KR101100537B1 - 코크스의 냉간 강도 예측방법 - Google Patents
코크스의 냉간 강도 예측방법 Download PDFInfo
- Publication number
- KR101100537B1 KR101100537B1 KR1020090079862A KR20090079862A KR101100537B1 KR 101100537 B1 KR101100537 B1 KR 101100537B1 KR 1020090079862 A KR1020090079862 A KR 1020090079862A KR 20090079862 A KR20090079862 A KR 20090079862A KR 101100537 B1 KR101100537 B1 KR 101100537B1
- Authority
- KR
- South Korea
- Prior art keywords
- coke
- cold strength
- ash
- lmf
- predicting
- Prior art date
Links
- 239000000571 coke Substances 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003245 coal Substances 0.000 claims abstract description 32
- 238000002156 mixing Methods 0.000 claims abstract description 15
- 230000001419 dependent effect Effects 0.000 claims abstract description 5
- 230000002596 correlated effect Effects 0.000 claims abstract description 4
- 238000013329 compounding Methods 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- -1 fluidity Substances 0.000 abstract 1
- 239000013589 supplement Substances 0.000 abstract 1
- 239000003039 volatile agent Substances 0.000 abstract 1
- 238000003763 carbonization Methods 0.000 description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 239000004079 vitrinite Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
- C10B45/00—Other details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/40—Investigating hardness or rebound hardness
- G01N3/54—Performing tests at high or low temperatures
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Materials Engineering (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Organic Chemistry (AREA)
- Coke Industry (AREA)
Abstract
본 발명에 의한 코크스의 냉간 강도 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 냉간 강도를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 냉간 강도에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 냉간 강도에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 냉간 강도를 예측하는 단계를 포함한다.
이에 따르면, 본 발명은 단순화된 배합지표를 이용한 예측식을 통해 코크스 품질 영향도를 정확하게 평가할 수 있어, 배합설계의 효율성을 증대시킬 수 있고, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 냉간 강도를 예측할 수 있으므로 공정의 특성을 잘 반영할 수 있으며, 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있고, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
원료석탄, 유동도, 휘발분, 회분, DI
Description
본 발명은 코크스의 냉간 강도 예측방법에 관한 것으로서, 보다 상세하게는 휘발분(VM), 유동도(LMF) 및 회분(ASH)를 독립변수로 하여 코크스의 냉간 강도(DI)를 단순하고 정확하게 예측할 수 있는 코크스의 냉간 강도 예측방법에 관한 것이다.
일반적으로 고로 제철법에 있어 코크스의 사용은 필수적이고, 고강도의 코크스가 안정적으로 공급하기 위하여 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
높은 미분탄 사용비(Pulverized coal injection ratio), 낮은 코크스비(Coke rate)로 운전되는 대형 고로에서는 코크스의 기계적 강도를 나타내는 냉간강도(drum index, 이하 'DI'라 함)는 매우 중요한 지표이다.
하지만, 냉간강도(DI)에 대한 예측이 어려워 코크스의 냉간강도에 관한 품질이 목표로 하는 범위를 벗어나는 경우가 발생하는 문제가 있다.
그로 인해, 코크스의 냉간강도에 관한 정확한 예측식이 요구되는 상황이지 만, 코크스 내 무기물(mineral matter)은 중요한 촉매작용을 하고, 이와 같이 코크스의 냉간강도를 예측하기 위해서는 회분의 조성(ash composition)이 반영된 복잡한 변수를 고려하여야 하므로 간단한 방법으로 예측식을 도출하기가 어려운 문제가 있고, 예측식을 도출하더라도 변수 서로간의 의미가 중첩되어 결과를 왜곡시킴으로 인해 조업에서의 활용도가 떨어지는 문제점이 있다.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로, 휘발분(VM), 유동도(LMF) 및 회분(ASH)를 독립변수로 하여 코크스의 냉간 강도(DI)를 단순하고 정확하게 예측할 수 있는 코크스의 냉간 강도 예측방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 의한 코크스의 냉간 강도 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 냉간 강도를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 냉간 강도에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 냉간 강도에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 냉간 강도를 예측하는 단계를 포함한다.
또한, 상기 독립변수는 원료석탄의 유동도(LMF), 휘발분(VM) 및 회분(ASH)이고, 상기 예측모델은 하기의 수학식을 만족할 수 있다.
