煤炭地下气化过程灰色预测.pdf

第3 2 卷第6 期 2 0 0 3 年1 1 月 中国矿业大学学报 J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g ＆T e c h n o l o g y V 0 1 ．3 2N o ．6 N O V2 0 0 3 文章编号1 0 0 019 6 4 2 0 0 3 0 6 0 6 0 8 0 4 煤炭地下气化过程灰色预测 梁杰，常建，刘淑琴，杨榛 中国矿业大学化学与环境工程学院，北京1 0 0 0 8 3 摘要；煤炭地下气化系统是一个信息部分明确、部分不明确的灰色系统，针对这一问题，建立了 煤炭地下气化过程状态参数灰色数列预测模型扣系统预测模型；实际应用结果袁明，数列预测的 误差是在8 ．9 2 ％～1 4 ．4 7 ％之间，系统预测的误差在0 ．1 3 ％～16 ．6 ％之间，而采用等维新息模 型，形成等雏灰数递补动态预测，可减少预测误差．“灰色预测”模型能够指导操作人员作出定性 或定量分析，从而事先调控煤炭地下气化生产过程，实现连续稳定生产． 关键词煤炭地下气化；状态参数；数列预测；系统预测 中图分类号T Q5 4 6文献标识码A 控制煤炭地下气化过程的一般方法，是在测得 煤气输出参数以后，分析它们是否偏离了目标值， 再采取必要的控制工艺，但这种面向已发生的不稳 定结果采取的“补救”控制，已经使生产过程受到影 响，而且过去出现这种不稳定结果，未来的时刻并 不一定发生．所以这种“朝后看”的控制并不是一种 理想的控制．反之，如果以获得的参数为基础，对气 化炉未来的状态进行预测，然后根据预测结果 时 间、参数等 制定相应的控制工艺，则可防患于未 然，并可预先安排一种比较理想的状态，以实现连 续、稳定生产． 在气化过程中，可以获得气化剂进口参数、煤 气输出参数等信息，但对煤层、顶板的冒落时间和 范围等信息是难以获得的，而且气化剂进口参数和 煤气输出参数没有确定的映射关系，因此地下气化 系统是一个信息部分明确，部分不明确的灰色系 统，所以可以用“灰色预测”理论o 。3 来预测气化炉 的状态．本文拟建立灰色“数列预测”和“系统预测” 模型，并对唐山刘庄矿气化炉空气连续气化过程状 态参数进行预测，以使“灰色预测”模型预测结果 能够指导煤炭地下气化生产过程． 1 数列预测 对系统行为特征值大小的发展变化所进行的 预测，称为系统行为数据列的变化预测，即数列预 测．数列预测一是要确定未来的时间，二是要预测 未来时问行为特征最的大小．在地下气化过程中， 这些特征量可以是煤气热值、成分、流量，也可以是 气化剂流量、压力、气化炉温度等． 在过去到现在的一段时间内，可以测得某参数 热值、流量等 的数列 z ”’一{ z o 1 ，z 。 2 ，⋯，上。 m } ， n 为测量数据的个数，最新测试值z ”’ n 称为原 点．从z 。’中分别选取不同长度的包含原点在内的 数列，可以组成若干个新的子数列，如 z } 0 ’一{ z 。 2 ，z o 3 ，⋯，z o n ， 立；”一{ T 。 3 ，z o 4 ，⋯，z o n ， z 。’是母数列，也可以作特殊子数列．对每个生成的 子数列，都可以建立G M 1 ，1 模型，从而得到 G M 1 ，1 模型群，其离散响应函数式为 主“’ 矗 1 一 z o ’ 1 u ／a ea k u ／n ， 其还原值5 r k 1 满足 z ‘。’ 1 ；‘1 ’ 1 一叠‘1 ’ A ， 式中带有5 的数据为模型计算值，n 为发展系数， 它反映；“’及；。’的发展态势；“为灰作用量，它的 大小反映了数据的变化关系，在系统中相当于作用 量m “满足下列关系 ；一E a ，“] 1 一E B 7 B I 1 B 1 y N 收藕日期2 0 0 2 1 1 1 4 基金项目国家高技术研究发展计划 8 6 3 计划 项目 2 0 0 1 A A 5 2 9 0 3 0 作者简介粱杰 19 6 4 一 ，男．江苏省宝应县人，中国矿业太学副教授，工学博士，从事煤炭地下气化，化工与环境工程方面的研究 万方数据 第6 期梁杰等煤炭地下气化过程灰色预测 ，{ z - ’ 1 。c ，’ 2 告 z ⋯ 2 z ‘1 ’ 3 导 z “’ n1 } z “’ n 驴慝量 一般的G M 1 ，1 是按现实时刻t 一”的过去 的全体数据建模，G M 1 ，1 模型是连续的时问函 数，从理论上讲，该模型可以以初值一 1 一直延 伸到未来任一时刻，但随着时间的推移，未来的一 些扰动、因素等，将不断地相继地进入系统造成影 响，而老的数据将越来越不适应新的情况，或者说 老数据的信息意义将随时间推移而降低．