线性回归方程在燃煤化验结果审核中的应用

线性回归方程在燃煤化验结果审核中的应用

滕腾

平顶山姚孟发电有限责任公司 河南 平顶山市 467000

摘要:随着市场的进一步发展和进步，煤炭资源的短缺日益严重，煤炭价格受到整个社会广泛关注，特别是煤炭定价方法不断更新也影响着电厂的成本控制。燃煤化验的精准度，直按影响煤炭的质量检验结果，因此要不断提升煤炭化验的准确性。实际操作中，除了技术水平的提高还需采取有效措施来降低化验误差。本文以某电厂为例，以研究煤化验审核校验数据为目的，通过一元线性回归方程对煤的发热量测定中发热量和灰分及水分的相关性进行了验证，并作为煤化验审核方程编制过程，使煤化验结果的准确性得到进一步提升。

关键词：线性回归方程；燃煤化验；发热量

引言：燃料管理是火电企业安全生产和经济效益的一个关键因素，也是发电企业确保生产和降低成本的最有前景的挑战之一。在燃煤成本占总成本的比重越来越大，风险防范和控制越来越困难的新形势下，加强对燃料入厂验收和检验的控制尤为重要。电力公司非常重视燃料管理，在煤场质量控制建筑，如制样室、实验室和综合管理办公室。为了从硬件升级到软件升级，他实践了质量和精细管理的概念。煤质检测在质量建设中变得越来越重要，不准确的结果会对生产活动和企业绩效产生重大影响。因此，加强煤质检验的详细管理是改善燃料管理的重要方面之一。我国的电力生产仍以煤炭发电为重点，因为市场持续增长，煤炭资源日益短缺，煤炭价格成为一个令人关注的问题，煤炭定价方法和程序不断变化和更新。传统煤炭的购买通常以平均市场价格进行。即使在高低变化的情况下，浮动路径也很少，因此，煤炭生产商为解决问题，以获得经济效益，降低煤炭质量标准。制定了一种稳定的买卖双方承认的煤炭定价方法:测量燃煤燃烧产生的热量排放，即发热量。并根据发热量对煤炭价格进行评估。所以燃煤所释放热量方式是一个新的研究方向。发电厂购买煤炭释放热量测量越精确，在煤炭价格协商上就越有说服力。面对新的挑战，发电厂不仅对煤炭测试设备和方法提出了更高的需求，而且对运营商的质量标准也提高了，而且更加注重煤炭测试结果的验证、审核和检验，以尽量减少煤化验误差。本文阐述了一元线性回归方程的相关性及其在煤的发热量测试结果和审核结果中的应用。

一、线性回归方程

在统计信息中，线性回归方程是一种回归分析，它使用最小二乘函数来模拟一个或多个参数与从属变量之间的关系。此函数是一个或多个模型参数(称为回归系数)的线性组合。单一自变量称为简单回归情况，以及大于一个自变量称为多元回归。(这种区分必须通过由若干相关变量预测的多个线性回归而不是单个标量变量来实现。)在线性回归中，使用线性预测函数对数据进行建模，并根据数据估算未知的模型参数，这些模型称为线性模型。最常见的线性回归模型是，给定x值的y条件平均值是x的仿函数。线性回归模型通常是给定x条件中y条件分布的中点或其他子数，表示为x的线性函数。与其他模型一样线性回归侧重于给定x值的y条件分布，而不是x和y的组合分布。

二、一元线性回归方程的确定

1.确定一元线性回归方程。在日常试验中，先对煤粉进行(0.2毫米以下)天平称量称准至0.0001g，然后用全自动工业分析仪对煤的灰、水和挥发进行工业分析，再通过恒温式弹筒热量计测量煤的弹筒热值。煤的弹筒热值与灰分和水分的组合密切相关，是试验的一个非常重要的组成部分实验过程必须规范严谨，严格把控实验操作步骤。弹筒热值是下一步计算空气干燥基热值的必需数据，此实验需要特别注意把控热量计所处的环境的温度恒定，通常通过常开空调实现。经过长时间的实验已经证明煤中的水分和灰分不存在线性相关关系，也不存才相关关系，我们想要确定热值和水分及灰分之间的相关关系到底是怎样的。通过日常测试，不难确认弹筒热值相对于灰分和水分是相关的。在(Q_b，ad)空气干燥基弹筒热值、(M_ad)空气干燥基水分和(A_ad)空气干燥基灰分产生的热量之间建立关系，即Q_b，ad与(A_ad+M_ad)单元之间的线性关系，即是最有效的方法之一。它在理论和实践工作中的作用是显而易见的。回归方程涉及几个变量: (Q_b，ad)空气干燥基弹筒热值；(M_ad)空气干燥基水分；(A_ad)空气干燥基灰分。研究发现，具体值表明Q_b，ad与M_ad和A_ad值之间存在线性关系。线性关系研究的结果尽可能快速准确地反映了测试结果的准确性。该方法在煤炭试验的理论和实践中发挥着非常重要的作用，实验数据如下:随机从试验数据表中选择10个点，记录并连接数字曲线(Qb，ad)和(A_ad+M_ad)中相应点的位置:分别为（4l.74，19416）、（45.l4，16280）、（49.62，14726）、（47，16092）、（l7，18547）、42.04，18093）、（44.14，17782）、（41.48，17854）、（44.27，17466）、（43.49，16883）。

