著录项信息
专利名称 | 基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统 |
申请号 | CN201210138243.2 | 申请日期 | 2012-05-07 |
法律状态 | 权利终止 | 申报国家 | 中国 |
公开/公告日 | 2012-08-15 | 公开/公告号 | CN102636285A |
优先权 | 暂无 | 优先权号 | 暂无 |
主分类号 | G01K11/30 | IPC分类号 | G;0;1;K;1;1;/;3;0查看分类表>
|
申请人 | 成都理工大学 | 申请人地址 | 四川省成都市成华区二仙桥东三路1号
变更
专利地址、主体等相关变化,请及时变更,防止失效 |
权利人 | 成都理工大学 | 当前权利人 | 成都理工大学 |
发明人 | 丁卫撑;其他请求不公开姓名 |
代理机构 | 暂无 | 代理人 | 暂无 |
摘要
本发明提供了一种基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,具体包括:根据煤炭气化范围在地表土壤中布置阵列式探测点;在阵列式探测点上采用多参数壤氡α能谱测量系统进行壤氡实时连续累积测量;在其中设定数量的探测点上采用热电偶作地下气化炉煤层温度同步测量;采用数据处理算法进行壤氡多参数特征信息提取;并建立特征信息神经网络学习样本库;根据地表阵列式测点的壤氡多参数实测值采用神经网络方法获取地下气化炉各点的温度值;采用专用数据处理软件画出地下气化炉温度等值线,从而获得地下气化炉的温度场。该方法所使用的壤氡测量系统结构简单,测量方案实施方便,能较为准确的获取煤炭地下气化炉温度场的目的。
1.基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法,其特征在于:具体包括根据煤炭气化范围在地表土壤中布置阵列式探测点S101;在阵列式探测点上采用多参数壤氡α能谱实时测量系统进行壤氡实时连续累积测量S102;在其中设定数量的探测点S202上采用热电偶作地下气化炉温度同步测量S103;采用数据处理算法进行壤氡多参数特征信息提取S104;建立特征信息神经网络学习样本库S105;根据阵列式探测点的壤氡多参数实测值采用神经网络方法获取地下气化炉煤层各点的温度值S106;采用专用数据处理软件画出地下气化炉煤层温度等值线,从而获得地下气化炉的温度场S107;多参数壤氡α能谱实时测量系统包括若干个扩散累积式数据采集器、ZigBee无线星状网络、现场数据管理终端、GPRS无线通信网络以及室内监控中心;扩散累积式数据采集器通过ZigBee无线星状网络与现场数据管理终端建立连接,将测量数据发送到现场数据管理终端,由其集中进行管理;现场数据管理终端通过GPRS无线通信网络,与室内监控中心建立连接,在室内能通过GPRS无线通信网络获得现场阵列式测点的多参数壤氡α能谱实时测量数据;现场数据管理终端同时能测量煤炭气化区的地表温度、湿度、气压以及地表降雨、风速;扩散累积式数据采集器基于地下氡气静态扩散静电累积原理,进行连续实时累积α能谱测量,同时能进行壤中温度、湿度、气压测量;每个探测点上扩散累积式数据采集器在一个保护腔体的保护下,直接安置于距地表约200cm左右坑洞中,坑洞口用泥包封住。
2.根据权利要求1所述的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法,其特征在于:所述的采用数据处理算法进行壤氡多参数特征信息提取指的是通过小波分析法、相关分析法、特征树搜索法及非线性量化预处理法数据处理手段对已获取的阵列式壤氡多参数测量数据进行特征相关分析、特征选取搜索及非线性量化预处理,提取相关系数大的某些类型的数据,采用基于主成分分析方法提取特征值构建特征向量。
3.根据权利要求1所述的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法,其特征在于:所述的建立特征信息神经网络学习样本库,指的是将通过数据处理算法提取到多参数壤氡特征向量构成阵列式矩阵,并与典型探测点地下煤炭气化炉煤层温度的热电偶测量值一同输入神经网络样本库,进行煤炭气化炉煤层温度识别前神经网络训练。
