梁 勇

論近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用

梁 勇

（貴州省煤田地質(zhì)局實(shí)驗(yàn)室，貴州 貴陽 550081）

煤炭，一種與人們的生產(chǎn)生活有著密切的聯(lián)系的礦物。新能源開發(fā)的程度有限，因此，煤炭依然是我們當(dāng)前所能夠使用能源的第一選擇。煤質(zhì)的好壞對(duì)于煤炭的使用來說具有關(guān)鍵作用。傳統(tǒng)煤質(zhì)檢測(cè)分析的方法存在著工作效率低、檢測(cè)成本高、后續(xù)處理繁雜以及不環(huán)保等問題。相對(duì)于傳統(tǒng)檢測(cè)，近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析方面，具有操作簡(jiǎn)單、分析成本低、準(zhǔn)確性高等優(yōu)勢(shì)，故而更加適合用于煤質(zhì)檢測(cè)分析工作。本文就目前近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用情況進(jìn)行了探討，并大膽做出了一定的展望，以期與大家共同交流進(jìn)步。

近紅外光譜；煤質(zhì)檢測(cè)；應(yīng)用；展望

煤炭，就是指埋藏在地下的古代植物，經(jīng)歷了一定復(fù)雜的物理化學(xué)及生物化學(xué)反應(yīng)變化后，逐漸形成的一種具有可燃性的固體礦物。由于在其形成的過程中所處的條件及環(huán)境不同，使得形成的煤炭的質(zhì)量也就不盡相同。作為一種能夠用作動(dòng)力燃燒、工業(yè)發(fā)電、煉鋼原料等廣泛用途的重要化石能源，煤炭的好壞才是最終決定其具體用途的關(guān)鍵[1]。原因有二，其一，當(dāng)前煤炭的儲(chǔ)存量還是很巨大的，而科技的發(fā)展進(jìn)步，又開發(fā)出了煤炭汽化等新的使用技術(shù)，更加大了煤炭的應(yīng)用范圍。因此，煤炭在人類生活及生產(chǎn)中成了無可替代的必需能源之一。其二，市場(chǎng)中，供需雙方在煤炭的生產(chǎn)和銷售過程中，必然要對(duì)其質(zhì)量進(jìn)行綜合檢測(cè)分析，以準(zhǔn)確定位煤炭的售價(jià)及用途[2]。所以，基于上述兩個(gè)方面可以看出，以經(jīng)濟(jì)實(shí)用的方式，對(duì)煤質(zhì)進(jìn)行準(zhǔn)確的檢測(cè)分析是非常重要的。

1 近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用現(xiàn)狀

近紅外光譜技術(shù)在對(duì)煤質(zhì)進(jìn)行檢測(cè)的應(yīng)用上，主要是對(duì)以下幾個(gè)指標(biāo)方面進(jìn)行檢測(cè)分析：水分、氫含量、全硫、工業(yè)分析以及發(fā)熱量等。區(qū)別于傳統(tǒng)檢測(cè)方法，應(yīng)用近紅外光譜技術(shù)對(duì)煤質(zhì)進(jìn)行檢測(cè)分析，具有更加明顯的優(yōu)勢(shì)。

2016年，我國糧食產(chǎn)量61625.0萬噸；油料產(chǎn)量3629.5萬噸；茶葉產(chǎn)量240.5萬噸；水果產(chǎn)量28351.1萬噸；牛奶產(chǎn)量3602.2萬噸；禽蛋3094.9萬噸；水產(chǎn)品總量6901.3萬噸；原鹽產(chǎn)量6620.10萬噸；精制食用植物油產(chǎn)量6907.54萬噸；成品糖產(chǎn)量1443.30萬噸；罐頭產(chǎn)量1394.86萬噸；啤酒產(chǎn)量4506.44萬千升。

1.1 對(duì)煤中水分和揮發(fā)分的檢測(cè)

