论文总字数：22938字

摘 要

煤炭的热值预测对生产生活有重要意义。它是用来作为评价动力用煤的指标，也是煤炭分类的重要标准之一，还是煤气化工艺过程顺利进行的保证。传统的煤炭热值预测方法有氧弹法和经验公式法，但是氧弹法操作工艺复杂，测量过程耗时长，成本较高，易受外界干扰。而且经验公式使用方法是多元线性回归，对伊犁地区的适用性较差，因此迫切需要研究出适合新疆伊犁地区的煤发热量预测模型。

本文采用逐步回归算法以及混沌粒子群算法分别建立预测模型，将数据划分为训练数据和验证数据。训练数据用来建立煤炭的热值预测模型，测试数据用来验证预测模型的合理性。采用MATLAB软件编写程序，对数据进行处理。之后，我们将两种模型进行比较，最终得出了混沌粒子群算法的预测效果更为精确，其预测模型的泛化能力更强的结论。

关键词：热值预测 经验公式 逐步回归算法 混沌粒子群算法

The data-driven coal calorific value prediction

Abstract

The calorific value of coal is significant to our production and life. It was an indicator to evaluate the power of coal, but also one of the important criteria for classification of coal. It can ensure the process of coal gasification process operate smoothly. The traditional coal calorific value prediction methods have oxygen bomb method and empirical formula method, but operation process of oxygen bomb method is complicated, measurement process is time-consuming, high cost, and easily disturbed by the environment. Because the empirical formula method is based on multiple linear regression，the coal in Yili District is not applied，so we need make coal calorific value forecast model for the coal in xinjiang yili region.

In this paper, we propose progressive regression method and chaotic particle swarm optimization method to set up the prediction model. The data is divided into training data and test data. The training data is used to establish the calorific value prediction model of coal, and the validation data are used to test the rationality of the model. We use the software called MATLAB programming and processing data. Later, the two models are compared. Finally, we draw the conclusion that the prediction results of chaotic particle swarm optimization algorithm are more accurate, and the generalization ability of the prediction model is more accurate.

Key words: calorific value prediction ；empirical formula ；stepwise regression algorithm ；Chaos Particle Swarm Optimization Algorithm

目 录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1 课题的研究背景及意义 1

1.2 国内外研究现状 2

1.3 本文研究内容 3

第二章 传统热值测量方法 5

2.1 煤炭的特性 5

2.1.1煤炭特性分析 5

2.1.2 新疆伊犁地区煤炭特性数据 6

2.2 煤炭发热量实验法测定 8

2.3 煤炭发热量经验公式 10

2.4 本章小结 12

第三章 逐步回归法煤炭热值预测 14

3.1逐步回归分析原理 14

3.2建立逐步回归预测模型 14

3.3逐步回归预测模型可靠性分析 17

3.4本章小结 19

第四章 混沌粒子群算法煤炭热值预测 20

4.1 混沌PSO算法步骤 20

4.2 建立混沌PSO热值预测模型 23

4.3混沌PSO热值预测模型可靠性分析 25

4.4 热值预测方法与预测效果评价 26

第五章 总结与展望 29

5.1 总结 29

5.2 展望 30

参考文献 31

致谢 33

第一章 绪论

1.1 课题的研究背景及意义

我国是“富煤、贫油、少气”的国家，常规能源中煤炭占总能源中的89.3%，天然气占1.3%，原油资源占3.5%，这决定了我国是一个以煤炭为主要能源的国家。长期以来大规模开发和粗放式利用煤炭资源，给全国经济、社会、生态环境造成了巨大的压力^[1]。针对这一严峻形势，近年来国家对煤炭转化行业的关注度越来越高，而煤炭热值的预测是该行业的重要组成部分之一，煤炭热值的准确度直接影响到煤炭的转化效果^[2]。

煤气化过程中，为实现工艺过程及操作参数优化，需要计算相应的热平衡、热利用率及煤用量等，而这些参数都需要根据煤的热值来计算。在利用软件模拟煤气化的过程中，煤热值的输入参数必须十分精确^[3]。

煤炭通常被用作发电，蒸汽机，建筑上，工业上以及冶炼金属时的燃料。用作发电厂发电的煤炭平均用煤指标量达370kg/(万吨·km），占据了整个煤炭使用量的三分之一。电厂通过对煤炭进行热能转化，为用户提供照明服务。而蒸汽机锅炉用煤平均耗煤指标量达到200kg/（万吨·km），占据整个煤炭使用量3%左右。建筑中要以水泥的耗煤量最大，瓦片，砖，玻璃也占据了不小的比例，建筑用煤量大概占据整个煤炭使用量的10%左右。煤炭在工业锅炉上作为燃料使用的比例也相当大，占据了整个动力煤使用量的30%左右。另外，生活用煤的数量也较大，约占燃料用煤的20%。冶金用动力煤使用量较小，约占整个动力用煤量1%左右，它使用的煤种主要为烧结和高炉喷吹用无烟煤。由此可见，煤炭应用在生活的方方面面。为了提高煤炭的使用效率，我们用煤炭的发热量作为重要衡量因素来选择动力用煤^[4]。

另外，煤炭的计价标准也是根据煤的发热量指标来计算的，煤炭发热量是象征煤炭特性的重要指标，是锅炉得以稳定燃烧的必要条件，同时也是计算各工厂衡量经济指标的主要参数。燃烧不稳定，锅炉灭火通常是因为煤的发热量过低，而锅炉发生结渣或结渣的面积增大通常是因为煤的发热量过高，同时使排烟温度升高。故在工厂中煤炭发热量的研究与检测具有十分重要的意义。

请支付后下载全文，论文总字数：22938字