این مقاله بر پایه تحلیلهای تخصصی دکتر بابک آلطه، مشاور ارشد حوزه زمینشناسی و ژئومتالورژی، تدوین شده است و به بررسی نقش ژئومتالورژی در بهینهسازی مصرف انرژی، کاهش ردپای کربن و تسهیل گذار صنعت فولاد به تولید کمکربن میپردازد.
مقدمه
در قسمت نخست این مقاله، نقش ژئومتالورژی بهعنوان حلقه اتصال میان زمینشناسی، کانیشناسی، فرآوری و فولادسازی بررسی شد. همچنین نشان داده شد که کیفیت خوراک سنگآهن، نوع کانیها، درجه آزادی، سختی، تخلخل، ترکیب گانگ و قابلیت احیا، همگی میتوانند بر عملکرد زنجیره تولید فولاد و میزان مصرف انرژی اثرگذار باشند.
در قسمت دوم، تمرکز اصلی بر نقش ژئومتالورژی در بهینهسازی مصرف انرژی، کاهش انتشار دیاکسیدکربن، کاربرد هوش مصنوعی در مدلسازی ژئومتالورژیکی و بررسی تجربههای جهانی در مسیر تولید فولاد سبز است.
۱. ژئومتالورژی و بهینهسازی مصرف انرژی در زنجیره فولاد
صنعت فولاد یکی از انرژیبرترین صنایع جهان است و بخش عمده هزینههای عملیاتی و انتشار گازهای گلخانهای آن با مصرف انرژی ارتباط مستقیم دارد. در مسیر گذار به فولاد سبز، کاهش شدت انرژی به یکی از مهمترین اهداف راهبردی شرکتهای معدنی و فولادی تبدیل شده است.
با وجود سرمایهگذاری گسترده در فناوریهایی مانند احیای هیدروژنی، انرژیهای تجدیدپذیر و کورههای قوس الکتریکی، بخش مهمی از فرصتهای کاهش مصرف انرژی همچنان در مرحله مدیریت خوراک معدنی نهفته است.
ژئومتالورژی این امکان را فراهم میکند که انرژی مصرفی کل زنجیره، از استخراج سنگ تا تولید فولاد، بر اساس ویژگیهای ذاتی کانسنگ پیشبینی و مدیریت شود.
۱.۱ مصرف انرژی در زنجیره فولاد
مصرف انرژی در زنجیره فولاد در مراحل مختلفی رخ میدهد. بهطور تقریبی، سهم مراحل مختلف از مصرف انرژی به شرح زیر است:
| مرحله | سهم تقریبی از مصرف انرژی |
|---|---|
| معدنکاری | ۳ تا ۸ درصد |
| خردایش و آسیاکنی | ۲۵ تا ۴۵ درصد |
| فرآوری و تغلیظ | ۵ تا ۱۰ درصد |
| گندلهسازی | ۱۵ تا ۲۵ درصد |
| احیای مستقیم | ۲۰ تا ۳۵ درصد |
| فولادسازی | ۱۰ تا ۲۰ درصد |
این ارقام نشان میدهند که بخش قابل توجهی از انرژی پیش از ورود خوراک به واحد فولادسازی مصرف میشود. بنابراین، فرصتهای ژئومتالورژیکی عمدتاً در مراحل بالادستی قرار دارند.
۱.۲ کاهش انرژی در معدنکاری و خردایش
نخستین اثر ژئومتالورژی بر مصرف انرژی در مرحله استخراج ظاهر میشود. ویژگیهایی مانند مقاومت فشاری تکمحور، شاخص بار نقطهای، تخلخل، هوازدگی و سختی سنگ بر انرژی مورد نیاز برای حفاری، آتشباری، بارگیری و حملونقل اثرگذار هستند.
در مرحله خردایش و آسیاکنی، پارامترهایی مانند موارد زیر اهمیت دارند:
- شاخص کار باند یا Bond Work Index
- شاخص شکستگی
- مقاومت مکانیکی سنگ
- شاخص سایش
- درجه آزادی کانیهای آهندار
خردایش یکی از بزرگترین مصرفکنندگان انرژی در کارخانههای فرآوری سنگآهن است. اگر خوراک کارخانه شامل مخلوطی از سنگهای نرم و سخت باشد، مصرف انرژی افزایش یافته، ظرفیت کارخانه کاهش پیدا کرده و نوسانات عملیاتی تشدید میشود.
مدل ژئومتالورژیکی میتواند دامنههای سنگ نرم، متوسط و سخت را شناسایی کند. در نتیجه، برنامه خوراکدهی میتواند بهگونهای طراحی شود که مصرف ویژه انرژی کاهش یابد.
