Thermodynamic modeling of copper ore processing into matte using borate ores

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The cost of one ton of copper on the London Metal Exchange often reaches 9'000 USD. Such a high price necessitates measures aimed at maximizing the extraction of this metal into final products and minimizing losses. According to open sources, the total amount of copper in technogenic mineral formations of Kazakhmys Corporation LLP (Kazakhstan) is estimated at about 4 million tons. This study proposes measures to reduce copper losses from the pelletizing stage to smelting in metallurgical furnaces. Using full thermodynamic modeling, the effect of boron anhydride and borate ore on the processes of pelletizing, drying, roasting of copper ore concentrates, and matte production was investigated. It was found that the use of B2O3is expected to increase the strength of wet pellets due to the formation of boron anhydride crystal hydrates (H3BO3), which bind ore particles. During drying, the hydrate loses water at 285 K, turning into boron anhydride, which melts at 723 K during roasting, forming a liquid phase. Upon cooling, this phase creates a solid sinter together with other ore components. Metallurgical processing of such boron-containing material is predicted to improve process performance and reduce matte losses due to the formation of low-viscosity, highly mobile furnace slags. The proposed borate ore contains montmorillonite, a clay mineral typical of bentonites, which ensures sufficient strength of wet pellets for transport from the pelletizing unit to the roasting equipment. The presence of low-melting borate ore in the pellets promotes the formation of a liquid phase during roasting, which solidifies into a strong sinter. As with B2O3, metallurgical smelting is expected to benefit from reduced matte losses due to the formation of lighter, more fluid slags. The calculations and modeling conducted confirm the high potential of the proposed approach for industrial implementation.

Негізгі сөздер

Авторлар туралы

A. Kim

Chemical and Metallurgical Institute named after Zh. Abishev

Email: boron_213@mail.ru
Karaganda, Kazakhstan

A. Akberdin

Chemical and Metallurgical Institute named after Zh. Abishev

Email: boron_213@mail.ru
Karaganda, Kazakhstan

R. Sultangaziev

Chemical and Metallurgical Institute named after Zh. Abishev

Email: boron_213@mail.ru
Karaganda, Kazakhstan

A. Orlov

Chemical and Metallurgical Institute named after Zh. Abishev

Email: boron_213@mail.ru
Karaganda, Kazakhstan

A. Suleimenov

Chemical and Metallurgical Institute named after Zh. Abishev

Хат алмасуға жауапты Автор.
Email: boron_213@mail.ru
Karaganda, Kazakhstan

Әдебиет тізімі

  1. Katrenov B.B. Ispol’zovanie mednogo kuporosa v kachestve svyazuyushchego pri poluchenii okatyshей iz mednogo kontsentratа. Materialy mezhdunar. nauch.-prak. konf. “VII chteniya Mashkhur Zhusipa”. Pavlodar: PGU, 2010.2.pp. 108–114. [In Russian]
  2. Karimova L.M. Poluchenie veroyatnostnoy modeli dinamicheskoy prochnosti okatyshей chernovogo mednogo kontsentratа iz zabalansovoy rudy // Vestnik Magnitogorskogo gosudarstvennogo tekhnicheskogo universiteta im. G.I. Nosova. 2012.4 (40).pp. 19–22. [In Russian]
  3. Karimova L.M. Opredelenie prochnosti granul chernovogo mednomolibdenovogo kontsentratа mestorozhdeniya “Tastau” // Izvestiya vuzov. Tsvetnaya metallurgiya. 2013.3.pp. 13–18. [In Russian]
  4. Karimova L.M., Zhumashev K.Zh., Kayralapov E.T. Izuchenie prochnostnykh kharakteristik okatyshей iz chernovogo mednogo kontsentratа zabalansovoy rudy pri ispol’zovanii v kachestve svyazuyushchego rastvor serynoy kisloty. Spetsproekt: analiz naukovykh doslidzhen’: materialy VI Mizhnar. nauk.-prakt. internet-konferentsiyi, Dnipropetrovsk, 2011.3.pp. 56–60. [In Russian]
  5. Paramonov A.I. Osnovy tekhnologii briketirovaniya i okuskovaniya rud. M.: Nedra, 1987. [In Russian]
  6. Levin Ya.I., Vitkovskiy A.A. Tekhnologiya aglomeratsii rud i kontsentratov. M.: Metallurgiya, 1990. [In Russian]
  7. Zaytsev V.Ya. Fiziko-khimicheskie osnovy protsessa aglomeratsii. M.: Nauka, 1976.
  8. Pogorelov Yu.A., Kovalenko V.I. Tekhnologiya obogashcheniya i okuskovaniya mednykh rud. Almaty: Nauka, 2002. [In Russian]
  9. Akberdin A.A. Izbrannye trudy. Karaganda: Ekozhan, 2008. [In Russian]
  10. Udalov Yu.P. Primenenie programmnуkh kompleksov vychislitel’noy i geometricheskoy termodinamiki v proektirovanii tekhnologicheskikh protsessov neorganicheskikh veshchestv: uchebnoe posobie. SPb.: SPbGTI(TU), 2012. [In Russian]
  11. Trusov B.G. Programmnaya sistema TERRA dlya modelirovaniya fazovykh i khimicheskikh ravnovesiy pri vysokikh temperaturakh. III Mezhdunar. simpozium “Gorenie i plazmokhimiya”, 24–26 avgusta 2005. Almaty: Kazak universiteti, 2005.pp. 52–57. [In Russian]
  12. Vanyukov A.V., Zaytsev V.Ya. Shlaki i shteyny tsvetnoy metallurgii (svoystva rasplavov i puti snizheniya potery metallov so shlakami). M.: Metallurgiya, 1969. [In Russian]
  13. Rasslaivanie faz i poteri tsvetnykh metallov [Elektronnyy resurs]. – Rezhim dostupa: https://helpiks.org [In Russian]
  14. Borovik A.I., Kurbanov B.A. Svyazuyushchie materialy v tekhnologii aglomeratsii i briketirovaniya. M.: Nedra, 1981. [In Russian]
  15. Tkachev V.P., Alimov V.A. Mekhanika razrusheniya okatyshей: osnovy prochnosti aglomeratov. Ekaterinburg: UrO RAN, 2003. [In Russian]
  16. Dyakonov N.M. Modelirovanie prochnosti poristykh materialov. ovosibirsk: Nauka, 2006. [In Russian]
  17. Yin W., Wang Y., Zhang L. Strength prediction of iron ore pellets using artificial neural networks // Minerals Engineering. 2015. Vol.74.P. 52–57.
  18. Chen X., Li J., Liu Q. Effect of binders on the mechanical strength of iron ore pellets // Powder Technology. 2019. Vol.345. P. 695–702.
  19. Zhao H., Liu Y. Thermodynamic analysis of sulfuric acid as binder in pellet production // Journal of Thermal Analysis and Calorimetry. 2021. Vol.145. P. 303–311.
  20. Bogoslovskiy N.I., Patrushev Yu.M. Teoriya aglomeratsii. M.: Metallurgiya, 1985. [In Russian]

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

© Russian Academy of Sciences, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».