水分和揮發(fā)分是煤質(zhì)分析的重要指標(biāo)。如果煤中含有的水分越高，就說明煤的無用成分占的越多，煤炭質(zhì)量就相應(yīng)的越差，這對(duì)煤炭的加工使用、銷售貿(mào)易及運(yùn)輸儲(chǔ)存等都將造成極大的影響。傳統(tǒng)水分及揮發(fā)分方面的檢測(cè)分析法存在檢測(cè)周期較長、操作復(fù)雜、重復(fù)性偏差、耗時(shí)長、認(rèn)為影響大等缺點(diǎn)。而利用近紅外光譜技術(shù)，建立的對(duì)煤中水分的測(cè)定分析模型，運(yùn)用多元線性回歸方法，得出了回歸方程，該方程解出的預(yù)測(cè)值與現(xiàn)實(shí)人工化實(shí)驗(yàn)值之間的相關(guān)系數(shù)達(dá)到了0.97，且定標(biāo)標(biāo)準(zhǔn)差僅有0.5，完全符合國標(biāo)隊(duì)重復(fù)性限制0.5的規(guī)定[3]。說明這種方法是能夠準(zhǔn)確的預(yù)測(cè)出煤中的水分的?，F(xiàn)已有多家煤炭企業(yè)應(yīng)用到實(shí)際煤質(zhì)檢測(cè)中。另外，還可以利用煤中特征對(duì)近紅外光的吸收波長的吸光度來對(duì)其揮發(fā)分進(jìn)行計(jì)算，同樣具有極高的可行性及節(jié)約人力、物力及環(huán)保的優(yōu)勢(shì)。

1.2 對(duì)于氫含量的檢測(cè)

對(duì)于煤中主要有機(jī)質(zhì)成分之一的氫的檢測(cè)，是煤質(zhì)檢測(cè)中一項(xiàng)重要任務(wù)。氫的含量，影響著煤的發(fā)熱量、燃燒設(shè)備的熱平衡及理論燃燒溫度的計(jì)算[4]。國家傳統(tǒng)檢測(cè)氫的方法為三節(jié)爐法，操作復(fù)雜、受環(huán)境及人為影響較大，并且實(shí)驗(yàn)廢棄物較多。采用近紅外光譜技術(shù)對(duì)此進(jìn)行檢測(cè)分析，可以達(dá)到簡(jiǎn)單、快速、精準(zhǔn)的效果，證實(shí)了該方法具有更強(qiáng)的適用性。

1.3 全硫檢測(cè)

檢測(cè)煤炭的發(fā)熱量，對(duì)其使用具有極大的指導(dǎo)意義。研究人員一改傳統(tǒng)的檢測(cè)方式，利用近紅外光譜技術(shù)，為煤中的發(fā)熱量建立了測(cè)定模型，并采用多元線性回歸得出回歸方程進(jìn)而進(jìn)行計(jì)算的方法或核主成分分析方法[6]， 對(duì)數(shù)據(jù)進(jìn)行了快速、準(zhǔn)確的分析處理，大大提高了檢測(cè)效率。

1.4 對(duì)于發(fā)熱量的檢測(cè)

全硫檢測(cè)就是對(duì)煤中含有的有害物質(zhì)硫進(jìn)行檢測(cè)。在煤炭的燃燒過程中，會(huì)產(chǎn)生污染空氣的有害氣體二氧化硫及三氧化硫，這些氣體一旦與水蒸氣在空中結(jié)合，進(jìn)而形成硫酸蒸汽，伴隨雨水落到地表，對(duì)鋼鐵建筑等有著極強(qiáng)的腐蝕作用[5]。傳統(tǒng)檢測(cè)方式，過程繁瑣、危險(xiǎn)，而且對(duì)環(huán)境還存在較強(qiáng)的污染性，不便使用。而采用近紅外光譜技術(shù)對(duì)煤中的硫含量進(jìn)行測(cè)定，準(zhǔn)確性較高，并且分析高效，是非常環(huán)保且經(jīng)濟(jì)有效的選擇。