4.根据权利要求1所述的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法,其特征在于:所述的壤氡多参数特征信息包括壤中气压、壤中温度、壤中湿度、地面湿度、地面温度、地面气压、地表风速、地表降雨、壤中氡浓度、岩层本底镭含量、土壤本底镭含量、土壤含水率、土壤孔隙度、岩层密度、土壤粒度、土壤容重、土壤密度以及典型探测点气化炉煤层中温度值信息。
基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取\n方法和系统\n技术领域\n[0001] 本发明涉及煤炭地下气化领域,具体涉及煤炭开采过程中地下气化炉温度场获取方法和技术。\n背景技术\n[0002] 我国缺油少气,但煤炭资源丰富,是世界上最大的煤炭生产国和消费国。采用先进成熟的煤炭气化技术来提高煤炭的洁净高效利用是协调解决煤炭利用效率和生态环境问题以及保障我国能源安全的正确选择。\n[0003] 煤炭地下气化是直接对地下蕴藏的煤炭进行可控制性的燃烧,产生煤气后输出地面的一种能源开采方式。与传统的采煤方式相比,地下气化采煤可以更大限度的利用煤炭资源,并且安全、环保、高效,具有非常显著的经济效益;尤其是其还适用于用常规方法不可开采或者开展不经济的煤层,以及煤矿的二次或多次复采,因此受到广泛的重视。目前正由实验性开采向商业性开展转变的最后突破。而商业性地下气化采煤遇到的主要瓶颈是生产的可燃气体的浓度、组分和热值不稳定,无法保证产品品质的一致。为解决这一问题需要有效的监控地下煤层燃烧气化状态,从而有效控制燃烧过程。\n[0004] 目前传统的监控方法是通过对生产的合成气的温度、压力、流量、气体组分等能间接反应地下气化炉燃烧状态的参数进行测量,利用这些数据对地下气化炉内的燃烧状态进行分析与推测,但是该测量方法只是间接的对地下气化炉内的燃烧状态进行分析与推测,因此,推测的结果可能与实际情况并不相符。地下温度场可以直接反映地下气化炉燃烧过程中的温度分布状态,而最高温度区域则为地下气化炉燃烧中心,即可以根据最高温度区域确定火焰位置,并可以确定该燃烧中心的火焰温度。\n[0005] 研究表明,随温度的升高,氡的析出量在逐渐增大,氡的析出与温度之间有一定的相关关系。在煤炭地下气化过程中,在煤层燃烧区产生温度为700~800℃的高温区,这种高温高压条件并非均匀,从而形成温度和压力梯度。在地下,煤层燃烧火焰工作面温度最高,周围则相对较低,这种根据气体运移的原则规律,气体从温度高的地方向温度低的方向运移,从压力大的地方向压力小的地方运移,这样就形成从火焰面方向而向上运移氡气。温度和压力梯度越大,氡气向上运移的速度越快,在热区上方与无热区上方将会出现明显的氡气浓度差异。如果采用合适的手段去探测并提取这一差异信息,就可在地表确定地下煤层燃烧的位置与范围。通过在不同时间段的测量来观测煤炭地下气化炉附近的地表壤氡异常的变化来监测地下煤层的燃烧状态,包括气化炉火焰位置,燃烧范围、炉内温度,进而还可以确定火焰移动的方向和速度。\n[0006] 由于氡气的运移受到多种因素的影响,地表壤中氡气异常具有不确定性、非规则性、非唯一性以及滞后性的特征,加上人们对氡气运移机理的认识还很有局限,以及采用的壤氡测量技术手段的不合理性,因此要利用单一的地表测氡结果来确定地下煤层的温度,从而达到指示地下煤层燃烧状态的目标还有一定的难度。因此建立一套有效的气化采煤进程中地下气化炉温度场获取方法及系统是一种行之有效的技术手段,这将有助于提高煤炭企业的生产效率和生产安全。目前尚未发现有有效的技术手段来解决这一问题的报道,因此本发明所提供的方法是一种创新的方法和技术手段。\n发明内容\n[0007] 目前在气化采煤过程中需要有效监控地下煤层燃烧状态来控制燃烧过程,而地下温度场是最直接反应燃烧状态的关键信息,但直接测量温度场又存在难度。本发明的目的在于针对目前气化采煤这一技术需求,基于壤氡静态扩散静电累积原理,利用阵列式多参数壤氡α能谱实时连续测量数据,采用神经网络的方法获取气化采煤进程中地下气化炉温度场,从而圈定燃烧区,形象地得到地下燃烧区的状态,进而可间接的监控地下火焰的移动、控制气化过程中煤气质量、保持炉内温度的稳定等目的。本发明所提供方法合理,理论基础充分,实现的技术方案成熟可行。