文章信息
- 陈杰, 张伟
- CHEN Jie, ZHANG Wei
- 电缆隧道早期火情识别技术的有效性模拟技术研究
- Study on effectiveness simulation technology of early fire identification technology in cable tunnel
- 中国测试, 2024, 50(7): 191-198
- CHINA MEASUREMENT & TEST, 2024, 50(7): 191-198
- http://dx.doi.org/10.11857/j.issn.1674-5124.2022070057
-
文章历史
- 收稿日期: 2022-07-11
- 收到修改稿日期: 2022-08-24
电缆隧道的管线众多,一旦出现电缆短路等故障,便会引发火灾,对区域生产生活造成破坏,并可能引发人员伤亡。此类设施中的火灾较为特殊,很难及时投入大型消防设备。相比较于火势明显后的扑灭措施,早期火情识别更为关键,可将火灾消灭在苗头状态,起到预防与及时介入的作用[1]。由于电缆隧道实际的长度有十几千米,且通常火灾实验室相对比较复杂,难以开展全尺寸的实验,因此基于仿真的有效性模拟是目前研究电缆隧道早期火情识别的有效方法。目前电缆隧道早期火情识别模拟方法主要包括区域模型方法和流体动力学模型方法。由于流体力学模型方法能够对火灾的温度、烟气浓度等动态变化过程进行分析,从得到了广泛应用[2]。其中典型的采用流体动力学模型的电缆隧道火情动态模拟软件是火灾动力学模拟机(fire dynamics simulator,FDS)。
在早期火情识别方面,国内外学者均有大量研究成果。国外学者重视运用量化工具对火情信息进行探测。文献[1-3]从经济学角度入手,对电缆隧道火情早期信息预测的价值进行分析。文献[4]对电缆隧道的数学模型充分性进行了检查,以便进一步用于火灾温度状况的研究。文献[5]采用FDS探讨这些模式在综合管廊火灾中的有效性,绘制了温度和能见度等值线,比较了3种主要通风方式(自然通风系统、抽气通风系统和平衡通风系统)在不同防火门和自动喷水灭火系统切换模式下的性能。国内学者在电缆隧道早期火情探测方面的研究也十分丰富。文献[6-7]从电缆设备发热视角进行深入研究,提出了一种无线传感网络环境下的火情探测系统,经过仿真分析证实其有效性。文献[8-10]对火情识别与探测的数学模型进行研究,试图提升火情预测的动态能力。文献[11-16]从运维数据角度入手,对如何更好地保护电缆隧道并识别早期火情进行分析,所构建的数据分类模型被证实有效。
在工程实践中,电缆隧道结构会由于地形、地面建筑布局等因素呈现复杂性。本研究中,基于复杂工程这一假设,认为有必要对T型电缆隧道的早期火情信息识别进行研究。在此过程中,运用FDS软件对火情进行模拟,观察温度、烟气浓度分布以及预警时间等参数的关系,以期提升电缆隧道火情信息识别准确度,从而制定更有效的预警策略。
1 空间几何模型构建 1.1 FDS原理利用FDS对电缆早期火情进行模拟时,模拟结果的精确性通常由网格大小所决定。网格数量越多,表明对应的计算时间越长,且具有更高的准确性。因此,电缆早期火情的火源特征是由网格尺寸大小来决定的。根据工程经验,当栅格尺寸的大小为火源直径的0.1倍时,FDS的仿真结果更准确。电缆早期火情火源的特征直径可表示为:
$ D = {\left( {\frac{Q}{{\rho cT\sqrt g }}} \right)^{\frac{2}{5}}} $ | (1) |
式中:Q——火灾热所释放的速率,kW/s;
ρ——空气密度,kg/m3;
c——空气比热容,kJ/(kg·K);
T——环境温度,K;
g——重力加速度,m/s2。
1.2 燃烧模型电缆早期火情大涡模拟中,气体组分浓度通常由混合分数表示,可燃物和氧气反应的过程可表示为:
$ {v_{\rm{F}}}{\rm{Fuel}} + {v_{\rm{O}}}{{\rm{O}}_2} \to \sum {{v_{{\rm{p}},i}}}{\rm{Products} }$ | (2) |
式中:vF——燃料;
vO——氧气;
vp,i——一定量的燃烧产物。
从式(2)可以看出,燃烧的质量损失与氧气消耗量之间具有一定的关联关系,可表示为:
$ \frac{{m\& F}}{{{v_{\mathrm{F}}}{M_{\mathrm{F}}}}} = \frac{{m\& O}}{{{v_{\mathrm{O}}}{M_{\mathrm{O}}}}} $ | (3) |
式中:MF——燃烧的质量损失;
MO——氧气消耗量;
F、O——燃烧的质量损失、氧气消耗量相关的常数。
1.3 电缆隧道模型在建立模型时,首先应选择好实验环境。本文所选的实验环境为某市行政办公区启动区电缆隧道,电缆隧道示意图如图1所示。对实验环境进行FDS全尺寸模型构建,其结果为T型。该模型主要由两个矩形管道组成,竖向部分尺寸为2300 mm×2700 mm×3500 mm,横向部分尺寸为1700 mm×2700mm×3500 mm。根据设计标准,管廊单层可置入36条110 kV电缆。在电缆隧道内部,包含了8层电缆托架,这些电缆托架主要在电缆隧道内部的左侧和右侧,托架的宽度为1000 mm,其底部距离地面为350 mm。上面一层托架与下面一层托架之间的距离为350 mm,电缆托架层厚度为50 mm。从安全设计角度考量,在托架之上铺设绝缘电缆,其材料构成为铜与塑料,二者含量比为6∶4。经测量确认,绝缘电缆密度值与导热系数分别为5853.51kg/m3、237.57 W/(m·K)。
2 参数设置 2.1 环境参数设置
隧道内壁材料包含3种,分别为钢筋混凝土、含保温层以及外护管理层。在电缆隧道的右端,设置有送风口。机械在进行通风时,只要改变隧道的环境气流速度以及风速即可完成机械通风。在开启机械通风条件下,气流速度有3种不同设定值,分别为0.5 m/s,1 m/s,1.5 m/s。另外,将环境温度设定为20 ℃,环境压力设定为0.1 MPa。
2.2 火源设置本研究中,火源功率设置为3200 kW,其热释放速率为12500 kW/m2;油盘表面规格为500 mm×500 mm。模拟中,将网格尺寸设置为100 mm。
2.3 探测器布置通常情况下,只要在距离电缆隧道顶部10 mm处安装空间探测即可,在设置不同的测点时,不同测点之间需要间隔5000 mm,且测点的数量为9个。其中,点型感温探测系统的标记可分别表示为kW1-kW9,其温度报警阈值为70 ℃,也就是说当温度达到70 ℃时,点型感温探测系统就会发出警报;点型感烟探测系统测点的标记可分别表示为KY1-KY9,其烟气浓度对应的报警阈值为3.28 kg/kg。为了使整个计算过程更加简化,提高计算精确性,在每层电缆桥架上都设置相应的缆式线型感温探测系统,不同探测系统测点之间的距离为2000 mm。通过计算可知,在8层电缆桥架上设置的测点数量共计168个,相应的标记分别表示为D1-D168,且该环境下的温度报警阈值设置为70 ℃。综上所述,本文中的工况设置情况如表1所示。
参数 | 工况1 | 工况2 | 工况3 | 工况4 | 工况5 |
火源功率/kW | 3000 | 3000 | 3000 | 3000 | 3000 |
火源位置 | 右横中点 | 交叉点 | 下竖中点 | 交叉点 | 交叉点 |
风速/(m·s-1) | 0.5 | 0.5 | 0.5 | 1 | 1.5 |
3 模拟结果分析
基于搭建的仿真模型,分别研究了不同工况对电缆火灾及报警的影响。
3.1 电缆火灾的影响分析选取某一特定工况,对不同铺设深度、电缆间距等条件下的电缆隧道火情温度和燃烧速率进行分析。
1)电缆铺设深度对火灾的影响
选取电缆铺设深度分别为1 m,0.75 m,0.5 m,对电缆隧道火情的环境温度和燃烧速率进行分析,如图2和图3所示。从图2可以看出,在燃烧初期,敷设深度对电缆隧道的火情温度影响不大,燃烧后期的温度会发生迅速上升,且敷设深度为0.5 m时的燃烧温度最高,约高达850 ℃。从图3可以看出,随着燃烧时间的不断增大,燃烧速率会越来越大,且敷设深度最大(1 m)时的燃烧速率最小,即对电缆隧道的火情影响最小。
2)电缆间距对火灾的影响
选取电缆间距分别为0.1 m,0.2 m,0.3 m,对电缆隧道火情的环境温度和燃烧速率进行分析,如图4和图5所示。从图4可以看出,随着燃烧时间的增加,燃烧温度不断增大;在燃烧初期,电缆间距对电缆隧道的火情温度影响不大,燃烧后期的温度会发生迅速上升,且电缆间距为0.3 m时的燃烧温度最高,高达约800 ℃。从图5可以看出,随着燃烧时间的不断增加,燃烧速率会越来越大,且电缆间距最大(0.3 m)时的燃烧速率最大,即对电缆隧道的火情影响最大。