這里我們以采用100份煤粉樣品的實(shí)驗(yàn)為例，來對(duì)指標(biāo)高位熱值、低位發(fā)熱值、彈筒熱值以及揮發(fā)分進(jìn)行分析。首先，我們將這100份煤粉樣品具體分為校正集90份，外部驗(yàn)證集10份。然后利用外部驗(yàn)證集內(nèi)的10份樣品來對(duì)自然定位模型的預(yù)估結(jié)果進(jìn)行分析；利用校正集內(nèi)的90份煤粉樣品對(duì)自然定位模型進(jìn)行組建。最終得出所選煤粉樣品其各項(xiàng)分析指標(biāo)的分布情況表，例如，校正集中揮發(fā)分、彈筒熱值、高位熱值以及低位發(fā)熱值的最小值分別為6.90/15.78/15.97/12.45，校正最大值分別為16.99/26.83/27.94/25.00，極差分別為10.01/11.24/ 11.35/11.29；而對(duì)應(yīng)的外部驗(yàn)證集內(nèi)，揮發(fā)分的最小值分別為7.87/17.38/19.03/17.01，校正最大值分別為14.11/25.98/27.10/25.06，極差分別為5.70/ 8.31/ 8.29/8.08。

2 近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用方法及效果驗(yàn)證

2.1 檢測(cè)實(shí)驗(yàn)材料

2008年黃藻暴發(fā)的另一個(gè)外在原因，就是全球變暖大背景下的氣候變化。3—4月，烏梁素海地區(qū)的平均氣溫比往年高出 3℃~4℃，5—6月仍持續(xù)偏高，且干旱少雨，3—5月平均降水量比歷年少15.5 mm，比往年減少了68.6%。與氣溫相反的，卻是水溫偏低。開湖時(shí)間比往年遲20~25天。開湖晚，水溫低，使得開春后湖內(nèi)水草的發(fā)芽速度減慢。當(dāng)水草吸納營養(yǎng)物質(zhì)的能力下降之后，湖泊中富營養(yǎng)化物質(zhì)的濃度就會(huì)突然大幅度增高；加之降水偏少，水體無法得到有效稀釋，為黃藻暴發(fā)提供了必備條件。

通過自然定位模型對(duì)于外部驗(yàn)證集樣品所進(jìn)行的預(yù)估分析，可以比較出傳統(tǒng)煤質(zhì)檢測(cè)技術(shù)與近紅外光譜檢測(cè)分析技術(shù)的預(yù)估結(jié)果如下：揮發(fā)分、彈筒熱值、高位熱值及低位發(fā)熱值，預(yù)測(cè)平均絕對(duì)偏差分別為：0.297/0.875/0.884/0.934；預(yù)測(cè)標(biāo)準(zhǔn)偏差分別為：0.388/1.027/1.059/1.129；相關(guān)系數(shù)分別為：0.955/0.957/0.960/0.956。

2.2 光譜的采集

接下來，我們采用進(jìn)口的Spectrastar2500XL近紅外光譜儀；用平均無故障率較高的鹵鎢燈作為光源；1nm的數(shù)據(jù)間隔；使用超級(jí)制冷InGaAs高性能檢測(cè)器，光度計(jì)噪音為1640nm；范圍為小于或等于3.0ABS；以10秒至60秒為分析時(shí)間，對(duì)核心參數(shù)進(jìn)行恒溫25攝氏度，1倍增益的10次掃描，取平均值對(duì)光譜進(jìn)行計(jì)算，并得出近紅外光譜。光譜顯示，隨著近紅外光的波長逐漸增加，指標(biāo)的吸光度逐漸減弱。

2.3 組建自然定位模型

自然定位模型應(yīng)用的是OPUS軟件；用一階導(dǎo)數(shù)和多元散射校正作為光譜預(yù)處理的方法，其區(qū)間設(shè)定為1 100 nm至1 750 nm、1 800 nm至2 200 nm；用偏最小二乘法作為校正法，對(duì)主因子數(shù)進(jìn)行調(diào)整，進(jìn)而確保數(shù)據(jù)的準(zhǔn)確性。模型中得出各項(xiàng)指標(biāo)的校正相關(guān)系數(shù)、校正預(yù)測(cè)及標(biāo)準(zhǔn)偏差、交互驗(yàn)證相關(guān)系數(shù)和交互驗(yàn)證的標(biāo)準(zhǔn)偏差結(jié)果如下：揮發(fā)分、彈筒熱值、高位熱值以及低位發(fā)熱值的份數(shù)分別為：2/3/2/3；校正預(yù)測(cè)標(biāo)準(zhǔn)偏差分別為：0.235/0.885/ 0.851/0.875；校正從相關(guān)的相關(guān)系數(shù)分別為：0.980/0.939/0.939/0.900；交互驗(yàn)證的標(biāo)準(zhǔn)偏差分別為：0.365/1.169/1.178/1.152；交互驗(yàn)證相關(guān)系數(shù)分別為：0.923/0.870/0.871/0.859/。