\n[0008] 为能达到上述发明目的,所采用的技术方案是基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:具体包括根据煤炭气化范围在地表土壤中布置阵列式探测点S101;在阵列式探测点上采用多参数壤氡α能谱测量系统进行壤氡实时连续累积测量S102;在其中设定数量的探测点S202上采用热电偶作地下气化炉温度同步测量S103;采用数据处理算法进行壤氡多参数特征信息提取S104;建立特征信息神经网络学习样本库S105;根据地表阵列式测点的壤氡多参数实测值采用神经网络方法获取地下气化炉煤层各点的温度值S106;采用专用数据处理软件画出地下气化炉煤层温度等值线,从而获得地下气化炉的温度场S107。\n[0009] 按照本发明提供的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:所述的根据煤炭气化范围在地表土壤中布置阵列式探测点S202,指的是根据煤炭气化区范围选择固定的测线距和测点距布置壤氡多参数α能谱实时测量系统,测线S203方向与气化炉的进气孔S204和出气孔S205连接方向一致。\n[0010] 按照本发明提供的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:所述的多参数壤氡α能谱测量系统包括若干个多参数壤氡α能谱数据器、ZigBee无线星状网络、现场数据管理终端、GPRS无线网络以及室内监控中心;多参数壤氡α能谱数据采集通过ZigBee无线通信网络与现场数据管理中心建立连接,将测量数据发送到现场数据管理中心,由其集中进行管理;现场管理中心通过GPRS无线网络,与室内监控中心建立连接,在室内可通过GPRS无线通信网络获得现场阵列式测点的多参数壤氡α能谱实时测量数据;现场管理中心同时可以测量实验区的地表温度、湿度、气压以及地表降雨、风速;α能谱数据采集器基于地下氡气静态扩散静电累积原理,进行连续实时累积α能谱测量,同时可进行壤中温度、湿度、气压测量;每个探测点上α能谱数据采集器在一个保护腔体的保护下,直接按置于距地表约200cm左右坑洞中,坑洞口用泥包封住。\n[0011] 按照本发明提供的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:所述的采用数据处理算法进行壤氡多参数特征信息提取指的是通过小波分析法、相关分析法、特征树搜索法及非线性量化预处理法等数据处理手段对已获取的阵列式壤氡多参数测量数据进行特征相关分析、特征选取搜索及非线性量化预处理,提取相关系数大的某些类型的数据,采用基于主成分分析方法提取特征值构建特征向量。\n[0012] 按照本发明提供的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:所述的建立特征信息神经网络学习样本库,指的是将通过数据处理算法提取到多参数壤氡特征向量构成阵列式矩阵,并与典型探测点地下煤炭气化炉煤层温度的热电偶测量值一同输入神经网络样本库,进行煤炭气化炉煤层温度识别前神经网络训练。\n[0013] 按照本发明提供的基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法和系统,其特征是:所述的壤氡多参数特征信息包括壤中气压、壤中温度、壤中湿度、地面湿度、地面温度、地面气压、地表风速、地表降雨、壤中氡浓度、岩层本底镭含量、土壤本底镭含量、土壤含水率、土壤孔隙度、岩层密度、土壤粒度、土壤容重、土壤密度以及典型测点气化炉煤层中温度值等信息。\n附图说明\n[0014] 附图1为基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法流程图。\n[0015] 附图2为阵列式探测点布置示意图。\n[0016] 附图3为本发明实施的阵列式多参数壤氡α能谱数据数据获取系统结构图。\n[0017] 附图4为神经网络样本参数构成图。\n具体实施方式\n[0018] 气化采煤是协调解决煤利用率和环境问题的首选。目前商业性气化采煤遇到的主要瓶颈是生产的可燃气体的浓度、组分和热值不稳定。为解决这一问题需有效监控地下煤层燃烧状态来控制燃烧过程,而地下温度场是最直接反应燃烧状态的关键信息,但直接测量温度场又存在难度。煤在气化时的燃烧温度会加速地层中氡的析出,并为氡向地表迁移提供有利条件。实验证明燃烧炉上方有明显的壤氡异常,可通过一种有效壤氡测量方法获取这一异常信息从而间接深入研究煤层燃烧状态的目的。