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。
[0046] 由于径向基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，因此本实施例优选利用径向神经网络模型计算煤堆发火 期，上述煤堆温度、热损失值、煤的比热容、煤的热导率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。
[0047] 如图3所示，径向神经网络有4层，依次为输入层、隐层、规则层和输出结果，除输 出结果外的3层均有多个节点，在本实施例中，输入层节点为4个，即煤堆温度、热损失值、 煤的比热容和煤的热导率；
[0048] 隐层输出为
[0050] 其中，Ωηι为隐层输出值，X为输入层的值，Cn、σ n均为径向基函数的参数，c n为聚 类中心，为方差，σ "值越小，宽度越窄，函数越具有选择性，实际计算中可根据样本点均 值和方差设定径向基参数的初始值，再通过训练过程调整参数值。如果隐层结点数过少，网 络不能具有必要的学习能力和信息处理能力。反之，若过多，不仅会大大增加网络结构的复 杂性，根据相关文献m的取值优选为2η+1，其中η为输入层结点个数（η = 4);由此，隐层有 9个节点（Ω1-Ω9)，即利用Π -Χ4计算出Ω1-Ω9;
[0051] 规则层输出为
[0053] 其中，Z1为规则层输出值，a u为隐层连接权重，即利用上述Ω1-Ω 9计算出Z1-Zn ;
[0054] 煤堆发火期为
[0056] 其中，y(X)为煤堆发火期，CO^b1均为径向基函数的参数，ω i是规则层连接权重， h是常数项参数。
[0057] 本领域技术人员应当理解，上述径向神经网络模型是经过训练确定的，训练的对 象是上述径向神经网络模型中的各种参数，各个参数的初始值可以随机初始化，然后通过 样本数据不断修正，直至实际发火期与样本数据发火期的误差小于预设值为止。具体的训 练过程如下：先对实际自燃样本的输入数据进行正规化变化，即分别将其转化为〇~1之 间的量，并设定一个随机的网络连接强度序列，一并带入上述公式计算出预期的煤堆发火 值。同时根据实际发火日期与预期值之间的偏差对权重等系数进行调整。用多个煤堆的样 本数据对网络进行反复训练，直至各样本预测结果的误差均小于预设阈值（例如5% )，认 为网络达到收敛。通过样本的不断训练，预测误差不断缩小，经过离线训练完成的网络用来 对各个煤堆自燃发火期进行实时预测，最终预测误差率控制在5 %之内。
[0058] 本发明的另一个实施例还提供一种煤场防自燃监测系统，返回图1所示，该系统 包括：
[0059] 温度采集单元11，设置于被监测煤堆中，用于采集所述煤堆的温度，煤场中通常有 多个煤堆，实际应用时，可以在每个煤堆中分别设置至少一个温度采集单元，以便对所有煤 堆同步监控。
[0060] 数据处理端12,用于利用前一实施例中的煤堆发火期的计算方法计算煤堆的发火 期。
[0061] 根据本发明实施例提供的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，由此可以提高触媒场所的安全性。
[0062] 为了达到节能的效果，上述温度采集单元11包括温度传感器和通信模块，通信模 块优选为无线通信模块，更优选地，可以利用zigbee模块。温度采集单元11还可以包括判 断模块，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。由此，温 度传感器可以根据温度的变化自适应的切换睡眠状态和通信状态，从而降低温度采集单元 的功耗。
[0063] zigbee模块的功耗较低，但是通信距离较近，因此实际应用时还可以设置一个路 由节点13来收集各个温度采集单元11通过zigbee网络发送的温度信息，然后路由节点 13可以使用功耗较大、通信距离较远的通信方式将收集到的温度信息发送给数据处理端 12。
[0064] 此外，数据处理端12还可以通过无线网络向温度采集单元11发送查询或者控制 命令，并通过路由节点接收温度采集单元11反馈的信息；数据处理端12还可以接收并显示 温度采集单元11的监测数据、实时显示网络拓扑结构，发送控制命令并显示查询结果，还 具有历史数据查询及统计信息显示功能，以及将数据保存至数据库的功能。同时，数据处理 端12可以通过与电厂分布式控制系统进行实时通信，实现存取煤的控制。
[0065] 显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对 于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或 变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或 变动仍处于本发明创造的保护范围之中。
【主权项】
1. 一种煤堆发火期的计算方法，其特征在于，包括： 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； 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。2. 根据权利要求1所述的方法，其特征在于，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： 利用下列公式计算所述热损失值：其中Q为所述热损失值，^+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。3. 根据权利要求2所述的方法，其特征在于，所述t ( τ )= 2. 96 τ +34. 22,所述a ( τ ) =_12. 39 τ _9. 69〇4. 根据权利要求1所述的方法，其特征在于，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： 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。5. 根据权利要求4所述的方法，其特征在于，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； 所述径向神经网络模型的隐层输出值为其中，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； 所述径向神经网络模型的规则层输出值为其中，Z1为规则层输出值，a u是隐层连接权重； 所述煤堆发火期为其中，y(X)为所述煤堆发火期，W1是规则层连接权重，1^是常数项参数。6. 根据权利要求1-5中任一项所述的方法，其特征在于，所述煤堆温度为所述煤堆表 面以下2米处的温度。7. -种煤场防自燃监测系统，其特征在于，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，并利用权利要求1-6中任一项所述的方法计 算所述煤堆的发火期。8. 根据权利要求7所述的系统，其特征在于，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。9. 根据权利要求8所述的系统，其特征在于，所述通信模块为Zigbee模块。10. 根据权利要求6-9中任一项所述的系统，其特征在于，所述温度采集单元设置在所 述煤堆表面以下2米处。
【专利摘要】本发明提供一种煤堆发火期的计算方法和煤场防自燃监测系统，所述方法包括：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；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。
【IPC分类】G06N3/02, G01N25/22
【公开号】CN105181744
【申请号】CN201510525010
【发明人】张和明, 彭功状
【申请人】清华大学
【公开日】2015年12月23日
【申请日】2015年8月25日