2.4 自然定位模型的分析預(yù)測(cè)

病死豬眼臉?biāo)[，耳部和尾部有一小塊出血斑，陰鞘積尿；打開腹腔可見肝臟有出血斑、脾臟周邊有鋸齒狀梗死，腎臟上布滿針尖大小出血點(diǎn)，腸系膜膠凍樣水腫，腸系膜淋巴結(jié)腫大，腸道粘膜有卡他炎癥，胃萎縮，劃開胃大彎漿膜下有透明的水腫液，大腸的回盲瓣處多個(gè)紐扣狀潰瘍，膀胱內(nèi)有出血點(diǎn)[1]。

2.5 結(jié)論

本次分析檢測(cè)實(shí)驗(yàn)，利用采集的煤粉樣品光譜，構(gòu)建出了關(guān)于揮發(fā)分、高位熱值、彈筒熱值以及低位發(fā)熱量的一個(gè)自然定位模型，并對(duì)外部驗(yàn)證集進(jìn)行了區(qū)分及預(yù)估分析，得出交互驗(yàn)證相關(guān)系數(shù)結(jié)果均大于0.85，以及相關(guān)系數(shù)結(jié)果均大于0.95的結(jié)論。由此可以看出，近紅外光譜檢測(cè)分析技術(shù)對(duì)于煤質(zhì)分析的應(yīng)用效果十分令人滿意，具有極高的可應(yīng)用價(jià)值。

2.2.3推動(dòng)村民自建土地整治試點(diǎn)項(xiàng)目，讓村民三個(gè)“獲得” 為確保貧困村村民真正受益，創(chuàng)新“村民自建”土地整治試點(diǎn)項(xiàng)目的新舉措，由鄉(xiāng)鎮(zhèn)作為業(yè)主，村支兩委組織實(shí)施，村民特別是貧困村民參與施工的模式，實(shí)施村民自建土地整治試點(diǎn)項(xiàng)目?！按迕褡越ā钡哪Ｊ胶凸ぷ魉悸吩诤照驴h得到了率先體現(xiàn)，產(chǎn)生了實(shí)實(shí)在在的經(jīng)濟(jì)和社會(huì)效益，為讓就地脫貧農(nóng)民有實(shí)際獲得感，每人1畝優(yōu)質(zhì)農(nóng)田整治讓項(xiàng)目區(qū)內(nèi)貧困農(nóng)民實(shí)現(xiàn)“三得”：一得優(yōu)質(zhì)耕地，二得勞務(wù)收入，三得農(nóng)田基礎(chǔ)設(shè)施資產(chǎn)。真正體現(xiàn)“真扶貧”和“扶真貧”的意義。

3 對(duì)于近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中應(yīng)用的展望

通過上述檢驗(yàn)結(jié)果，我們不難看出近紅外光譜檢測(cè)分析技術(shù)對(duì)于我國煤質(zhì)檢測(cè)的重要價(jià)值。雖然目前我國的近紅外光譜技術(shù)及相關(guān)儀器已經(jīng)在加快開發(fā)及研制生產(chǎn)了，但是基于我國近紅外光譜技術(shù)發(fā)展較晚的現(xiàn)狀，還需要我們加快建立出一套完整的煤質(zhì)檢測(cè)分析圖譜數(shù)據(jù)庫，提高國內(nèi)的標(biāo)準(zhǔn)編制，建立完善結(jié)合主成分分析法、ANN人工神經(jīng)網(wǎng)絡(luò)分析法、多元線性回歸法、偏最小二乘法等多種方法的校驗(yàn)方法[7]，提高現(xiàn)有預(yù)測(cè)模型的預(yù)測(cè)精準(zhǔn)度，這樣，才能使我們未來對(duì)近紅外光譜技術(shù)的使用會(huì)達(dá)到效果更佳，范圍更廣的目的。

