CN102346439A - 煤炭堆场智能洒水决策系统的运行方法 - Google Patents

Abstract

本发明提供一种煤炭堆场智能洒水决策系统的运行方法，该方法是在煤炭堆场智能洒水决策系统中运行，该方法包括有以下步骤：是否需要洒水判定、洒水量判定、雨雪天气人工修正、输出判定结果，进行喷洒水作业。本发明的效果是采用该系统对煤炭堆场进行科学合理的洒水，保证了粉尘防治的全面性和整体性，大大提高环境效果；提高环境保护效率，还减轻了工人的劳动强度，保护了周边环境，在有效除尘的同时，水资源的利用率达到最大化。通过前期模型的研究与计算，粉尘控制效率达到90％，水资源利用率达到86％，节约水源30％以上。

Description

煤炭堆场智能洒水决策系统的运行方法

技术领域

本发明属于一种防尘除尘喷洒控制系统，特别是一种煤炭堆场智能洒水决策系统的运行方法。

背景技术

港口洒水除尘是煤炭港口粉尘污染治理最有效的措施。它具有除尘效率高、运转费用较低、操作简单、应用广泛等特点，目前其它治理的方法均很难取代其地位与作用。但是在现阶段的洒水设备很存在很多问题，其中主要表现在：①洒水时间控制不能合理化；②洒水强度没有指标去衡量。因此，湿法除尘效率依然很低，加上一部分老码头防尘设施陈旧，环保投入无法满足生产的快速发展，粉尘污染形势依然严峻。

在煤炭堆场喷洒水系统方面，国内外都做了大量的研究工作。在2002年由陈淮新等人设计的“粉尘作业场所自动喷雾洒水降尘除尘系统”通过新设两道以上的喷洒水幕和两路以上的现场检测器在一路发生故障的时候，另外一路能正常工作，保证了有效的除尘。2008年由秦皇岛港股份有限公司的实用新型专利“煤炭堆场水除尘上位机监控系统”，是一种煤炭堆场洒水除尘上位机监控系统，包括下位机及控制喷枪的外围继电器。现在国内各个港口的煤炭堆场所采用的喷洒水系统，基本都是通过PLC控制和上位机监控系统，发出洒水指令给外围继电器，从而控制喷枪洒水作业。

无论是国内还是国外，都比较注重喷枪工艺的改造，与工控设备的改进。但是现阶段煤炭港口堆场喷洒水湿法除尘仍然存在诸多问题，洒水都是根据天气状况人为判定，进行洒水，或者按照泵房操作规程，进行每天若干次的洒水操作。没有针对性的洒水，往往都是在粉尘污染之后进行洒水降尘，没有真正的将防尘工作做到起尘之前。研发一种具有科学的洒水指令、智能高效的洒水系统、先进自动化的洒水技术与设备，有效除尘同时水资源的利用率达到最大化，这是解决洒水除尘的当务之急。

发明内容

本发明的目的是为港口煤炭堆场的洒水除尘作业提供一种煤炭堆场智能洒水决策系统的运行方法，此决策系统通过给出洒水时间及洒水量，大量的节约了水资源，有效防止粉尘污染，减少煤炭流失。

为了实现上述目的，本发明采用的技术方案是提供一种煤炭堆场智能洒水决策系统的运行方法，该方法是在煤炭堆场智能洒水决策系统中运行，所述煤炭堆场智能洒水决策系统包括有三个模块层：分别为信息采集模块A、模型计算模块C、执行机构模块E，信息采集模块A、模型计算模块C、执行机构模块E中分别包括有作业调度模块1、气象参数采集模块2、起尘判定模型10、K值判定模型和煤炭品种修正模型11、人工修正含水率模型12、喷枪泵房执行机构模块17；还包括有两个数据层：采集的信息数据B、判定结果D，采集的信息数据B、判定结果D中分别包括有煤垛初始含水率3、外界风速4、煤种5、温度6、湿度7、风速8、雨雪天气9、洒水13、不洒水14、洒水量15、实时含水率16的数据信息；该方法包括有以下步骤：

第一步：是否需要洒水判定

采集初始计算信息，通过信息采集模块A中的作业调度模块1采集煤垛初始含水率3的信息，通过气象参数采集模块2采集外界风速4的信息，将采集的信息输入到起尘判定模型10之中，通过模型计算判定堆场是否需要洒水；

