基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法与流程

本发明涉及碳排放计量领域，尤其涉及一种基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法。

背景技术：

1、在国家“双碳”目标的驱动下，针对材料生产全流程的精确碳排放测定要求越老越高。钒钛磁铁矿的整体采选是多输出生产过程，主要产物包括铁精矿，钛精矿和浮硫钴精矿三种，目前铁精矿产品碳排放计算的实现方案主要有两种，第一种方案为首先将采矿、选铁、选钛过程这三阶段的能耗物耗按阶段分别加和并计算阶段碳排放量，进而将采矿和选铁过程产生的碳排放划归至铁精矿，将选钛过程的碳排放划归至钛精矿，少量产出的浮硫钴精矿不承担采选过程的碳排放；第二种方案将整体采选过程的物耗能耗加和并计算整体碳排放量，以三种精矿产品的产出总质量占比为分配参数将钒钛磁铁矿采选的碳排放进行划归。

2、然而，上述两种方案均不能准确确定铁精矿产品的采选过程碳排放。

3、因此，有必要研究一种基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法来解决上述的一个或多个技术问题。

技术实现思路

1、为解决上述至少一个技术问题，根据本发明一方面，提供了一种基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于包括以下步骤：

2、a将钒钛磁铁矿采选整体过程划分为采矿、选铁和选钛三个过程；

3、采矿过程包括开采和运输工序；选铁过程包括粗碎、中碎、磁滑轮抛尾、细碎、一段磨矿、一段旋流器分级、一段弱磁粗选、二段旋流器分级、二段磨矿和弱磁精选工序；选钛过程包括选钛分级、粗粒筛分、粗粒弱磁选除铁、粗粒强磁选、粗粒分级、粗粒磨矿、粗粒精选、脱水、粗粒浮硫、粗粒浮钛、细粒弱磁选除铁、细粒强磁粗扫选、细粒精选扫选、细粒浮硫和细粒浮钛工序；

4、b分别在目标工序的投入产出传送带布设图像传感器和压力传感器以用于实时测量获取各目标工序投入产出矿料的粒径参数和质量参数；

5、c基于各目标工序投入产出矿料的粒径参数和质量参数确定各目标工序的碳排放量，其中，各目标工序的碳排放量包括采矿过程总碳排放量数据e采，选铁过程总碳排放量数据eb，选钛分级工序碳排放数据e分，粗粒筛分和粗粒弱磁选除铁工序碳排放数据e粗1，细粒弱磁选除铁工序碳排放数据e细1；

6、d确定钒钛磁铁矿采选过程中获得的铁精矿的碳排放量ek；

7、ek等于e采，eb，e分，e粗1，e细1分别乘以相应目标工序的碳排放分配系数并求和；所述碳排放分配系数依次为：

8、

9、

10、

11、

12、其中，①选铁过程产出的经多段磨矿和分选后，铁精矿和选铁尾矿的质量分别记为mfe1和mt；②选钛分级工序后产出的第一粒度的粗粒矿物质量数据记为m粗，第二粒度的粗粒矿物质量数据记为m细；③粗粒弱磁选除铁工序后产出的次铁精矿质量记为mfe2，粗粒弱磁除铁余矿的质量记为m粗余；④细粒弱磁选除铁工序后产出的次铁精矿质量记为mfe3，细粒弱磁除铁余矿的质量记为m细余。

13、根据本发明又一方面，步骤c具体包括基于机器学习的子工序碳排放智能计算模型，根据各目标工序投入产出矿料的粒径参数和质量参数确定各目标工序的碳排放量。

14、根据本发明又一方面，粒度在0.15mm以下的铁精矿和选铁尾矿的质量分别记为mfe1和mt。

15、根据本发明又一方面，粒度大于等于0.074mm的粗粒矿物质量数据记为m粗。

16、根据本发明又一方面，粒度大于0.019mm小于0.074mm的粗粒矿物质量数据记为m细。

17、根据本发明又一方面，粗粒弱磁选除铁工序后产出的粒度小于1mm的次铁精矿质量记为mfe2。

18、根据本发明又一方面，粒度小于1mm的粗粒弱磁除铁余矿的质量记为m粗余。

19、根据本发明又一方面，细粒弱磁选除铁工序后产出的粒度在0.019mm到0.074mm之间的次铁精矿质量记为mfe3。

20、根据本发明又一方面，粒度在0.019mm到0.074mm之间的细粒弱磁除铁余矿的质量记为m细余。

21、根据本发明又一方面，所述目标工序包括采矿过程包括的工序、选铁过程包括的工序、选钛分级工序、粗粒筛分工序、粗粒弱磁选除铁工序和细粒弱磁选除铁工序。

22、本发明可以获得以下一个或多个技术效果：

23、通过分析钒钛磁铁矿的整体采选过程，筛选和确定了与铁精矿碳排放相关的工序类型和工序参量，构建了铁精矿碳排放模型，大大提高了碳排放的测量精确性；

24、针对现有技术中仅对整个采选矿流程计量能耗和物料而无法针对各工序提供相关计量数据的现实，设计了基于机器学习的子工序碳排放智能计算模型，通过训练，可直接依据质量参数和粒度参数来确定各子工序的碳排放，不再依赖子工序的物耗和能耗参数，大大简化了相关数据监测量，无需增设相关检测设备，节省了成本。

技术特征：

1.一种基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于步骤c具体包括基于机器学习的子工序碳排放智能计算模型，根据各目标工序投入产出矿料的粒径参数和质量参数确定各目标工序的碳排放量。

3.根据权利要求1或2所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粒度在0.15mm以下的铁精矿和选铁尾矿的质量分别记为mfe1和mt。

4.根据权利要求3所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粒度大于等于0.074mm的粗粒矿物质量数据记为m粗。

5.根据权利要求4所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粒度大于0.019mm小于0.074mm的粗粒矿物质量数据记为m细。

6.根据权利要求4所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粗粒弱磁选除铁工序后产出的粒度小于1mm的次铁精矿质量记为mfe2。

7.根据权利要求6所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粒度小于1mm的粗粒弱磁除铁余矿的质量记为m粗余。

8.根据权利要求7所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于细粒弱磁选除铁工序后产出的粒度在0.019mm到0.074mm之间的次铁精矿质量记为mfe3。

9.根据权利要求8所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于粒度在0.019mm到0.074mm之间的细粒弱磁除铁余矿的质量记为m细余。

10.根据权利要求9所述的基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，其特征在于所述目标工序包括采矿过程包括的工序、选铁过程包括的工序、选钛分级工序、粗粒筛分工序、粗粒弱磁选除铁工序和细粒弱磁选除铁工序。

技术总结
提供了一种基于物联网的钒钛磁铁矿采选碳排放多层级耦合测定方法，包括以下步骤：a将钒钛磁铁矿采选整体过程划分为采矿、选铁和选钛三个过程；b分别在目标工序的投入产出传送带布设图像传感器和压力传感器以用于实时测量获取各目标工序投入产出矿料的粒径参数和质量参数；c基于各目标工序投入产出矿料的粒径参数和质量参数确定各目标工序的碳排放量；d确定钒钛磁铁矿采选过程中获得的铁精矿的碳排放量Ek。提高了铁精矿的碳排放量的准确性，基于机器学习的子工序碳排放智能计算模型可直接依据质量参数和粒度参数来确定各子工序的碳排放，不再依赖子工序的物耗和能耗参数，大大简化了相关数据监测量，节省了成本。

技术研发人员：蒋本山,凌敏
受保护的技术使用者：北京中创绿发科技有限责任公司
技术研发日：
技术公布日：2024/1/15