<수학식>
DI = 132 - 0.78×(VM) + 0.87×(LMF) - 3.82×(ASH)
(상관계수 R2가 0.912 이상)
[여기서, DI는 제조된 코크스의 냉간 강도(%), VM은 휘발분(%), LMF는 유동도(log ddpm), ASH는 회분(%)]
또한, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0ㅁ0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달후 2시간일 수 있다.
본 발명에 의한 코크스의 냉간 강도 예측방법에 의하면, 단순화된 배합지표를 이용한 예측식을 통해 코크스 품질 영향도를 정확하게 평가할 수 있어, 배합설계의 효율성을 증대시킬 수 있으므로 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 냉간 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고, 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 이점이 있다.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다.
고로에 투입된 코크스는 철광석을 고로 내에서 녹이는 열원인 동시에 철분을 철광석에서 분리시키는 환원제의 역할을 할 뿐만 아니라, 고로 하부로부터 상부로 흐르는 열풍의 통기성을 유지하는 역할을 하기 때문에, 고강도의 코크스를 안정적으로 공급하는 것은 고로 조업의 기본적 요구 사항이며, 코크스의 품질관리를 위해 코크스의 냉간 강도를 정확하게 예측하는 것이 무엇보다 중요하다.
상기와 같은 고강도의 코크스를 안정적으로 획득하기 위해서 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
이와 같은 배합지표로는 석탄의 탄화도를 나타내는 지표로 휘발분(VM, Volatile Matter), 강도지수(SI, Strength Index), 비트리나이트 평균반사율(RM, Mean Reflectance of Vitrinite of Coal Texture) 등이 있고, 점결성을 나타내는 지표로 유동도(LMF, Log Maximum Fluidity), 조직평형지수(CBI, Composition Balance Index), 전팽창(TD, Total Dilatation), 총 불활성성분(TI, Total Inert) 등이 있으며, 그 밖에 회분(ASH) 등이 있다.
상기 배합지표들이 소정의 배합범위에 들도록 배합하여 코크스의 품질 조건, 예를 들면 제조된 코크스의 냉간 강도(DI)가 목표 범위에 들도록 고려하여 원료석탄의 배합 설계를 행한다.
본 발명에서는 고품질의 코크스를 안정적으로 확보하기 위하여, 조업데이터들 중에서 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집하여 이들 데이터들로부터 코크스의 냉간 강도에 미치는 회귀계수를 구하여 예측모델을 구함으로써, 코크스의 냉간 강도를 예측하는 방법을 제안한다.
먼저, 본 발명의 일 실시예에 따른 코크스의 냉간 강도 예측방법에 따르면, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 다양한 데이터들, 예를 들면 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한다.
구체적으로, 상기 배합지표에 관한 데이터들은 석탄의 탄화도를 나타내는 지표로 휘발분(VM, Volatile Matter), 강도지수(SI, Strength Index)가 있고, 점결성을 나타내는 지표로 유동도(LMF, Log Maximum Fluidity), 조직평형지수(CBI, Composition Balance Index), 총 불활성성분(TI, Total Inert)이 있으며, 그 밖에 회분(ASH) 등이 있다.
원료석탄의 배합지표에 관한 다양한 데이터들을 수집한 후, 제조된 코크스의 냉간 강도(DI)를 종속변수로 하고, 상기와 같이 수집한 데이터들 중에 대한 통계적 유의수준을 분석하여 상기 냉간 강도(DI)에 상관성이 있는 인자들을 독립변수로 선택한다.
표 1은 원료석탄의 배합지표에 관한 데이터들 중 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한 결과를 나타내는 표이다.
표 1은 원료석탄의 단일품종 품질 분석 및 배합 탄종의 건류테스트 결과를 나타내는 것으로, 구체적으로 40kg의 원료석탄이 장입되는 코크스 시험로에서 6종의 단일탄종과 12종의 배합탄을 소정의 시험로 조건에서 건류하고, 장입탄의 품질과 제조된 코크스의 냉간 강도(DI)를 측정한 것이다. 여기서, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도(건류온도 ): 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달후 2시간으로 하였다.
