当前位置:首页 > 煤矿通风瓦斯氧化处理实验装置设计

煤矿通风瓦斯氧化处理实验装置设计

2015-07-11 10:51:57
[导读]我国每年通过煤矿乏风排入大气的甲烷为130 ~ 170 亿m3。由于煤矿乏风具有甲烷浓度低( < 0. 1% ) 、富集难、气量大等特点,传统的处理方式是直接排空,造成了严重的污染和温室效应。针对此现状,设计了最大处理量为1 000 m3 / h的煤矿通风瓦斯热氧化实验装置,该实验装置包括配气系统、装置本体、换向系统、启动系统和测控系统。

1 概述

为保证生产安全,在煤矿开采前需通入大量空气以稀释矿井空气,使其甲烷浓度降低然后再排入大气。这种被抽排到大气中的甲烷含量低于1% 的混合气体被称为煤矿通风瓦斯或者煤矿乏风( Ventilation Air Methane,VAM) 。长期以来,煤矿通风瓦斯甲烷浓度低、富集难、气量大,利用技术难度较大,因此一般都直接排放大气,极少被回收利用。我国每年通过煤矿通风瓦斯排入大气的CH4为130 ~ 170 亿m3 ,占我国煤矿煤层气甲烷总量的65% ~ 70% ,CH4作为仅次于CO2的温室气体,对环境造成了巨大的危害。中科院能源动力研究中心自主设计了处理量为1 000 m3 / h逆流式煤矿通风瓦斯热氧化装置,该装置采用蓄热式烟气余热回收装置,交替切换通风瓦斯与烟气,使之流经蓄热体。预热通风瓦斯使其中的CH4与氧发生氧化反应,反应释放的热量,一部分热量被蓄热体陶瓷吸收,维持氧化床内部温度以稳定运行,多余热量由内置换热器取出加以利用,取出多余热量可以根据现场需求采用热、电、冷联供的应用方式。该实验台可以实现自维持稳定运行,并通过实验研究了通风量、甲烷浓度、切换时间等运行参数对装置运行情况的影响。实验系统分为配气系统、装置本体、换向系统、启动系统和测控系统。

2 配气系统

如图1 所示,配气系统用以获得实验所需的低浓度甲烷以模拟煤矿通风瓦斯。它主要由空气路和天然气路及混合器构成。空气路安装有空气过滤器,空气流量根据涡街流量计的显示使用蝶阀进行调节; 天然气路流量由靶式流量计监控,其流量调节由控制系统通过电动调节阀调控。天然气和空气根据实验浓度要求在混合器内进行充分的混合,模拟低甲烷浓度的煤矿通风瓦斯。为安全起见,天然气进入混合器之前装有单向阀和防回火器,防止混合后的气体回流,产生爆炸。在本实验台中,冷态下空气的流量可调范围为400 ~ 1 100 m3 / h,天然气的流量可调范围为0 ~6 m3 / h。可以根据实验的需求配比流量为400 ~1 100 m3 / h,甲烷浓度范围为0. 1% ~ 1% 的模拟通风瓦斯。经过配比的模拟通风瓦斯由管道通过换向系统的三通阀进入蓄热室。在进入蓄热室之前,由引气管抽出部分气体进入色谱分析仪,精确测量分析其真实成分与浓度。

3 装置本体


装置本体的构成。其主要是由装置外壳、保温层、蓄热室、防爆泄压阀构成。其中,蓄热室是其核心部分。配气系统根据实验要求混合成不同甲烷浓度、不同流量的模拟通风瓦斯。混合后的模拟通风瓦斯浓度由甲烷浓度传感器监测。同时为保证监测精度,在混合器出口处采样使用色谱分析仪分析气体成分和浓度。按实验要求配制的模拟通风瓦斯通过由两个三通阀组成的换向系统进入蓄热室。两个三通阀分别与进气管道、蓄热室、排气管道相通。模拟通风瓦斯交替从蓄热室两端进入蓄热室,流经蓄热体,被加热至高温从而氧化处理,从蓄热室另一端经排气管道排出并加热蓄热体,排烟出口处的甲烷浓度传感器监测排气甲烷浓度,同时采样使用色谱分析仪分析气体成分和浓度。蓄热室内温度分布由预先安装的热电偶测量,系统各关键点压力由压力传感器测量,蓄热室内压力由U 形管压力计测量。在模拟通风瓦斯进入蓄热室进行氧化处理之前,启动系统的燃烧器燃烧高浓度瓦斯或甲烷、丙烷等可燃气体,产生高温烟气,从蓄热室中部的空腔进入蓄热室,从两侧交替排出,对其进行预热。整个系统的运行,包括换向系统的切换、进气甲烷浓度、流量测量和调节、压力、温度测量、甲烷浓度监测及反馈,都在控制系统的监控下进行,同时实验中采用气相色谱仪对进出口甲烷浓度进行精确测量。

4 结论

1) 利用时间序列作为BP 神经网络的输入,建立并优化了BP 神经网络,获得了最佳网络参数: 最佳隐含层神经元数为8,最佳输入层神经元数为6,最优的传递函数组合为tansig - 线性函数,最优的算法为BP 算法。

2) 从模型实验结果看,模型的拟合效果均较好,预报值与实际值之间的相对误差小,预报值与实际值的相关系数高,说明通过设置初始权重、学习率、动态系数等参数使基于BP 神经网络的大气污染预测模型的精度得到提高,神经网络在预测大气污染方面有良好的实用性,并且模式简单,必将在未来的空气污染预报领域中得到广泛的应用。

3) 为了提高网络的稳定性和泛化效果,还可以对模型的算法和网络参数做进一步优化。鉴于BP神经网络模型对空气污染指数具有良好的预报效果,可推广应用于大气污染物的浓度预报,但该方法是否适用,能否应用于大气污染物浓度的逐时预报,还有待进一步研究。



相关文章