趙晉偉

(霍州煤電集團呂臨能化有限公司 龐龐塔煤礦,山西 呂梁 033200)

隨著煤礦開采深度逐漸增加,影響瓦斯災害發(fā)生的主要因素及其相互作用關系也更加復雜[1-3]。近年來,隨著我國煤礦瓦斯治理條例的逐漸完善,瓦斯災害事故已得到有效控制,但導致瓦斯災害發(fā)生的隱患因素仍然存在[4-6]。

隨著互聯(lián)網(wǎng)技術的快速發(fā)展,利用大數(shù)據(jù)采集與分析的方法在工程領域內(nèi)得到了廣泛應用。在煤礦瓦斯治理領域中,關維娟等[7]基于瓦斯涌出數(shù)據(jù)、現(xiàn)場動力災害事故統(tǒng)計、煤層變形狀態(tài)、瓦斯常規(guī)監(jiān)測指標等地質信息,構建了綜合預警指標體系,并研發(fā)了實時預警系統(tǒng)。姜福興等[8]以鉆孔應力變化,瓦斯體積分數(shù)演化規(guī)律為數(shù)據(jù)基礎,開發(fā)了掘進工作面瓦斯突出監(jiān)測預報系統(tǒng)。鄒銀輝等[9]考慮到瓦斯在煤層內(nèi)部運移與聚集過程中存在聲發(fā)射信號,提出了聲發(fā)射預測瓦斯突出的噪聲過濾技術與預測方法。Zhao Xusheng等[10]根據(jù)瓦斯地質條件、開采擾動、安全管理方法等因素,建立了瓦斯突出評價體系。何學秋等[11]運用波動CT與微震監(jiān)測,探測了瓦斯地質異常區(qū)的信號分布特征。王恩元等[12]研究了含瓦斯煤體損傷過程中的聲電響應特征,利用聲電響應機制發(fā)明了瓦斯動力災害監(jiān)測預警裝備。

以上技術多根據(jù)單一指標或多個指標對瓦斯是否潛在突出危險性進行評判,為礦井的瓦斯災害監(jiān)測與預測提供了基礎,并取得了一定的實踐效果。構建基于大數(shù)據(jù)平臺的瓦斯災害智能識別與預警方法是進一步提高瓦斯災害監(jiān)測與預測技術水平的必要途徑。

1 煤礦瓦斯災害類型與隱患類型分析

1.1 瓦斯災害類型

煤礦瓦斯災害事故包括煤與瓦斯突出,瓦斯涌出逸散異常、瓦斯爆炸與燃燒、瓦斯體積分數(shù)過高導致窒息等,不同瓦斯災害因素的關聯(lián)如圖1所示。

圖1 煤礦瓦斯災害因素關聯(lián)圖

導致瓦斯災害事故的地質因素包括地應力分布特征與煤體的物理力學特性。當?shù)貞εc煤體的強度較高時,發(fā)生煤與瓦斯突出事故的強度就會越高,在工作面強烈采動應力的影響下,將會導致煤與瓦斯突出現(xiàn)象更為劇烈。當瓦斯涌出量增加時,在點火源與氧氣的共同作用下,將會導致瓦斯爆炸、瓦斯燃燒等事故。無論是哪種瓦斯事故,都會出現(xiàn)瓦斯異常的前期征兆,主要包括瓦斯異常逸散與涌出、瓦斯體積分數(shù)變化異常、煤層內(nèi)部信號特征變化異常(聲發(fā)射信號、微震信號、電磁輻射信號等)等信息,因此,綜合評判聲電監(jiān)測數(shù)據(jù)與瓦斯涌出數(shù)據(jù)指標是實現(xiàn)預測、預警的重要基礎。

1.2 瓦斯災害特征與智能識別方法

在復雜的煤礦開采環(huán)境中,對瓦斯災害的相關數(shù)據(jù)進行特征識別與提取,結合礦井的網(wǎng)絡特性與瓦斯災害影響因素的演化特征對其進行深入分析,對不同瓦斯災害的隱患特征進行相關性分析識別、特征分析識別、趨勢分析識別、智能分析識別。

1) 相關性分析識別:礦井網(wǎng)絡特征對瓦斯的流動與擴散分布特征具有直接影響,瓦斯相關指標存在耦合關系。采用相關分析識別方法建立各因素之間的相關性,實現(xiàn)監(jiān)測數(shù)據(jù)和風險隱患特征的多方面驗證。一方面可以對傳感器的工作狀態(tài)進行實時監(jiān)測,另一方面可以為風險識別提供數(shù)據(jù)基礎。