为了将不 断的进人系统的扰动因素考虑进去，弱化老数据的 影响、减少计算工作量，G M 1 ，1 模型可以将每一 个新到的数据送人z 。’中，而去掉一个最老的信 息，即建立等维新息模型，形成等维灰数递补动态 预测．比如对 z ‘。’ { T ‘。’ 1 ，f ⋯ 2 ，⋯，z ‘”i n1 ，3 2 ⋯ n ， 作等维新息处理．得到新数列 z ”’ { z ㈣ 2 ，z ‘。’ 3 ，⋯，z “’ ” ，z ‘o ’ n 1 } ． 用此数列建模，则为等维新息模型． 在刘庄煤矿地下气化工业性试验中，对空气连 续气化煤气热值、组分、流量、压力等进行了预测． 表1 是空气连续气化时煤气热值的实测数据． 袁1 空气煤气热值日平均值 T a b l e1 D a i l ya v e r a g eh e a tV a ] u eo fa i rg a s 旦塑 旦】 女型 型 ； i - 日期 1 9 9 6 年6 月1 61 7 18 192 0 1 i 型 坚 i 里 以1 7 ，1 8 日数据做原点，选择7 个数据，构成 预测数据，即 z 严一{ 4 ．1 3 ，6 ．2 5 ，5 ．2 7 ，6 ．3 3 ，5 ．7 0 ，5 ．0 7 ，4 ．2 3 } ； z ∥ 6 ．2 6 ，5 ．2 7 ，6 ．3 3 ，5 ．7 0 ，5 ．0 7 ，4 ．2 3 ，4 ．8 1 ． 为弱化数据的随机性，对统计数据采用下述公 式进行滑动平均 z } ” 矗 一 z 。’ 一1 2 x 。’ 点 z ”’ 点 1 ／4 ； z ；。’ 1 一 3 x ‘o ’ 1 z 。’ 2 ／4 ； T P ’ n 一 z 。’i n1 1 _ 3 x 。’ n j ／4 ． 对处理后的2 个子数列建立G M 1 ，1 模型， 用程序‰“计算得 互{ 1 一1 1 4 ．0 6 6 e - 0 ．0 5 6 6 2 1 1 8 ．1 9 6 鳓一0 ．0 0 5 6 6 2 ，“l 一一6 ．6 9 2 3 ， 星5 1 ’一一】2 3 ．2 4 3 e0 ．0 4 9 0 3 1 2 9 ．4 9 3 一0 ．4 9 0 3 ，“2 一一6 ．3 4 9 ． 还原模型为 ；{ 。’ 1 一6 ．4 5 8 4 e0 ．0 5 6 6 2 ， ；{ o ’ 1 一6 ．0 4 2 6 e0 ．0 4 9 0 3 ． 预测结果见表2 ． 表2 预测结果 T a b l e2R e s u l t so f t h ep r e d i c a t i o n s ，r 表示利用数列z } ”预测和数列z ；”预测 与实际测量值的相对误差，由此可知，利用数列 z P ’预测1 9 ，2 0 日的结果，要比用数列z 严预测准 确，这说明新信息对预测结果的作用． 但是参数预测还不能知道为保持或改变参数 的发展规律，其他的参数该如何调节，这就要进行 系统里各状态参数之间的关联分析，为了解决这一 问题，还需建立系统预测模型． 2 系统预测 系统预测是指多个因素组成的系统发展变化 的规律，或者说是指系统中各因素相互影响协调发 展变化的预测．灰色系统预测的主要途径是，对主 导因素 具有独立发展能力的量 ，建立G M 1 ，1 模型，对其于关联因素，建立G M 1 ，Ⅳ 模型，最后 得到系统状态方程的模型，按状态模型对系统进行 预测． 对于Ⅳ个变量的系统，可获得代表系统一个 原始状态的参数数列 2 } ” { z i 0 ’ 1 ，z } ” 2 ，⋯，z { ” n } ， z { ∞； { z ；” 1 ，z l ” 2 ，⋯，z 护’ ∞ } ， ； z ；} ’ { z 嚣’ 1 ，z 船’ 2 ，⋯，z 1 9 ’ n } ． 各参数之间存在着互为因果的关联作用．为此，可 以对每个。建立一个G M 1 ，Ⅳ 模型，设 A G O x j o ’ 一z ，， 按i 一1 ，2 ，⋯，Ⅳ进行建模，有下述线性方程组 X 1 一m l z l 4 1 2 2 2 ⋯ 8 i M 2 N 砘， 万方数据 中国矿业大学学报第3 2 卷 X 2 啦 X 1 。2 z z 2 ⋯ 4 2 Ⅳz Ⅳ “2 ， X N a N l 0 1 a N 2 。