基于温度预测模型对煤矿井下煤气化(UCG)火灾风险预防

总第190期2020年第6期
山西化工
SHANXI CHEMICAL INDUSTRY
Total190
No.6,2020
奏题讨谑DOI：10.16525/l4-1109/tq.2020.06.22
基于温度预测模型对煤矿井下煤气化
（UCG）火灾风险预防
王良
（同煤集团朔州煤电公司，山西朔州038300）
摘要：研究了利用多元自适应回归样条法进行温度预报，从而对活动矿井井下开采过程中的火灾进行预
防。

主要目的是通过火星温度预测模型，根据实验期间每小时测量的不同参数的信息，在一个小时内预
测合成气的温度。

研究表明，人工智能的使用，尤其是监督学习预测技术（如MARS模型等），将使活动
矿井煤地下气化（UCG）降低火灾风险，同时在煤层气开采过程中获得最佳的合成气质量。

关键词：煤地下气化（UCG）火灾风险预防；增温剂；温度预测；多元自适应回归样条
中图分类号.TD75文献标识码:A文章编号:1004-7050（2020）06-0064-03
1研究背景
本文提出了利用火星温度预测模型预测煤地下气化过程中最关键的参数温度，即解决在活动矿山地下开采过程对温度的控制。

因为天然气液化是一个强放热过程，提高合成气的质量，需要较高的温度。

Hamanaka等皿也表明，在煤炭地下气化效率或能量回收率过程中可以通过增加反应温度和扩大气化面积增加输出质量。

因此，保持较高的温度且没有超过安全限度避免火灾的风险是一项至关重要的技术。

2数据来源
针对5.4m厚煤层（位于大约460m深）进行试验，气化试验持续了60d,理论最大的煤炭气化能力600kg/h,相当于3MW气体焙值。

表1给出了风干煤煤层特点。

为了测试几种替代方法并探索如何提高生产率，实验采用了不同的气化剂：空气、空气和氧气、空气和CO、空气和氮气及空气和水。

试验的主要阶段为冷却前的1343h,其主要阶段为：
a）第一阶段：用烟火药点火后，煤通过富氧空气点火。

这个阶段持续了193h。

b）第二阶段：气化剂为空气。

在这一阶段，由
表1风干煤煤层特点
参数质量分数/%
挥发性物质29.9
水分 3.0
固定碳62.9
碳76.8
氢 4.1
氮 1.3
硫0.8
灰 4.3
水分9.7
低热值/MJ・kg"128.9
于一个分离器的冷凝水平过高，出现了技术故障。

通过增加空气量来重新开始操作。

这个阶段持续了695h。

c）第三阶段：气化剂为空气和二氧化碳，测试二氧化碳的行为。

这个阶段持续了120h。

d）第四阶段：气化剂为空气，在二氧化碳阶段后对反应器进行再加热。

这个阶段持续了173h。

e）第五阶段:气化剂为空气和氮气，通过逐渐增加氮气比例启动实验灭火。

这个阶段持续了162h o f）第六阶段:气化剂为氮气，用于灭火和冷却试验。

该阶段持续时间超过500h,不被认为是实验的特定部分。

由于实验是在一个活跃的矿井中进行的，所以它的设计要满足所有的采矿安全要求。

此外，国家也对地质反应器出口气体的最高温度进行规定⑵。

为了防止发生火灾,温度被设定在550°C O此外，当温度在600°C以上时，如果工艺气体泄漏到通道中，也有自燃的可能。

收稿日期：2020-07-08
作者简介：王良，男，1986年出生，毕业于山西大同大学，本科，工程师，从事煤矿安全生产管理工作。

2020年第6期王良：基于温度预测模型对煤矿井下煤气化（UCG ）火灾风险预防・65・
3模型来源
火星模型最初是由Ref ⑶引入的。

这类模型属
于一组多元非参数回归技术，这些技术根据具体数 据调整其参数。

采用分段多边形方法建立了火星模型。

通过将基函数拟合到X 的不同区间。

多项式
的连接点用t 表示，称为节点、击穿点或节。

为了确定应该参与模型的基本函数或它们的估 计重要性，MARS 使用了通用交叉验证（GCV ）O 通
过计算每个变量的模型子集九的数目，计算剩余平 方和（RSS ）的均值，除以一个惩罚，这个惩罚取决于
模型的复杂性弘5
用于开发火星模型来预测本次实验温度的工具
是R 语言，使用EARTH 工具包，它是由MDA 衍生 而来。

为了开发图形，使用了 GGPLOT2工具包。

4实验结果
预测模型对温度值的鲁棒性是通过对模型进行
5次独立的再训练来确定的，每次都使用数据集的 80%作为训练子集，并对剩下的20%进行验证。

随后，在实验的各个阶段建立火星模型，分析影
响预测精度的因素和原因。

尽管火星模型建立了仅使用的数据从第一阶段 气化剂使用富氧空气，该模型能够预测温度的值提 前1 h 的差异小于11 °C 在95%的情况（见表2）。

这个阶段持续了 193 h o
表2实验各阶段实际值与预测值之间的绝对差的百分比
表中95%百分比值，即为分析中使用的值，比 用整个实验的数据所作的预测更好。

图1为实验第 一阶段所用气化剂的温度和用量。

阶段25%50%75%80%85%
90%95%99%
1
0.6 1.2
3.1 3. 6 3. 9
4.3
10. 6
14. 8
20.9 2.0 4.5 5. 67. 210. 2
18.327. 2
3
0.6 1.0 2.1 2. 6
3. 3 3. 6
5. 0
5. 2
4 1.1
2. 2
3.9
4.7
6. 3
7.47.713. 05
0.7 2.4 4.5
5.4 5. 9
6. 610. 311. 66 5.7
6. 09.0
10. 6
11. 3
12. 1
12. 6
13. 5
然而第二阶段时，气化剂使用的是空气，能够获
得的模型计算温度提前一小时只有的差异小于
19 °C 在95%的情况下（见表2）。

