Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  analiza złoża
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Elektrownie produkujące energię opierającą się na węgielu brunatnym są ściśle związane z miejscem pozyskania surowca, czyli ze złożem.W przeciwieństwie do węgla kamiennego, węgiel brunatny w stanie surowym, ze względu na swoje właściwości, nie nadaje się do transportu na większe odległości. Budowane przy złożach elektrownie bazujące na tym surowcu muszą być dostosowane do właściwości dostępnej w pobliżu kopaliny. W artykule przedstawiono analizę jednego ze złóż węgla brunatnego pod kątem parametrów technologicznych projektowanej elektrowni. Do analiz wytypowano trzy parametry węgla: popielność Ad [%], wartość opałową Qir [kJ/kg] oraz zawartość siarki całkowitej w węglu Std [%]. Na podstawie informacji z dokumentacji geologicznej oraz projektu zagospodarowania złoża określono statystykę parametrów jakościowych węgla w złożu w funkcji postępu projektowanej eksploatacji. Oprócz wartości średnich przedstawiono wielkości możliwych błędów oszacowań wynikających ze zmienności złoża ale również z niedoskonałej informacji o złożu.
EN
Power plants producing energy from lignite are tied to the locations of lignite extraction – to lignite deposits. Unlike hard coal, raw lignite, because of its properties and water content, cannot be transported over long distances. Therefore, power plants built in the neighborhood of a deposit have to be adjusted to the properties of the lignite in the deposit. This article analyzes the parameters of a lignite deposit for the purpose of considering a new power plant. Three lignite parameters were selected – ash content Ad [%], calorific value Qir [kJ/kg], and sulfur content Std [%]. Based on the information from geological documentation and the lignite deposit development project, the analysis calculates relevant statistics of these lignite deposit parameters, taking into account the progress of the planned exploitation. The mean values as well as the standard deviation of the mean values are presented.
PL
Przeanalizowano uwarunkowania geologiczno-górnicze oraz uwarunkowania zewnętrzne mające znaczenie dla zagospodarowania złoża węgla brunatnego Gubin. Przedstawiono etapy dokumentowania i obecny stan rozpoznania złoża. Przeanalizowano złoże pod kątem parametrów jakościowych i strukturalnych. W analizach wykorzystano również parametry syntetyczne oparte na algorytmach cenowych. Przedstawiono ograniczenia zewnętrzne dla eksploatacji części złoża wynikające z istniejących i projektowanych obszarowych form ochrony przyrody. Szczegółowo przeanalizowano fragment złoża w granicach zgłoszonego do Komisji Europejskiej obszaru Natura 2000. Oszacowano utracone korzyści wynikające z zaniechania eksploatacji tej części złoża.
EN
The work describes analysis of geological and mining conditions for future exploitation of lignite deposit Gubin. The external conditions connected to nature protection were described. The geological works history on deposit Gubin and state of contemporary geological recognition were presented. The analysis of quality and structure parameters of deposit were made. The synthetic parameters based on price algorithms for deposit analysis has been used. Restrictions of extraction for a part of deposit due to nature protection were shown. Detailed analysis for part of deposit which lies in the border of nature protection zone under Natura 2000 program has been presented. The lost benefits related to part of deposit within nature protection zone were calculated.
PL
W pracy przedstawiono podejście do złoża kopaliny jako dobra ekonomicznego umożliwiającego pozyskanie pieniądza w czasie, w procesie jego eksploatacji. Zaproponowano model cenowy złoża do wstępnej jego analizy pod kątem opłacalności eksploatacji, okonturowania zasobów przemysłowych, wyboru miejsca udostępnienia oraz sterowania wydobyciem w funkcji ceny kopaliny. Wykorzystany do modelowania parametr cenowy jest wypadkową parametrów jakościowych i strukturalnych złoża, które mają wpływ na cenę kopaliny. Wzór na parametr cenowy dla modelowania złoża węgla brunatnego opracowano na podstawie zmodyfikowanej formuły cenowej wykorzystywanej do rozliczeń. W pracy przedstawiono 3 warianty parametru cenowego: Cj oparty na parametrach jakościowych, tj. wartość opałową Q, popielność A oraz zawartość siarki S. Do obliczania drugiego parametru Cm oprócz parametrów jakościowych włączono również miąższość pokładu węgla M. Parametry Cj i Cm mają charakter względny i odnoszą się do kopaliny w punkcie złoża. Trzeci parametr cenowy CR, uwzględnia powierzchnię jednostkową i gęstość węgla i przedstawia realną cenę kopaliny w złożu wyrażoną w złotych. Metodę modelowania cenowego zaprezentowano na przykładzie złoża węgla brunatnego Gubin. Analizowane złoże zajmuje czołowe miejsce w wielu rankingach pod kątem przydatności do zagospodarowania górniczego. Złoże zostało uwzględnione w Polityce energetycznej Polski do 2030 roku. Analizie poddano pokład II tego złoża. Przedstawiono w niej charakterystykę statystyczną parametrów Q, A, S, M oraz charakter ich zmienności w złożu. Do analizy zmienności przestrzennej parametrów wykorzystano metody geostatystyczne. Obliczone zostały wariogramy empiryczne każdego z parametrów, do których dopasowano właściwe modele. Zaprezentowano metodę wykonywania modeli cenowych. Bazując na obserwacjach z 625 otworów wiertniczych obliczono wartości parametrów Cj i Cmw punktach złoża. Na ich podstawie wykonano wariogramy i dopasowano modele. Na podstawie modeli wariogramów metodą krigingu punktowego wykonano modele cenowe parametrów Cj i Cm. Do modeli cenowych zostały wykonane mapy wiarygodności modeli oparte na odchyleniu standardowym krigingu. Zaproponowano sposób interpretacji modeli cenowych i map wiarygodności.
EN
An approach to the mineral deposit as to resources of money, which can be extracted in the mining process, has been presented in the paper. The proposed price model of a deposit can be useful for the initial analysis of the deposit in terms of mining profitability, estimation of reserves, localization of an opening cut and steering of mineral extraction as a function of the commodity price. The price parameter used for deposit modelling is calculated based on quality and structural parameters of the deposit, which affect the price of extracted commodity. The formula used to calculate the price parameter for modeling of lignite deposit has been elaborated based on a formula used for transaction between mine and power plant. In the paper, three types of price parameters are presented: Cj, Cm and CR. The Cj parameter is calculated from quality parameters: caloric value Q, ash content A and sulfur content S. The Cm parameter includes the same quality parameters as Cj and additionally the thickness of lignite bed (M). Parameters Cj and Cm are relative parameters and relate to point of deposit. The third price parameter CR includes additionally the area units and the density of lignite and presents real price of lignite in the bed expressed in zł. Price modelling method has been presented on the case study of lignite deposit Gubin. The analyzed deposit is highly ranked as very suitable for future extraction and has been included in the Polish Energy Policy until 2030. In the paper only the second bed of the deposit was analyzed. The deposit was described. Statistical characteristics of parameters Q, A, S and M and their variability within the deposit have been presented. Geostatistical tools were used for the analysis of spatial variability. Variograms for each considered parameter were calculated and presented. The values of parameters Cj and Cm were calculated using the data from 625 boreholes. Using these values, variograms were calculated and the appropriate models were developed. On the basis of the variogram models, the models of deposit were calculated using the kriging method (ordinary, point kriging). For each model, a kriging standard deviation map was also made. The method for interpretation of models and kriging standard deviation map was also presented.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.