因此,从上述仿真结果可知,合理的敷设和间距能够降低电缆隧道火灾的温度和燃烧率。
3.2 报警时间的影响分析1)管廊结构对报警时间的影响
如图6所示,为工况1模拟结果。由图可知,在2号测点处,点型感温探测系统、点型感烟探测系统的报警时间均出现下向拐点。这是因为,该测点设置在T型管廊交叉处,烟气在此处分流,使环境温度的上升速率下降。因此,在3号、4号测点,两种系统的报警时间均延长。随着测点与火源距离增加,系统报警时间持续增加。
由表2可知,两种系统的拟合系数分别为0.9488、0.9574,均非常接近1.0,且报警时间拟合函数形式为标准一元二次型,由此可见其拟合结果相对满意。
随后,取t =120 s、z =3500 mm处温度及烟气浓度分布监测图,结果如图7、图8所示。结合图7与图4可知,在点燃油盘后,烟气浓度与温度场均向T型管道左侧偏移;当两者交叉之后,即形成交叉点,在此点处就会分散。无论是温度还是烟气浓度,其临界值都处于交叉点处,在该点处会发生突变。通过图表可以观察到高温及烟气高浓度分布范围,高温以及烟气高浓度的变化是相一致的。由此得出,在距离火源处相对较远时,烟气热对流决定着火源端处温度的高低,此时火源热辐射作用就会大大减弱。
为进一步分析T型管廊结构对火情识别的影响,本文分别测试与记录了交叉处不同方向上的报警时间。如表3所示,无论是何种探测系统,交叉点处向左的报警时间值均是最小的,而交叉点处向下的报警时间值则最大。可见,在交叉点处烟气分流呈现如下特征:转角分流受限,而直线分流则量更大;相比较于右侧,左侧烟气速度更快,报警时间加快。
探测系统 | 相对交叉点位置 | 左 | 右 | 下 |
点型感温探测系统 | 最早报警点 | kW2 | kW3 | kW7 |
报警时间/s | 21.35 | 40.68 | 71.49 | |
点型感烟探测系统 | 最早报警点 | KY2 | KY3 | KY6 |
报警时间/s | 10.67 | 20.48 | 27.55 | |
缆式线型感温探测系统 | 最早报警点 | D4 | D112 | D140 |
报警时间/s | 15.78 | 30.59 | 53.18 |
2)火源位置对报警时间的影响
3种不同工况(火源位置均不同)下的探测报警时间分布结果如图9所示。可知,当火源出现于下竖中点、右横中点时,系统报警时间无显著差异;火源在交叉点工况下,尤其是转角段的报警时间则显著更长。
由图9可知,工况1的曲线变化情况与工况2的曲线变化情况相似,当距离火源的位置很近时,报警时间会大大缩短,而火源热辐射会在某种程度上促使温度逐渐升高。如果与火源距离比较大,电缆在燃烧过程中比较稳定,那么其温度上升的速率就不会忽高忽低,仍然处于一种相对稳定的状态。对于工况3而言,会将测点设置在靠后的位置,这就是曲线拐点出现在后半段的原因。综上可知,在工况1与工况2中,火源位置与报警时间之间无紧密关联。
3)气流速度对报警时间的影响
为进一步分析气流速度对报警时间的影响,本研究选取工况2、工况4以及工况5作为研究对象。在这3种工况中,当风速不同时,分别对3种系统报警时间的快慢进行分析,对应的拟合结果如图10所示。
经过分析发现,报警时间与气流速度关系的拟合结果是一种二次函数形式。由于临界气流速度的影响,使得探测器报警时间在一定程度上大大缩短,且临界气流速度约为0.95~1.05 m/s。在风速增加且报警时间减少的情况下,风速小于临界气流速度;在风速以及报警时间都增加的情况下,风速超过临界点。之所以会出现该种现象,主要是因为在风速较小且对应的临界气流速度较大时,物质燃烧会变得更加剧烈。而当风速相对于临界气流速度更大时,会有低温空气流入火场,导致火场温度下降。但是,火焰和烟气湍流程度会增加,初期的火灾探测器报警时间会因此变长。
由图10可知,在早期火情识别效率方面,点型感烟探测系统具有更高的可靠性,缆式线型感温探测系统的可靠性则略低,而最不灵敏的则是点型感温探测系统。在工程实践中,从成本角度考虑最常用的是缆式线型感温系统。然而,该类系统容易受到电磁干扰。为了避免或者减少出现此类情形,可用点型感烟探测系统加以替代,从而更好地保障电缆隧道安全。
