• 微信
  • 抖音

基于MRMR-LR的锡冶炼过程综合能耗分析论文

理工论文 11℃ 0
SCI发表中的作者贡献度评估与署名规则

  关键词:能耗分析;多元线性回归;锡冶炼;节能降耗

  0引言

基于MRMR-LR的锡冶炼过程综合能耗分析论文

  锡是人类最早发现并应用的稀有金属之一,锡的使用最早可以追溯到青铜器时代[1]。锡的全球储量约为480万t,锡矿主要分布在中国、印度尼西亚、秘鲁、巴西等国家,其中中国锡矿占全球的45%。锡行业是我国重要的基础工业,在最近几年市场需求的持续拉动以及国家优惠政策的支持下,锡行业取得了快速发展。自1993年以来,我国的锡精矿产量保持在世界前列。2018年,我国的锡矿产量为15.8万t,占据世界锡矿总产量的41.2%。其中,云南、内蒙古、广西、湖南及江西五省占总产量的99%[2]。同时锡行业也一直是我国工业耗能的大户,冶炼环节的能耗就占据总生产能耗的90%[3],能源消耗主要是以煤为主、电为辅的形式。因此,分析锡冶炼过程中影响综合能耗的因素对于锡冶炼过程节能降耗具有重要意义。

  目前,尚未有学者分析锡冶炼过程的综合能耗影响因素。曾绍武等人分析了铜冶炼过程能耗因素并提出降低能耗的对策,对铜冶炼及相关行业提高生产负荷、提高原料品质、提升管理水平对降低铜冶炼能耗、降低铜冶炼加工成本有十分重要的意义。蒋鹏[4]针对冶金过程中的辅助设备麦尔兹窑的能耗进行了影响因素分析,并探究麦尔兹窑的节能控制策略,这项工作有助于提升麦尔兹窑的生产效益,推动麦尔兹窑的可持续发展。胡兵[5]等对烧结过程动能、热量、水等物理㶲,元素、化合物、混合物、燃料等化学㶲的计算进行了研究,采用普遍㶲效率和目的㶲效率作为评价指标,并提出了一些切实有效的节能措施。此外,国外学者[6]使用LMDI方法研究了墨西哥钢铁行业的能源消耗情况,探究出行业规模是初级能源消耗上升的驱动因素。对有色冶金能源消费情况,中国地质调查局发展研究中心的部分学者[7]分析了1994—2015年中国有色金属行业能源消费情况,并运用LMDI法进行了驱动因素的研究,得出冶炼和压延加工环节能耗是行业节能降耗的关键所在。

  针对锡冶炼过程的综合能耗影响因素分析的空缺,本文借助MRMR算法筛选影响锡冶炼过程综合能耗的关键指标,以某锡冶炼厂的样本数据为例,利用回归模型分析冶炼过程能耗各因素对综合能耗的影响情况,提出降低绿色生产的节能措施,为锡冶炼及相关行业提供高效、绿色、低碳的生产过程,实现绿色生产与自然环境的和谐共生。

  1锡冶炼能耗影响因素收集

  1.1锡冶炼过程

  锡冶炼是一项精密的工艺,旨在从锡矿石中提取出高度纯净的锡金属。如图1所示为锡冶炼的详细过程。首先,为了去除矿石中的水分和硫化物,其经过焙烧处理后产生焙砂和烟气。焙砂直接进入奥斯麦特炉(奥炉),烟气经过处理也放入奥炉中进行熔炼。其次,通过奥炉进行还原熔炼,将氧化锡(焙砂)还原为锡金属,通常使用碳源如焦炭来促进还原反应。这个步骤产生的锡金属可能含有一些杂质,然后重新放入奥炉进一步提炼。最后,通过火法精炼或其他精炼方法,进一步净化锡金属,去除残留铁、砷等杂质,提高锡的纯度。整个过程需要严格控制温度、气氛和化学反应,以确保最终的锡金属达到所需的质量标准。

  为了简化建模过程,按照锡冶炼过程中所使用的设备进行分类,本文将上述锡冶炼过程简化为三个步骤,即回转窑焙烧,奥斯麦特炉还原熔炼和精炼锅精炼,如图2所示。

  1.2锡冶炼过程能耗因素

  在焙烧过程中,焙砂产量的增加通常是为了满足生产需求。然而,随着焙砂产量的提高,焙砂的总质量也增加,这意味着需要更多的热能来升高焙砂的温度。回转窑进风速度和进风压力之间存在复杂的平衡,较高的进风速度可以加快焙烧过程,从而减少煅烧的时间,但这可能需要更多电能来操作风机。进风压力的提高确保了足够的气体流入回转窑,但同样也会增加电耗。