起尘判定模型10的起尘判定模型为：

U₀＝0.03·e^0.5w+3.2

其中：w-煤炭含水率％，

e-自然对数的底为2.718281829，

U₀-启动风速；

第二步：洒水量判定

通过气象信息采集模块2采集包括温度6、湿度7、风速8的信息，通过作业调度模块1得到煤种5的信息，并输入到K值判定模型和煤炭品种修正模型11，通过该模型计算出需要的洒水量15及实时含水率16；

K值判定模型和煤炭品种修正模型11的判定模型为：

k_gcb＝m₀+m₁exp(m₁₀+m₁₁U+m₁₂T+m₁₃H)

+m₂U+m₃T+m₄H

式中，

k_gcb——k值的模型估计值

U——风速，ms^-1

T——温度，℃

H——湿度，％

exp——e的指数；e，自然对数的底，2.718281829

模型系数m₀＝0.1519，m₁＝0.0002，m₁₀＝-2.0083，m₁₁＝0.0643，m₁₂＝0.0023，m₁₃＝-0.0128，m₂＝0.0080，m₃＝0.0002，m₄＝-0.0016；

该判定模型利用实时含水率16与初始含水率、风速、空气温度、空气湿度间的函数关系进行计算；

煤种5的不同煤种特性得到的煤炭品种修正模型为：

k_i＝b_ik_gcb

式中，

k_i——第i种煤炭的k值

b_i——第i种煤炭的修正系数b

k_gcb——k值的模型估计值

b值修正结果：原煤0.951，大矿0.987，水洗1.028，优质1.091；

实时含水率计算公式：w＝w₀-f(U，T，H)

式中，

w：含水率

w₀：初始含水率

f(U，T，H)：K值判定模型计算公式；

第三步：雨雪天气人工修正

采集雨雪天气9的信息，对人工修正含水率模型12进行人工修正，在雨雪天气时是不需要洒水的，直接将含水率修正为饱和含水率，这样控制系统就不会洒水了；

第四步：输出判定结果，进行喷洒水作业

将上述步骤判定结果的洒水13及输出洒水量15的信息输入到喷枪泵房执行机构模块17的喷枪泵房，进行喷洒水作业。

本发明的效果是采用该系统对煤炭堆场进行科学合理的洒水，保证了粉尘防治的全面性和整体性，大大提高环境效果；提高环境保护效率，还减轻了工人的劳动强度，保护了周边环境，在有效除尘的同时，水资源的利用率达到最大化。通过前期模型的研究与计算，粉尘控制效率达到90％，水资源利用率达到86％，节约水源30％以上。

附图说明

图1为本发明的智能喷洒水系统运行方法步骤图；

图中：

A、信息采集模块B、信息数据C、模型计算模块

D、判定结果   E、执行机构

1、作业调度模块2、气象参数采集3、堆垛初始含水率

4、外界风速5、煤种6、温度7、湿度8、风速

9、雨雪天气10、起尘判定模型11、K值判定模型和煤炭品种修正模型

12、人工修正含水率模型13、洒水14、不洒水15、洒水量

16、实时含水率17、喷枪泵房执行机构

具体实施方式

结合附图及实施例对本发明的煤炭堆场智能洒水决策系统的运行方法加以说明。

本发明的煤炭堆场智能洒水决策系统的运行方法，该方法是在煤炭堆场智能洒水决策系统中运行，所述煤炭堆场智能洒水决策系统包括有三个模块层：分别为信息采集模块A、模型计算模块C、执行机构模块E，信息采集模块A、模型计算模块C、执行机构模块E中分别包括有作业调度模块1、气象参数采集模块2、起尘判定模型10、K值判定模型和煤炭品种修正模型11、人工修正含水率模型12、喷枪泵房执行机构模块17；还包括有两个数据层：采集的信息数据B、判定结果D，采集的信息数据B、判定结果D中分别包括有煤垛初始含水率3、外界风速4、煤种5、温度6、湿度7、风速8、雨雪天气9、洒水13、不洒水14、洒水量15、实时含水率16的数据信息；该方法包括有以下步骤：

第一步：是否需要洒水判定

采集初始计算信息，通过信息采集模块A中的作业调度模块1采集煤垛初始含水率3的信息，通过气象参数采集模块2采集外界风速4的信息，将采集的信息输入到起尘判定模型10之中，通过模型计算判定堆场是否需要洒水；