4 关于消防联动技术的讨论 4.1 消防设备自动化控制分析在开启消防警报时,为了降低火灾事发现场的损失,通常采取的有效措施是设置消防设备自动化控制管理功能(图11)。在火灾来临时,系统首先要分析间隔房内是否有运维人员,在确认无人的情况下,系统可以对间隔房的防火门进行关闭,系统设置的管理人员可将消防设备启动来实现灭火处理,而当彻底消灭火势后,设备管理人员可关闭设备。
4.2 早期火灾预警消防联动控制
目前,部分重要电缆通道采用集中报警方式设计。每个防火分区设置一套火灾自动报警子系统,系统采用联动性,直接利用CAN总线方式接入至综合通信分站。线型感温火灾探测器安装在电力电缆表层、配电站电缆桥架或者支架上时,采用正弦波的方式敷设在动力电缆或控制电缆的外护套上,且建议采用接触安装方式。火灾监测联动通风机监控、防火门监控系统,实现自动控制。典型电缆通道火灾监测报警及消防联动系统总体结构如图12所示。
获得火情信号后,需要启动自动火灾报警系统。自动火灾报警系统中的火灾报警控制器按应用方式可分为独立型、区域型、集中型和集中区域兼容型。独立型控制器无法向其他控制器传递信息。区域型控制器能直接接收火灾触发器件或模块发出的信息,并能向集中型控制器传递信息。集中型控制器能接收区域型控制器、火灾触发器件或模块发出的信息,并能发出控制信号使区域型控制器工作。因此在实际电力电缆通道中应结合环境选用合适的火灾报警控制器。当火灾确认后,火灾自动报警系统还应启动相关的消防设施。火灾自动报警系统联动控制通过报警系统内设置的探测器、火灾触发器件、模块之间设置的逻辑编程来启动自动灭火系统。
5 结束语本文以实际生产中常见的T型电缆隧道为分析对象,对不同探测系统的有效性进行了模拟和分析,得到以下结论:
1)交叉点处火情信息预警探测对设备要求更高。相较而言,交叉点处下方向探测器报警时间要更长。另外,当探测器与火源之间距离越远时,也会需要更长时间方可发出警报。因此,对于交叉点处,更应该加强探测器管理,谨慎放置,尽量压缩其空间布局以提升该区域的早期火情预警效率。
2)应区分不同火源位置与探测预警时间的关系。当火源位置处于交叉点时,所有探测系统均具有较长的报警时间;当火源位置处于下竖中点以及右横中点等位置时,不同探测系统预警所需时间无显著差异。
3)点型感烟探测系统的可靠性最高。本研究所运用的3种火情探测系统中,点型感烟探测系统在早期火情识别方面的有效性最高,而缆式线型感温探测系统的有效性次之。点型感烟探测系统在空间探测中应用比较广泛,其早期火情报警时间在众多的探测系统中最短,可对其他探测系统的缺陷提供补充,提高报警准确性,有效提升电缆隧道的安全性。
[1] |
吴照国, 宗鹏飞, 田堃, 等. 电缆隧道封堵形态对电缆隧道火灾蔓延影响研究[J].
武汉理工大学学报(信息与管理工程版), 2022, 44(4): 561-565.
WU Z G, ZONG P F, TIAN K, et al. Influence of cable tunnel plugging form on fire spread in cable tunnel[J].
Journal of Wuhan University of Technology(Information & Management Engineering), 2022, 44(4): 561-565.
|
[2] |
张辛亥, 丁峰, 张玉涛, 等. 井下烟道在巷道火灾中的作用数值模拟[J].
煤矿安全, 2017, 48(4): 48-51.
ZHANG X H, DING F, ZHANG Y T, et al. Numerical analysis of underground flue effect on mine roadway fire[J].
Safety in Coal Mines, 2017, 48(4): 48-51.
|
[3] |
PANAGIOTIS N, KONSTANTINOS K. Evaluating the role of risk assessment for road tunnel fire safety: A comparative review within the EU[J].