本发明利用阵列式多参数壤氡α能谱实时连续测量数据,采用神经网络的方法获取气化采煤进程中地下气化炉温度场,从而圈定燃烧区,形象地得到地下燃烧区的状态,进而可间接的监控地下火焰的移动、控制气化过程中煤气质量、保持炉内温度的稳定等目的。\n[0019] 下面结合附图对本发明的实施方式进行详细的描述。\n[0020] 图1为一种基于壤氡多参数神经网络技术煤炭地下气化炉温度场获取方法流程图。如图所示,具体包括根据煤炭气化范围在地表土壤中布置阵列式探测点S101;在阵列式探测点上采用多参数壤氡α能谱测量系统进行壤氡实时连续累积测量S102;在其中设定数量的探测点S202上采用热电偶作地下气化炉温度同步测量S103;采用数据处理算法进行壤氡多参数特征信息提取S104;建立特征信息神经网络学习样本库S105;根据地表阵列式测点的壤氡多参数实测值采用神经网络方法获取地下气化炉煤层各点的温度值S106;\n采用专用数据处理软件画出地下气化炉煤层温度等值线,从而获得地下气化炉的温度场S107。\n[0021] 图2为阵列式探测点布置示意图。根据煤炭气化区范围选择固定的测线距和测点距布置壤氡多参数α能谱实时测量系统S201,测线S203方向与气化炉的进气孔S204和出气孔S205连接方向一致。\n[0022] 图3为本发明实施的阵列式多参数壤氡α能谱数据数据获取系统结构图。包括若干个多参数壤氡α能谱数据器、ZigBee无线星状网络、现场数据管理终端、GPRS无线网络以及室内监控中心;多参数壤氡α能谱数据采集通过ZigBee无线通信网络与现场数据管理中心建立连接,将测量数据发送到现场数据管理中心,由其集中进行管理;现场管理中心通过GPRS无线网络,与室内监控中心建立连接,在室内可通过GPRS无线通信网络获得现场阵列式测点的多参数壤氡α能谱实时测量数据;现场管理中心同时可以测量实验区的地表温度、湿度、气压以及地表降雨、风速;α能谱数据采集器基于地下氡气静态扩散静电累积原理,进行连续实时累积α能谱测量,同时可进行壤中温度、湿度、气压测量;每个探测点上α能谱数据采集器在一个保护腔体的保护下,直接按置于距地表约200cm左右坑洞中,坑洞口用泥包封住。\n[0023] 图4为神经网络样本参数构成图。具体包括壤中气压、壤中温度、壤中湿度、地面湿度、地面温度、地面气压、地表风速、地表降雨、壤中氡浓度、岩层本底镭含量、土壤本底镭含量、土壤含水率、土壤孔隙度、岩层密度、土壤粒度、土壤容重、土壤密度以及典型测点气化炉煤层中温度值等信息。通过小波分析法、相关分析法、特征树搜索法及非线性量化预处理法等数据处理手段对已获取的阵列式壤氡多参数测量数据进行特征相关分析、特征选取搜索及非线性量化预处理,提取相关系数大的某些类型的数据,采用基于主成分分析方法提取特征值构建特征向量。将通过数据处理算法提取到多参数壤氡特征向量构成阵列式矩阵,并与典型探测点地下煤炭气化炉煤层温度的热电偶测量值一同输入神经网络样本库,进行煤炭气化炉煤层温度识别前神经网络训练。\n[0024] 以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些不需要创造性劳动就能做出的各种改进和润饰也应视为本发明的保护范围。
法律信息
- 2016-06-22
未缴年费专利权终止
IPC(主分类): G01K 11/30
专利号: ZL 201210138243.2
申请日: 2012.05.07
授权公告日: 2014.03.26
- 2014-03-26
- 2012-11-28
实质审查的生效
IPC(主分类): G01K 11/30
专利申请号: 201210138243.2
申请日: 2012.05.07
- 2012-08-15
引用专利(该专利引用了哪些专利)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 |
1
| |
2010-02-17
|
2009-06-24
| | |
2
| | 暂无 |
1983-09-01
| | |
3
| |
2011-12-21
|
2011-06-20
| | |
4
| | 暂无 |
2009-04-07
| | |
5
| |
2009-03-25
|
2008-10-20
| | |
被引用专利(该专利被哪些专利引用)
序号 | 公开(公告)号 | 公开(公告)日 | 申请日 | 专利名称 | 申请人 | 该专利没有被任何外部专利所引用! |