矿山多级机站通风系统风机优化选型方法

doi:10.11872/j.issn.1005-2518.2024.04.138

摘要/Abstract

摘要：

为了确定多级机站风机的最优不平衡风压分配方式，提出了一种以通风风机功率最小、最佳匹配风机风量和最佳匹配风机风压为目标的多级机站风机优选多目标优化模型，可用于确定各装机点所需的优选风机型号及风机安装角度。该模型既获得了近似满足风量要求的优选方案，也避免了非线性模型求解不收敛的问题，并在大规模多级机站通风系统中表现出高效的求解能力。此外，提出的多风机优选方法通过数学模型构建各级机站之间的相互约束关系，在风机工况范围内约束各装机点的不平衡风压，以解决各级机站风机风压合理分配的问题，避免因风机风压分配不合理导致风机选型失败。实例验证结果表明本研究的多级机站通风系统风机选型方案是可靠的。

关键词: 矿井通风, 多级机站通风系统, 风机优选, 通风优化, 多风机选型, 多目标优化

Abstract:

The utilization of multi-stage fan station ventilation technology is crucial in the ventilation system of non-coal mines，particularly as mining depths increase.Traditional large main fan ventilation methods may struggle to adequately meet the ventilation requirements of deep mining operations，highlighting the significance of this technology.The multi-stage fan station ventilation system allows for the precise control of air volume and pressure in individual partitions by adjusting the operational status of fans at each level of the station.This method enhances the precision of adjustment and flexibility of control in the ventilation system，increases its efficiency，and decreases energy consumption.The conventional fan optimization approach assumes that each circuit accommodates only one air volume branch.In contrast，the ventilation network solution method utilizes the fan as a residual tree branch，enabling the direct allocation of unbalanced air pressure （fan pressure） to the residual tree branches of each autonomous circuit for fan optimization.In a multi-fan multi-stage station ventilation system，a single circuit may contain multiple installed air volume branches，rendering the traditional fan optimization method ineffective.Therefore，it is necessary to develop a fan optimization method suitable to multi-stage fan stations.Furthermore，due to the mutual influence between the installed branches in the multi-fan multi-stage fan station ventilation fan system，it is necessary to further consider the logical problem of air volume between the installed branches and the optimal allocation of unbalanced wind pressure（fan pressure）.In order to determine the optimal unbalanced wind pressure distribution method for multi-stage fan station，this study proposed a multi-objective optimization model for fan selection of multi-stage fan stations，aimed at achieving the minimum fan power consumption while optimizing the fan air volume and pressure.The proposed model assists in determining the most suitable fan model and installation angle for each installation point.The model successfully achieves the optimal solution that closely aligns with the air volume requirements，while also circumventing the issue of non-convergence in nonlinear model solutions.Additionally，it demonstrates efficient solution capabilities in large-scale，multi-stage fan station ventilation systems.Furthermore，the multi-fan optimization method proposed in this study establishes a mutual constraint relationship between stations at each level using a mathematical model.This approach ensures that the unbalanced wind pressure at each installation point remains within the operational range of the fan，thereby addressing the issue of distributing fan pressure effectively across all levels of the station and preventing fan selection failure due to improper pressure distribution.The reliability of the fan selection scheme for the multi-stage fan station ventilation system is confirmed through example verification in this research.

Key words: mine ventilation, multi-stage fan station ventilation system, fan optimization, ventilation optimization, multi-fan selection, multi-objective optimization

中图分类号:

TD72

钟德云, 刘雨龙, 王李管. 矿山多级机站通风系统风机优化选型方法[J]. 黄金科学技术, 2024, 32(4): 666-674.

Deyun ZHONG, Yulong LIU, Liguan WANG. Optimization of Fan Selection for Multi-stage Fan Station Ventilation System in Mines[J]. Gold Science and Technology, 2024, 32(4): 666-674.

