Simulation de la réponse à des perturbations de l’alimentation

Cette section présente les réponses simulées du classificateur hydraulique à des perturbations sur le débit, la composition et la distribution granulométrique de l’alimentation. Le débit d’eau à l’alimentation est ajusté pour maintenir un % solide à l’alimentation de 49 %.

V.5.1 Effet du tonnage alimenté

Les résultats de la simulation de l’effet du tonnage alimenté sont présentés au Tableau 21. La simulation porte sur les classificateurs primaires, et s’intéresse au débit d’alimentation sèche qui est ajusté entre 150 t/h et 250 t/h comparativement à un débit de référence de 200 t/h. En pratique, les changements de tonnage d’alimentation sont fréquents puisque le tonnage est ajusté pour maintenir une granulométrie cible pour l’alimentation du circuit de bouletage (voir chapitre II section 2.2.4). La composition et la granulométrie de l’alimentation sont maintenues aux valeurs de référence données à la section V.2.1. La densité du lit est maintenue à 1.9 g/cm³ et le débit d’eau de fluidisation à 1950 L/min pour les simulations initiales. Ces variables opératoires sont ensuite ajustées

Eau de fluidisation

Densité du

lit R-P (%) R-F (%) %SiO₂-svs %Fe-srv Note

1950 1.90 79.2 82.0 1.60 57.25 Référence

2000 1.95 77.0 80.1 1.13 57.24

2000 1.85 81.1 83.7 1.98 57.25

1900 1.95 77.3 80.4 1.18 57.20

1900 1.85 81.6 84.1 2.04 57.16

Facteur R-P (%) R-F (%) %SiO₂-svs %Fe-srv Eau de fluidisation -0.4109 -0.3750 -0.0586 0.0666

Densité du lit -4.2441 -3.6689 -0.8545 0.0079

122

et le procédé est simulé, pour tenter de trouver les conditions qui annulent l’effet du changement de tonnage.

Tableau 21 : Effets simulés du tonnage sur les performances du classificateur.

Les résultats des simulations montrent que le changement de tonnage alimenté influence trois indices de performance stratégiques soient, les rendements poids et fer (R-F) et le % SiO2 de la sousverse (%SiO2-svs). Le simulateur est alors utilisé pour manipuler la densité du lit et le débit d’eau de fluidisation afin de ramener les indices de performance à leur cible respective de 82 % pour le rendement poids et 1.6 % pour le % SiO2 en sousverse. Pour le cas industriel présenté dans cette étude, le débit d’eau à l’alimentation est ajusté pour maintenir le pourcentage solide de l’alimentation à 49 %, mais à titre comparatif ce débit a été maintenu à sa valeur initiale pour la dernière expérience présentée dans le Tableau 22, conduisant à un % solide de 59% pour l’alimentation à 250 t/h.

Les résultats des simulations après ajustement pour ramener les indices de performance à leur cible sont présentés au Tableau 22. Ces résultats montrent que la consigne du débit d’eau de fluidisation peut être ajustée pour compenser la variation du débit d’eau à l’alimentation et qu’il est possible d’ajuster la consigne de densité du lit pour compenser les variations du débit de solide de l’alimentation.

Cela signifie qu’il est possible de compenser la perte de rendement en fer en sousverse, lorsque le tonnage et le débit d’eau à l’alimentation augmentent, en diminuant le débit d’eau de fluidisation. Cette manipulation aura comme conséquence de faire remonter le rendement fer (R-Fe), mais par la même occasion ceci fera augmenter la teneur en SiO2 de la sousverse (%SiO2-svs). En utilisant cette méthode, il ne sera pas possible d’obtenir les mêmes valeurs de rendement et teneur obtenues avec un tonnage inférieur à 200 t/h.

Lorsqu’il est possible de maintenir le débit d’eau à l’alimentation, une commande en anticipation devrait augmenter la consigne de densité du lit pour suivre l’augmentation

Tonnage

[t/h] R-P (%) R-F (%) %SiO2-svs %Fe-srv

200 79.2 82.0 1.60 57.2

150 81.3 84.1 1.73 56.5

250 78.3 81.1 1.55 57.6

123

du tonnage à l’alimentation. Les résultats de ces simulations pourraient être validés en recoupant avec la pratique industrielle, en supposant que ces données soient disponibles sur une base historique, et cela afin de démontrer que l’outil de simulation est effectivement capable de se rapprocher de la réalité industrielle.

Tableau 22 : Ajustement de la densité du lit, du débit d’eau de fluidisation et du débit d’eau à l’alimentation pour compenser des changements de tonnage.