탄종 | 탄화도 | 점결성 | 회분 (%) |
코크스 품질 | ||||
VM | SI | LMF | CBI | TI | DI | |||
단미탄 | A | 18.9 | 5.8 | 1.80 | 1.6 | 25.8 | 9.80 | 79.8 |
B | 20.6 | 4.8 | 1.70 | 1.7 | 34.1 | 9.05 | 80.8 | |
C | 19.4 | 5.9 | 2.08 | 1.6 | 25.7 | 7.81 | 81.4 | |
D | 22.3 | 0.4 | 1.95 | 1.7 | 18.0 | 9.01 | 83.4 | |
E | 34.2 | 0.9 | 1.72 | 0.9 | 21.7 | 10.71 | 64.6 | |
F | 32.8 | 3.1 | 3.16 | 0.4 | 18.0 | 8.01 | 77.8 | |
배합탄 | # 1 | 21.5 | 5.0 | 1.50 | 1.03 | 19.8 | 8.86 | 83.2 |
# 2 | 22.1 | 4.8 | 1.53 | 0.97 | 20.1 | 8.80 | 83.0 | |
# 3 | 23.0 | 4.5 | 1.62 | 0.92 | 20.2 | 8.56 | 82.6 | |
# 4 | 23.6 | 4.3 | 1.76 | 0.87 | 20.4 | 9.05 | 81.2 | |
# 5 | 24.6 | 4.1 | 2.10 | 1.15 | 20.7 | 8.76 | 82.8 | |
# 6 | 22.5 | 4.6 | 2.06 | 1.03 | 24.5 | 8.45 | 81.4 | |
# 7 | 23.4 | 4.4 | 2.03 | 1.03 | 22.1 | 8.79 | 82.0 | |
# 8 | 23.1 | 4.3 | 2.19 | 1.12 | 22.6 | 8.64 | 83.6 | |
# 9 | 22.8 | 4.5 | 2.02 | 1.12 | 23.7 | 8.64 | 82.4 | |
# 10 | 22.7 | 4.4 | 1.79 | 1.22 | 24.3 | 8.29 | 83.6 | |
# 11 | 22.3 | 4.5 | 1.76 | 1.39 | 24.8 | 8.41 | 82.0 | |
# 12 | 22.4 | 4.5 | 1.89 | 1.40 | 27.6 | 8.27 | 82.2 |
여기서, VM은 휘발분, SI는 강도지수, LMF는 유동도, CBI는 조직평형지수, TI는 총 불활성성분을 의미한다.
표 1을 참조하면, 원료석탄을 여러가지 배합방법으로 배합하여 시험로(테스트 오븐)에서 코크스를 제조하고, 제조된 코크스의 품질을 평가하기 위하여 코크스의 냉간 강도(DI)를 구한 것으로, 상기 코크스의 냉간 강도(DI)를 예측하기 위하여 여러 가지 의미가 중첩되는 지수들(예를 들면 SI, CBI, TI)을 중복 사용하게 되면 예측식이 복잡해지고, 특히 SI, CBI는 계산값을 사용하여야 하고 TI는 분석기간이 길어져 실제 조업에 사용하기에 무리가 있다.
따라서, 쉽게 실측 가능하면서도 코크스의 냉간 강도(DI)에 상관성이 있는 원료석탄의 유동도(LMF), 휘발분(VM) 및 회분(ASH)을 독립변수로 선택한다.
이들 원료석탄의 유동도(LMF) 및 휘발분(VM)을 각각 독립변수로 선택하고, 이들 선택된 독립변수가 코크스의 냉간 강도에 미치는 회귀계수를 구하여 예측모델을 구하고, 상기와 같이 구한 예측모델에 의하여 코크스의 냉간 강도를 예측하였다.
구체적으로, 독립변수인 원료석탄의 유동도(LMF), 휘발분(VM) 및 회분(ASH)과 코크스의 냉간 강도의 관계를 단계별 회귀분석(Stepwise regression analysis)으로 분석하였다.
표 2는 단계별 회귀분석을 나타내는 표로서, 휘발분(VM), 유동도(LMF) 및 회분(ASH)을 변수로 하여 변수들 간의 함수관계를 분석하고 모형화하였다.