2.透过资料，方程式可以大致如下:y=a+bx，其中随机(y)和可控制(x)变量可以表示为另一个关系: 。其中方程式中的a和b是常数，随机变数是εn常数a和b可以使用最小平方方法来决定。根据多元函数的极性计算方法，我们将计算a和b偏导数，并将它们设置为0，我们可以得到:

由 ，得：

上例可得

回归方程是

表明Mad+Aad该矿末煤每升高1%，降低则热值344kJ/kg。

3.回归方程的显著性检验。我们采用t检验法，公式如下：

其中 ，这是标准差剩余。从S_y=233，t=1258。查看关联的表，取显著性α=0.05，自由度为28时的表T=4.20，然后查看表T>T₀。因此A_ad+M_ad与Q_b，ad的影响显著。

4.误差幅度。查表α=0.05，x₃₀=43.49；如果α2(n-2)为2.0484，则u=±2.05×233=±466kJ/kg，结果表明弹筒热值必须在该热值误差范围内变化。

三、方程在化验结果中的应用

我们建立了一个燃料数据库，可以在其中编制各种数据报告，并将其纳入我们的公司的入厂煤数据库。将线性回归方程应用于煤质化验审核时，通过比较理论值和实际值可以得到不同的结果，我们可以通过线性回归方程的检验以及生成的图形来发现异常值，这有助于更好地调查不匹配的原因，并易于确定原因。最终我们通过线性回归能更快的审核处有问题的数据，避免了因数据出错造成的煤炭交易结算中的损失，并提高了化验结果报告的可信度。

国标中的实例告诉我们，通过线性回归方程还可以确定发热量测定中，热量计热容量和温升的相关性。这给了我们很大启迪，我们可以通过更多科学的数学模型来检验方法的准确性以及化验结果是否有异常结果出现。

四、结果分析

对这些实验结果的研究分析表明，线性回归方程在实际生产中的应用有弊端。但是，该项目不会包含在审计报告中。将描述的线性回归方程应用于生产线，比较理论值和实测值，看结果是否在公差之外，找出原因，及时解决问题。此外，还计划在燃煤化工领域开展进一步工作:(1)重点开发煤炭能源产品。在煤制油生产领域，是发展煤制超清洁和特种油品生产，为主要城市提供6级或以上的国家标准油，提供高质量的成分以提高炼油厂生产的石油质量。(2)开发高值化、高端和有区别的生产技术。与石油化工技术耦和，乙烯生产，下游丙烯酸，产业链延伸；加强C₄资源的综合利用，开发高端C₃/C₄下游化学品。在煤制乙二醇领域，在继续提高含乙二醇产品质量的同时，有必要制定通过经草酸、碳酸二甲酯生产聚乙醇酸及聚碳的技术路线。(3)重视低级煤炭的定性分类和利用。今后，我们将重点开发催化裂化和加压裂化等新的裂解技术，以提高焦油和裂解的效率；研究和开发新技术，如精酚、吡啶、咔唑和提炼细化学品，如环芳烃和烷基油焦油全镏；半焦利用技术的研究和发展有利于半焦的清洁有效利用。(4)积极发展二氧化碳资源开发技术。利用二氧化碳生产高附加值散装化学品，可以有效地转换和回收碳和氧资源，并延长煤炭使用过程的工业链。今后应加快发展二氧化碳氢制甲醇、重整制合成气CO₂-CH₂、二氧化碳定向转化高附加值产品等技术。

试验研究的结论是:开采的煤的质量因矿而异，但由于煤中原子的组成和组成不同，需要采取进一步措施，以确保原始试验数据的准确性；来自同一生产矿的样品的相应热值可能因相同易燃成分和条件而异。线性回归方程是通过随机选择点、记录点和连接关键字段得到的近似，因此随机选择的数据应具有代表性。值越高回归方程式的精确度越高。

参考文献：

[1]林杰.线性回归方程在燃煤化验结果审核中的应用[J].商品与质量，2019（20）：71.

[2]李兰.浅析线性回归方程在燃煤化验结果审核中的应用[J].化工管理，2019（26）：160.

[4]陈东恺.用于燃煤锅炉热效率在线计算的虚拟煤质数据库的建立[J].上海理工大学学报，2019，41（6）：546-551.

[5]赵树敏.智能机器人技术在燃煤智慧电厂的功能设计与应用[J].能源科技，2020，18（4）：35-42.

[6]姬瑞.燃煤化验误差及处理分析[J].建筑工程技术与设计，2019（24）：4164.

[7]秦如.一种燃煤电厂入炉煤分煤种采样化验控制系统：CN201922367060.8[P].

[8]杨家利.电站锅炉燃煤添加剂应用性能综合评价方法[J].热力发电，2020，49（2）：38-44.

[9]李贞． 火电厂入厂煤与入炉煤热值差问题分析与对策［J］． 华东电力，2020，12) ．