这个阶段持续了 695 h,因此在实验中是最长的阶段。

这种较低的精度可能与此阶段发生的技术故障 有关，这是由于一个分离器的冷凝水平过高，导致实
验温度范围更大。

o o o o o o o o o o o o n ^.
840628406284 4443322211 p q 、s )d u !Q H
26 51 76 101 126 151 176
time/h
Air in 02_in —Temp out
图1实验第一阶段的实际温度和气化剂用量
然而,与实验其他阶段的模型相比，第二阶段模 型的准确性是最好的。

图2为同期真实值与预测值
的温度散点图。

图2同一时间对应的实验第二阶段的实际（Temp_out ）
与预测值（Temp_outPl ）的温度散点图
第三阶段，持续120 h,使用空气和二氧化碳作 为气化剂。

在这种情况下，得到的模型能够在95%
的情况下提前1 h 计算出温度，且差异小于5 °C （见表2）。

图3为实验第三阶段所用气化剂的温度
和用量。

第66页图4给出了与图2相同尺度下，这
一阶段的温度真实值散点图与同期的预测值，以解 释相对于第二阶段的精度差异。

00000000000000^
28406284062845444332221113 25 37 49 61 73 85 97 109 121
time/h
zAir_in O2_in —Temp out
图3实际温度和气化剂在实验三阶段使用的数量
第四阶段，在二氧化碳阶段结束后，以空气为气 化剂对反应器进行再加热，持续173 h,所得到的模型 能够在95%的情况下提前1 h 计算出温差小于8 °C
的温度（见表2）。

在这种情况下，预测比使用整个
实验数据时要好,但差异很小。

这可能是由于，使用 空气作为唯一的气化剂，类似于第二阶段，
但没有使
山西化工
sxhgbjb@ 126. com ・66・
第40卷
Temp outPl
图4同一时间对应的实验第三阶段的真实值(Temp_out)
与预测值(Temp_outPl)的温度散点图
用其他气化剂的特殊情况下,没有技术停机时间。

第五阶段通过逐渐增加氮气比例启动实验灭 火。

在此情况下，得到的模型能够在95%的情况下 提前1 h 计算出温差小于11 °C (见表2)。

此外,在这种情况下，由于参数之间的关系更稳
定，只有空气和N2,所以比使用整个实验的数据得 到了更好的预测使用。

第六阶段仅使用气化剂Nas 对实验进行了熄灭 和冷却。

在这种情况下，所得到的模型不能用所有 的实验数据来改善温度预测。

在95%的情况下，提 前1 h 估计了温度，误差小于13 °C (见表2)。

5结论
本研究的重点是使用多变量自适应回归样条
(MARS)方法，煤矿试点开发的实验数据，利用
UCG 过程中的温度预测模型。

实现了活动矿井防
止火灾风险，同时在煤层气开采过程中获得最佳的 合成气质量。

为了描述这个问题，输入变量以小时为单位进
行测量:不同气化剂的用量、合成气的总流量和组 成、温度和热值。

输出变量是一小时前的合成气
温度。

在95%的情况下，预测的合成气温度差小于
15 °C 。

该模型在经过5次再训练后证明了一致性，
使用80%的数据集作为训练子集，其余20%用于
验证。

在实验的不同阶段在较低的温度范围和较稳定 的气化剂使用情况下，可以获得较好的预测结果。

总而言之，火星模型能够高精度地预测气化过程参 数之间的相互作用，即使只有少量的观测，并且在关
于气化剂的数量和组成不断变化的环境中也能做
到。

在预期的一小时内预测合成气的温度，将在活 动矿井内进行地下天然气的开采，在获得最佳合成 气质量的同时，充分防止火灾风险。

参考文献：
[1]
Friedman J H. Multivariate adaptive regression splines [J]. Ann Stat, 1991,19 : 67.
[2] 郭长洋.某煤气化项目高层封闭气化厂房火灾风险评 价方法[J].武警学院学报，2013(6):48-50.
[3]
Hamanaka A, Su F Q, Itakura K I, et al. Effect of in ­
jection ow rate on product gas quality in underground
coal gasification (UCG) based on laboratory scale ex ­
periment :development of co-axial UCG system [J].
Energies ,2017,10:3390.
[4]
马晓飞，王永兵.地下煤气化技术的发展与应用[J]. 中国化工装备，2013, 15(2):27-30,48.
[5] 张森.基于渗流模型的煤炭地下气化数值模拟及优化
[D].武汉：华中科技大学，2017.
Prevention of coal mine coal gasification (UCG) fire risk based on
temperature prediction model
WANG Liang
(Shuozhou coal Electricity Co. , Ltd. , Datong Coal Mine Group Co. , Ltd. , Shuozhou Shanxi 038300, China)
Abstract : This paper studies the use of multiple adaptive regression spline method for temperature prediction, so as to prevent
the fire in the process of underground mining in active mine. The main purpose is to predict the temperature of syngas within
one hour by using Martian temperature prediction model based on the information of different parameters measured every hour during the experiment. In particular, the use of artificial coalbed methane (MAG) technology to predict the quality of coalbed
methane (CBM) during the mining process, especially the use of artificial coalbed methane (MAG) technology, will reduce the risk of coalbed methane production. At the same time, the best synthetic gas quality can be obtained in the process of CBM
exploitation.
Key words : underground coal gasification (UCG) fire risk prevention ； warming agent ； temperature prediction ； multivariate a-
daptive regression
spline。