在煤质分析中的近红外光谱技术应用分析

在煤质分析中的近红外光谱技术应用分析

叶小燕

伊犁庆华能源开发有限公司

摘要：煤炭具有广泛的用途，其质量的优劣会直接影响煤炭的使用情况，在实际生产、运输和使用阶段，均需要对各项指标进行检测。本文主要论述了煤质分析中的近红外光谱技术具体应用，节省了大量检测费用，提高了工作效率，优化了操作程序，非常适合在煤质分析工作中大范围使用。

关键词：煤质分析；近红外光谱技术；应用

引言：煤炭是一种深埋地下的固体可燃性矿物，并且储量丰富，是不可替代的能源之一，在漫长的形成过程中，因为所处环境条件的差异，导致煤炭质量参差不齐，因此，分析煤炭至关重要，需要对煤炭进行检测，深入分析煤炭的质量，用来确定煤炭的用途和售价。

1. 近红外光谱技术在煤质分析中的应用现状

该技术可以监测出煤炭中的全硫、水分、工业分析等重要指标。水分属于煤质分析的主要指标，水分越多，煤炭的质量越差，创建光谱数据分析模型，将主成分作为输入神经元，得出水分检测结果。硫元素会对环境造成破坏，在燃烧之后，会产生二氧化硫与三氧化硫等有害物质，需准确检测出煤炭中的硫元素含量，这项技术可以准确测算出煤炭中的有机质含量，相比于传统方法更具优势。

2. 煤质分析中的近红外光谱技术具体应用

1. 水分检测

若煤中含有过高的水分，则无用成分越多，对正常使用有着重要的影响，传统的检测方法具有检测时间长、重复性差的缺点。搭建测定模型，建立回归方程，预测值与人工化验值的系数达到0.97，定制标准差为0.46，完全符合国际规定标准，并被广泛使用在实际生产中，另一种方法是组建BP神经网络模型，以预测水分^[1]。

2. 全硫检测

硫是一种有害元素，无论炼焦、气化和燃烧都有害，有害物质进入到大气之中，会污染环境，和空气中的水蒸气融合变为硫酸蒸汽，随着雨水落到地面上，会出现腐蚀情况。旧的测定方式有艾氏卡法、库伦法与燃烧中和法。艾氏卡法的耗时较长，测试过程非常繁琐，同时，需要加入各种高危险试剂，反应过程较为复杂，会受到多种外界因素影响，而库伦法和燃烧法要用到很多的化学物质，会对环境产生较大的污染。

近红外光谱技术有着较强的选择性、准确性，大幅度减短了分析时间，提升了效率。还可以进行重复检测，通过对标准物质与实际样品进行分析，保证煤样的重现性与准确度都能够达到标准要求。经过系统的验证，此技术有着较高的可行性。建立相应的数学模型，和工业检测结果进行比较，系数为0.896，方根误差达到0.04，模型有着较高的相关性与稳定性。

3. 氢含量检测

有机质主要为氢元素，测出含量之后，能够测算出煤的发热量、理论燃烧温度与热平衡。旧的检测手段具有预热时间长、操作复杂等弊端，检测过程中不可避免的用到铬酸铅、高锰酸银等化学试剂，检测结束后，会生成大量的废弃物，污染环境。而近红外光谱法检测样品只需要约5分钟，同时，样品用量少，操作简便，分析成本低。

4. 发热量检测

发热量是一项非常重要的指标，传统方法包括氧弹法与元素分析法，此两种方法的操作流程较为复杂，检测时间长，难以满足企业快速安全运行的需求。

要构建一个煤中发热量的测定模型，得到回归方程，经研究表明，此方法有着较强的相关性，可以准确判断出异常，属于一种高效的数据处理手段。

5. 工业分析监测

煤的工业分析主要涉及水分、灰分、挥发分的检测，测算固定碳。在煤样漫反射光谱中获得特征吸收波长，经分析之后，利用吸光度计算出挥发分，人工化验值和计算值之间的相关系数是0.94，标准差达到1.2，有着一定的实用价值。

有机物和部分有机物分子在受到近红外线照射之后，光的一部分能量被分子吸收变成分子振动与转动能量，从基态转变到激发态，形成吸收光谱。吸收光谱可以体现出被测物质中的特征信息，能够借助分析谱图得到特定成本的吸收特性，了解成分含量。根据对波长的吸收能力对成分含量进行预测。含氢官能团吸收近红外区域。

在使用这项技术过程中，不用进行后续处理，为保证使煤样中的全部有机成本获得均匀分布，可以获得高质量的光谱信息，在样本破碎后才能进行后续试验。

光谱中不仅拥有自身的化学信息，同时具有许多的无关信息和噪声，因此，要将各种无关信息进行清理，通过预处理的方法进行建模。

均值中心化变换是指将样本光谱中的平均光谱进行去除，经过处理之后，获得矩阵列的平均值，在创建光谱分析模型阶段，要用到多元校正法，这种方法能够把绝对量与待测量变动之间建立联系，在建立光谱定量和定性模型前，通常要采用适当方法加强样本间的光谱差异，提高模型稳健性和预测能力。

标准化即均值方差化，进行标准化变换，利用光谱仪获得光谱信号，叠加随机误差为噪声，信号平滑为减少造成的常用方式，在反复测量之后，取平均值，能够提升信噪比^[2]。

正交信号校正是一种新型光谱预处理方法，通过光谱矩阵和定标矩阵，清除掉同定标值没有关系的相关信息，利用回归建模分析，加强模型的预测精度和稳定性。在原本的光谱信息当中，无关信息被排除之后，会导致发生拟合情况，光谱数据和定标数据都会出现变化，所以，在使用前，首先应除掉全部样本中的异常样本点，可大幅度提升了模型的预测能力，加强了稳定性。可以在复杂的光谱数据中获得有用的成分信息，减弱不相关因素风险。

结论：近红外光谱分析技术是化学计量、基础测量、光谱测量基础相结合形成，可以更好对样品开展定性和定量分析，有着多方面优势，随着信息技术的快速发展，此项技术也会越来越成熟，逐渐发展成为重要应用技术，需要不断加大研究力度，以获得更广泛的应用。

参考文献：

[1]解强.关于煤质检验技术的发展思考[J].煤质技术,2020,35(06):6-12+17.

[2]李一夫.元素分析技术在煤质分析中的应用[J].化工设计通讯,2020,46(07):231+233.

作者简介：叶小燕，女，19861112，籍贯：新疆，职称：助理工程师，职务：助理工程师，学历：本科，研究方向：煤质分析，从事工作：煤质分析。