KR101100589B1 - 코크스의 고온 강도 예측방법 - Google Patents
코크스의 고온 강도 예측방법 Download PDFInfo
- Publication number
- KR101100589B1 KR101100589B1 KR1020090079863A KR20090079863A KR101100589B1 KR 101100589 B1 KR101100589 B1 KR 101100589B1 KR 1020090079863 A KR1020090079863 A KR 1020090079863A KR 20090079863 A KR20090079863 A KR 20090079863A KR 101100589 B1 KR101100589 B1 KR 101100589B1
- Authority
- KR
- South Korea
- Prior art keywords
- coke
- high temperature
- temperature strength
- csr
- raw coal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000000571 coke Substances 0.000 title claims abstract description 84
- 239000003245 coal Substances 0.000 claims abstract description 69
- 238000002156 mixing Methods 0.000 claims abstract description 26
- 238000013329 compounding Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims abstract description 18
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 7
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 abstract description 7
- 238000001035 drying Methods 0.000 abstract description 5
- 239000000203 mixture Substances 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 239000013589 supplement Substances 0.000 abstract 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- 230000009257 reactivity Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 150000001722 carbon compounds Chemical class 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 239000004079 vitrinite Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- C—CHEMISTRY; METALLURGY
- C10—PETROLEUM, GAS OR COKE INDUSTRIES; TECHNICAL GASES CONTAINING CARBON MONOXIDE; FUELS; LUBRICANTS; PEAT
- C10B—DESTRUCTIVE DISTILLATION OF CARBONACEOUS MATERIALS FOR PRODUCTION OF GAS, COKE, TAR, OR SIMILAR MATERIALS
- C10B45/00—Other details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/40—Investigating hardness or rebound hardness
- G01N3/54—Performing tests at high or low temperatures
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Organic Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Coke Industry (AREA)
Abstract
본 발명에 의한 코크스의 고온 강도 예측방법은, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조하는 단계, 상기 복수의 배합비로 배합 및 건류하여 제조된 각 코크스의 고온 강도의 실측 데이터들을 수집하는 단계, 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구하는 단계 및 상기 코크스의 고온 강도 예측모델에 의하여 코크스의 고온 강도를 예측하는 단계를 포함한다.
이에 따르면, 본 발명은 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되고, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있는 이점이 있다.
원료석탄, CSR
Description
본 발명은 코크스의 고온 강도 예측방법에 관한 것으로서, 보다 상세하게는 배합탄으로 제조된 코크스의 고온 강도의 실측 데이터들과 배합에 사용된 각 단일 탄종의 원료석탄들의 고온 강도와의 상관관계로부터 코크스의 고온 강도의 예측모델을 구할 수 있는 코크스의 고온 강도 예측방법에 관한 것이다.
일반적으로 고로 제철법에 있어 코크스의 사용은 필수적이고, 고강도의 코크스가 안정적으로 공급하기 위하여 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
높은 미분탄 사용비(Pulverized coal injection ratio), 낮은 코크스비(Coke rate)로 운전되는 대형 고로에서는 코크스의 기계적 강도를 나타내는 상온 강도 뿐만 아니라, 고온 및 화학반응에 대한 저항을 나타내는 반응성 지수(CRI, Coke reactivity index), 고온 강도(Coke strength after CO2 reaction, 이하 'CSR'라 함) 등과 같은 지수도 매우 중요한 지표이다.
하지만, 원료석탄이 배합되어 건류되는 코크스로의 환경상, 단일 탄종 간 배합성의 차이로 인해 예측식과 실측 데이터와 차이가 나게 되어 고온 강도(CSR)에 대한 예측이 어려워지고 그로 인해 코크스의 고온 강도에 관한 품질이 목표로 하는 범위를 벗어나는 경우가 발생하는 문제가 있다.
또한, 코크스의 고온강도를 예측하기 위해 원료석탄의 배합설계 과정에서 활용하는 다양한 배합지표들을 분석하는 데에 많은 시간이 소요되어 예측식을 도출하기가 어려운 문제가 있다.
본 발명은 상기한 바와 같은 종래의 문제점을 해결하기 위한 것으로, 배합탄으로 제조된 코크스의 고온 강도의 실측 데이터들과 배합에 사용된 각 단일 탄종의 원료석탄들의 고온 강도와의 상관관계로부터 코크스의 고온 강도의 예측모델을 구할 수 있는 코크스의 고온 강도 예측방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 의한 코크스의 고온 강도 예측방법은, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조하는 단계, 상기 복수의 배합비로 배합 및 건류하여 제조된 각 코크스의 고온 강도의 실측 데이터들을 수집하는 단계, 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구하는 단계 및 상기 코크스의 고온 강도 예측모델에 의하여 코크스의 고온 강도를 예측하는 단계를 포함한다.
