24 催化指数的定义及其相关性

2010中国新型煤化工发展及示范项目进展论坛文集2010中国新型煤化工发展及示范项目进展论坛文集催化指数的定义及其相关性张康华，梁建华，雷耀辉，彭靖，万洋，史世庄（武汉科技大学化学工程与技术学院，湖北武汉430081）摘要：在总结国内外不同方法的煤中灰成分催化指数定义的基础上，通过对15种配合煤进行试验，探讨了不同方法的催化指数之间的相关性。结论表明，MBI、MCI、MMCI、MCIy四者之间的相关性良好，如MBI和MCI之间相关性系数为0.9894,MCIy和MBI之间相关性系数为0.9798,MCIy和MCI之间相关性系数为0.9984。在一定程度上，四者可以互换。关键词：灰成分；催化指数；相关性Thedefinitionsofcatalyticindexofashcomponentof

Coking-coalandtheirinterrelationsZhangKanghua,LiangJianhua,LeiYaohui,PengJing,WanYang,ShiShizhuang

（CollegeofChemicalEngineeringandTechnology,WuhanUniversityofScienceandTechnology,Wuhan430081,China）Abstract：Summarizingtheinternationalanddomesticdifferentmethodsofthedefinitionsofcatalyticindexofashcomponentofcokingcoalandthroughtheexperimentwith15coalblends,discussedthecorrelationamongthevariousdefinitionsofcatalyticindex.TheresultsshowthatthereareverygoodcorrelativityamongMBI,MCI,MMCI,MCIY,forexample,thecorrelationcoefficientbetweenMBIandMCIis0.9894,thecorrelationcoefficientbetweenMCIYandMBIis0.9798,thecorrelationcoefficientbetweenMCIYandMCIis0.9984.Toacertainextent,thefourinterchangeable.Keywords：ashcomponent；catalyticindex；interrelation焦炭的灰成分对焦炭的热性质有着重要的影响［1］，不同煤种的灰成分不尽相同，为了充分地改善焦炭的反应性和反应后强度，就必须考虑灰成分的影响，而要考虑灰成分的影响就1必须将灰成分的影响量化。因此，不少学者都提出了灰成分催化指数的概念。灰分催化指数指标包括：MCI（矿物质催化指数）、MBI（碱度指数）、Bash（碱度指数）、ACI（灰分催化指数）、AI（碱性指数）、CI（催化指数）、MMCI（矿物质催化指数）等［2~5］。由于对各灰成分的催化作用顺序的认识不一，以及考虑的灰成分个数的不同，催化指数的构成也不尽相同。本文选择了15种配合煤进行试验，探讨了不同方法的煤中灰成分催化指数之间的相关性。1作者简介：史世庄（1956—），男，武汉科技大学化学工程与技术学院，教授，E-mail:shisz1956@126.com

国内外的研究概况1.1日本神户钢铁公司的方法[6]日本神户钢铁公司将焦炭的反应性和反应后强度归因于煤化度(R)、粘结性max(MF)和灰分催化指数，并定义灰分催化指数为：NaO+KO+CaO+FeOTOC\o"1-5"\h\zRBS=2223。SiO+AlO2231.2日本钢管(NKK)的方法日本钢管将灰成分的催化指数称为碱度指数Bash，并定义为:4FeO+KO

B=A2―32_。ashdSiO+AlO2231.3加拿大炭化研究协会(CCRA)的方法⑺加拿大炭化研究协会将灰成分的催化指数称为碱度指数MBI，并定义为:NaO+KO+CaO+MgO+FeOMBI=A2223。d(100-V)(SiO+AlO)dom223美国内陆钢铁公司的方法[8]美国内陆钢铁公司先求出灰成分的碱性指数AL再将催化指数CI定义为:CI=9.64AL+14.04SNaO+KO+CaO+MgO+FeOTOC\o"1-5"\h\zAL=A2223。dSiO+AlO223我国宝钢的方法[9]我国的宝山钢铁公司把矿物质的催化指数MCI定义为：41.9KO+2.2NaO+1.6CaO+0.93MgO+FeOMCI=Am2223od(100-VM)(SiO+0.41AIO+2.5TiO)d2232郑明东等人[5]2.85w(NaO)+1.9w(KO)2.85w(NaO)+1.9w(KO)+2.34w(BaC)+1.03w(CaO)+0.43w(MgO)+w(FeO)2223MMCI=100A、dw(SiO)+0.74w(AlO)+2.5w(TiO)该方法以权重的方式反映了各种矿物质对2焦炭催化作用2的3大小。21.7其它方法[2]确定矿物质催化指数、预测焦炭热性质的方法还有很多，但以杨俊和博士的方法最具代表性。在研究矿物质对焦炭反应性作用规律的基础上，建立了矿物质影响焦炭反应性的矿物质催化指数(MCI),并提出了煤的Vd和MCI是决定焦炭反应性的两个独立变量，并据此建立了预测焦炭反应性和反应后强度的数学模型。矿物质催化指数定义为：当以煤中的灰分表达时：4FeO+1.85KO+2.2Na0+1.6CaO+1.91BaO+0.83MgO+0.9MnOMCI=Am―22d(100-V)(SiO+0.41A10+2.5TiO)d2232当以焦炭中的灰分表达时：Fe0+1.85K0+2.2Na0+1.6CaO+1.91BaO+0.83MgO+0.9MnO/MCI=Aj2—322d(SiO+0.41A10+2.5TiO)2232式中：Am—煤的干基灰分，%；dAj—焦炭的干基灰分，%；dVd一煤的干基挥发分，％。d试验部分试验选用的15种配合煤煤样基本参数和灰分组成见表1。表1配合煤煤样基本性质和灰分组成编煤样基本参数/%灰分组成/%AdVdafSt,dSiO2Al2O3Fe?。？CaOMgOK2ONa?。TiO2MnOBaO19.6626.300.6147.4634.205.844.931.020.550.581.630.100.1029.6724.740.6147.7334.305.835.151.010.550.591.630.100.1139.4125.280.5847.6134.345.805.300.990.520.601.630.100.1249.4225.400.6147.9034.175.685.340.950.530.601.610.090.1459.9325.890.5747.6834.295.655.510.920.490.601.620.090.1569.5825.750.5947.8634.195.575.530.900.500.601.600.090.16710.2625.650.6247.9633.975.535.700.880.510.611.580.090.1789.4625.280.6248.0533.715.435.990.870.510.611.550.080.1999.3925.230.6448.2033.355.376.280.840.520.631.520.080.22109.5427.050.6247.4233.326.086.390.860.510.601.530.110.19119.0126.290.6247.3332.756.206.950.810.520.601.510.120.21129.1429.390.6846.7333.276.337.010.820.480.561.500.110.20139.5823.530.5947.6834.296.024.991.050.560.601.620.100.09149.1829.600.6846.6634.046.745.870.860.520.561.520.110.12159.9930.810.6246.7233.027.145.971.050.650.711.500.110.14

