KR101225370B1 - Method for predicting of cokes reactivity index - Google Patents
Method for predicting of cokes reactivity index Download PDFInfo
- Publication number
- KR101225370B1 KR101225370B1 KR1020090079864A KR20090079864A KR101225370B1 KR 101225370 B1 KR101225370 B1 KR 101225370B1 KR 1020090079864 A KR1020090079864 A KR 1020090079864A KR 20090079864 A KR20090079864 A KR 20090079864A KR 101225370 B1 KR101225370 B1 KR 101225370B1
- Authority
- KR
- South Korea
- Prior art keywords
- coke
- index
- reactivity index
- reactivity
- compounding
- Prior art date
Links
Images
Classifications
-
- 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
Abstract
본 발명에 의한 코크스의 반응성 지수 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수를 예측하는 단계를 포함한다. In the method of predicting the reactivity index of coke according to the present invention, collecting data on the blending index of raw coal under predetermined test conditions, and using the reactivity index of the manufactured coke as a dependent variable, the data collected as described above Analyzing the statistical significance level for, selecting factors correlated with the reactivity index as an independent variable, obtaining a prediction model by obtaining a regression coefficient that the independent variable has on the reactivity index of the coke, and obtaining the prediction as described above. Predicting the reactivity index of coke by the model.
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 반응성 지수를 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. According to the present invention, it is possible to accurately evaluate the coke quality impact through a prediction formula using a simplified compounding index, thereby increasing the efficiency of the compounding design, and to calculate the reactivity index of the coke from the compounding index data obtained as a result of the actual operation. Because it can be predicted, it can reflect the characteristics of the process well, and it is possible to easily supplement the predictive model according to the change of operating conditions, and apply the predictive model to the computer to automate the compounding process to reduce the coke manufacturing cost. There is an advantage.
원료석탄, 유동도, 휘발분, CRI Raw coal, fluidity, volatile matter, CRI
Description
본 발명은 코크스의 반응성 지수 예측방법에 관한 것으로서, 보다 상세하게는 휘발분(VM) 및 유동도(LMF)를 독립변수로 하여 코크스의 반응성 지수(CRI)를 단순하고 정확하게 예측할 수 있는 코크스의 반응성 지수 예측방법에 관한 것이다. The present invention relates to a method for predicting the reactivity index of coke, and more particularly, the reactivity index of coke, which can predict the reactivity index (CRI) of coke simply and accurately, using volatile matter (VM) and fluidity (LMF) as independent variables. It relates to a prediction method.
일반적으로 고로 제철법에 있어 코크스의 사용은 필수적이고, 고강도의 코크스가 안정적으로 공급하기 위하여 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다. In general, the use of coke is necessary in the blast furnace steelmaking method, and various mixing indicators are utilized in the mixing design process of raw coal in order to stably supply high strength coke.
높은 미분탄 사용비(Pulverized coal injection ratio), 낮은 코크스비(Coke rate)로 운전되는 대형 고로에서는 코크스의 기계적 강도를 나타내는 상온강도 뿐만 아니라, 고온 및 화학반응에 대한 저항을 나타내는 반응성 지수(Coke reactivity index, 이하'CRI'라 함), 고온 강도(CSR, Coke strength after CO2 reaction) 등과 같은 지수도 매우 중요한 지표이다. Large blast furnaces operated at high pulverized coal injection ratios and low coke ratios have not only room temperature strength, which represents the mechanical strength of the coke, but also coke reactivity index, indicating resistance to high temperatures and chemical reactions. , Such as 'CRI', and Coke strength after CO 2 reaction (CSR) are also very important indicators.
하지만, 반응성 지수(CRI)에 대한 예측이 어려워 코크스의 반응성 지수에 관 한 품질이 목표로 하는 범위를 벗어나는 경우가 발생하는 문제가 있다. However, there is a problem that the quality of the coke reactivity index is out of the target range due to difficulty in predicting the reactivity index (CRI).