  对还原熔炼过程,粗锡的产量直接影响到炉内原料的质量和量。较高的粗锡产量通常需要处理更多的原料,这包括更多的矿石和废料。在奥斯麦特炉中,原料的焙烧和冶炼需要耗费大量的热能。因此,高产量要求增加能源供应以满足更多原料的处理,这会导致电和煤等能源的消耗升高。此外奥斯麦特炉内的压力是维持冶炼过程的关键因素之一。较高的炉内压力有助于提高炉内气体的浓度,促进焙烧和冶炼反应。然而,为了维持高压,需要更多的氧气供应。这意味着需要更大功率的风机和压缩机,这会增加电耗。另外,为了维持高压,还需要更多的煤气来注入炉内,从而增加了煤等能源的消耗。进风速度和进风压力直接影响氧气的输送速度和压力。较高的进风速度和进风压力通常会提高反应速率,因为它们提供了更多氧气以促进反应。这也需要更大功率的风机和压缩机,导致电耗增加。同时,为了维持高进风压力,需要更多的煤气供应,也增加了煤等能源的消耗。奥炉炉渣温度反映了炉内热能损失,较高的炉渣温度可能表明热能未充分利用,部分能量被浪费。

  锡的精炼过程是将从矿石中提取的粗锡进行进一步的处理,以去除杂质和提高纯度。在精炼过程中,如果精炼进风速度过高或进风压力过大,这将增加空气的流动阻力以及压缩空气所需的电能。高速的进风可能会导致锡挥发,从而浪费能量,而高压力的进风需要更多电能来维持气流,从而增加了能源成本。增加焊锡产量通常需要投入更多的能源来熔化和加工原材料,因为更多的原材料需要加热到熔点并保持在高温下,这会耗费更多的能量。此外,锡锭的生产通常需要高温熔炼和冷却过程。如果需要生产更多的锡锭,那么需要更多的能量来维持高温和冷却,这将导致能源消耗增加。高渣产量通常表示原材料中含有更多的杂质,这可能需要额外的处理步骤,如加热和冶炼,以去除这些杂质。这些额外的处理步骤会耗费更多的能源,导致能源成本上升。

  综上所述,这些因素会在锡冶炼过程中增加能耗,因为它们涉及到加热、冷却、压缩和处理等需要大量能量的步骤。锡冶炼过程中影响因素如表1所示。

  2 MRMR-LR算法设计

  2.1 MRMR算法

  在本研究中,最大相关性和最小冗余(MRMR)特征选择方法用于删除不相关和冗余的特征,以选取最佳特征预测能源消耗。在MRMR方法中,每个特征不仅基于其与目标变量的相关性,而且还基于其在特征集中的冗余度来排名。在MRMR方法中,互信息(MI)用于测量冗余和相关性。MI定义如下:

  式中:p(x,y)表示X=x和Y=y的联合概率,p(x)表示边际表示X=x的边际概率,而p(y)表示Y=y的边际概率。

  这既适合处理离散变量,也适合处理连续变量,无需事先对数据进行归一化或标准化处理,MRMR算法通过MI最大化特征集与目标变量的相关性,同时最小化其冗余,在过滤特征选择中得到了广泛应用。

  2.2多元线性回归模型

  多元线性和回归是用于生成预测模型的简单且广泛使用的技术。一个公共线性回归使用线性组合来描述一个因变量和多个自变量之间的关系。对多个自变量与因变量之间进行的回归分析即为多元线性回归。多元线性回归的数学模型如下:

  式中:a0,a1,a2,…,an为回归系数;ε为随机误差或其他因素引起的y的线性变化部分。

  2.3 MRMR-LR算法

  基于MRMR-LR算法的锡冶炼过程综合能耗分析方法,其主要流程如图3所示,包括6个主要步骤:

  (1)计算能耗与特征之间的冗余度和MI相关度;

  (2)根据特征与目标变量之间的冗余度和MI相关度计算出每个特征的MRMR得分;

  (3)根据特征的MRMR得分进行特征排序;

  (4)根据排序结果选择前9个特征作为特征集;