结果与讨论根据不同方法的催化指数定义和表1中的数据，计算15种配和煤的催化指数计算结果见表2所示。表2催化指数计算结果编号RBSBashMBICIMCIMMCIMCIy10.14570.75590.020723.29790.03401.79620.034320.14780.75210.020623.48530.03381.82320.034230.14910.72570.020322.76570.03351.78970.033940.14800.71280.020223.05930.03341.78530.033850.14940.74380.021523.38280.03581.89480.036360.14870.70870.020623.02830.03431.82350.034970.15070.75640.022324.67610.03731.98210.037980.15340.68730.020823.66220.03491.86150.035590.15700.67820.021024.12580.03551.89790.0362100.16820.77870.023425.15250.03912.03050.0398110.17820.75610.023025.06090.03862.02060.0394120.17980.77800.024626.28800.04132.05420.0420130.14850.76900.020223.17790.03311.81350.0333140.16960.82590.023525.50270.03881.94410.0392150.18150.97590.028127.44860.04622.31080.0467对表2中的数据进行分析，可得到以下回归方程和相关性系数（R2）,见表3。表3回归方程和相关性系数（R2）编号回归方程相关性系数（R2）1B=3.3844RBS+0.2243ash0.39682MBI=0.1458RBS-0.0010.76953CI=95.831RBS+9.09740.84274MCI=0.2481RBS-0.00270.80735MMCI=9.2653RBS+0.45450.73796MCIY=0.2559RBS-0.00340.81917MBI=0.0268B+0.0017ash0.75198CI=15.105B+12.79ash0.60449MCI=0.0417B+0.0049ash0.659710MMCI=1.6033B+0.7028ash0.637911MCI=0.0415B+0.0056Yash0.6226

12CI=607.78MBI+10.8720.936713MCI=1.6524MBI+0.00020.989414MMCI=63.165MBI+0.5290.947815MCIY=1.6835MBI+4E-050.979816MCI=0.0026CI-0.02610.953517MMCI=0.0982CI-0.46080.902518MCIy=0.0026CI-0.0270.953919MMCI=38.319MCI+0.5180.962620MCIy=1.023MCI-0.00030.998421MCI=0.0257MMCI—0.01230.9634从表3中的回归方程和相关性系数（R2）可以看出，MBI、MCI、MMCI、MCIY四者之间的相关性很好。如图1~6所示。MBIMBI图1MCI和MBI之间的关系Fig.1relationofMCIandMBI0.05000.04800.04600.04400.04200.04000.03800.03600.03400.03200.03000.01900.02100.02300.02500.02700.0290MBI图2MCIy和MBI之间的关系Fig.2relationofMCIyandMBIMBI图3MMCI和MBI之间的关系Fig.3relationofMMCIandMBIMCI图4MCIy和MCI之间的关系Fig.4relationofMCIyandMCI2.40002.30002.20002.10002.00001.90001.80001.70000.03000.03500.04000.04500.0500MCI图5MMCI和MCI之间的关系Fig.5relationofMMCIandMCI00000000MMCI图6MCIy和MMCI之间的关系Fig.6relationofMCIyandMMCI4结论综上所述可知，MBI、MCI、MMCI、MCIY四者之间的相关性良好，如MBI和MCI之间相关性系数为0.9894，MCIY和MBI之间相关性系数为0.9798，MCIY和MCI之间相关性系数为0.9