그로 인해, 코크스의 반응성 지수에 관한 정확한 예측식이 요구되는 상황이지만, 코크스 내 무기물(mineral matter)은 중요한 촉매작용을 하고, 이와 같이 코크스의 반응성 지수 또는 고온강도를 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. Therefore, although accurate prediction equations for the coke's reactivity index are required, the mineral matter in the coke acts as an important catalyst, and thus ash composition is required to predict the coke's reactivity index or high temperature strength. ), It is difficult to derive a predictive formula by considering a complex variable reflecting), and even when deriving the predictive formula, there is a problem that the utilization of the operation is lowered because the meanings of the variables overlap each other and distort the result.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로, 휘발분(VM) 및 유동도(LMF)를 독립변수로 하여 코크스의 반응성 지수(CRI)를 단순하고 정확하게 예측할 수 있는 코크스의 반응성 지수 예측방법을 제공하는데 그 목적이 있다. The present invention is to solve the conventional problems as described above, the coke reactivity index prediction that can predict the coke reactivity index (CRI) simply and accurately by using the volatile matter (VM) and fluidity (LMF) as independent variables The purpose is to provide a method.
상기 목적을 달성하기 위한 본 발명에 의한 코크스의 반응성 지수 예측방법은, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 데이터들을 수집하는 단계, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택하는 단계, 상기 독립변수가 상기 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구하는 단계 및 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수를 예측하는 단계를 포함한다. Reactive index prediction method of the coke according to the present invention for achieving the above object, collecting data on the blending index of the raw coal in a predetermined test conditions, the reactivity index of the manufactured coke as a dependent variable, Analyzing statistical significance level of the collected data as follows, selecting factors correlated with the reactivity index as an independent variable, obtaining a regression coefficient that the independent variable has on the reactivity index of the coke to obtain a prediction model And predicting the reactivity index of the coke by the prediction model obtained as described above.
또한, 상기 독립변수는 원료석탄의 유동도(LMF) 및 휘발분(VM)이고, 상기 예측모델은 하기의 수학식을 만족할 수 있다. In addition, the independent variables are the flow rate (LMF) and volatile matter (VM) of the raw coal, and the prediction model may satisfy the following equation.
<수학식>≪ Equation &
CRI = 1.49 + 1.88×(VM) - 8.27×(LMF)CRI = 1.49 + 1.88 × (VM)-8.27 × (LMF)
(상관계수 R2가 0.943 이상)(Correlation coefficient R 2 is 0.943 or more)
[여기서, CRI는 제조된 코크스의 CO2 와의 반응성 지수(%), VM은 휘발분(%), LMF는 유동도(log ddpm)][Wherein, CRI is the index of reactivity of the coke with CO 2 (%), VM is the volatile matter (%), LMF is the flow rate (log ddpm)]
또한, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달 후 2시간일 수 있다. In addition, the predetermined test furnace conditions, the charging density: 750kg / m 3 , the moisture in the test furnace: 8.0 ± 0.3%, the temperature of the test furnace: 1100 ℃, charging time: after the central temperature of the test furnace reaches 900
본 발명에 의한 코크스의 반응성 지수 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. According to the method of predicting the reactivity index of coke according to the present invention, it is possible to accurately evaluate the coke quality impact through a predictive equation using a simplified compounding index, and thus to increase the efficiency of the compounding design. There is an advantage to be increased.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 반응성 지수를 예측할 수 있으므로 공정의 특성이 잘 반영되고, 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 이점이 있다. In addition, since the reactivity index of the coke can be predicted from the compounding index data obtained as a result of the actual operation, the characteristics of the process are well reflected, and the prediction accuracy is very high, and the prediction model can be easily supplemented according to the change in the operating conditions.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다. In addition, by applying such a predictive model to a computer or the like to automate the compounding process there is an advantage that can reduce the coke manufacturing cost.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다. Hereinafter, embodiments of the present invention will be described with reference to the accompanying drawings.
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 반응성 지수나 고온 강도를 정확하게 예측하는 것이 무엇보다 중요하다. The coke introduced into the blast furnace not only serves as a heat source for melting iron ore in the blast furnace, but also serves as a reducing agent to separate iron from iron ore, and also maintains the breathability of hot air flowing from the bottom of the blast furnace, thereby maintaining high strength coke. Is a basic requirement for blast furnace operation, and for the quality control of coke, it is important to accurately predict the coke's reactivity index or high temperature strength.
