基于阿達(dá)瑪近紅外光譜技術(shù)的火電廠煤炭粒徑識(shí)別方法

王 帥 張?jiān)萍?王雪梅 喬建仙 顧子迪

(中國(guó)人民解放軍后勤工程學(xué)院化學(xué)與材料工程系)

基于阿達(dá)瑪近紅外光譜技術(shù)的火電廠煤炭粒徑識(shí)別方法

王 帥 張?jiān)萍?王雪梅 喬建仙 顧子迪

(中國(guó)人民解放軍后勤工程學(xué)院化學(xué)與材料工程系)

針對(duì)電力行業(yè)煤質(zhì)分析的需求，基于近紅外光譜煤質(zhì)分析技術(shù)設(shè)計(jì)HNIS-1G阿達(dá)瑪近紅外光譜煤質(zhì)分析平臺(tái)。利用層次聚類算法對(duì)煤炭粒徑進(jìn)行了無(wú)管理模式識(shí)別，結(jié)果表明：系統(tǒng)聚類準(zhǔn)確率達(dá)95.54%，粒徑識(shí)別準(zhǔn)確率達(dá)94.64%。

煤炭粒徑識(shí)別 阿達(dá)瑪近紅外光譜技術(shù) 煤質(zhì)分析 層次聚類算法

煤炭作為我國(guó)的主要能源，對(duì)我國(guó)國(guó)民經(jīng)濟(jì)的發(fā)展起著極其重要的作用。隨著經(jīng)濟(jì)的快速發(fā)展，對(duì)煤炭的利用和研究也越來(lái)越廣泛和深入。火力發(fā)電廠的燃煤費(fèi)用約占其運(yùn)營(yíng)成本的70%[1,2]，因此對(duì)入廠煤與入爐煤的煤質(zhì)進(jìn)行分析直接關(guān)系到電廠的安全生產(chǎn)與高效運(yùn)行[3～7]。傳統(tǒng)的煤質(zhì)分析采用化學(xué)方法，煤樣由人工采集制備，一批煤樣在進(jìn)入分析流程后，需要等待6～8h才能得到結(jié)果，無(wú)法滿足電力企業(yè)發(fā)電廠鍋爐調(diào)整的需要[8,9]。由于傳統(tǒng)檢測(cè)方法的局限性，使得煤質(zhì)快速分析檢測(cè)需求與數(shù)據(jù)輸出時(shí)間滯后的矛盾日益突出[10,11]。為此，筆者基于近紅外光譜煤質(zhì)分析技術(shù)，設(shè)計(jì)了一個(gè)阿達(dá)瑪近紅外煤質(zhì)分析平臺(tái)，并利用層次聚類算法對(duì)煤炭粒徑進(jìn)行了無(wú)管理模式識(shí)別，以實(shí)現(xiàn)煤質(zhì)快速在線檢測(cè)分析的目的。

1 近紅外光譜煤質(zhì)分析技術(shù)

近紅外光譜分析技術(shù)可以在不破壞煤樣的基礎(chǔ)上同時(shí)對(duì)入廠煤或入爐煤的熱值、水分、灰分及揮發(fā)分等參數(shù)進(jìn)行檢測(cè)，也可以按產(chǎn)地對(duì)電煤進(jìn)行實(shí)時(shí)模式分類。因此，將近紅外光譜分析技術(shù)應(yīng)用在電煤在線快速檢測(cè)上，不僅可以解決傳統(tǒng)化學(xué)方法費(fèi)時(shí)、費(fèi)力的問(wèn)題，提高檢測(cè)效率，而且相對(duì)于同類γ射線儀器價(jià)格便宜了近十倍，有助于該技術(shù)的廣泛推廣[12]。

煤質(zhì)分析分為元素分析和工業(yè)分析兩方面。元素分析是對(duì)煤中的硫、碳、氫、氧、氮元素含量進(jìn)行分析，工業(yè)分析是對(duì)煤中的灰分、揮發(fā)分和水分進(jìn)行分析[13～15]。近紅外光譜是由分子化學(xué)鍵的倍頻與組頻吸收引起的，主要反映了含氫基團(tuán)(C—H，O—H，S—H，N—H)的特征信息[16]。而根據(jù)煤的分子結(jié)構(gòu)可知，煤中碳、氧、硫、氮元素多以X—H的形式存在，因此，可以使用近紅外光譜技術(shù)測(cè)量煤炭的元素指標(biāo)[17]。煤炭的工業(yè)指標(biāo)與其元素組成之間存在“構(gòu)效關(guān)系”，采用數(shù)據(jù)挖掘方法，對(duì)煤炭各個(gè)組分的含量和性質(zhì)進(jìn)行加和，就可以得到煤炭的灰分、揮發(fā)分、熱值及密度等工業(yè)指標(biāo)。近紅外光譜技術(shù)與煤炭指標(biāo)的關(guān)系如圖1所示。

