一种煤堆发火期的计算方法和煤场防自燃监测系统的制作方法
【技术领域】
[0001] 本发明涉及计算机数据处理领域，具体涉及一种煤堆发火期的计算方法和煤场防 自燃监测系统。
【背景技术】
[0002] 煤炭自燃是自然界存在的一种客观现象，从化学中可知，自燃是物质在空气中发 生氧化作用而自动发生燃烧的现象，而燃烧则是物质剧烈氧化而发光、发热的一种化学现 象，由此可知，煤炭自燃是煤长期与空气中的氧接触，发生物理、化学作用的结果。
[0003] 为改变传统露天条形煤场要相应增大场地面积来提高贮煤量、减少对周边空气水 源污染等问题，封闭式圆形煤场以其能提高场地利用率，增加贮煤容量，缩小占地面积， 环保性能突出，以及其配套设备技术先进、程控水平高等特点而被广泛运用。封闭式圆形 煤场优点很多，但缺点也同样突出：封闭式圆形煤场里煤堆易发生自燃，自燃明火及烟气 对煤场安全生产有严重威胁，同时自燃还会造成重大的经济损失。因此需要采取有效的措 施监测储煤期间煤炭自燃的趋势，确保煤场的安全运行。
[0004] 现有技术通常是利用温度传感器监测煤场煤堆的温度，然后通过温度直接判断煤 堆的状态，并进行预警。但是煤堆自燃过程非常复杂，一般要经过潜伏期、自热期和燃烧期 三个阶段，潜伏期温度变化较小，无法通过监测温度的变化预测自燃发生时间，而自热期煤 温上升急剧加快，此时可能已造成损失。
【发明内容】
[0005] 本发明所要解决的问题是现有技术不能准确地预测煤堆自燃发生时间。
[0006] 为解决上述问题，本发明提供了一种煤堆发火期的计算方法，包括：
[0007] 根据煤堆温度、所述煤堆的高度、所述煤堆顶部到中心的距离、所述煤堆的堆积角 度、所述煤堆的圆周角度、煤的密度、煤的含碳量、煤的挥发分含量计算热损失值；
[0008] 利用所述煤堆温度、所述热损失值、煤的比热容、煤的热导率计算煤堆发火期。
[0009] 优选地，所述根据煤堆温度、所述煤堆的高度、所述煤堆顶部到中心的距离、所述 煤堆的堆积角度、所述煤堆的圆周角度、煤的密度、煤的含碳量、煤的挥发分含量计算热损 失值包括：
[0010] 利用下列公式计算所述热损失值：
[0012]其中 Q 为所述热损失值，
S2= hcos Θ+2dsin Θ，C = I. 64e L53Cad/ u+0. 79, λ = -〇. 40e 25, h为所述煤堆的高度，d为所述煤堆顶部到中心的距 离，Θ为所述煤堆的堆积角度，α为所述煤堆的圆周角度，p为煤的密度，Cad为煤的含碳 量，Vad为煤的挥发分含量，τ是所述煤堆温度，t(〇是温度系数，a(〇是温度随深度分 布的二次项系数。
[0013] 优选地，所述t(T) = 2·96τ+34·22,所述 a(T) =-12·39τ-9·69。
[0014] 优选地，所述利用所述煤堆温度、所述热损失值、煤的比热容、煤的热导率计算煤 堆发火期包括：
[0015] 利用径向神经网络模型计算所述煤堆发火期，其中所述煤堆温度、所述热损失值、 煤的比热容、煤的热导率为所述径向神经网络模型的输入值，所述煤堆发火期为所述径向 神经网络模型的输出结果。
[0016] 优选地，所述径向神经网络模型的输入层包括所述煤堆温度、所述热损失值、煤的 比热容、煤的热导率；
[0017] 所述径向神经网络模型的隐层输出值为
[0019] 其中，Qm为所述隐层输出值，X为输入层的值，Cni为聚类中心、 〇 "为方差；
[0020] 所述径向神经网络模型的规则层输出值为
[0022] 其中，Z1为规则层输出值，a u是隐层连接权重；
[0023] 所述煤堆发火期为
[0025] 其中，y(X)为所述煤堆发火期，CO1是规则层连接权重，b 1是常数项参数。
[0026] 优选地，所述煤堆温度为所述煤堆表面以下2米处的温度。
[0027] 本发明还提供一种煤场防自燃监测系统，包括：温度采集单元，设置于被监测煤堆 中，用于采集并发送所述煤堆的温度；数据处理端，用于接收所述煤堆的温度，并利用上述 煤堆发火期的计算方法计算所述煤堆的发火期。
[0028] 优选地，所述温度采集单元包括温度传感器、通信模块和判断模块，其中所述温度 传感器用于采集所述煤堆的温度，所述通信模块用于向所述数据处理端发送所述煤堆的温 度，所述判断模块用于判断所述温度传感器采集到的煤堆温度，当所述煤堆温度低于预设 阈值时，关闭所述通信模块，当所述煤堆温度高于预设阈值时，开启所述通信模块。