V.5.2 Impact de la composition de l’alimentation

Les simulations de cette section portent sur le classificateur secondaire, et analysent l’effet d’un changement dans la composition et distribution granulométrique de l’alimentation du classificateur. Il est en effet plus que probable que les caractéristiques de l’alimentation du classificateur secondaire changent puisque cette alimentation provient de la surverse des classificateurs primaires, et que les opérateurs ajustent continuellement l’opération des primaires pour garantir les consignes de rendement poids et de teneur en silice de la sousverse. Ces ajustements entrainent des perturbations de la surverse des classificateurs primaires qui viennent impacter le classificateur secondaire. D’ailleurs, les simulations de la section V.3 ont montré qu’effectivement la teneur en fer de la surverse (%Fe-srv) est affectée par les conditions opératoires du classificateur primaire.

Les conditions de débit et de % solides d’alimentation sont les conditions de référence fournies à la section V.2.2. Dans un premier temps, le simulateur est utilisé pour prédire l’impact d’un changement de la teneur en fer de l’alimentation (%Fe-ali), puis de la distribution granulométrique du quartz (%passant 125 µm). Les résultats des simulations de la composition minérale de l’alimentation sont donnés au Tableau 23. Les résultats des simulations montrent qu’une diminution de la teneur en fer de l’alimentation entraine une diminution de la récupération en fer à la sousverse du classificateur secondaire accompagnée d’une augmentation des teneurs en fer de la surverse et de SiO2 en sousverse.

Tonnage Eau à

200 3333 1950 1.90 79.2 82.0 1.605 57.2

150 2500 2000 1.90 80.6 83.4 1.658 56.8

250 4166 1850 1.90 78.6 81.4 1.603 57.5

250 3333 1950 1.93 79.2 82.0 1.596 57.2

124

Cette perturbation produit une diminution de la densité de la pulpe alimentée qui provoque une diminution du débit de sousverse passant de 30 t/h lorsque la teneur est élevée, à 22 t/h dans le cas d’une faible teneur. Comme il a été démontré à la section IV.9, une diminution du débit de sousverse entraîne une diminution de la récupération en sousverse et une augmentation de la vitesse ascendante du fluide. De plus, la simulation a été faite pour des débits massiques de solide constants à l’alimentation, alors qu’une diminution de la teneur en fer a engendré une augmentation du volume de solide alimenté. Ceci démontre que la teneur en fer devrait être surveillée et que des actions devraient être prises lorsqu’elle varie, et comme cette teneur varie en fonction de l’opération des classificateurs primaires un tel contrôle est d’autant plus justifié.

Tableau 23 : Effets de la teneur d’alimentation en Fer sur les performances simulées du classificateur secondaire.

L’effet d’un changement de la granulométrie du quartz dans l’alimentation du classificateur secondaire est montré au Tableau 24. Le changement de granulométrie est caractérisé par la fraction passant la dimension de 125 microns pour le quartz. À la condition de référence (Tableau 16) la fraction passant 125 microns pour le quartz est de 65%. Les résultats de simulations pour des alimentations ayant un % passant 125 µmdu quartz de 75 % (distribution fine) et 55 % (distribution grossière) sont présentés au Tableau 24. La composition de l’alimentation est maintenue aux valeurs de référence (Tableau 17), soient 52.51 % Fe et 23.05 % SiO2.

Tableau 24 : Effets de la granulométrie d’alimentation du SiO2 sur les performances simulées du classificateur secondaire.

référence 52.5 90 1.77 1000 29.7 37.2 5.156 47.12

basse teneur 47.5 90 1.77 1000 24.7 34.1 5.520 41.79

haute teneur 55.6 90 1.77 1000 33.2 39.4 4.703 50.64

%Fe-srv

125

Les résultats des simulations montrent qu’une augmentation de la fraction en particules grossières de SiO2 entraîne une augmentation de la teneur en SiO2 de la sousverse (%SiO2-svs) et une diminution du rendement fer (R-F) en sousverse. On observe le phénomène inverse lorsque l’alimentation est plus fine. Les observations faites avec un flux de particules de SiO2 plus grossières est une conséquence directe de la présence d’une plus grande fraction de particules légères (de gangue) allant à la sousverse qui fait diminuer la densité de la pulpe en profondeur que le simulateur corrige en diminuant du débit de sousverse (~ 1 % variation) et par conséquent provoque une augmentation du débit de surverse. Un comportement inverse se produit avec une alimentation plus fine que la condition de référence. Ces observations tendent à démontrer qu’il serait préférable de suivre ou prédire, avec un modèle, en temps réel les variations de composition du flux alimentant le classificateur secondaire. Un éventuel capteur virtuel pour les caractéristiques de l’alimentation du classificateur secondaire pourrait utiliser l’ouverture de la vanne en sousverse qui est ajustée en fonction de la densité du lit qui dépend des caractéristiques de l’alimentation du classificateur secondaire pour prédire des changements de composition de l’alimentation. Le simulateur pourrait alors être utilisé pour guider le développement d’un modèle de prédiction basé sur l’action de la vanne de sousverse.