📄 화학

Thermal behavior and oxidation kinetics of coal gangue under varying moisture conditions: An experimental and predictive modeling study

본 연구는 적정 수준의 수분(8.61%)은 자가 가열을 촉진하는 반면 과도한 수분(18%)은 이를 억제한다는 수분이 석탄 폐석 산화에 미치는 이중 조절 메커니즘을 규명하고, 분자 역학 시뮬레이션과 그래픽 인터페이스를 통해 지원되는 고정밀 HPSO-GRU 예측 모델을 개발함으로써 자연 발화 위험에 대한 조기 경보를 가능하게 한다.

원저자: WANG Peng, ZHANG Xiu-yuan, Wen-cai WANG, Shuang LIANG, Zhang Shuo, Xiao-lei ZHANG

게시일 2026-10-14

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: WANG Peng, ZHANG Xiu-yuan, Wen-cai WANG, Shuang LIANG, Zhang Shuo, Xiao-lei ZHANG

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

중국의 탄광 곳곳에는 폐석이라 불리는 버려진 암석과 흙이 거대한 더미를 이루며 비바람에 노출된 채 놓여 있습니다. 이것들은 단순히 움직임 없는 더미가 아닙니다. 이들은 화학적으로 활성화되어 있습니다. 시간이 흐름에 따라 공기 중의 산소가 암석 내부의 광물 및 남아 있는 탄소와 반응하며, 이는 열을 생성하는 느린 과정을 거칩니다. 만약 이 열이 배출되지 못하면, 열이 축적되다가 스스로 발화하게 되는데, 이를 자연 발화라고 합니다. 이러한 화재는 독성 가스를 방출하고 공기를 오염시키며, 지반을 불안정하게 만들어 인근 공동체를 위협할 수 있습니다. 이 화재를 막는 핵심은 더미의 내부 온도를 이해하고 온도가 위험할 정도로 높아지는 시점을 예측하는 데 있습니다. 그러나 이 느린 연소 과정 중에 방출되는 가스와 상승하는 온도 사이의 관계는 복잡하며, 암석이 얼마나 젖어 있는지에 따라 달라집니다.

내몽고 과학기술대학교의 연구팀은 특히 수분 함량이 가열 과정에 어떻게 영향을 미치는지에 초점을 맞추어, 이 관계를 해독하기 위해 나섰습니다. 그들은 먼저 현지 광산에서 신선한 유연(coal gangue)을 채취하여 잘게 부순 뒤, 천연 수분을 모두 제거하기 위해 정밀하게 건조했습니다. 그런 다음 정밀한 양의 물을 다시 투입하여 2%의 거의 건조한 상태부터 18%의 축축한 상태까지 다섯 가지 다른 수분 수준을 가진 샘양을 만들었습니다. 이 샘플들은 특수 가마에 담겨 천천히 가열되었으며, 이는 실제 더미의 자연스러운 가열 과정을 모사한 것입니다. 온도가 서늘한 30°C에서 뜨거운 550°C까지 상승함에 따라, 연구원들은 암석에서 빠져나오는 가스를 포집하여 산소, 이산화탄소, 일산화탄소 및 다양한 탄화수소의 수치를 측정했습니다.

실험 결과, 물의 이중적인 역할이 놀랍게도 밝혀졌습니다. 물이 항상 냉각 효과만 준다는 단순한 생각과는 반대로, 연구원들은 적당한 양의 수분이 오히려 가열 과정을 가속화한다는 것을 발견했습니다. 수분 함량이 8.61%일 때, 암석은 산소를 소비하고 열을 가장 빠르게 생성했습니다. 이 상태에서 물 분자는 산소가 암석 표면의 반응 지점 근처로 모이는 것을 돕는 마치 다리(bridge)와 같은 역할을 하여 불이 붙기 더 쉽게 만드는 것처럼 보였습니다. 그러나 수분 함량이 18%로 더 높아지자, 그 효과는 반전되었습니다. 과도한 물은 암석의 미세한 구멍을 막고 활성 부위를 덮어버려, 반응을 질식시키고 열 방출을 늦추는 효과를 냈습니다. 이는 석탄 더미를 매우 젖은 상태로 유지하는 것이 화재를 예방하는 전략이 될 수 있는 반면, 약간 축축한 상태의 더미는 건조한 상태보다 더 위험할 수 있음을 의미합니다.

