基于MPC的瓦斯抽采智能调控模型研究

作者：马莉; 石新莉; 李树刚; 林海飞; 宋爽; 代新冠

来源：煤炭科学技术, 2021, 1-11.

• 瓦斯抽采
• 智能调控
• 循环神经网络
• 模型预测控制

为了提高瓦斯抽采的安全性、效率性、降低抽采的经济成本，分析了瓦斯抽采系统运行的安全约束条件及效率约束条件；分析了瓦斯抽采系统四大控制任务并建立了瓦斯抽采优化数学模型；根据理论调控策略，提出了瓦斯抽采智能调控的完整流程。以上述调控流程为基础，提出了瓦斯抽采智能调控模型，将瓦斯抽采浓度、瓦斯抽采纯量、瓦斯抽采负压及抽采泵效能比作为被控量，抽采钻孔的阀门开度和抽采泵功率作为控制量，利用简单循环神经网络（simpleRNN）分析处理被控量历史数据的时间变化规律，学习得到被控量随时间变化的理想动态拟合曲线。通过模型预测控制算法（MPC）对控制量进行智能调控，使被控量的实际值无限趋近于其理想动态拟合曲线对应时刻的参考值。利用校正反馈和滚动优化不断增强瓦斯抽采智能调控模型的抗干扰能力，最终提高煤矿瓦斯抽采的安全性和效率。以模拟瓦斯抽采数据为例，完成了算法仿真实验。实验结果表明：瓦斯抽采浓度总体变化趋势从40%～5%随时间递减，瓦斯抽采纯量从总体变化趋势9.0～5.0m~(3)/min依次按时间递减，通过循环神经网络得到的理想动态拟合曲线具有很好的数据拟合度，能较准确地反映瓦斯抽采浓度数据和瓦斯抽采纯量数据的变化规律；瓦斯抽采负压及抽采泵效能比理想动态拟合曲线能较准确地维持在10～30kPa之间和1.3～1.5m~(3)/（kW·h）上下，满足瓦斯抽采过程的经济和安全需要；模型预测控制算法对控制量的动态调控能克服环境及非线性因素的干扰达到较好的调控效果，控制量的可调节范围分别是：阀门开度在0%～100%之间，抽采泵的功率在200～500kW/h之间，为瓦斯抽采智能调控提供了一定的参考依据。

• 单位
  通信与信息工程学院; 西安科技大学