2 ⋯t a N N X N 十U N 写成状态方程形式 X A X B U ， 其中 A a N 2 ’ 0 - 1 ⋯ ● 0 ⋯ 扛圉 X 状态方程的解为 X f f 一一oo ’ Ie “一’B r u r d r 在地下气化系统中，主要的状态参数是供风匝 力，煤气热值、煤气 供风 流量和气化炉温度．井下 气化区温度难以直接测量，但在一般的煤气化反应 过程中还原率可以反应气化反应区温度状况o ’⋯， 所以可以用还原率近似表示温度状态参数．表3 是 与表1 同日期测得的状态参数． 表3 空气连续气化时日平均状态参数 T a b l e3 D a f f ya v e r a g es t a t ep a r a m e t e r so fa i rS t l C e e s s l v eg a s i f i c a t i o n 日期 1 9 9 6 年6 月】8 3 l4 48 1 3 5 8 9 5 85 0 86 5 ．3 9 27 8 0 5 9 ．1 4 ．8 2 7o _ 7 供风压力／k P a 煤气热值／ M J m _ 煤气流量／ m 5 h1 还原率／％ 选择1 1 ～1 7 日的数据作为原始状态数列预测 1 8 ，1 9 ，2 0 日的状态，则供风压力z j o ’，煤气热值 z 妒，煤气流量z P 。还原率z “ 1 供风压力不依赖于煤气热值、流量及气化 炉温度，它是地面调节参数，对地下气化系统来说 为外界干扰因素，只能视其为灰色因素，具有独立 发展的能力，可建立G M 1 ，1 模型 X 1 一∞1 2 1 “1 ． 2 煤气热值与供风压力、供风流量、气化炉温 度都有关，而且与本身的基数也有关系‘”，所以，建 立G M 1 ，4 模型 X ’2 4 2 1 2 1 “2 2 2 2 “2 3 2 3 “2 4 2 4 ． 3 煤气流量取决于供风压力的大小、不依赖 于煤气热值和气化炉温度[ ⋯，故可建立G M 1 ，2 模型 X 3 4 3 l z l { “3 s z 3 ． 4 气化炉温度即还原率与供风压力和供风流 卧鞋剖佻] ， 表4 系统预测结果 T a b l e4R e s u l t so fs y s t e m i cp r e d i c a t i o n m №㈠№ Ⅳ Ⅳ 口 d 嘞吨； M、l卜h] 口O 0 ；1 ⋯旧㈠一‰n㈨㈠∽ 万方数据 第6 期梁杰等煤炭地下气化过程灰色预测 从表2 和表4 中可看，预测结果和实测结果， 相对误差都在2 0 ％以下，这说明所建立的灰色预 测模型可以用于地下煤炭气化过程中系统参数的 预测．通过数列预测，可预测诸如煤气的各种组分、 热值等参数的发展，再用系统预测，可获得维持煤 气组分和热值稳定的系统可调参数，如供风压力、 流量等发展规律．这样，就可以根据预测值来确定 维持还是调整可调参数的值，以达到稳定生产的 目的． 所建立的灰色预测模型还可以以某一天每个 小时的数据为原始数列。预测第二天某一时刻值， 这样可以对气化炉未来发展规律有了更仔细的r 解． 在刘庄煤矿现场试验过程中，灰色预测模型能 及时地指导操作人员作出定性或定量分析，对准确 地判断气化炉状态和及时地调整气化工艺参数，起 到了重要作用，保证了生产过程的稳定． 3 结论 1 煤炭地下气化系统是一个信息部分明确， 部分不明确的灰色系统，所以可以用“灰色预测”模 型来预测气化炉状态； 2 数列预测的相对误差在8 ．9 2 ％～1 4 ．4 7 ％ 之间，采用等维新息模型可减少预测误差； 3 系统预测的相对误差在0 ．1 3 蛎～1 6 ．6 ％之 间，因此所建立的灰色预测模型可以用于煤炭地下 气化过程中系统状态参数的预测； 4 通过数列预测，可预测煤气的各种组分、热 值等参数的发展，再用系统预测，可获得维持煤气 组分和热值稳定的系统可调参数，这样，就可以根 据预测值来确定维持还是调整可控参数的值，以达 到稳定生产的目的． 参考文献 [ 1 j 邓聚龙．灰色系统理论教程[ M ] ．武汉华中理工大学 出版社，1 9 9 0 ．1 7 53 7 8 ． [ 2 ] 邓聚龙，灰色预测与决策[ M ] ．武汉华中理工夫学出 版社，1 9 8 6 ．9 7 1 9 0 ． E a ] 易德生，郭萍．灰色理论与方法E M ] ．北京石油工 业出版社，1 9 9 2 ．2 1 82 9 9 ． [ 4 j 严智渊。孙磊．灰色系统实用程序[ M ] ．南京江苏 科技出版社，1 9 8 9 ．1 - 4 0 ． [ 5 ]邬纫云．煤炭气化[ M ] ．徐卅l 中国矿业大学出版社， I9 9 1 ．1 3 5 一I4 6 ． [ 6 j 埃利奥特MA ．