연구팀은 물 분자가 미시적 수준에서 어떻게 이동하고 암석과 상호작용하는지를 정확히 이해하기 위해 컴퓨터 시뮬레이션을 실행했습니다. 그들은 암석의 주요 광물인 카올리나이트(kaolinite)의 디지털 모델을 구축하고, 다양한 온도에서 물 분자가 어떻게 행동하는지 관찰했습니다. 시뮬레이션은 실험 결과를 확인해 주었습니다. 임계 수분 수준인 8.61%에서 물 분자는 산소가 암석 표면에 더 쉽게 도달하도록 돕는 방식으로 움직였습니다. 하지만 18%에서는 물이 두꺼운 층을 형성하여 산소를 차단함으로써, 반응이 추진력을 얻는 것을 방해했습니다. 이러한 미시적 관점은 가마에서 관찰된 거시적 행동에 대한 명확한 물리적 설명을 제공했습니다.

수분이 화학 작에 어떻게 변화하는지에 대한 이해를 바탕으로, 연구진은 예측이라는 과제에 뛰어들었습니다. 그들은 수분 수준의 변화로 인해 복잡해진 가스 방출량을 기반으로 폐석 더미의 내부 온도를 예측할 방법을 찾아야 했습니다. 그들은 데이터의 시퀀스로부터 학습하도록 설계된 일종의 인공지능과 자신의 설정을 스스로 미세 조정하는 스마트 최적화 알고리즘을 결합한 새로운 컴퓨터 모델을 개발했습니다. 이 모델은 실험 데이터를 통해 훈련되었으며, 가스 수치와 대응하는 특정 온도 사이의 패턴을 인식하는 법을 배웠습니다. 이 시스템은 여러 기존 모델들과 비교 테스트를 거쳤으며, 실제 측정된 온도와 매우 근접한 예측을 보여주며 가장 높은 정확도를 입증했습니다.

연구는 온도를 예측하는 데 있어 가장 중요한 단서가 잔류 산소량과 일산화탄소 및 산소 감소율을 포함하는 특정 비율임을 밝혀냈습니다. 모델이 이 두 요소를 중요하게 다루도록 학습하면서, 이들은 가열 반응의 강도를 나타내는 가장 명확한 신호를 제공했습니다. 이 기술을 엔지니어와 안전 관리자들이 유용하게 사용할 수 있도록, 연구팀은 간단한 컴퓨터 인터페이스를 구축했습니다. 이 도구를 통해 사용자는 현재 수분 수치와 가스 센서의 측정값을 입력하기만 하면, 시스템은 즉시 내부 온도를 계산하고 더미의 가열 단계를 식별합니다. 이 접근 방식은 석탄 더미를 모니터링하는 실용적이고 데이터 중심적인 방법을 제공하여, 자연 발화가 발생하기 전에 조기 경보를 울림으로써 환경과 공공의 안전을 보호하는 데 기여할 수 있습니다.

기술 요약: 다양한 수분 조건에 따른 석탄 폐석(Coal Gangue)의 열적 거동 및 산화 역학

문제 제기
석탄 채굴의 주요 고체 폐기물인 석탄 폐석은 노천 적치 시 장기적인 산화 열 축적으로 인해 심각한 자연 발화 위험을 초래한다. 이러한 현상은 독성 가스를 방출하고 인프라의 안정성을 위협한다. 내부 온도는 조기 경보를 위한 핵심 지표이지만, 가스 발생과 온도 사이의 복잡하고 비선형적인 관계 때문에 정확한 예측이 여전히 어렵다. 더욱이 수분 함량은 산화 역학을 조절하는 결정적인 요소이지만, 농도에 따라 변화하는 이중적 효과를 나타내며 그 메커니즘이 충분히 이해되지 않고 있다. 기존의 예측 모델은 하이퍼파라미터에 대한 민감도, 제한된 일반화 능력, 그리고 수분의 역할을 규명하는 미시적 메커니즘과의 통합 결여라는 문제점을 안고 있다.

연구 방법론
본 연구는 거시적 실험, 미시적 시뮬레이션, 그리고 고급 머신러닝을 결합한 다중 스케일 접근 방식을 채택하였다:

실험적 조사: 다섯 가지 서로 다른 수분 수준(2%, 6%, 8.61%, 12%, 18%)을 가진 석탄 폐석 샘플을 대상으로 프로그래밍된 승온 실험을 수행하였다. 샘야들은 1°C/min의 속도로 30°C에서 550°C까지 가열되었다. 가스 조성( $O_2$ , $CO_2$ , $CO$ , $CH_4$ , $C_2H_6$ , $C_2H_4$ ) 및 복합 지표( $CO/\Delta O_2$ , $C_2H_4/C_2H_6$ 등)는 가스크로마토그래피를 통해 분석되었다.
분자 역학(MD) 시뮬레이션: 미시적 메커니즘을 규명하기 위해, 실험 수분 수준에 대응하는 다양한 물 분자 수를 가진 카올리나이트 구조(주요 광물 상을 대표)를 사용하여 MD 시뮬레이션을 수행하였다. 주요 분석 파라미터로는 분자 응집을 위한 반경 분포 함수(RDF)와 확산 계수를 위한 평균 제곱 변위(MSD)가 포함되었다.
예측 모델링: 하이브리드 입자 군집 최적화-게이트 순환 유닛(HPSO-GRU) 모델을 개발하였다.
- 입력값: 스피어먼 상관 분석을 통해 식별된 6가지 가스 지표( $O_2$ , $CO/\Delta O_2$ , $CO_2$ , $CO$ , $C_2H_4$ , $C_2H_4/C_2H_6$ )와 수분 함량.
- 최적화: 카오틱 초기화, 적응형 관성 가중치, 경사 하강법을 포함하는 HPSO 알고리즘을 사용하여 GRU의 하이퍼파라미터(예: 은닉 뉴런, 학습률)를 전역적으로 최적화하였다.
- 검증: 모델은 2,254개의 데이터 포인트로 학습되었으며, $R^2$ , MAPE, RMSE 및 종합 성능 지수(CPI)를 포함한 지표를 사용하여 벤치마크 모델(GRU, BO-GRU, IGWO-GRU, PSO-GRU, SSA-GRU)과 비교 검증되었다.
응용: 온도 예측 및 산화 단계 식별을 용이하게 하기 위해 MATLAB 기반의 그래픽 사용자 인터페이스(GUI)를 개발하였다.

주요 결과

수분 조절 메커니즘: 수분 함량은 자연 발화에 대해 이중적인 조절 효과를 보인다.
- 촉진: 중간 정도의 수분(특히 8.61%)은 산소 소비, $CO$ 생성 및 열 방출을 극대화하였다. MD 시뮬레이션 결과, 이 수준에서 물 분자는 활성 부위 주변에 $O__2$ 축적을 강화하고 확산 거리를 단축시키는 브릿징 수소 결합 네트워크를 형성하는 것으로 나타났다.
- 억제: 과도한 수분(18%)은 기공 채널을 차단하고 활성 부위를 점유하여 $O_2$ 질량 전달을 방해함으로써 발열 반응을 현저히 억제하였다.
- 분류: 본 연구는 세 가지 수분 영역을 정의하였다: 산화 촉진( $W < 6\%$ ), 고산화( $6\% \le W \le 12\%$ ), 산화 억제( $W > 12\%$ ).
모델 성능: HPSO-GRU 모델은 모든 벤치마크 모델보다 우수한 예측 정확도를 보였다.
- 최대 상대 오차는 **7.8%**였으며, CPI는 0.0464를 기록하여 다른 어떤 모델보다 최적값인 0.01에 근접하였다.
- 표준 GRU와 비교했을 때, HPSO-GRU는 RMSE를 24%, MAPE를 5.5% 감소시켰다.
- 특성 중요도 분석 결과, $O_2$ (31.6%)와 $CO/\Delta O_2$ (27.8%)가 지배적인 예측 인자임을 확인하였으며, 이는 스피어먼 상관 분석 결과와 일치한다.
가스 진화: $CO$ 및 $CO_2$ 생성률은 8.61% 수분에서 정점에 도달하였다. 복합 가스 비율, 특히 $CO/\Delta O_2$ 는 온도와 강한 단조 상관관계를 보였으며, 이는 산화 강도의 효과적인 지표 역할을 하였다.

의의 및 주장
저자들은 본 연구가 석탄 폐석의 자연 발화에 대한 열역학적 역학 평가 및 조기 경보를 위한 이론적 토대와 기술적 지원을 제공한다고 주장한다. 거시적 실험 데이터와 분자 역학을 통합함으로써, 본 연구는 수분이 산소 확산 및 활성 부의 가용성을 조절하는 미시적 메커니즘을 규명하였다. 개발된 HPSO-GRU 모델은 가스와 온도 사이의 비선형 관계 문제를 해결하여 견고한 온도 예측 도구를 제공한다. 동반된 GUI는 이러한 연구 결과를 실무적인 공학 도구로 전환하여, 적치 내부 온도의 신속한 평가와 산화 단계 식별을 돕고 자연 발화 위험 예방에 기여한다.

유사한 논문