상기와 같은 고강도의 코크스를 안정적으로 획득하기 위해서 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다. In order to stably obtain the high-strength coke as described above, various compounding indexes are utilized in the process of mixing and designing raw coal.
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. Such compounding indexes include carbon volatility (VM, Volatile Matter), strength index (SI), Mean Reflectance of Vitrinite of Coal Texture (RM), Indicators of cohesiveness include Log Maximum Fluidity (LMF), Composition Balance Index (CBI), Total Dilatation (TD), and Total Inert (TI). Ash (ASH) and the like.
상기 배합지표들이 소정의 배합범위에 들도록 배합하여 코크스의 품질 조건, 예를 들면 제조된 코크스의 반응성 지수(CRI, Coke reactivity index), 고온 강도(CSR, Coke Strength after CO2 Reaction)가 목표 범위에 들도록 고려하여 원료석탄의 배합 설계를 행한다. The blending indicators are formulated to fall within a predetermined blending range so that the quality conditions of the coke, for example, the coke reactivity index (CRI) and coke strength after CO 2 Reaction (CSR) of the manufactured coke, fall within the target range. In consideration of this, the mixing design of the raw coal is performed.
본 발명에서는 고품질의 코크스를 안정적으로 확보하기 위하여, 조업데이터들 중에서 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집하여 이들 데이터들로부터 코크스의 반응성 지수에 미치는 회귀계수를 구하여 예측모델을 구함으로써, 코크스의 반응성 지수를 예측하는 방법을 제안한다. In the present invention, in order to secure a high quality coke, a predictive model is obtained by collecting regression coefficients on the reactivity index of coke from these data by collecting actual data about coal carbonization, cohesiveness and ash from the operation data. By estimating, we propose a method of predicting the reactivity index of coke.
먼저, 본 발명의 일 실시예에 따른 코크스의 반응성 지수 예측방법에 따르면, 소정의 시험로 조건에서 원료석탄의 배합지표에 관한 다양한 데이터들, 예를 들면 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한다.First, according to the method of predicting the reactivity index of coke according to an embodiment of the present invention, in a predetermined test conditions, various data on the mixing index of raw coal, for example, the carbonization of coal, the index indicating the cohesiveness and ash Collect actual data for
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. Specifically, the data on the blending indicators include volatilized Matter (VM) and strength index (SI) as indicators of the carbonization degree of coal, and log maximum fluidity (LMF) as indicators indicating cohesiveness. , Composition Balance Index (CBI), Total Inert (TI), and Ash (ASH).
원료석탄의 배합지표에 관한 다양한 데이터들을 수집한 후, 제조된 코크스의 반응성 지수를 종속변수로 하고, 상기와 같이 수집한 데이터들에 대한 통계적 유의수준을 분석하여 상기 반응성 지수에 상관성이 있는 인자들을 독립변수로 선택한다. After collecting various data on the blending index of raw coal, the coke's reactivity index is used as a dependent variable, and the statistical significance level for the collected data is analyzed to analyze factors that are related to the reactivity index. Select as an independent variable.
표 1은 원료석탄의 배합지표에 관한 데이터들 중 석탄의 탄화도, 점결성을 나타내는 지표 및 회분에 대한 실제 데이터들을 수집한 결과를 나타내는 표이다. Table 1 shows the results of collecting actual data on coal carbonization, cohesiveness, and ash among the data on the mixing index of raw coal.
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 품질 과 제조된 코크스의 반응성지수(CRI)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.Table 1 shows the results of the single-type quality analysis of the raw coal and the carbonization test of the blended coal species. Specifically, in the coke test furnace in which 40 kg of raw coal is loaded, 6 single coal species and 12 mixed coals are tested. Carbonized under conditions, the quality of the coal and the reactivity index (CRI) of the coke produced is measured. Here, the predetermined test furnace conditions, the charging density: 750kg / m 3 , the moisture in the test furnace: 8.0 ± 0.3%, the temperature of the test furnace (drying temperature): 1100 ℃, charging time: the central temperature of the test furnace is 900 It was made into 2 hours after reaching | attaining ° C.
