来源：期刊VIP网 时间：
作者：陈艺恒;卓建坤;李影;李刚;李水清;姚强;
单位：新疆大学电气工程学院;清华大学热科学与动力工程教育部重点实验室;江苏鹏飞集团股份有限公司;
摘要：低阶煤的热解是实现煤炭多联产和梯级利用的重要技术路线之一。通过机器学习的方法预测煤热解产物半焦的产率及硫含量，获得控制硫迁移的主要影响因素，为实现煤热解智能运行控制提供理论支撑。采用随机森林法、梯度提升回归法和极限梯度提升3种算法构建预测模型，发现极限梯度提升法在单目标和双目标预测中整体表现最佳。特征重要性分析揭示，热解参数对半焦硫含量及半焦产率的影响显著高于煤炭本身性质，其中热解气氛和热解温度是关键因素。部分依赖性分析进一步量化热解条件对半焦产率及其硫含量的影响，发现最佳热解条件组合为热解温度700℃、加热速率12.5℃/min、停留时间30 min,在此热解条件组合下可实现最高硫去除率32%。研究将机器学习应用于煤热解参数优化，为低阶煤热解提供理论指导和实践参考。
关键词：低阶煤;;热解;;机器学习;;硫含量;;半焦产率
基金资助：江苏省碳达峰碳中和科技创新专项(BA2022203)