起尘判定模型10的起尘判定模型为：

U₀＝0.03·e^0.5w+3.2

其中：w-煤炭含水率％，

e-自然对数的底为2.718281829，

U₀-启动风速；

第二步：洒水量判定

通过气象信息采集模块2采集包括温度6、湿度7、风速8的信息，通过作业调度模块1得到煤种5的信息，并输入到K值判定模型和煤炭品种修正模型11，通过该模型计算出需要的洒水量15及实时含水率16；

K值判定模型和煤炭品种修正模型11的判定模型为：

k_gcb＝m₀+m₁exp(m₁₀+m₁₁U+m₁₂T+m₁₃H)

+m₂U+m₃T+m₄H

式中，

k_gcb——k值的模型估计值

U——风速，ms^-1

T——温度，℃

H——湿度，％

exp——e的指数；e，自然对数的底，2.718281829

模型系数m₀＝0.1519，m₁＝0.0002，m₁₀＝-2.0083，m₁₁＝0.0643，m₁₂＝0.0023，m₁₃＝-0.0128，m₂＝0.0080，m₃＝0.0002，m₄＝-0.0016；

该判定模型利用实时含水率16与初始含水率3、风速8、温度6、湿度7间的函数关系进行计算；

煤种5的不同煤种特性得到的煤炭品种修正模型为：

k_i＝b_ik_gcb

式中，

k_i——第i种煤炭的k值

b_i——第i种煤炭的修正系数b

k_gcb——k值的模型估计值

b值修正结果：原煤0.951，大矿0.987，水洗1.028，优质1.091；

实时含水率16计算公式：w＝w₀-f(U，T，H)

式中，

w：实时含水率16

w₀：初始含水率3

f(U，T，H)：K值判定模型计算模型11公式；

第三步：雨雪天气人工修正

采集雨雪天气9的信息，对人工修正含水率模型12进行人工修正，在雨雪天气时是不需要洒水的，直接将实时含水率16修正为饱和含水率，这样控制系统就不会洒水了；

第四步：输出判定结果，进行喷洒水作业

将上述步骤判定结果的洒水13及输出洒水量15的信息输入到喷枪泵房执行机构模块17的喷枪泵房，进行喷洒水作业。

本发明的煤炭堆场智能洒水决策系统中所涉及的模块说明：

作业调度模块1：此模块为购置模块，型号为IP调度模块SS3000-S。

气象数据采集模块2：此模块为购置模块，型号ZDR-1F。

起尘判定模型10、K值判定模型和煤炭品种修正模型11，为根据煤堆表面含水率变化实验数据拟合，利用C#.net编程的模型计算得到的模块。

人工修正含水率模型12位人为修正含水率的一个模块，可以根据雨雪天气因素，认为修正含水率的大小，从而保证洒水的正常有序。

喷枪泵房执行机构17为喷枪、泵房等洒水设备，此处为预留接口，根据不同的设备有不同的数据通讯协议。

具体实施例分析

例1：

采集数据：外界风速4为6m/s，温度6为23℃，湿度7为50％，煤种5为大矿煤，初始含水率3为3.2％，无雨雪天气。

计算：

U₀＝0.03·e^0.5w+3.2

w＝3.2％

U₀＝3.385m/s

即外界风速4为6m/s＞U₀，需要洒水。

洒水后，煤垛达到大矿煤的饱和含水率17％。

煤垛表面的含水率慢慢下降，通过K值判定模型和煤炭品种修正模型11的计算，预测下一次洒水时间。

k_gcb＝m₀+m₁exp(m₁₀+m₁₁U+m₁₂T+m₁₃H)

+m₂U+m₃T+m₄H

U＝6m/s，T＝23℃，H＝50％

k_gcb＝0.204

代入不同煤种特性得到煤炭品种修正模型，

k_i＝b_ik_gcb

k_i＝0.987×0.204＝0.1995

一个循环计算后的含水率

17％(1-0.1995)＝13.6％

风速8为6m/s，当含水率经过n个循环计算低于9.1％的时候则需要洒水13。

实施例2：

采集数据：外界风速4为2m/s，温度6为25℃，湿度7为60％，煤种5为优质煤，初始含水率3为4％，无雨雪天气。

计算：

U₀＝0.03·e^0.5w+3.2

w＝4％

U₀＝3.422m/s

即风速8为10m/s＞U₀，需要洒水13。

洒水后，煤垛达到大矿煤的饱和含水率17％。

煤垛表面的含水率慢慢下降，通过K值判定模型和煤炭品种修正模型11的计算，预测下一次洒水时间。

k_gcb＝m₀+m₁exp(m₁₀+m₁₁U+m₁₂T+m₁₃H)