  (5)将特征集合作为LR模型输入,能耗作为LR模型输出,输入数据进行拟合,得到回归模型的数学模型;

  (6)对回归模型进行分析,分析各特征对于能耗的影响,最终得出节能的指导建议。

  2.4模型显著性检验

  回归模型确定后需要对其显著性进行检验,对于多元线性回归模型通常需要F检验和t检验,其中,F检验确定因变量和自变量之间的线性关系是否总体显著,t检验确定每一个自变量和因变量是否都显著[8]。

  (1)F检验

  式中:SSR为回归平方和;SSE为剩余平方和;p和n-p-1分别为SSR和SSE的自由度。

  (2)t检验

  式中:Z为SSE的自由度。

  假设H0:a0,a 1,a2,…,an=0成立,通过确定显著性水平α的值确定显著性临界值Fα(p,n-p-1)和tα/2(n-p-1),如果F>Fα(p,n-p-1)和t>tα/2(n-p-1)同时成立,则假设H0不成立,表示模型的回归效果比较可靠;如果F<Fα(p,n-p-1)和t<tα/2(n-p-1)有其中一个成立,则假设H0成立,表示模型的回归效果不显著。

  3案例分析

  以国内某锡冶炼厂2018年1月—2022年12月能耗数据为基础,主要包括焙烧、还原熔炼、精炼三个主要环节的数据。

  使用MRMR算法筛选出9个关键因素,即精炼工序锡锭产量、奥炉熔炼工序进风压力、奥炉熔炼工序炉内压力、精炼工序铝渣、焙烧工序进风压力、焙烧工序进风速度,奥炉熔炼工序进风速度、精炼工序焊锡产量、精炼工序炭渣,将这九个能耗因素定义为X1至X9。选择综合能耗作为被解释变量,利用字母Y表示,在构建模型的过程中,存在一个随机扰动项,将其定义为常数项μ。将锡冶炼厂2018年1月到2022年12月能耗数据输入到模型中后,进行回归分析,结果如表2所示。

  通过查表可得,F-statistic的值为26.42,远远大于临界值2.13,P-value非常接近于零(4.75×10-16),非常小。这表明整个回归模型在统计上是显著的,即自变量的组合对因变量的解释具有统计显著性。因此模型的回归模型为:

  程度地减少能源消耗,同时确保炉内温度和气氛的稳定。使用高效的空气预热系统来预热进风,减少对自然气或其他燃料的需求。

  (2)对奥炉熔炼工序的节能设计上,应重点优化炉内压力和进风速度(X3和X7),通过调整炉内压力和进风速度,确保奥炉熔炼工序在最佳状态下运行,以最小化能源消耗。此外,也应研究并投资于高效的废气处理系统,以减少有害废气排放并回收有价值的物质。

  (3)对精炼工序的节能设计上,应从提高锡锭和焊锡产量(X1和X8)和管理炭渣(X9)两个方面进行,具体可以考虑改进工艺、设备或操作,提高锡锭和焊锡的产量,减少每单位产量的能耗。此外,可以考虑优化炭渣的处理方法,可以是回收或降低其生成量,或考虑将炭渣用于其他工艺或销售。

  参考文献:

  [1]王莉,陈萍,姚磊.我国锡矿资源形势及对策分析[J].中国矿业,2019,28(11):44-47.

  [2]张建福.我国锡矿开发利用现状及可持续发展建议[J].世界有色金属,2019(22):257-259.

  [3]何金梅.锡冶炼能耗与节能[J].冶金能源,1986(4):30-34.

  [4]蒋鹏.麦尔兹窑能耗因素分析与节能控制[J].化工管理,2020(3):59.

  [5]胡兵,贺新华,王兆才,等.烧结工序流分析及评价[J].中国冶金,2015,25(9):47-51.

  [6]SHEINBAUM C,OZAWA L,CASTILLO D.Using logarithmic mean divisia index to analyze changes in energy use and carbon dioxide emissions in mexico’s iron and steel industry[J].Energy economics,2010,32(6):1337-1344.

  [7]姚震,罗世兴.基于LMDI法的中国有色金属行业能源消费驱动因素分析[J].济南大学学报(自然科学版),2018,32(6):454-458.

  [8]苏兆路,潘春阳.基于灰关联分析法和多元线性回归模型的有轨电车能耗预测[J].信息技术与网络安全,2019,38(12):63-69.

学术期刊发表-留言咨询

免费咨询 高端品质服务 专业学术顾问为您解答!