또한 상기 코크스의 고온 강도 예측모델은 하기의 수학식을 만족할 수 있다.
<수학식>
CSRe = 4.1 + 0.95×∑wi×CSRi
(상관계수 R2가 0.88 이상)
[여기서, CSRe는 코크스의 예측 고온 강도(%), wi는 원료석탄의 배합비, CSRi 는 단일 탄종의 고온 강도(%)]
또한, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달 후 2시간일 수 있다.
본 발명에 의한 코크스의 고온 강도 예측방법에 의하면, 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있다.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다.
고로에 투입된 코크스는 철광석을 고로 내에서 녹이는 열원인 동시에 철분을 철광석에서 분리시키는 환원제의 역할을 할 뿐만 아니라, 고로 하부로부터 상부로 흐르는 열풍의 통기성을 유지하는 역할을 하기 때문에, 고강도의 코크스를 안정적으로 공급하는 것은 고로 조업의 기본적 요구 사항이며, 코크스의 품질관리를 위해 코크스의 반응성 지수나 고온 강도를 정확하게 예측하는 것이 무엇보다 중요하다.
상기와 같은 고강도의 코크스를 안정적으로 획득하기 위해서 원료석탄의 배합설계 과정에서 다양한 배합지표를 활용하게 된다.
이와 같은 배합지표로는 석탄의 탄화도를 나타내는 지표로 휘발분(VM, Volatile Matter), 강도지수(SI, Strength Index), 비트리나이트 평균반사율(RM, Mean Reflectance of Vitrinite of Coal Texture) 등이 있고, 점결성을 나타내는 지표로 유동도(LMF, Log Maximum Fluidity), 조직평형지수(CBI, Composition Balance Index), 전팽창(TD, Total Dilatation), 총 불활성성분(TI, Total Inert) 등이 있으며, 그 밖에 회분(ASH) 등이 있다.
상기 배합지표들이 소정의 배합범위에 들도록 배합하여 코크스의 품질 조건, 예를 들면 제조된 코크스의 반응성 지수(CRI, Coke reactivity index), 고온 강도(CSR)가 목표 범위에 들도록 고려하여 원료석탄의 배합 설계를 행한다.
본 발명에서는 고품질의 코크스를 안정적으로 확보하기 위하여, 단일 탄종의 원료석탄을 복수의 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 각 코크스의 고온 강도(CSR)의 실측 데이터들과 단일 탄종의 원료석탄들의 고온 강도(CSR)의 가중평균치를 비교하여, 단일 탄종의 원료석탄들의 고온 강도의 가중평균치로부터 코크스의 고온 강도의 실측 데이터에 관한 회귀계수를 구하여 예측모델을 구함으로써, 코크스의 고온 강도를 예측하는 방법을 제안한다.
먼저, 본 발명의 일 실시예에 따른 코크스의 고온 강도 예측방법에 따르면, 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조한다.
이 때, 상기 복수의 배합비로 배합 및 건류하여 제조된 코크스의 고온 강도의 실측 데이터들을 수집한다.
상기와 같이 수집한 실측 데이터들에 대한 통계적 유의수준을 분석하여 상기 실측 데이터들과 상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치의 관계에 관한 코크스의 고온 강도 예측모델을 구하게 된다.
표 1은 소정의 시험로 조건에서 15종의 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 각 코크스의 고온 강도의 실측 데이터들 및 가중 평균치을 나타내는 표이다.
여기서, 상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도(건류온도): 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달후 2시간으로 하였다.
구체적으로 40kg의 원료석탄이 장입되는 코크스 시험로에서 15종의 단일 탄종의 원료석탄들을 복수의 배합비, 즉 14회에 걸친 서로 다른 배합비로 배합하여 건류하였다.
예를 들어, 1회째의 배합의 경우, 단일탄종 H, I, J, K, L, N을 각각 30 : 30 : 10 : 10 : 10 : 10 (%)의 배합비로 배합한 것이고, 2회째의 배합의 경우, 단일탄종 D, H, I, J, K, L, N을 각각 20 : 21.4 : 21.4 : 7.1 : 10 : 10 : 10(%)의 배합비로 배합한 것이다.
이와 같이 여러 종의 단일 탄종의 원료석탄들을 총 14회에 걸쳐 서로 다른 배합비로 배합 및 건류하여 코크스를 제조한 후, 제조된 코크스의 고온 강도(CSR)의 실측 데이터들을 수집한다. 예를 들면, 1회째의 배합의 경우 제조된 코크스의 고온 강도(CSR)의 실측 데이터는 60.6(%)가 되고, 2회째의 배합의 경우 제조된 코크스의 고온 강도(CSR)의 실측 데이터는 56.4(%)가 된다.
한편, 각 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치를 구하면 다음과 같다.