Step | 1 | 2 |
상수 | 98.02 | 131.54 |
VM의 회귀계수 | -1.16 | -0.78 |
LMF의 회귀계수 | 5.4 | 0.9 |
ASH의 회귀계수 | - | -3.82 |
R-square (상관계수) | 0.745 | 0.912 |
표 2에 나타난 바와 같이, 회분(ASH)을 고려하지 않은 step 1에 비해 회분을 고려한 step 2의 상관계수가 높았음을 알 수 있으며, 이로부터 VM, LMF 및 ASH을 독립변수로 하여 예측모델을 산출할 수 있음을 알 수 있다.
회귀분석을 통해 VM의 회귀계수, LMF의 회귀계수 및 ASH의 회귀계수를 구할 수 있고, 이로부터 독립변수와 종속변수 사이의 소정의 예측모델이 구해지고, 상기 예측모델은 하기의 수학식 1을 만족하게 된다.
(상관계수 R2가 0.912 이상)
여기서, DI는 제조된 코크스의 냉간 강도(%), VM은 휘발분(%), LMF는 유동도(log ddpm), ASH는 회분(%)을 의미한다.
상기와 같이 산출된 예측모델에 의하면, 석탄의 탄화도를 나타내는 지표인 휘발분(VM), 석탄의 점결성을 나타내는 지표인 유동도(LMF), 그 외 회분(ASH)을 통해 제조된 코크스의 냉간 강도(%)를 예측할 수 있으므로, 석탄의 배합지표를 탄화도, 점결성, 회분과 같이 의미별로 구분하여 코크스의 냉간 강도(%)를 예측할 수 있는 이점이 있다.
도 1은 상기 수학식 1을 만족하는 예측모델을 이용한 DI 예측값과 실측값 사이의 관계를 나타내는 그래프로서, 직선 L는 CRI 예측값과 실측값이 동일한 경우를 나타내는 직선이다.
여기서, 상기 도 1에 나타난 DI 값(%)은, 제조된 코크스 중 입도 크기 50mm 이상의 시료 10kg을 drum에 넣어 150회 회전시키고, 남은 코크스를 회수하고 입도 분리한 후, 시료 10kg 대비 입도의 크기가 15mm 이상인 코크스의 비율로서 구한 것이다.
도 1을 참조하면, A 지점의 경우 DI 예측값은 약 81%, 실측값은 약 82%이고, B 지점의 경우 DI 예측값은 약 82%, 실측값은 약 81% 정도이다.
도 1에서 확인할 수 있듯이 A 지점, B 지점 및 그 밖의 지점들이 전체적으로 직선 L 근방에 밀집하고 있으므로, 상기 수학식 1을 만족하는 예측모델을 이용한 예측값과 실측값의 차이는 거의 없음을 알 수 있다.
따라서, 상기 예측모델을 이용하여 예측된 코크스의 냉간 강도(DI) 값이 원하는 코크스 품질조건을 만족하면 잘된 배합으로 간주하고, 예측된 값이 원하는 냉간 강도를 벗어나는 경우에는 잘못된 배합으로 판단하여 상기 독립변수를 조정하여 원하는 코크스 품질조건을 만족시킬 수 있게 된다.
상기 예측모델을 이용하면 용이하게 코크스의 냉간 강도를 예측할 수 있으며, 휘발분(VM), 유동도(LMF) 및 회분(ASH)과 같은 단순화된 변수를 이용한 예측식을 통해 배합지표의 코크스 품질 영향도를 정확하게 평가할 수 있어, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 냉간 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있으며, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기 술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
도 1은 본 발명의 예측모델을 이용한 DI 예측값과 실측값 사이의 관계를 나타내는 그래프이다.
Claims (3)
- 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계;제조된 코크스의 냉간 강도를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 냉간 강도에 상관성이 있는 인자들을 독립변수로 선택하는 단계;상기 독립변수가 상기 코크스의 냉간 강도에 미치는 회귀계수를 구하여 예측모델을 구하는 단계; 및상기와 같이 구한 예측모델에 의하여 코크스의 냉간 강도를 예측하는 단계를 포함하는 것을 특징으로 하는 코크스의 냉간 강도 예측방법.