[0029] 优选地，所述通信模块为Zigbee模块。
[0030] 优选地，所述温度采集单元设置在所述煤堆表面以下2米处。
[0031] 根据本发明提供的煤堆发火期的计算方法和煤场防自燃监测系统，通过煤堆的多 种实际物理参数计算出煤堆的热损失值，然后利用当前的煤堆温度、煤堆的热损失值、煤的 比热容、煤的热导率准确地计算出煤堆发火期，以便相关人员清楚地了解煤堆将要发生自 燃的时间，以便在煤堆自然之前进行处理，由此可以提高储煤场所的安全性。
[0032] 本发明利用径向神经网络模型计算所述煤堆发火期，以煤堆温度、煤堆热损失值、 煤的比热容、煤的热导率作为径向神经网络模型的输入值，煤堆发火期为径向神经网络模 型的输出结果，由于径向神经网络模型具有极强的非线性逼近能力，能够真实地刻画出输 入变量与输出变量之间的非线性关系，因此利用径向神经网络模型计算出的发火期更准 确。
【附图说明】
[0033] 为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合 附图，对本发明作进一步详细的说明，其中
[0034] 图1是根据本发明实施例的煤场防自燃监测系统结构图；
[0035] 图2是利用本发明实施例的煤堆发火期的计算方法计算出的煤堆热损失曲线图；
[0036] 图3是本发明实施例的煤堆发火期的计算方法应用的径向神经网络模型结构示 意图。
【具体实施方式】
[0037] 图1示出了一种煤场防自燃监测系统，该系统包括数据处理终端12和多个温度采 集单元11，温度采集单元11设置在煤堆之中，并通过有线或无线方式向数据处理终端12发 送温度信息。
[0038] 本发明实施例提供一种煤堆发火期的计算方法，该方法可以由上述数据处理终端 执行，该方法包括如下步骤：
[0039] S1，获取某个煤堆当前的温度，以及该煤堆的多种物理数据，具体是煤堆高度、煤 堆顶部到中心的距离、煤堆的堆积角度、煤堆的圆周角度、煤的密度、煤的含碳量、煤的挥发 分含量；其中，温度信息可以通过上述温度采集单元获取，其它物理信息可以通过测量获 取，为了使最终计算结果更加准确，上述温度优选为煤堆表面以下2米处的温度，例如对于 较高的煤堆可以将上述温度采集单元设置在煤堆顶部以下2米处，经过现场试验测定，煤 堆表面以下2米处是最易发生自燃的区域，升温最快。
[0040] S2,利用上述信息计算热损失值Q，本领域技术人员可以理解，热损失值是指物体 向外界散失的热量，热损失值的计算方法有多种，针对不同的物体，应当利用物体的形状、 物理参数等特性计算热损失值，本发明可以利用任意一种现有的计算方法计算热损失值Q。 而为了使计算结果更准确，本实施例提供一种针对煤堆的热损失值计算方式，即本发明可 以按照下列公式进行计算：
[0042] 其中，
S2= hcos Θ+2dsin Θ，C = I. 64e L53Cad/Vad+0. 79，λ = -0.40ea72ead/Vad+0.25，h为煤堆的高度，d为煤堆顶部到中心的距离，θ为煤堆的堆积角 度，a为煤堆的圆周角度，ρ为煤的密度，Cad为煤的含碳量，Vad为煤的挥发分含量，τ 是煤堆温度，t(〇是温度系数，取值随温度增加而增大，通过实验测定可优选为t(〇 = 2. 96 τ +34. 22, a( τ )是温度随深度分布的二次项系数，取值随温度增加而减小，通过实验 测定可优选为a( τ ) = -12. 39 τ -9. 69。
[0043] 图2示出了多个不同煤种的热损失曲线，其中每一条曲线是一个煤堆的热损失曲 线，图中横轴表示时间，纵轴表示热损失值，单位为MJ/kg，上述计算方式充分考虑了煤堆以 及煤种的特性，计算出的热损失值更加准确且有针对性。
[0044] S3,利用当前的煤堆温度、上述热损失值、煤的比热容、煤的热导率计算煤堆发火 期，上述四种数据与煤堆发火期的关系并非线性关系，因此应当利用具有非线性逼近能力 的算法，以上述煤堆温度、热损失值、煤的比热容、煤的热导率为输入值，计算出煤堆发火 期，本领域技术人员可以理解，现有的多种神经网络模型均可以用于计算上述煤堆发火期。
[0045] 根据本发明实施例提供的煤堆发火期的计算方法，通过煤堆