Journal of Traffic and Transportation Engineering (English Edition), 2019, 33(3): 80-94.
|
[4] |
NUIANZIN O, SAMCHENKO T, KASIARUM S, et al. The heat exchange mathematical model of fire in cable tunnel adequacyresearch[J].
International Journal of Engineering & Technology, 2018, 7(4): 303-307.
|
[5] |
MI H, LIU Y, JIAO Z, et al. A numerical study on the optimization of ventilation mode during emergency of cable fire in utility tunnel[J].
Tunnelling and Underground Space Technology, 2020, 100: 100-119.
|
[6] |
戴文涛. 电缆隧道及综合管廊火灾探测报警技术研究[J].
消防科学与技术, 2017, 36(1): 89-92.
DAI W T. Study on the fire detection and alarm of cable tunnel and integrated pipe gallery[J].
Fire Science and Technology, 2017, 36(1): 89-92.
|
[7] |
刘家军, 杜智亮, 李娟绒, 等. 铁路10 kV电力电缆头发热分析与安全监测[J].
电力系统保护与控制, 2019, 47(24): 131-138.
LIU J J , DU Z L, LI J R, et al. Thermal analysis and safety monitoring of railway 10 kV power cable joints[J].
Power System Protection and Control, 2019, 47(24): 131-138.
|
[8] |
石拓, 胡啸峰. 一种基于分布式推理的火情探测系统[J].
安全与环境学报, 2019(3): 837-846.
SHI T, HU X F. A renovated fire detection system based on the distributive reasoning and assessment[J].
Journal of Safety and Environment, 2019(3): 837-846.
|
[9] |
汪颖, 孙建风, 肖先勇, 等. 基于优化卷积神经网络的电缆早期故障分类识别[J].
电力系统保护与控制, 2020, 48(7): 10-18.
WANG Y, SUN J F, XIAO X Y, et al. Cable incipient fault classification and identification based on optimized convolution neural network[J].
Power System Protection and Control, 2020, 48(7): 10-18.
|
[10] |
裴星宇, 黄顺涛, 崔江静, 等. 一种基于SSD的电缆隧道明火识别方法: CN108564065B[P], 2020.
|
[11] |
王罡, 刘敬文, 李国鹏, 等. 基于多源异构数据融合的综合管廊电力舱系统保护[J].
电力系统保护与控制, 2021, 49(7): 103-109.
WANG G, LIU J W, LI G P, et al. System protection of a pipe corridor power cabin based on multi-source heterogeneous data fusion[J].
Power System Protection and Control, 2021, 49(7): 103-109.
|
[12] |
石雪怀, 戚湧, 李千目, 等. 基于深度集成模型的火灾事故预警方法[J].
计算机应用, 2019, 39(1): 8-12.
SHI X H, QI Y, LI Q M, et al. Fire accident warning approach based on deep ensemble model[J].
Journal of Computer Applications, 2019, 39(1): 8-12.
|
[13] |
车辉, 邢慧芬, 樊玉琦, 等. 基于大数据的火灾智能预警系统[J].
计算机系统应用, 2020(10): 120-126.
CHE H, XING H F, FAN Y Q, et al. Fire intelligent early warning system based on big data[J].
Journal of Computer Applications, 2020(10): 120-126.
|
[14] |
黄翰鹏, 李柏林, 欧阳, 等. 融合模糊神经网络与时序模型的火灾预警算法[J].
计算机工程与设计, 2020, 41(6): 1639-1644.
HUANG H P, LI B L, OU Y, et al. Fire early warning based on fuzzy neural network and temperature time series model[J].
Computer Engineering and Design, 2020, 41(6): 1639-1644.
|
[15] |
陈尚, 蒋毅, 宋珍. 电力电缆火灾风险评价模型与预警信号分级[J].
南方电网技术, 2020, 14(4): 3-7,16.
CHEN S, JIANG Y, SONG Z. Fire risk assessment model and early warning signal classification of power cable[J].
Southern Power System Technology, 2020, 14(4): 3-7,16.
|
[16] |
旷永华. 分布式激光火情监测系统应用及其测点部署优化[J].
矿业安全与环保, 2020, 47(5): 99-102.
KUANG Y H. Application and optimization of test point deployment of distributed laser fire monitoring system[J].
Mining Safety & Environmental Protection, 2020, 47(5): 99-102.
|