(%)Ash
(%)
단미탄
Tan coal
배합탄
Mixed coal
여기서, VM은 휘발분, SI는 강도지수, LMF는 유동도, CBI는 조직평형지수, TI는 총 불활성성분을 의미한다. Here, VM means volatile matter, SI stands for strength index, LMF stands for fluidity, CBI stands for tissue equilibrium index, and TI stands for total inactive component.
표 1을 참조하면, 원료석탄을 여러가지 배합방법으로 배합하여 시험로(테스트 오븐)에서 코크스를 제조하고, 제조된 코크스의 품질을 평가하기 위하여 코크스의 반응성 지수(CRI)를 구한 것으로, 상기 코크스의 반응성 지수를 예측하기 위하여 여러 가지 의미가 중첩되는 지수들을 중복 사용하게 되면 예측식이 복잡해지고, 특히 SI, CBI는 여러 분석 데이터를 바탕으로 계산하여야 하고 TI는 분석기간이 길어져 실제 조업에 사용하기에 무리가 있다. Referring to Table 1, coke was prepared in a test furnace (test oven) by blending raw coal with various mixing methods, and the reactivity index (CRI) of the coke was obtained to evaluate the quality of the coke. If the overlapping indexes with different meanings are used to predict the responsiveness index, the formula becomes complicated. Especially, SI and CBI have to be calculated based on various analytical data. There is.
따라서, 쉽게 실측 가능하면서도 코크스의 반응성 지수(CRI)에 상관성이 있는 원료석탄의 유동도(LMF) 및 휘발분(VM)을 독립변수로 선택한다. Therefore, the flow rate (LMF) and volatile matter (VM) of the raw coal, which can be easily measured and correlated to the coke reactivity index (CRI), are selected as independent variables.
이러한 원료석탄의 유동도(LMF) 및 휘발분(VM)을 독립변수로 선택하는 경우, 이들 유동도(LMF)와 휘발분(VM)은 각각 석탄의 점결성과 탄화도를 나타내는 지표이므로, 이들 지표를 통해 제조된 코크스의 반응성 지수를 예측할 수 있어 석탄의 배합지표를 탄화도, 점결성과 같이 의미별로 구분하여 코크스의 반응성 지수(CRI)를 예측할 수 있는 이점이 있다. In the case where the raw material coal (LMF) and the volatile matter (VM) are selected as independent variables, these flow rates (LMF) and the volatile matter (VM) are the indicators of the coking and carbonization of coal, respectively. Since the reactivity index of the coke can be predicted, there is an advantage of predicting the reactivity index (CRI) of the coke by dividing the coal mixture index by meaning such as carbonization and caking.
이들 원료석탄의 유동도(LMF) 및 휘발분(VM)을 각각 독립변수로 선택하고, 이들 선택된 독립변수가 코크스의 반응성 지수(CRI)에 미치는 회귀계수를 구하여 예측모델을 구하고, 상기와 같이 구한 예측모델에 의하여 코크스의 반응성 지수(CRI)를 예측하였다. The flow rate (LMF) and volatile matter (VM) of these raw coals were selected as independent variables, the regression coefficients of these selected independent variables on the coke reactivity index (CRI) were obtained, and a predictive model was obtained. The Coch's Reactivity Index (CRI) was predicted by the model.
구체적으로, 독립변수인 원료석탄의 유동도(LMF) 및 휘발분(VM)과 코크스의 반응성 지수(CRI)의 관계를 단계별 회귀분석(Stepwise regression analysis)으로 분석하였다. Specifically, the relationship between the independent variable fluidity (LMF), volatile matter (VM) and coke reactivity index (CRI) was analyzed by stepwise regression analysis.
표 2는 단계별 회귀분석을 나타내는 표로서, 휘발분(VM)과 유동도(LMF), 회분을 변수로 하여 변수들 간의 함수관계를 분석하고 모형화하였다. Table 2 shows the step-by-step regression analysis, which analyzes and models the functional relationship between variables using volatile matter (VM), fluidity (LMF), and ash as variables.