여기서, CSRavg는 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치(%), wi는 원료석탄의 배합비, CSRi는 단일 탄종의 고온 강도(%)이다. 즉, 예를 들어 1회째의 배합의 경우, 상기 수학식 1에 의할 때, 0.3×65.3 + 0.3×63.2 + 0.1×64.6 + 0.1×68.2 + 0.1×52.7 + 0.1×35.0 = 60.6 이므로 CSRavg 값은 60.6 (%) 가 된다.
이와 같이, 각 회마다의 CSRavg를 계산해보면, 각 회마다의 단일 탄종의 원료석탄들의 고온 강도의 가중 평균치(CSRavg)가 실측 데이터와 일치하지 않음을 파악할 수 있다.
이처럼 이론적으로 산출한 가중 평균치(CSRavg)가 실측 데이터와 차이가 나는 것은 원료석탄이 배합되어 건류되는 코크스로 내 환경에서 단일 탄종 간 배합성에서 차이가 있기 때문이다.
따라서, 상기 각 단일 탄종의 원료석탄의 고온 강도의 가중평균치(CSRavg)와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구한다.
구체적으로, 상기 실측 데이터들과 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)를 비교하여 단계별 회귀분석(Stepwise regression analysis)으로 분석하여, 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)로부터 코크스의 고온 강도의 실측 데이터에 미치는 회귀계수를 구하여 예측모델을 구하였다.
회귀분석을 통해 단일 탄종의 원료석탄들의 고온 강도의 가중평균치(CSRavg)와 제조된 코크스의 예측 고온 강도 사이의 소정의 예측모델이 구해지고, 상기 예측모델은 하기의 수학식 2를 만족하게 된다.
(상관계수 R2가 0.88 이상)
여기서, CSRe는 코크스의 예측 고온 강도(%), wi는 원료석탄의 배합비, CSRi는 단일 탄종의 고온 강도(%)를 의미한다.
도 1은 상기 수학식 2를 만족하는 예측모델을 이용한 CSR 예측값과 실측값 사이의 관계를 나타내는 그래프로서, 직선 L는 CSR 예측값과 실측값이 동일한 값을 나타내는 직선이다.
도 1을 참조하면, A 지점의 경우 CSR 예측값은 약 55.5%, 실측값은 약 56%이고, B 지점의 경우 CSR 예측값은 약 57.5%, 실측값은 약 56.5% 정도이다.
도 1에서 확인할 수 있듯이 A 지점, B 지점 및 그 밖의 지점들이 전체적으로 직선 L 근방에 밀집하고 있으므로, 상기 수학식 2를 만족하는 예측모델을 이용한 예측값과 실측값의 차이는 거의 없음을 알 수 있다.
따라서, 상기 예측모델을 이용하여 예측된 코크스의 고온 강도(CSR) 값이 원하는 코크스 품질조건을 만족하면 잘된 배합으로 간주하고, 예측된 값이 원하는 고온 강도(CSR)를 벗어나는 경우에는 잘못된 배합으로 판단하여 원료석탄의 배합비를 조정하여 원하는 코크스 품질조건을 만족시킬 수 있게 된다.
상기 예측모델을 이용하면 단일 탄종의 원료석탄들의 가중 평균치를 이용하여 용이하게 코크스의 고온 강도를 정확하게 예측할 수 있으므로, 코크스 품질 예측식의 조업 활용도가 증대되는 이점이 있다.
또한, 실제 조업결과로 얻어진 고온 강도 데이터들에 근거하여 코크스의 고온 강도를 예측할 수 있으므로 공정의 특성이 잘 반영되고 예측 정도가 매우 높으며 조업여건 변화에 따라 쉽게 예측모델을 보완할 수 있다.
또한, 이러한 예측모델을 컴퓨터 등에 적용하여 배합공정의 자동화를 시킬 수 있어 코크스 제조원가를 절감할 수 있는 이점이 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
도 1은 본 발명의 예측모델을 이용한 CSR 예측값과 실측값 사이의 관계를 나타내는 그래프이다.
Claims (3)
- 소정의 시험로 조건에서 단일 탄종의 원료석탄들을 복수의 배합비로 배합 및 건류하여 코크스를 제조하는 단계;상기 복수의 배합비로 배합 및 건류하여 제조된 각 코크스의 고온 강도의 실측 데이터들을 수집하는 단계;상기 각 단일 탄종의 원료석탄들의 고온 강도의 가중평균치와 상기 실측 데이터들을 비교하여 코크스의 고온 강도 예측모델을 구하는 단계; 및상기 코크스의 고온 강도 예측모델에 의하여 코크스의 고온 강도를 예측하는 단계를 포함하는 것을 특징으로 하는 코크스의 고온 강도 예측방법.
