在线灰分测定仪和在线水分测定仪，每周对在线水分和灰分仪根据近期的化验数据和标准标定方法进行标定。其中在线灰分仪是基于放射源的双能γ 射线灰分仪，运行工况较好的情况下检测误差通常可以达到0.5%以下。在线水分仪是采用微波透射原理，运行工况较好的情况下检测误差通常可以达到0.5%以下。

2.3 生产运行中数据的预警和反馈机制

通过对生产过程系统各质量控制节点的在线监测数据（水分和灰分）采集和对系统各分选主要设备运行参数（液位、压力和流量等）采集，后台终端数据库系统对质量数据进行分析和判断后过滤掉干扰数据，当数据的特征值不符合规定范围内的正态分布时就确定可能发生了系统误差，数据库进行查询和对照该质量异常数据对应的生产环节，按照预定的模型对分选设备的运行参数进行分析，并通过运算后给出最终的可能性判断，分析完成后对分析数据和实际发生的故障数据进行比较后进行自主的修正和学习，达到进一步提高分析预测能力，可以实现超前预防主要分选设备运行故障和原煤分选过程中煤质变化[4]。

下图1 所示为山西沁新煤业有限公司选煤厂2021 年1—12 月份洗选15 号焦煤的商品精煤灰分波动趋势图。

图1 2021 年1—12 月份商品精煤灰分波动趋势图

图中在10 月份中出现较为严重的超标准上限的情况，通过系统预测发现是由于主洗分选设备中的重介旋流器的磁含量仪损坏，导致对悬浮液的磁含量检测失真，造成密控系统的PID 目标设定值为500，磁含量由于检测仪器失真导致检测结果为300，实际已经达到500，但系统接收到300 的信号后自动调整继续向悬浮液中加入磁介质，导致实际分选密度高于设定值，造成分选后的精煤产品灰分高于理论值，系统自动排查预计事件仅有10 分钟，同比类似事件采用人工排查需要2 h 以上，大大缩短了故障实际，为产品的质量稳定起到了关键作用。

3 结语

通过将煤炭洗选加工过程中洗选设备的运行参数进行整合成为相关性的系列数据表，并与煤质数据监测数据表建立相关性的数学模型，当产品精煤灰分超标时系统会自动排查对应洗选设备和相关设备运行参数的异常情况。这种通过在设备运行参数与质量检测系统建立相关性的数学模型，并随着应用时间的延长可以自主的修正和学习煤质预测的数据模型，在一定程度上提高了煤炭洗选加工的数量效率和提高了商品精煤的质量稳定性，并通过工业信息化技术在企业的集控系统中实现数据的快速和高效交互。