2) 特征分析識別:不同煤礦瓦斯隱患因素的監(jiān)測數(shù)據(jù)均有相關的特征指標。第一類是瓦斯監(jiān)測數(shù)據(jù)的安全性閾值指標,如礦井風流中的瓦斯體積分數(shù),工作面的瓦斯涌出濃度等因素。第二類是傳感器的正常運行特征指標識別,需要及時對傳感器進行校正與維護。

3) 趨勢分析識別:煤礦瓦斯監(jiān)測數(shù)據(jù)的演化趨勢是判斷瓦斯災害風險程度的重要基礎。相關數(shù)據(jù)分析表明,在發(fā)生煤與瓦斯突出事故前,電磁輻射信號、聲發(fā)射信號等聲電信號具有長時間增長趨勢,瓦斯體積分數(shù)等數(shù)據(jù)也有相應的趨勢。趨勢分析與識別主要在于考慮監(jiān)測數(shù)據(jù)的變化趨勢與時間效應。

4) 智能分析識別:煤礦井下復雜的地質環(huán)境將會導致監(jiān)測信號錯綜復雜,前兆信號會因為環(huán)境干擾以及不同信號間的相互干擾而難以有效識別,采用智能降噪方式,并利用機器學習與深度學習方式對數(shù)據(jù)進行分析識別可以有效提升預測精度。

2 煤礦瓦斯災害大數(shù)據(jù)智能預警平臺構建

2.1 大數(shù)據(jù)平臺的構建

現(xiàn)階段,我國智能化礦井根據(jù)實際需求安裝了相應的傳感器與監(jiān)測系統(tǒng),包括但不限于礦壓監(jiān)測系統(tǒng)、人員定位系統(tǒng)、瓦斯抽采系統(tǒng)、聲電監(jiān)測系統(tǒng)、微震監(jiān)測系統(tǒng)、視頻監(jiān)控系統(tǒng)等。運用大數(shù)據(jù)方法對海量數(shù)據(jù)的挖掘與分析是降低終端處理任務與提升數(shù)據(jù)輸出效率的重要技術。為實現(xiàn)礦井瓦斯災害智能預警而構建的大數(shù)據(jù)平臺如圖2所示。大數(shù)據(jù)平臺主要包含數(shù)據(jù)采集層、平臺支持層與應用層,共計3層結構。

圖2 煤礦瓦斯災害大數(shù)據(jù)智能預警平臺架構

1) 數(shù)據(jù)采集層(Infrastructure as a Service):簡稱IaaS層,包含由計算機控制,通信技術維持的煤礦各類監(jiān)測系統(tǒng),負責礦井所需各類數(shù)據(jù)的直接與間接獲取,由此層在一線采集數(shù)據(jù),通過通信技術向平臺支持層傳輸。

2) 平臺支持層(Platform as a Service):簡稱PaaS層,通過應用程序數(shù)據(jù)接口調(diào)用礦井各類監(jiān)測系統(tǒng)的監(jiān)測數(shù)據(jù),對數(shù)據(jù)進行整理與規(guī)劃,運用機器學習與深度學習方式構建關于煤礦瓦斯災害隱患特征的數(shù)據(jù)庫,為風險分析與事故預警提供大數(shù)據(jù)基礎。

3) 應用層(Software as a Service):簡稱SaaS層,通過對數(shù)據(jù)整理與分析,對礦井個體,或者區(qū)域內(nèi)多個礦井進行統(tǒng)一監(jiān)管,以大數(shù)據(jù)庫為基礎,在實時監(jiān)測的基礎上對瓦斯災害的危險性進行智能識別,實現(xiàn)瓦斯監(jiān)測數(shù)據(jù)與隱患分析的動態(tài)指標“一張圖”顯示。

2.2 大數(shù)據(jù)平臺的功能

礦井瓦斯災害監(jiān)測數(shù)據(jù)的危險性預警,隱患自動識別,動態(tài)數(shù)據(jù)變化規(guī)律進行“一張圖”顯示,并將所需數(shù)據(jù)生成自動報表。