圖1 近紅外光譜技術(shù)與煤炭指標(biāo)的關(guān)系

2 阿達(dá)瑪近紅外光譜煤質(zhì)分析平臺(tái)的設(shè)計(jì)

煤炭屬于固體樣品，因此需要采用漫反射近紅外光譜技術(shù)進(jìn)行煤質(zhì)檢測(cè)。雖然漫反射近紅外光譜技術(shù)在制藥、農(nóng)業(yè)及煙草等領(lǐng)域中被廣泛應(yīng)用，但是在煤質(zhì)分析這一領(lǐng)域中的應(yīng)用卻較少。原因主要有以下3個(gè)方面：

a. 煤炭屬于深色樣品，對(duì)光線的反射較弱，因此分析光攜帶的特征信息量較少，后期數(shù)據(jù)挖掘難度較大；

b. 煤炭的均勻性較差，也光譜數(shù)據(jù)離散性較大，不同樣品區(qū)域的表面性質(zhì)不同，反射光不同，光譜數(shù)據(jù)需要經(jīng)過(guò)積分平均處理，因此譜線的位置波動(dòng)較大，導(dǎo)致光譜數(shù)據(jù)特征的提取難度較大；

c. 煤質(zhì)在線分析不同于普通農(nóng)產(chǎn)品的檢測(cè)，火電廠工況環(huán)境較差，要求儀器具備良好的抗振性和防潮性，儀器的光路設(shè)計(jì)中要盡可能避免引入可動(dòng)光學(xué)部件，然而目前常用的分光技術(shù)在這一點(diǎn)上都受到不同程度的制約。

現(xiàn)有的傅里葉紅外光譜儀雖然能夠完成煤炭光譜的采集，但是儀器中含有光學(xué)棱鏡部件，抗振性和防潮性較差，也難以在火電廠等惡劣工況下穩(wěn)定運(yùn)行。

阿達(dá)瑪變換光譜技術(shù)是新一代數(shù)字變換光譜技術(shù)，具有光通量大、光譜信噪比高及掃描速度快等優(yōu)點(diǎn)，其分光單元的實(shí)現(xiàn)方式是DMD數(shù)字微鏡芯片，由于是電路設(shè)計(jì)并采用了芯片封裝，因此整個(gè)分光核心具備很高的抗振性和穩(wěn)定性，可以滿足火電廠煤質(zhì)分析的需要。目前，國(guó)內(nèi)外商品化的阿達(dá)瑪近紅外光譜儀較少，且光路未經(jīng)優(yōu)化，只能用于煙草、農(nóng)產(chǎn)品等淺色樣品的檢測(cè)，不適合煤炭等深色粉末樣品的檢測(cè)。為了提高原始光譜信號(hào)的能量強(qiáng)度和數(shù)據(jù)特征，筆者設(shè)計(jì)了一個(gè)HNIS-1G阿達(dá)瑪近紅外光譜煤質(zhì)分析平臺(tái)，為近紅外光譜煤質(zhì)分析技術(shù)的應(yīng)用提供保障。

HNIS-1G阿達(dá)瑪近紅外光譜煤質(zhì)分析平臺(tái)的最上方為樣品轉(zhuǎn)臺(tái)，用于放置并固定樣品杯，由于平臺(tái)內(nèi)部結(jié)構(gòu)(圖2)復(fù)雜，為了簡(jiǎn)化電機(jī)系統(tǒng)的設(shè)計(jì)，僅將光路系統(tǒng)(圖3)展示出來(lái)。鹵鎢燈紅外光源發(fā)出的復(fù)色光經(jīng)透鏡聚焦后到達(dá)樣品杯底部，然后反射光進(jìn)入單色器。轉(zhuǎn)臺(tái)電機(jī)負(fù)責(zé)為樣品轉(zhuǎn)臺(tái)提供動(dòng)力，使樣品杯旋轉(zhuǎn)，以得到均勻的紅外光譜數(shù)據(jù)。平移電機(jī)主要為參考背景板(一般為鍍金材質(zhì)、白色陶瓷或聚四氟乙烯)提供動(dòng)力，當(dāng)進(jìn)行背景掃描時(shí)，背景板旋轉(zhuǎn)到達(dá)光路中，當(dāng)進(jìn)行樣品掃描時(shí)，背景板離開(kāi)光路，鹵鎢燈光線直射樣品。