۱.۳ جلوگیری از خردایش بیش از حد
یکی از مهمترین منابع اتلاف انرژی در کارخانههای فرآوری، خردایش بیش از حد یا Overgrinding است.
اطلاعات حاصل از سامانههایی مانند QEMSCAN، MLA و Automated Mineralogy امکان تعیین اندازه بهینه آزادی برای هر دامنه معدنی را فراهم میکند. اگر اندازه آزادی بهدرستی تعیین شود، میتوان از آسیاکنی غیرضروری جلوگیری کرد و مصرف انرژی را کاهش داد.
به بیان ساده، هدف ژئومتالورژی این نیست که همه خوراک تا یک اندازه ثابت خرد شود؛ بلکه هدف این است که هر نوع کانسنگ فقط تا اندازهای خرد شود که برای آزادسازی مؤثر کانیهای آهندار لازم است.
۱.۴ بهینهسازی انرژی در گندلهسازی
گندلهسازی یکی از بزرگترین مصرفکنندگان انرژی حرارتی در زنجیره سنگآهن است. مصرف انرژی در این مرحله بهشدت تحت تأثیر کانیشناسی خوراک قرار دارد.
کنسانترههای مگنتیتی در هنگام پخت دچار اکسیداسیون گرمازا میشوند و بخشی از انرژی مورد نیاز فرآیند را تأمین میکنند. در مقابل، کنسانترههای هماتیتی فاقد این مزیت هستند و به سوخت بیشتری نیاز دارند. کنسانترههای گوتیتی نیز به دلیل دهیدراسیون، انرژی بیشتری مصرف میکنند.
مدلهای ژئومتالورژیکی میتوانند نسبت مگنتیت به هماتیت، درصد گوتیت، میزان رطوبت و سطح ویژه را پیشبینی کنند. بر اساس این اطلاعات، میتوان خوراک بهینه برای گندلهسازی طراحی و مصرف گاز طبیعی را کاهش داد.
۱.۵ بهینهسازی انرژی در احیای مستقیم
در واحدهای احیای مستقیم، انرژی صرف گرمکردن گندله، تولید گاز احیاکننده و انجام واکنشهای احیا میشود. مهمترین متغیر ژئومتالورژیکی در این مرحله، قابلیت احیا است.
گندلههایی که قابلیت احیای بالاتری دارند:
- زمان ماند کوتاهتری در راکتور دارند
- گاز طبیعی یا هیدروژن کمتری مصرف میکنند
- بازده انرژی بالاتری ایجاد میکنند
- انتشار کربن کمتری دارند
در فناوریهای فولاد سبز مبتنی بر هیدروژن، اهمیت ژئومتالورژی بیشتر نیز میشود، زیرا نفوذ هیدروژن در ساختار گندله به تخلخل، اندازه منافذ و ریزساختار داخلی وابسته است.
۱.۶ شاخص شدت انرژی ژئومتالورژیکی
برای ارزیابی کمی اثر ژئومتالورژی بر مصرف انرژی، میتوان شاخصی تحت عنوان شدت انرژی ژئومتالورژیکی یا Geometallurgical Energy Intensity تعریف کرد.
این شاخص نشان میدهد که برای تبدیل یک تن کانسنگ به محصول فولادی، چه مقدار انرژی در کل زنجیره مصرف میشود.
در یک مدل پیشرفته، هر بلوک معدنی میتواند دارای یک مقدار GEI باشد. بنابراین، ذخیره معدنی نهتنها بر اساس عیار، بلکه بر اساس شدت انرژی نیز طبقهبندی میشود.
این رویکرد امکان برنامهریزی معدن بر اساس مصرف انرژی را فراهم میکند؛ موضوعی که در اقتصاد کمکربن آینده اهمیت زیادی خواهد داشت.
۲. نقش ژئومتالورژی در کاهش انتشار CO₂ و تولید فولاد سبز
کاهش انتشار دیاکسیدکربن به مهمترین محرک تحول فناوری در صنعت فولاد تبدیل شده است. فولاد سبز تنها به معنای جایگزینی سوختهای فسیلی با انرژی تجدیدپذیر نیست، بلکه به معنای کاهش انتشار در کل زنجیره ارزش است.
ژئومتالورژی میتواند یکی از مؤثرترین ابزارهای کاهش انتشار CO₂ باشد، زیرا بسیاری از عوامل تعیینکننده ردپای کربن فولاد، ریشه در ویژگیهای زمینشناسی و کانیشناسی ماده معدنی دارند.