- 청구항 1에 있어서,상기 독립변수는 원료석탄의 유동도(LMF), 휘발분(VM) 및 회분(ASH)이고, 상기 예측모델은 하기의 수학식을 만족하는 것을 특징으로 하는 코크스의 냉간 강도 예측방법.<수학식>DI = 132 - 0.78×(VM) + 0.87×(LMF) - 3.82×(ASH)(상관계수 R2가 0.912 이상)[여기서, DI는 제조된 코크스의 냉간 강도(%), VM은 휘발분(%), LMF는 유동도(log ddpm), ASH는 회분(%)]
- 청구항 1에 있어서,상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달후 2시간인 것을 특징으로 하는 코크스의 냉간 강도 예측방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090079862A KR101100537B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 냉간 강도 예측방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020090079862A KR101100537B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 냉간 강도 예측방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20110022325A KR20110022325A (ko) | 2011-03-07 |
KR101100537B1 true KR101100537B1 (ko) | 2011-12-29 |
Family
ID=43930760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020090079862A KR101100537B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 냉간 강도 예측방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101100537B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160072665A (ko) * | 2014-12-15 | 2016-06-23 | 주식회사 포스코 | 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101311955B1 (ko) * | 2011-10-27 | 2013-09-26 | 주식회사 포스코 | 코크스 품질 예측 방법 |
KR102299553B1 (ko) * | 2019-12-20 | 2021-09-07 | 현대제철 주식회사 | 코크스 냉간강도 예측방법 |
KR102299551B1 (ko) * | 2019-12-20 | 2021-09-07 | 현대제철 주식회사 | 배합탄의 냉간강도 반사율 분포 지수 도출방법 |
-
2009
- 2009-08-27 KR KR1020090079862A patent/KR101100537B1/ko not_active IP Right Cessation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160072665A (ko) * | 2014-12-15 | 2016-06-23 | 주식회사 포스코 | 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법 |
KR101649672B1 (ko) | 2014-12-15 | 2016-08-19 | 주식회사 포스코 | 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법 |
Also Published As
Publication number | Publication date |
---|---|
KR20110022325A (ko) | 2011-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105062531B (zh) | 炼焦原料应用性分类和综合质量评价及其指导配煤方法 | |
Fernández et al. | The effect of additives on coking pressure and coke quality | |
KR101100537B1 (ko) | 코크스의 냉간 강도 예측방법 | |
KR101649672B1 (ko) | 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법 | |
KR101185279B1 (ko) | 코크스의 냉간 강도 예측방법 | |
KR101673273B1 (ko) | 시료의 품질 예측방법 | |
KR101225370B1 (ko) | 코크스의 반응성 지수 예측방법 | |
KR101100589B1 (ko) | 코크스의 고온 강도 예측방법 | |
KR101205026B1 (ko) | 코크스의 고온 강도 예측방법 | |
KR20130047789A (ko) | 코크스 품질 예측 방법 | |
KR101277955B1 (ko) | 고로 취입용 미분탄의 발열량 추정방법 | |
KR102299553B1 (ko) | 코크스 냉간강도 예측방법 | |
KR101466475B1 (ko) | 코크스의 회분 예측방법 | |
KR101377773B1 (ko) | 코크스 입경 예측방법 | |
KR101121813B1 (ko) | 코크스 열간강도 예측 장치 및 방법 | |
KR102144195B1 (ko) | 배합탄의 반사율 분포지수 도출방법 | |
KR101160023B1 (ko) | 코크스의 고온 강도 예측방법 | |
KR102299551B1 (ko) | 배합탄의 냉간강도 반사율 분포 지수 도출방법 | |
Makgato et al. | The effect of recycling coke oven tar on environmental pollution, coke quality, personnel and process safety | |
KR101466481B1 (ko) | 코크스 공정의 황화수소 발생량 예측방법 | |
KR20140016634A (ko) | 코크스 열간강도 예측방법 | |
KR100928539B1 (ko) | 코크스 제조용 석탄의 압축강도의 측정방법 | |
KR101205108B1 (ko) | 코크스 제조용 원료탄의 유동도 예측방법 | |
KR101435271B1 (ko) | 고로 미분탄 코크스 치환율 예측방법 | |
KR20060065761A (ko) | 코크스 품질측정방법 및 그 측정장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20141126 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20151207 Year of fee payment: 5 |
|
LAPS | Lapse due to unpaid annual fee |