1) 危險性預警:根據(jù)瓦斯監(jiān)測數(shù)據(jù),采用“反演算法+趨勢判定+閾值評估”方法對瓦斯災害的危險性進行判別與預警。

2) 隱患自動識別:根據(jù)不同隱患特征對瓦斯涌出異常、通風系統(tǒng)故障、傳感器失效等隱患進行識別與不同程度的預警提示,并反饋至終端。

3) 動態(tài)數(shù)據(jù)與自動報表:將所需數(shù)據(jù)與信息進行“一張圖”顯示,實現(xiàn)全方位的統(tǒng)計與監(jiān)測,并根據(jù)礦井所需數(shù)據(jù)產(chǎn)生自動報表,提高礦井瓦斯安全管理效率。

3 大數(shù)據(jù)平臺的預警應用

3.1 聲電瓦斯綜合監(jiān)測預警應用

聲電瓦斯綜合預警主要是對礦井的聲發(fā)射信號、電磁輻射信號、瓦斯體積分數(shù)數(shù)據(jù)進行監(jiān)測與綜合分析。目前該系統(tǒng)已經(jīng)在龍煤集團、同化集團、焦煤集團、神火集團、潞安集團等30余個礦井進行了應用,聲電瓦斯監(jiān)測數(shù)據(jù)在瓦斯災害的預警上具有極高的準確率。

以四川某礦主采煤層監(jiān)測數(shù)據(jù)為例,主采的C19煤層最大瓦斯壓力為1.45 MPa,瓦斯含量13.81 m3/t,屬于突出煤層。采用聲電瓦斯綜合預測技術對13019運輸巷掘進過程中的瓦斯災害危險性進行監(jiān)測并實現(xiàn)了有效預測。2022年6月8日—6月12日,監(jiān)測平臺獲取數(shù)據(jù)如圖3所示,6月9日上午10:00,監(jiān)測平臺根據(jù)智能識別與預警方法判定煤層存在突出危險性,主要原因是掘進巷道即將揭露斷層,數(shù)據(jù)產(chǎn)生明顯波動,礦井隨即將人員撤離,并采取相應的處置措施,當晚20:45,巷道瓦斯涌出量增加到4%,巷道發(fā)生嚴重的片幫事故,后續(xù)通過鉆排瓦斯等措施消除了安全隱患。

圖3 聲電瓦斯監(jiān)測曲線

3.2 煤礦綜合管理應用

某市的煤礦數(shù)量約為170個,政府的綜合監(jiān)管難度極大。為加強煤礦綜合管理效率,該市礦山監(jiān)管部門于2021年引進煤礦瓦斯災害大數(shù)據(jù)智能預警平臺對瓦斯災害進行監(jiān)管監(jiān)察。平臺運行后的1年時間內(nèi),成功預警煤與瓦斯突出事故3次,識別重大瓦斯風險事故238次,一般風險事故5 741次。各類隱患事故的占比如圖4所示,根據(jù)不同類型隱患的統(tǒng)計數(shù)據(jù),政府部門可針對性地采取相應措施對瓦斯風險隱患重點問題進行治理,對潛在問題進行防范。

圖4 市煤礦不同類型隱患大數(shù)據(jù)占比

該市煤與瓦斯突出事故成功預警案例的分析數(shù)據(jù)如圖5所示。事故發(fā)生前3天,大數(shù)據(jù)平臺對工作面的T2瓦斯傳感器的數(shù)據(jù)長短周期進行預測,同時,與工作面的T1瓦斯傳感器進行了對比分析,進行了突出危險性預警,成功預測了瓦斯突出事故。

圖5 T1、T2瓦斯體積分數(shù)對比圖

4 結 語

1) 通過對煤礦瓦斯災害類型與隱患類型進行分析,依據(jù)瓦斯災害特征與智能識別方法,提出了煤礦瓦斯災害大數(shù)據(jù)智能預警平臺架構。

2) 大數(shù)據(jù)平臺主要包含數(shù)據(jù)采集層、平臺支持層與應用層,實現(xiàn)了礦井瓦斯災害監(jiān)測數(shù)據(jù)的危險性預警、隱患自動識別、動態(tài)數(shù)據(jù)變化規(guī)律的“一張圖”顯示,數(shù)據(jù)自動報表。

3) 聲電瓦斯綜合監(jiān)測預警應用與煤礦綜合管理應用表明,大數(shù)據(jù)平臺在瓦斯災害的預警上具有極高的準確率,提高了政府與礦井監(jiān)管的工作效率。