표 2에 나타난 바와 같이, step 2에 비해 step 1의 상관계수가 높았을 뿐만 아니라, 회분을 독립변수로 하지 않고도 VM와 LMF만으로 예측모델을 설정할 수 있음을 알 수 있다. As shown in Table 2, not only was the correlation coefficient of step 1 higher than that of
회귀분석을 통해 VM의 회귀계수, LMF의 회귀계수를 구할 수 있고, 이로부터 독립변수와 종속변수 사이의 소정의 예측모델이 구해지고, 상기 예측모델은 하기의 수학식 1을 만족하게 된다. Through the regression analysis, the regression coefficient of the VM and the regression coefficient of the LMF can be obtained. From this, a predetermined prediction model between the independent variable and the dependent variable is obtained, and the prediction model satisfies Equation 1 below.
(상관계수 R2가 0.943 이상)(Correlation coefficient R 2 is 0.943 or more)
여기서, CRI는 제조된 코크스의 CO2 와의 반응성 지수(%), VM은 휘발분(%), LMF는 유동도(log ddpm)를 의미한다. Here, CRI refers to the reactivity index (%) of the prepared coke with CO 2 , VM refers to volatile matter (%), and LMF refers to the flow rate (log ddpm).
도 1은 상기 수학식 1을 만족하는 예측모델을 이용한 CRI 예측값과 실측값 사이의 관계를 나타내는 그래프로서, 직선 L는 CRI 예측값과 실측값은 동일한 경우를 나타내는 직선이다. 1 is a graph illustrating a relationship between a CRI predicted value and an actual value using a predictive model satisfying Equation 1, and a straight line L is a straight line indicating a case where the CRI predicted value and the measured value are the same.
도 1을 참조하면, A 지점의 경우 CRI 예측값은 약 21%, 실측값은 약 22%이고, B 지점의 경우 CRI 예측값은 약 22%, 실측값은 약 20.5% 정도이다. Referring to FIG. 1, the CRI predicted value is about 21% and the measured value is about 22% for the point A, and the CRI predicted value is about 22% and the measured value about 20.5% for the B point.
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. As can be seen in FIG. 1, since points A, B, and other points are generally concentrated near the straight line L, it can be seen that there is almost no difference between the predicted value and the measured value using the predictive model satisfying Equation 1 above.
따라서, 상기 예측모델을 이용하여 예측된 코크스의 반응성 지수(CRI) 값이 원하는 코크스 품질조건을 만족하면 잘된 배합으로 간주하고, 예측된 값이 원하는 반응성 지수를 벗어나는 경우에는 잘못된 배합으로 판단하여 상기 독립변수를 조정하여 원하는 코크스 품질조건을 만족시킬 수 있게 된다. Therefore, if the predicted coch reactivity index (CRI) value using the predictive model satisfies the desired coke quality conditions, it is regarded as a good formulation. The parameters can be adjusted to meet the desired coke quality requirements.
상기 예측모델을 이용하면 용이하게 코크스의 반응성 지수(CRI)를 예측할 수 있으며, 휘발분(VM)과 유동도(LMF)와 같이 의미별로 구분되고 단순화된 변수를 이용한 예측식을 통해 배합지표의 코크스 품질 영향도를 정확하게 평가할 수 있어, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다. Using the predictive model, it is possible to easily predict the coke reactivity index (CRI), and the coke quality of the compound index through the prediction formula using simplified parameters, such as volatile matter (VM) and fluidity (LMF) Since the impact can be accurately assessed, there is an advantage that the operational utilization of the coke quality prediction equation is increased.
또한, 실제 조업결과로 얻어진 배합지표 데이터로부터 코크스의 반응성 지수를 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. In addition, the reactivity index of coke can be predicted from the compound indicator data obtained from the actual operation results, so that the characteristics of the process are well reflected, the prediction accuracy is very high, and the prediction model can be easily supplemented according to the changing operating conditions. It can be applied to such as to automate the compounding process has the advantage of reducing the coke manufacturing cost.
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 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.While the present invention has been described with reference to exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the appended claims. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.
도 1은 본 발명의 예측모델을 이용한 CRI 예측값과 실측값 사이의 관계를 나타내는 그래프이다. 1 is a graph showing the relationship between the CRI predicted value and the measured value using the predictive model of the present invention.