۲.۱ منابع اصلی انتشار کربن در زنجیره فولاد
انتشار CO₂ در زنجیره فولاد از چند منبع اصلی ایجاد میشود:
- مصرف سوخت ماشینآلات در معدنکاری
- مصرف برق در خردایش و آسیاکنی
- مصرف انرژی در فرآوری و فیلتراسیون
- مصرف گاز طبیعی در گندلهسازی
- تجزیه کربناتها در حرارتدهی
- مصرف گاز طبیعی یا هیدروژن در احیای مستقیم
- مصرف برق و مواد کمکی در فولادسازی
از دیدگاه ژئومتالورژی، ردپای کربن فولاد از زمینشناسی ذخیره آغاز میشود. دو کانسنگ با عیار مشابه میتوانند به دلیل تفاوت در سختی، کانیشناسی، قابلیت احیا و ترکیب گانگ، ردپای کربنی کاملاً متفاوتی داشته باشند.
۲.۲ نقش کانیشناسی در انتشار CO₂
مگنتیت به دلیل واکنش اکسیداسیون گرمازا در کوره گندلهسازی، میتواند مصرف سوخت و انتشار کربن را کاهش دهد.
گوتیت به دلیل داشتن آب ساختاری، انرژی بیشتری برای دهیدراسیون نیاز دارد و میتواند مصرف سوخت را افزایش دهد.
کربناتهایی مانند کلسیت و دولومیت در زمان حرارتدهی مستقیماً CO₂ آزاد میکنند. بنابراین، حضور کربناتها نهتنها مصرف انرژی را افزایش میدهد، بلکه منبع مستقیم انتشار کربن نیز محسوب میشود.
۲.۳ کاهش انتشار کربن در خردایش، گندلهسازی و احیا
در خردایش، شناسایی دامنههای نرمتر و جلوگیری از آسیاکنی غیرضروری میتواند مصرف برق و انتشار غیرمستقیم CO₂ را کاهش دهد.
در گندلهسازی، انتخاب خوراکی با ترکیب کانیشناسی مناسب میتواند نیاز به سوخت را کاهش داده و استحکام مطلوب گندله را حفظ کند.
در احیای مستقیم، هرچه قابلیت احیای گندله بیشتر باشد، زمان ماند، مصرف گاز و انتشار کربن کاهش مییابد. در آینده نیز با توسعه احیای هیدروژنی، طراحی ریزساختار مناسب گندله برای بهبود نفوذ هیدروژن اهمیت بیشتری خواهد یافت.
۲.۴ شاخص کربن ژئومتالورژیکی
برای کمیسازی اثر ژئومتالورژی بر انتشار کربن، میتوان شاخصی به نام شاخص کربن ژئومتالورژیکی یا Geometallurgical Carbon Index تعریف کرد.
این شاخص میزان انتشار CO₂ مربوط به هر بلوک معدنی را در کل زنجیره معدن تا فولاد نشان میدهد. در این چارچوب، میتوان هر بلوک معدنی را نهتنها از نظر عیار و ارزش اقتصادی، بلکه از نظر ردپای کربن نیز رتبهبندی کرد.
این رویکرد با مفهوم Mine-to-Steel Carbon Footprint همسو است؛ یعنی محاسبه ردپای کربن از لحظه استخراج سنگ تا تولید فولاد نهایی.
۳. کاربرد هوش مصنوعی در ژئومتالورژی سنگآهن
ژئومتالورژی مدرن یک مسئله دادهمحور است. حجم زیادی از دادههای زمینشناسی، کانیشناسی، مکانیکی و فرآیندی باید به یک مدل پیشبینیکننده رفتار تبدیل شوند.
به دلیل پیچیدگی روابط بین ویژگیهای ذخیره معدنی و عملکرد فرآیندهای خردایش، فرآوری، گندلهسازی و احیا، روشهای آماری کلاسیک همیشه پاسخگوی نیازهای صنعتی نیستند. در این شرایط، هوش مصنوعی و یادگیری ماشین میتوانند نقش مهمی ایفا کنند.