圖2 HNIS-1G平臺(tái)內(nèi)部結(jié)構(gòu)示意圖

圖3 煤粉樣品檢測(cè)光路示意圖

3 基于層次聚類算法的煤炭粒徑識(shí)別

煤質(zhì)檢測(cè)可以分為兩個(gè)主要環(huán)節(jié)：煤炭樣品粒徑的識(shí)別和煤炭樣品指標(biāo)的預(yù)測(cè)。研究中發(fā)現(xiàn)，不同粒徑的煤樣，其光譜譜線整體幅值差異很大(圖4)，即由粒徑因素造成的譜線整體幅值差異會(huì)掩蓋譜圖的微觀形貌差異。若不對(duì)煤炭的粒徑進(jìn)行區(qū)分，則難以建立定量預(yù)測(cè)模型，過(guò)于離散的數(shù)據(jù)會(huì)帶來(lái)明顯的杠桿效應(yīng)，因此，對(duì)煤炭粒徑進(jìn)行準(zhǔn)確識(shí)別是后續(xù)進(jìn)行煤炭指標(biāo)預(yù)測(cè)的前提。圖5為近紅外光譜煤質(zhì)分析預(yù)測(cè)整體思路，可以看出，煤炭粒徑識(shí)別是其中必不可少的一個(gè)重要環(huán)節(jié)。

圖4 煤炭阿達(dá)瑪原始光譜

圖5 近紅外光譜煤質(zhì)分析預(yù)測(cè)整體思路

試驗(yàn)使用的煤炭樣品是從各地煤礦收集的16種煤，每種煤按照粒徑篩分為50、80、100、120、150、180、200目7種規(guī)格，共得到煤樣112個(gè)，主要用于考察不同粒徑煤樣共存的條件下，阿達(dá)瑪近紅外光譜對(duì)煤炭粒徑的區(qū)分效果。

3.1 整體思路

經(jīng)過(guò)對(duì)光譜數(shù)據(jù)分析發(fā)現(xiàn)，1 680～2 000nm波長(zhǎng)區(qū)間對(duì)煤炭粒徑特征較為敏感，且不與指標(biāo)特征發(fā)生干擾，因此在該波長(zhǎng)區(qū)間進(jìn)行模式識(shí)別研究。試驗(yàn)采用層次聚類算法，即從個(gè)體點(diǎn)開(kāi)始，相繼合并兩個(gè)最接近的簇，直到剩下一個(gè)簇，該方法的偽指令如圖6所示。

試驗(yàn)中，對(duì)112個(gè)煤樣進(jìn)行兩次光譜數(shù)據(jù)采集，可獲得兩組試驗(yàn)數(shù)據(jù)，第1組數(shù)據(jù)構(gòu)成訓(xùn)練集，第2組數(shù)據(jù)構(gòu)成測(cè)試集。首先對(duì)已有的112個(gè)訓(xùn)練集煤樣進(jìn)行無(wú)管理層次聚類(圖7)，考察光譜特征與煤炭粒徑之間的內(nèi)在關(guān)聯(lián)性，然后根據(jù)聚類結(jié)果建立類模型，最后利用模型對(duì)測(cè)試集中的煤樣進(jìn)行粒徑識(shí)別。