图/表 6

图1

图2

图3

表 1

表2

表3

参考文献 0

	Chen Xishan， Liang Xiaochun， Li Yang，2002.Multi-stages ventilation arrangement and new development of ventilation technology in underground metallic ore mines［J］.China Ming Magazine，（5）：13-15.
	Chen Yihua， Sun Huoran，2008.Research on optimization design method for mine multi-stage fan station ventilation system［J］.Metal Mine，37（1）：121-124.
	Drezner Z， Marcoulides G A， Salhi S，1999.Tabu search model selection in multiple regression analysis［J］.Communications in Statistics-Simulation and Computation，28（2）：349-367.
	Jia Anmin，2012.Remote monitoring and energy saving research of multistage fan station ventilation［J］.Metal Mine，41（6）：113-119，159.
	Kozyrev S A， Osintseva A V，2012.Optimizing arrangement of air distribution controllers in mine ventilation system［J］.Journal of Mining Science，48（5）：896-903.
	Lai Mingzhao， Wang Haining， Liu Chengmin，et al，2016.On the optimization and application of multi-level ventilation system based on the 3-D simulation mining ventilation system［J］.Journal of Safety and Environment，16（5）：125-128.
	Liang S H， He J， Zheng H，et al，2018.Research on the HPACA algorithm to solve alternative covering location model for methane sensors［J］.Procedia Computer Science，139：464-472.
	Liu Jian，2020.Overview on key scientific and technical issues of mine intelligent ventilation［J］.Safety in Coal Mines，51（10）：108-111，117.
	Liu Jie， Xie Xianping，2010.Principle of energy saving of multi-fan and multistage fan station ventilation system［J］.Nonferrous Metals（Mining Section），62（5）：71-74.
	Lowndes I S， Fogarty T， Yang Z Y，2005.The application of genetic algorithms to optimise the performance of a mine ventilation network：The influence of coding method and population size［J］.Soft Computing，9（7）：493-506.
	Lu Xinming， Yin Hong，2020.The intelligent theory and technology of mine ventilation［J］.Journal of China Coal Society，45（6）：2236-2247.
	Stepanenko S， Engels B，2007.Gradient tabu search［J］.Journal of Computational Chemistry，28（2）：601-611.
	Sun Xing， Chen Xiang，2009.Interference analysis and prevention of multi-fan parallel operation［C］//2009 Shandong Provincial Refrigeration and Air Conditioning Academic Annual Conference “Yantai Ice Wheel Cup”.Qingdao：Shandong Institute of Refrigeratio.
	Ueng T H， Wang Y J，1984.Analysis of mine ventilation networks using nonlinear programming techniques［J］.International Journal of Mining Engineering，2（3）：245-252.
	Wang Guikun，2008.Analysis on Interference of Mulitple Fan’s Joint Operation［D］.Qingdao：Shandong University of Science and Technology.
	Wang Y J，1984.A non-linear programming formulation for mine ventilation networks with natural splitting［J］.International Journal of Rock Mechanics and Mining Sciences and Geomechanics Abstracts，21（1）：43-45.
	Wu Xingxiao，2018.Research on Key Technology of Intelligent Monitoring System of Large Mine Fan［D］. Beijing：China University of Geosciences（Beijing）.
	Zhou Fubao， Wei Lianjiang， Xia Tongqiang，et al，2020.Principle，key technology and preliminary realization of mine intelligent ventilation［J］.Journal of China Coal Society，45（6）：2225-2235.
	陈喜山，梁晓春，李杨，2002.多级机站通风新模式和矿井通风技术的新进展［J］.中国矿业，（5）：13-15.
	陈宜华，孙豁然，2008.矿井多级机站通风系统优化设计方法的研究［J］.金属矿山，37（1）：121-124.
	贾安民，2012.井下多级机站通风监控与节能技术研究［J］.金属矿山，41（6）：113-119，159.
	赖明照，王海宁，刘成敏，等，2016.基于矿井通风三维仿真系统的多级机站通风系统优化与应用［J］.安全与环境学报，16（5）：125-128.
	刘剑，2020.矿井智能通风关键科学技术问题综述［J］.煤矿安全，51（10）：108-111，117.
	刘杰，谢贤平，2010.多风机多级机站通风节能原理初探［J］.有色金属（矿山部分），62（5）：71-74.
	卢新明，尹红，2020.矿井通风智能化理论与技术［J］.煤炭学报，45（6）：2236-2247.
	孙星，陈香，2009.多风机并联运转的干扰分析及预防［C］//2009年山东省制冷空调学术年会“烟台冰轮杯”优秀论文评选.青岛：山东省制冷学会.
	王桂坤，2008.多风机联合运转相互干扰的分析［D］.青岛：山东科技大学.
	吴兴校，2018.大型矿井风机智能监控系统关键技术研究［D］.北京：中国地质大学（北京）.
	周福宝，魏连江，夏同强，等，2020.矿井智能通风原理、关键技术及其初步实现［J］.煤炭学报，45（6）：2225-2235.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