- 청구항 1에 있어서,상기 코크스의 고온 강도 예측모델은 하기의 수학식을 만족하는 것을 특징으로 하는 코크스의 고온 강도 예측방법.<수학식>CSRe = 4.1 + 0.95×∑wi×CSRi(상관계수 R2가 0.88 이상)[여기서, CSRe는 코크스의 예측 고온 강도(%), wi는 원료석탄의 배합비, CSRi는 단일 탄종의 고온 강도(%)]
- 청구항 1에 있어서,상기 소정의 시험로 조건은, 장입밀도: 750kg/m3, 시험로 내 수분: 8.0±0.3%, 시험로의 온도: 1100℃, 장입시간: 시험로의 중심부 온도가 900℃ 도달 후 2시간인 것을 특징으로 하는 코크스의 고온 강도 예측방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079863A KR101100589B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 고온 강도 예측방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090079863A KR101100589B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 고온 강도 예측방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20110022326A KR20110022326A (ko) | 2011-03-07 |
| KR101100589B1 true KR101100589B1 (ko) | 2011-12-29 |
Family
ID=43930761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090079863A Expired - Fee Related KR101100589B1 (ko) | 2009-08-27 | 2009-08-27 | 코크스의 고온 강도 예측방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101100589B1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101121813B1 (ko) * | 2010-05-28 | 2012-03-21 | 현대제철 주식회사 | 코크스 열간강도 예측 장치 및 방법 |
| KR101649672B1 (ko) * | 2014-12-15 | 2016-08-19 | 주식회사 포스코 | 시료의 품질 예측방법 및 이를 이용한 코크스의 열간강도 예측방법 |
| KR102253088B1 (ko) * | 2019-04-09 | 2021-05-14 | 포항공과대학교 산학협력단 | 코크스 열간 강도의 추정 방법 |
| CN114609180A (zh) * | 2022-02-14 | 2022-06-10 | 湖南华菱涟源钢铁有限公司 | 一种高炉焦炭的综合热性能的检测方法 |
-
2009
- 2009-08-27 KR KR1020090079863A patent/KR101100589B1/ko not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| KR20110022326A (ko) | 2011-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105062531B (zh) | 炼焦原料应用性分类和综合质量评价及其指导配煤方法 | |
| KR101100589B1 (ko) | 코크스의 고온 강도 예측방법 | |
| CN110387444B (zh) | 一种优化高炉喷吹配煤结构的方法 | |
| CN106190209B (zh) | 一种预测配合煤冶炼焦炭中硫分的方法 | |
| KR101185279B1 (ko) | 코크스의 냉간 강도 예측방법 | |
| KR101100537B1 (ko) | 코크스의 냉간 강도 예측방법 | |
| KR102299553B1 (ko) | 코크스 냉간강도 예측방법 | |
| KR101225370B1 (ko) | 코크스의 반응성 지수 예측방법 | |
| KR101205026B1 (ko) | 코크스의 고온 강도 예측방법 | |
| CN104655819A (zh) | 焦炭热反应性的预测方法 | |
| Stankevich et al. | Predicting CSR and CRI of coke on the basis of the chemical and petrographic parameters of the coal batch and the coking conditions | |
| KR101121813B1 (ko) | 코크스 열간강도 예측 장치 및 방법 | |
| KR101377773B1 (ko) | 코크스 입경 예측방법 | |
| KR102144195B1 (ko) | 배합탄의 반사율 분포지수 도출방법 | |
| KR101466475B1 (ko) | 코크스의 회분 예측방법 | |
| KR101205108B1 (ko) | 코크스 제조용 원료탄의 유동도 예측방법 | |
| KR102299551B1 (ko) | 배합탄의 냉간강도 반사율 분포 지수 도출방법 | |
| KR101466481B1 (ko) | 코크스 공정의 황화수소 발생량 예측방법 | |
| KR100352588B1 (ko) | 용융가스화로슬래그의점도추정방법 | |
| CN115859024B (zh) | 一种预测煤基氏流动度特征参数的方法 | |
| KR101160023B1 (ko) | 코크스의 고온 강도 예측방법 | |
| Lauzon-Gauthier et al. | Multivariate monitoring of the prebaked anode manufacturing process and anode quality | |
| Lauzon-Gauthier et al. | A Database approach for predicting and monitoring baked anode properties | |
| KR102772518B1 (ko) | 슬래그 점도 추정 방법 | |
| RU2355730C1 (ru) | Способ определения оптимального состава угольной шихты для коксования |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20090827 |
|
| A201 | Request for examination | ||
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 20100225 Comment text: Request for Examination of Application Patent event code: PA02011R01I Patent event date: 20090827 Comment text: Patent Application |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20111118 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20111222 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20111222 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |
Termination category: Default of registration fee Termination date: 20151109 |