圖6 層次聚類算法的偽指令

圖7 煤炭粒徑無(wú)管理層次聚類過(guò)程

3.2 建模

對(duì)利用HNIS-1G近紅外光譜煤質(zhì)分析平臺(tái)測(cè)得的112個(gè)煤樣光譜數(shù)據(jù)進(jìn)行無(wú)管理系統(tǒng)聚類，計(jì)算過(guò)程采用煤樣能量譜數(shù)據(jù)(預(yù)先經(jīng)過(guò)背景基線校正)。煤樣間的距離計(jì)算采用絕對(duì)偏差距離方法，類之間的距離計(jì)算采用Ward距離方法。層次聚類結(jié)果如圖8所示，層次聚類偏差如圖9所示。從圖9中可以看出，當(dāng)聚類偏差值為200時(shí)，曲線出現(xiàn)拐點(diǎn)，聚類誤差增大，因此112個(gè)煤樣可以自動(dòng)聚為7類，剛好對(duì)應(yīng)于7種煤炭粒徑規(guī)格。112個(gè)煤樣中除了5個(gè)煤樣粒徑聚類錯(cuò)誤外，其余107個(gè)煤樣均聚類正確，無(wú)管理聚類準(zhǔn)確率為95.54%，說(shuō)明近紅外光譜可以反映煤炭的粒徑信息，這對(duì)煤炭指標(biāo)的定量預(yù)測(cè)提供了有力保證。

圖8 112個(gè)煤樣的粒徑層次聚類結(jié)果

圖9 112個(gè)煤樣的粒徑層次聚類偏差

為便于看清圖8中的煤樣編號(hào)，對(duì)樣品集的前28個(gè)樣品進(jìn)行重新聚類，結(jié)果如圖10所示，可以清楚地看到各粒徑的煤樣被聚在了一起，前28個(gè)煤樣的聚類中沒(méi)有異常聚類結(jié)果。

圖11為1～5號(hào)煤樣典型的近紅外能量譜，可以看出，隨著煤粉顆粒目數(shù)的增加，光譜能量呈升高趨勢(shì)。

3.3 煤炭粒徑識(shí)別

從訓(xùn)練集中分別挑選具有代表性的煤樣作為標(biāo)準(zhǔn)樣品，用于粒徑建模。圖12中給出了用于建模的50、80、100、120目粒徑標(biāo)準(zhǔn)煤樣的近紅外譜圖。

圖10 樣品集前28個(gè)煤樣的粒徑層次聚類結(jié)果

圖11 1～5號(hào)煤樣典型的近紅外能量譜

采用距離判別方法對(duì)測(cè)試集煤樣進(jìn)行粒徑判別，各煤樣與粒徑模型的距離判別結(jié)果如圖13所示。112個(gè)測(cè)試集煤樣中，除6個(gè)煤樣未能正確識(shí)別外，其余106個(gè)煤樣粒徑均正確識(shí)別，準(zhǔn)確率為94.64%。

4 結(jié)束語(yǔ)

針對(duì)電力行業(yè)對(duì)煤質(zhì)分析的需求，筆者研發(fā)了一個(gè)HNIS-1G近紅外光譜煤質(zhì)分析平臺(tái)。采集了112個(gè)煤樣(7種粒徑規(guī)格)的阿達(dá)瑪近紅外譜圖進(jìn)行模式識(shí)別研究，考察了阿達(dá)瑪近紅外光譜對(duì)煤炭粒徑的區(qū)分能力，提出了煤炭粒徑識(shí)別的特征提取方法和模式識(shí)別方法。利用層次聚類算法對(duì)煤炭粒徑進(jìn)行了無(wú)管理模式識(shí)別，粒徑識(shí)別準(zhǔn)確率達(dá)94.64%，表明阿達(dá)瑪近紅外光譜技術(shù)具有很好的煤炭粒徑區(qū)分能力，為后續(xù)開(kāi)展煤炭質(zhì)量指標(biāo)的定量預(yù)測(cè)并建立穩(wěn)定準(zhǔn)確的煤炭質(zhì)量指標(biāo)預(yù)測(cè)模型提供了保障。同時(shí)，阿達(dá)瑪近紅外光譜儀具有良好的穩(wěn)定性、抗振性和經(jīng)濟(jì)性，更加適合惡劣工況下的煤質(zhì)在線分析檢測(cè)，較其他煤質(zhì)無(wú)損分析技術(shù)具有一定的優(yōu)勢(shì)和較好的擴(kuò)展?jié)摿Α?/p>

圖12 用于建模的標(biāo)準(zhǔn)煤樣近紅外譜圖

圖13 112個(gè)測(cè)試集煤樣的距離判別結(jié)果

[1] 張孝亮.快速煤質(zhì)分析儀在集裝站煤質(zhì)管理中的應(yīng)用[J].煤質(zhì)技術(shù),2010,(5):42～44.

[2] 劉碩,齊詠生,王林,等.電站鍋爐煤耗與NOx排放混合建模與優(yōu)化[J].石油化工自動(dòng)化,2016,52(1):30～34.