4 結(jié)束語

隨著科學(xué)技術(shù)的進(jìn)步與發(fā)展，近紅外光譜技術(shù)及相關(guān)儀器逐漸被大范圍的應(yīng)用到我國各行業(yè)的相關(guān)檢測(cè)工作中，如制藥、農(nóng)業(yè)、食品、石化等等領(lǐng)域。但是目前總體來說，能夠用于煤質(zhì)分析上的專屬近紅外光譜儀還很少[8]。而且我國當(dāng)前所用的儀器設(shè)備以及所執(zhí)行的技術(shù)檢測(cè)標(biāo)準(zhǔn)，也都相對(duì)落后于國外發(fā)達(dá)國家，嚴(yán)重制約了煤炭質(zhì)檢部門對(duì)相關(guān)近紅外光譜技術(shù)的應(yīng)用，不能很好的滿足當(dāng)下煤炭行業(yè)的發(fā)展需要。因而，需要大家共同努力，有關(guān)技術(shù)單位應(yīng)該加快相關(guān)專屬煤質(zhì)檢測(cè)的近紅外光譜儀的研發(fā)，質(zhì)檢部門應(yīng)該重新完善相關(guān)檢測(cè)標(biāo)準(zhǔn)，為實(shí)現(xiàn)近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的切實(shí)應(yīng)用提供保障，為提高我國煤質(zhì)檢測(cè)工作能力，并促進(jìn)我國能源的高效開采及使用作出貢獻(xiàn)。

[1]張林.近紅外光譜對(duì)煤粉在線檢測(cè)系統(tǒng)的研究與設(shè)計(jì)[D].中北大學(xué),2014.

[2]陳鵬強(qiáng).煤質(zhì)內(nèi)部成分的近紅外光譜定量檢測(cè)和分析研究[D].中北大學(xué),2014.

[3]寧石茂.近紅外光譜煤質(zhì)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].煤質(zhì)技術(shù),2016,1(3):1-3.

[4]高楠.論近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用[J].能源與節(jié)能,2016,(2):186-187.

[5]陳民.近紅外光譜分析技術(shù)在煤質(zhì)分析中的應(yīng)用[J].科技創(chuàng)新導(dǎo)報(bào),2015,(34):100-101.

[6]張輝,鐘志光,張海峰等.近紅外光譜技術(shù)在煤質(zhì)分析中的應(yīng)用及展望[J].潔凈煤技術(shù),2015,21(6):40-42,51.

[7]張林,陸輝山,閆宏偉等.煤質(zhì)的近紅外光譜定量分析研究[J].紅外技術(shù),2013,35(8):522-525.

[8]王圣毫,李智,鄭維平等.煤質(zhì)近紅外光譜分析過程中預(yù)處理方法及模型的選擇[J].煤質(zhì)技術(shù),2012,(5):1-4.

Application of Near-infrared Spectroscopy in Coal Quality Analysis

(Laboratory of Coal Geology Bureau of Guizhou Province,Guizhou Guiyang 550081, China)

Coal is a kind of mineral which has close connection with people's production and life. The extent of new energy development is limited, therefore,coal is still our first choice for energy use. The coal quality plays a key role in the use of coal. The traditional methods of coal quality detection and analysis have many disadvantages, such as low efficiency, high detection cost, complicated follow-up treatment and so on. Compared with traditional methods, near-infrared spectroscopy (NIRS) has many advantages, such as simple operation, low cost and high accuracy and so on, so it is more suitable for coal quality testing and analysis. In this paper, application situation of the near-infrared spectroscopy technology in coal quality analysis was introduced, and development trend of coal quality testing technology was prospected.

near infrared spectroscopy; coal quality detection; application; prospect

O 657

A

1004-0935（2017）03-0312-03

2016-12-28