۳.۱ معماری داده در ژئومتالورژی هوشمند
یک معماری داده یکپارچه برای ژئومتالورژی معمولاً شامل چهار لایه است:
- لایه زمینشناسی
شامل لاگ حفاری، لیتولوژی، ساختارها و دادههای ژئوفیزیکی - لایه کانیشناسی
شامل دادههای QEMSCAN، MLA، درصد کانیها و درجه آزادی - لایه مکانیکی و فرآیندی
شامل Bond Work Index، شاخص شکستگی، شاخص سایش، دادههای خردایش، آسیاکنی و جدایش - لایه انرژی و کربن
شامل شاخص کیفیت گندله، شاخص قابلیت احیا، شاخص شدت انرژی و شاخص کربن ژئومتالورژیکی
۳.۲ پیشبینی انرژی و کربن با یادگیری ماشین
یکی از مهمترین کاربردهای هوش مصنوعی در ژئومتالورژی، پیشبینی مستقیم مصرف انرژی و انتشار CO₂ برای هر بلوک معدنی است.
مدلهای یادگیری ماشین میتوانند روابط پیچیده میان متغیرهایی مانند سختی، کانیشناسی، درجه آزادی، ترکیب گانگ و قابلیت احیا را شناسایی کرده و خروجیهایی مانند مصرف انرژی، کیفیت گندله، قابلیت احیا و ردپای کربن را پیشبینی کنند.
در نتیجه، هوش مصنوعی میتواند به ابزاری برای تصمیمگیری عملیاتی در تولید فولاد سبز تبدیل شود.
۴. مطالعات موردی: سوئد، استرالیا و کانادا
۴.۱ سوئد و پروژه HYBRIT
پروژه HYBRIT یکی از پیشرفتهترین پروژههای فولاد سبز در جهان است که با همکاری شرکتهای SSAB، LKAB و Vattenfall توسعه یافته است. هدف این پروژه، تولید فولاد بدون استفاده از سوختهای فسیلی و جایگزینی کربن با هیدروژن سبز در فرآیند احیای سنگآهن است.
در سوئد، ذخایر مگنتیتی با عیار بالا و ناخالصی کم، خوراک مناسبی برای گندلهسازی و احیای هیدروژنی فراهم میکنند. این موضوع نشان میدهد که موفقیت فناوریهای فولاد سبز بهشدت به کیفیت ژئومتالورژیکی خوراک وابسته است.
۴.۲ استرالیا
استرالیا یکی از بزرگترین تولیدکنندگان سنگآهن جهان است، اما بسیاری از ذخایر آن شامل هماتیت با عیار متوسط، مواد دگرسانشده و ناخالصیهای بالاتر هستند.
در این شرایط، ژئومتالورژی میتواند نقش تعیینکنندهای در تفکیک دامنههای کمانرژی و پرانرژی، بهینهسازی اختلاط خوراک، کاهش مصرف انرژی خردایش و کنترل نوسانات کیفیت خوراک داشته باشد.
۴.۳ کانادا
کانادا دارای ذخایر متنوع سنگآهن، بهویژه در منطقه Labrador Trough است. تنوع کانیشناسی و تغییرپذیری بالای ذخایر باعث شده است ژئومتالورژی در مدیریت کیفیت خوراک نقش بسیار مهمی داشته باشد.
در پروژههای کانادایی، تمرکز اصلی بر تولید گندله با کیفیت بالا، بهینهسازی انرژی پخت، توسعه احیای مستقیم با گاز طبیعی کمکربن و هیدروژن ترکیبی است.
۵. نتیجهگیری
گذار به فولاد سبز صرفاً یک تحول در فناوری احیا یا تغییر منبع انرژی نیست، بلکه نیازمند بازطراحی بنیادین ارتباط میان زمینشناسی، کانیشناسی، فرآوری و متالورژی است.
در گذشته، ارزش یک ذخیره سنگآهن عمدتاً بر اساس عیار، تناژ، هزینه استخراج و بازیابی فرآوری تعریف میشد. اما در چارچوب فولاد کمکربن، ارزش واقعی یک ذخیره باید بر اساس سه محور همزمان سنجیده شود:
- ارزش اقتصادی
- شدت انرژی
- ردپای کربن
در این دیدگاه، ممکن است یک بلوک کمعیار اما کمانرژی و کمکربن، نسبت به یک بلوک پرعیار اما پرانرژی، ارزش راهبردی بیشتری داشته باشد.
ژئومتالورژی میتواند بهعنوان زیرساخت فنی گذار به فولاد کمکربن عمل کند؛ زیرا دادههای زمینشناسی و کانیشناسی را به شاخصهای قابل تصمیمگیری در حوزه انرژی، کربن و کیفیت محصول تبدیل میکند.
به همین دلیل، آینده فولاد سبز نهتنها به فناوریهای متالورژیکی، بلکه به شناخت عمیقتر از رفتار ژئومتالورژیکی ذخایر سنگآهن وابسته خواهد بود.