+m₂U+m₃T+m₄H

U＝2m/s，T＝25℃，H＝60％

k_gcb＝0.164

代入不同煤种特性得到煤炭品种修正模型，

k_i＝b_ik_gcb

k_i＝1.091×0.164＝0.178924

计算后的含水率

17％(1-0.178924)＝13.96％

计算是循环的，直到达到启动风速的对应含水率。

根据实时监测的风速数据，只要风速低于启动风速3.2m/s，无需洒水14。

Claims (1)

1.一种煤炭堆场智能洒水决策系统的运行方法，该方法是在煤炭堆场智能洒水决策系统中运行，所述煤炭堆场智能洒水决策系统包括有三个模块层：分别为信息采集模块A、模型计算模块C、执行机构模块E，信息采集模块A、模型计算模块C、执行机构模块E中分别包括有作业调度模块(1)、气象参数采集模块(2)、起尘判定模型(10)、K值判定模型和煤炭品种修正模型(11)、人工修正含水率模型(12)、喷枪泵房执行机构模块(17)；还包括有两个数据层：采集的信息数据B、判定结果D，采集的信息数据B、判定结果D中分别包括有煤垛初始含水率(3)、外界风速(4)、煤种(5)、温度(6)、湿度(7)、风速(8)、雨雪天气(9)、洒水(13)、不洒水(14)、洒水量(15)、实时含水率(16)的数据信息；该方法包括有以下步骤：

第一步：是否需要洒水判定

采集初始计算信息，通过所述作业调度模块(1)采集煤垛初始含水率(3)的信息，通过气象参数采集模块(2)采集外界风速(4)的信息，将采集的信息输入到起尘判定模型(10)之中，通过模型计算判定堆场是否需要洒水；

起尘判定模型(10)的起尘判定模型为：

U₀＝0.03·e^0.5w+3.2

其中：w-煤炭含水率％，

e-自然对数的底为2.718281829，

U₀-启动风速；

第二步：洒水量判定

通过气象信息采集模块(2)采集包括温度(6)、湿度(7)、风速(8)的信息，通过作业调度模块(1)得到煤种(5)的信息，并输入到K值判定模型和煤炭品种修正模型(11)，通过该模型计算出需要的洒水量(15)及实时含水率(16)；

K值判定模型和煤炭品种修正模型(11)的判定模型为：

k_gcb＝m₀+m₁exp(m₁₀+m₁₁U+m₁₂T+m₁₃H)

+m₂U+m₃T+m₄H

式中，

k_gcb——k值的模型估计值

U——风速，ms^-1

T——温度，℃

H——湿度，％

exp——e的指数；e，自然对数的底，2.718281829

模型系数m₀＝0.1519，m₁＝0.0002，m₁₀＝-2.0083，m₁₁＝0.0643，m₁₂＝0.0023，m₁₃＝-0.0128，m₂＝0.0080，m₃＝0.0002，m₄＝-0.0016；

该判定模型利用实时含水率(16)与初始含水率、风速、空气温度、空气湿度间的函数关系进行计算；

煤种(5)的不同煤种特性得到的煤炭品种修正模型为：

k_i＝b_ik_gcb

式中，

k_i——第i种煤炭的k值

b_i——第i种煤炭的修正系数b

k_gcb——k值的模型估计值

b值修正结果：原煤0.951，大矿0.987，水洗1.028，优质1.091；

实时含水率计算公式：w＝w₀-f(U，T，H)

式中，

w：含水率

w₀：初始含水率

f(U，T，H)：K值判定模型计算公式；

第三步：雨雪天气人工修正

采集雨雪天气(9)的信息，对人工修正含水率模型(12)进行人工修正，在雨雪天气时是不需要洒水的，直接将含水率修正为饱和含水率，这样控制系统就不会洒水了；

第四步：输出判定结果，进行喷洒水作业

将上述步骤判定结果的洒水(13)及输出洒水量(15)的信息输入到喷枪泵房执行机构模块(17)的喷枪泵房，进行喷洒水作业。

Images