煤利用化学[ M ] ．北京化学工业出 版社，1 9 3 9 ．3 6 5 3 7 9 ． [ 7 ] 梁杰．煤炭地下气化过程稳定性及控制技术[ M ] ． 徐州中国矿业大学出版社，2 0 0 2 ．1 1 21 17 ． [ 8 ] L i a n gJ ，L i uSQ ，Y uL ．T r i a ls t u d yo nu n d e r g r o u n d c o a lg a s i f i c a t i o no fa b a n d o n e dc o a lr e s o u r c e [ A ] ．X i e HP 。G o l o s i n s k iTS ． M i n i n g S c i e n c ea n d T e c h n o l o g y ’9 9 [ C ] ．R o t t e r d a m B a l k e m a ，19 9 9 ． 2 7 12 7 4 ． G r a yP r e d i c t i o no fU n d e r g r o u n dC o a lG a s i f i c a t i o nP r o c e s s L I A N GJ i e ，C H A N GJ i a n ，L I US h u q i n ，Y A N GZ e n g S c h o o lo fC h e m i c a la n dE n v i r o n m e n tE n g i n e e r i n g ，C U M T ，B e i j i n g1 0 0 0 8 3 ，C h i n a A b s t r a c t U n d e r g r o u n dc o a lg a s i f i c a t i o n U C G i sag r a ys y s t e mw i t hp a r to fc l e a ri n f o r m a t i o n ．t h eg r a y s e q u e n c ep r e d i c t i o nm o d e l a n ds y s t e m a t i c a lp r e d i c t i o nm o d e lf o r s t a t ep a r a m e t e r so fU C Gp r o c e s sw e r e d e v e l o p e d ．T h er e s u I t ss h o wt h a tt h ee r r o ro fs e q u e n c ep r e d i c t i o nl i e s i n8 ．9 2 ％一1 4 ．4 7 ％w h i l et h a to f s y s t e m i cp r e d i c t i o n l i e si n0 ．1 3 ％ 1 4 ．4 7 ％．H o w e v e r ，t h ee r r o rc a nb ed e c r e a s e db yu s i n gd y n a m i c p r e d i c t i o no fe q u a l d i m e n s i o n a lg r a yd a t ab a s e do ne q u a l d i m e n s i o n a li n f o r m a t i o nm o d e l ．T h e r e f o r eg r a y p r e d i c t i o ni sh e l p f u lf o rt h eo p e r a t o r st om a k eq u a l i t a t i v ea n dq u a n t i t a t i v ea n a l y s i s ，w h i c hw i l lb eb e n e f i c i a lt o U C Gc o n t r o la n dp r o d u c t i o n ． K e yw o r d s u n d e r g r o u n dc o a lg a s i f i c a t i o n ；s t a t ep a r a m e t e r ；s e q u e n c ep r e d i c t i o n ；s y s t e m a t i c a lp r e d i c t i o n 责任编辑王玉浚 万方数据