[3] 原立志.我國(guó)煤質(zhì)分析儀器發(fā)展現(xiàn)狀[J].內(nèi)蒙古煤炭經(jīng)濟(jì),2014,(4):2.

[4] 李鳳瑞,肖寶蘭,唐玉國(guó),等.應(yīng)用近紅外光譜方法在線測(cè)定煤中水分[J].電站系統(tǒng)工程,2003,19(6):19～20.

[5] 李鳳瑞,唐玉國(guó),肖寶蘭.應(yīng)用近紅外光譜分析技術(shù)測(cè)量煤質(zhì)發(fā)熱量[J].電站系統(tǒng)工程,2004,20(3):19～20.

[6] 肖寶蘭,李鳳瑞.國(guó)內(nèi)外關(guān)于燃煤NOx形成、還原及減排措施的研究進(jìn)展[J].發(fā)電設(shè)備,2004,18(6):350～352.

[7] 李鳳瑞,唐玉國(guó),肖寶蘭.近紅外光譜分析技術(shù)預(yù)測(cè)煤質(zhì)揮發(fā)分含量模型的研究[J].熱能動(dòng)力工程,2003,18(6):582～584.

[8] 肖寶蘭,李鳳瑞,唐玉國(guó),等.煤質(zhì)在線分析技術(shù)應(yīng)用現(xiàn)狀及研究[J].吉林電力,2003,(1):27～29.

[9] 楊麗.煤質(zhì)分析在煉焦生產(chǎn)中的作用[J].科技創(chuàng)新導(dǎo)報(bào),2010,(31):43.

[10] 王開(kāi)明,蔡斌.煤質(zhì)分析在配煤檢測(cè)中的作用[J].煤炭加工與綜合利用,2010,(3):28～29.

[11] 王友壯,顧炯,薛偉超.熱電廠煤質(zhì)在線分析的應(yīng)用研究[J].煤,2010,19(8):30～32.

[12] 趙丹丹.探討火力發(fā)電廠煤質(zhì)分析的幾點(diǎn)改進(jìn)[J].科技傳播,2013,(13):119～120.

[13] 周凌軍.淺析化工生產(chǎn)中如何提高煤質(zhì)分析的準(zhǔn)確度[J].中國(guó)石油和化工標(biāo)準(zhǔn)與質(zhì)量,2013,(9):35.

[14] 孫洪賓.淺談如何提高煤質(zhì)分析的準(zhǔn)確度[J].廣東化工,2010,37(7):83～84.

[15] 李淑梅.煤質(zhì)分析過(guò)程中的幾點(diǎn)改進(jìn)[J].煤炭技術(shù),2012,31(11):208～209.

[16] Xiao F,Rodriguez J,Arnold T C,et al.Near-infrared Spectroscopy:A Tool to Monitor Cerebral Hemodynamic and Metabolic Changes after Cardiac Arrest in Rats[J].Resuscitation,2004,63(2):213～220.

[17] 高楠.論近紅外光譜技術(shù)在煤質(zhì)檢測(cè)分析中的應(yīng)用[J].能源與節(jié)能,2016,(2):186～187.

CoalParticleSizeIdentificationMethodinThermalPowerPlantBasedonHadamardNearinfraredSpectroscopyTechnology

WANG Shuai, ZHANG Yun-jia, WANG Xue-mei, QIAO Jian-xian, GU Zi-di
(DepartmentofChemistryandMaterialsEngineering,PLALogisticEngineeringUniversity)

Considering the coal quality analysis required by the power sector, having NIR coal analysis technology based to design a HNIS-1G Hadamard NIR coal analysis platform was implemented. Making use of hierarchical clustering algorithm to identify the coal particle size shows that, the system clustering accuracy can reach 95.54% along with a 94.64% particle recognition accuracy.

coal particle size identification, Hadamard NIR, coal quality analysis, hierarchical clustering algorithm

TQ533.6

A

1000-3932(2017)02-0171-06

2016-08-22，

2016-12-20)

重慶市基礎(chǔ)與前沿研究計(jì)劃項(xiàng)目(cstc2015jcyjA100009)；中國(guó)人民解放軍后勤工程學(xué)院青年基金項(xiàng)目(YQ14-420902)。

王帥(1982-)，講師，從事儀器分析、紅外光譜和快速檢測(cè)的研究，ws0411101@163.com。