风机编号	安装位置	风机类型	通风方式	长度/m	风阻/（N·s²·m^-8）	解算风量/（m³·s^-1）	调节风压/Pa
1	出风	装机	抽出式	30	0.033	150	-3 232.50
2	进风	装机	压入式	30	0.036	150	0.00
6	内部	装机	抽出式	30	0.030	50	0.00
12	内部	装机	抽出式	30	0.030	50	157.50
14	内部	装机	抽出式	30	0.030	50	15.00

风机编号	安装位置	风机类型	长度	风阻/（N·s²·m^-8）	解算风量/（m³·s^-1）	装机风量/（m³·s^-1）	装机风压/Pa
1	出风	装机	30	0.033	150	150	1 378.92
2	进风	装机	30	0.036	150	150	1 378.92
3	内部	非装机	30	0.030	150	-	-
4	内部	非装机	30	0.030	150	-	-
5	内部	非装机	30	0.024	50	-	-
7	内部	非装机	30	0.036	50	-	-
8	内部	非装机	30	0.033	50	-	-
9	内部	非装机	30	0.027	50	-	-
10	内部	非装机	30	0.042	50	-	-
11	内部	非装机	30	0.039	50	-	-
13	内部	非装机	30	0.036	50	-	-
6	内部	装机	30	0.030	50	50	474.64
12	内部	装机	30	0.030	50	50	317.14
14	内部	装机	30	0.030	50	50	459.64

风机编号	安装位置	风机类型	通风方式	风机型号	叶片角度	串联	并联
1	出风	装机	抽出式	DK40-8No26	-5°	1	1
2	进风	装机	压入式	DK40-8No26	-5°	1	1
6	内部	装机	抽出式	K40-8No21	20°	1	1
12	内部	装机	抽出式	K40-8No20	23°	1	1
14	内部	装机	抽出式	K40-8No21	20°	1	1

[1]	钟德云, 文历学, 王李管. 基于混合整数规划的风流两步骤调控优化方法[J]. 黄金科学技术, 2024, 32(2): 356-365.
[2]	黄爽, 贾明涛, 鲁芳. 基于启发式遗传算法的地下采场作业计划优化模型[J]. 黄金科学技术, 2023, 31(4): 669-679.
[3]	高峰,艾浩泉,梁耀东,罗增武,熊信,周科平,杨根. 基于NSGA-Ⅱ算法的废石及尾砂混合充填料配比优化[J]. 黄金科学技术, 2022, 30(1): 46-53.
[4]	田龙,周智勇,陈建宏. 配备辅助通风的高温矿井采掘区温度分布数值模拟[J]. 黄金科学技术, 2020, 28(1): 61-69.
[5]	肖文丰,陈建宏,陈毅,王喜梅. 基于神经网络与遗传算法的多目标充填料浆配比优化[J]. 黄金科学技术, 2019, 27(4): 581-588.
[6]	王从陆,李童. 基于Ventsim的深井线性热源对有效通风量的影响分析[J]. 黄金科学技术, 2019, 27(2): 271-277.
[7]	林伟，胡汉华* . 人机学视阈下的矿井通风系统设计与思考[J]. 黄金科学技术, 2017, 25(3): 121-127.
[8]	谭期仁，王李管，钟德云. NSGA-II算法在井下多目标运输路径优化中的应用[J]. 黄金科学技术, 2016, 24(2): 95-100.
[9]	李刚，吴超. 抱伦金矿通风系统优化研究[J]. 黄金科学技术, 2016, 24(1): 92-96.
[10]	陈友东. 河台金矿高村矿区通风系统技术改造与研究[J]. J4, 2003, 11(1): 42-46.