Claims (3)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079864A KR101225370B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of cokes reactivity index |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079864A KR101225370B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of cokes reactivity index |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20110022327A KR20110022327A (en) | 2011-03-07 |
| KR101225370B1 true KR101225370B1 (en) | 2013-01-22 |
Family
ID=43930762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090079864A KR101225370B1 (en) | 2009-08-27 | 2009-08-27 | Method for predicting of cokes reactivity index |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101225370B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101388342B1 (en) * | 2013-02-28 | 2014-04-22 | 현대제철 주식회사 | Method for predicting of cokes reactivity index |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101466475B1 (en) * | 2013-03-29 | 2014-12-01 | 현대제철 주식회사 | Method for ash predicting of cokes |
| KR101466481B1 (en) * | 2013-04-30 | 2014-12-01 | 현대제철 주식회사 | Method for forecasting generating quantity of hydrogen sulfide in cokes process |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990026839U (en) * | 1997-12-20 | 1999-07-15 | 이구택 | Heating apparatus for measuring coal expansion pressure in coke production test |
| KR20040049632A (en) * | 2002-12-06 | 2004-06-12 | 주식회사 포스코 | Method for Predicting Cold-Strength of Coke |
| JP2005232350A (en) | 2004-02-20 | 2005-09-02 | Nippon Steel Corp | Estimation method of coke strength after hot-reaction and manufacturing method of coke |
-
2009
- 2009-08-27 KR KR1020090079864A patent/KR101225370B1/en not_active IP Right Cessation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990026839U (en) * | 1997-12-20 | 1999-07-15 | 이구택 | Heating apparatus for measuring coal expansion pressure in coke production test |
| KR20040049632A (en) * | 2002-12-06 | 2004-06-12 | 주식회사 포스코 | Method for Predicting Cold-Strength of Coke |
| JP2005232350A (en) | 2004-02-20 | 2005-09-02 | Nippon Steel Corp | Estimation method of coke strength after hot-reaction and manufacturing method of coke |
Non-Patent Citations (1)
| Title |
|---|
| 논문1 ; COKE AND CHEMISTRY, 2008, VOL. 51, NO. 9, PP. 357-363 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101388342B1 (en) * | 2013-02-28 | 2014-04-22 | 현대제철 주식회사 | Method for predicting of cokes reactivity index |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20110022327A (en) | 2011-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fernández et al. | The effect of additives on coking pressure and coke quality | |
| KR101100537B1 (en) | Method for predicting of drum index of cokes | |
| KR101225370B1 (en) | Method for predicting of cokes reactivity index | |
| KR101185279B1 (en) | Method for predicting of drum index of cokes | |
| KR101649672B1 (en) | Method for sample quality prediction and Method for forecasting CSR(Coke Strength Reaction) | |
| Sakurovs et al. | Influence of gas composition on the reactivity of cokes | |
| Díaz-Faes et al. | Applying TGA parameters in coke quality prediction models | |
| Koszorek et al. | Relationship between the technical parameters of cokes produced from blends of three Polish coals of different coking ability | |
| KR101205026B1 (en) | Method for predicting of coke strength after reaction | |
| KR101100589B1 (en) | Method for predicting of coke strength after reaction | |
| Kim et al. | Effect of thermal treatment on coke reactivity and catalytic iron mineralogy | |
| KR101673273B1 (en) | Method of sample quality prediction | |
| KR101121813B1 (en) | Apparatus and method for forecasting CSRcokes strength after reaction | |
| KR102299553B1 (en) | Prediction method for cold strength of coke | |
| KR101466475B1 (en) | Method for ash predicting of cokes | |
| Benedict et al. | Coke/carbon reactions in the study of factors affecting coke quality | |
| KR101277955B1 (en) | Estimation method of caloric value of fine coal for blast furnace injecting | |
| KR101160023B1 (en) | Method for predicting of coke strength after reaction | |
| KR20140016634A (en) | Method for predicting hot strength of coke | |
| KR102144195B1 (en) | Evaluation method for reflectance distribution index of coal blend | |
| KR101466481B1 (en) | Method for forecasting generating quantity of hydrogen sulfide in cokes process | |
| KR20230175025A (en) | Method for evaluating the quality of raw materials | |
| KR102299551B1 (en) | Evaluation method for reflectance distribution of cold strength index of coal blend | |
| KR102122678B1 (en) | Prediction method for hot strength of coke | |
| KR101205108B1 (en) | Predicting method of fluidity of coal for coke making |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |