智能开采工作面三维地质模型构建及误差分析
2021-05-23王新苗韩保山雷晓宇
王新苗,韩保山,宋 焘,沈 凯,岳 辉,雷晓宇
(1.煤炭科学研究总院,北京 100013;2.中煤科工集团西安研究院有公司,陕西 西安 710077;3.陕西陕煤黄陵矿业有限公司,陕西 黄陵 727307)
煤炭是我国的主体能源,预计未来几十年内,煤炭在能源生产和消费中仍占据主导地位[1-4]。煤炭智能化开采是煤炭高质量发展的核心技术支撑,是我国当前煤炭开采的重要研究方向。自2014年陕西黄陵矿一号煤矿1001工作面率先实现“有人巡视、无人跟机”的智能化开采模式以来,全国各地煤矿都在加速推进工作面智能化的建设[5-6]。据统计,目前全国已建成超过300个智能化工作面[7]。
目前现有的智能化开采技术主要依靠采煤机记忆截割、工作面自动找直、远程视频监控等技术装备,在地质条件简单的矿井实现了实践应用。但记忆割煤还存在诸多问题,其根本问题在于采煤机不能适应工作面煤层地质条件的变化,导致智能化开采整体水平较低。提前查明开采前方工作面的地质信息并融入智能开采系统中,对进一步推动智能开采的发展具有重要意义。为此,袁亮[8]提出煤炭精准开采科学构想,王国法等[9]提出建立基于北斗系统的精准地质信息系统,王存飞等[10]提出透明工作面的概念,董书宁[11]提出打造智能化开采地质保障升级版,毛善君等[12]提出透明化矿山的概念,以上学者均指出要构建回采工作面高精度的三维地质模型,回采工作面地质信息透明化的实现是智能化开采的地质保障技术重要工作。
澳大利亚的工作面自动化LASC系统利用钻孔、巷道掘进和回采揭露数据建立三维地质模型来指导采煤机开采,精度可以达到50 cm[13-14]。国内学者最早也指出通过建立高精度三维地质模型来避开采煤机煤岩识别的技术难题,以指导采煤机进行规划截割[15-17]。众多学者也均指出采用钻探、物探、采掘等揭露的地质信息构建工作面开采化模型,以实现采煤机滚筒调高轨迹的规划和控制[18-21]。程建远等[22-23]系统地提出了构建工作面三维地质模型的总体思路:按照不同的地质、采掘阶段,将回采工作面地质模型分为4个层级,即黑箱模型、灰箱模型、白箱模型和透明模型,对不同的模型精度做出了预测,并以XY-S智能化工作面为例分析了4种模型的实证误差。在传统地质建模方面,关于体建模[24]、多源数据融合[25-26]、地层面拟合[27]、断层建模[28]、三维联动编辑[29]、平剖面对应动态建模[30]等技术的研究取得了很大进展,三维地质建模技术日趋成熟。总体来看,当前成熟的三维地质建模技术为智能开采地质模型建立提供了可靠的技术支撑,但关于智能开采模型构建的实例和模型误差分析的研究并不多,基于地质模型的智能开采实践更少。因此,当前智能开采三维地质模型构建技术尚处于初级阶段。
笔者在分析智能开采地质建模方法的基础上,结合黄陵一号矿某智能工作面,收集整理工作面所有地质探测工程的施工资料,采用TIM-3D软件,分别构建工作面煤层的静态和动态三维地质模型,并搭载透明工作面数字孪生系统对智能开采地质模型进行展示。结合回采所揭露的真实地质数据,对模型的精度进行分析,以期为智能开采工作面地质建模及地质信息透明化的发展提供借鉴。
1 建模方法
1994年,加拿大学者S.W.Houlding[31]最先提出三维地质建模的概念,他指出三维地质建模就是用三维数据模型对地质结构进行描述。三维地质建模能够最大程度地集成多种地质探测手段获得的地质资料信息,进而减少储层预测的不确定性。
1.1 智能开采地质模型的选取
三维空间数据模型是三维地质建模的基础。常见的三维空间数据模型总体上可分为面元模型、体元模型和混合模型3种类型[32-33]。面元模型有边界表示模型、线框模型、断面模型、多层DEM模型等;体元模型有结构实体几何模型、四面体网格(TEN)模型、三棱柱(TP)模型等;混合模型有不规则三角网–结构实体混合(TIN-CSG)模型、八叉树–四面体格网混合(Octree-TEN)模型、不规则三角网–八叉树混合(TIN-Octree)模型等[33]。
在进行面模型生成的过程中使用最多的是三角网TIN模型和四边形网格Grid模型。TIN模型可以更好地表达空间曲面的起伏,但不利于计算;Grid模型可以使模型变得更为规则,方便计算,但不能准确地表达不光滑面。
智能开采对地质模型建立的要求比较高,因此,建立层面模型时采用三角网TIN模型,通过不规则分布的数据点生成的连续三角网来建立煤层顶底的表面模型,从而更精确、合理地表达煤层的表面形态。
1.2 智能开采工作面地质建模路线
煤矿开采是一个实时动态的过程,建立的智能开采地质模型也应该动态更新。工作面回采前地质建模的主要数据来源于钻探、物探、地质写实等。随着开采的进行,控制煤层的实测数据点越来越多,融入回采揭露的煤层地质信息,可对地质模型进行更新。智能开采三维地质模型构建的技术路线如图1所示。
建模过程如下。
1) 数据准备
统一模型的坐标系和零点。结合工作面所有地质探测工程的成果资料,划分出煤层顶部坐标、底部坐标、断层范围等,将这些顶底坐标及构造范围变换到统一的坐标系和零点中。
2) 地质模型建立
结合采样点坐标及构造范围,通过导入建模数据,确定模型边界,建立断层网格、煤层层面、线框模型,划分地层网格等步骤建立工作面三维地质静态模型。将矿井生产揭露的最新地质数据导入原先模型数据库中,重复建模步骤生成新的模型,再根据克里金插值方法插值出智能开采要求的均匀网格,建立回采工作面三维地质动态模型。最后将地质模型导入可视化平台进行展示,结合当前开采位置切割出智能开采煤层顶底板曲线。
2 工作面三维地质建模方法应用
上述建模方法的实现是基于中煤科工集团西安研究院有限公司新开发的TIM-3D矿井地质建模系统和透明工作面数字孪生系统。现结合黄陵一号矿某智能开采工作面,论述地质模型构建及应用情况。
2.1 工作面地质条件
本次智能开采试验工作面开采煤层为侏罗系延安组(J2y)2号煤层,煤层埋深在275.56~308.17 m,煤层厚度为1.35~3.43 m,平均厚度2.71 m,煤层倾角0°~8°。工作面进风巷长度为1 352.54 m,回风巷长度为1 079.25 m,开切眼长度261 m。工作面在进风巷靠近切眼的位置存在砂岩冲刷导致煤层变薄的现象(图2)。工作面进回风巷每间隔60 m左右设立了瓦斯抽采钻场,进风巷有18个,回风巷有15个,每个钻场相继施工了十多个瓦斯抽采钻孔。
2.2 建模数据准备
程建远等[22]系统提出了基于多源探测数据构建多层级、递进式、高精度三维地质模型的思路(表1)。笔者按照此思路,利用相应地质探测工程的成果资料作为建模数据来源,以构建工作面初始静态地质模型和回采工作面动态地质模型。
该工作面在设计、掘进、采前和回采阶段,先后进行了地面钻探、巷道20 m左右间隔的精细化定位写实、槽波地震勘探、瓦斯抽采孔测井和回采工作面定位与写实等地质探测工程,通过逐级探测的方式,获得了大量的地质信息。
表1 工作面不同阶段探测手段及模型精度[22]Table 1 Detection methods at different stages of working face and the model accuracy[22]
建立模型之前要统一坐标系和零点,一方面要统一地质数据,使其融入到统一的模型当中,随着工作面的回采,要在模型中快速获得推采距离信息;另一方面也要将智能开采设备融入到模型当中。因此,采用空间直角坐标系,以工作面进风巷与开切眼交点处煤层的底部为零点(M点),以进风巷与水平面所在的直线为X轴,以开切眼与水平面的交线为Y轴,以与水平面垂直向上的方向为z轴,建立坐标系(图3)。将原先建模数据所在全站仪坐标系下的坐标全部变换到新的坐标系下,坐标变换如式(1)所示。
式中:n、p、q为全站仪测得的M点坐标,M(n,p,q);θ为两个坐标系的夹角,以顺时针为正;(X0,Y0,Z0)为XYZ坐标系的坐标,x、y、z为新坐标系的坐标。
图3 坐标变换Fig.3 Schematic diagram of coordinate transformation
将地面钻孔数据、巷道精细化定位写实数据、钻孔测量数据按煤层顶部和底部的穿层点进行分类统计,结果见表2。
整个工作面累计获得152个煤层顶部穿层点和141个底部穿层点,对293个穿层点进行坐标变换,投影到图3b新坐标系下。
表2 地质探测手段穿层点统计Table 2 Statistics of penetration points of geological exploration methods
2.3 地质模型构建
采用TIM-3D建模系统构建模型。TIM-3D是一种针对矿井地质建模的专业软件,以点、线、面的形式导入地震剖面、钻孔、地质剖面等各种地质数据,可以对点、线和面进行相关的编辑和造作。TIM-3D采用三角网TIN模型、DSI插值拟合计算生成层面模型,对建立的模型可进行任意方向的剖切。
该工作面没有断层,不考虑断层建模。将上述建模数据导入到TIM-3D软件中,通过确定模型边界、建立煤层层面、模型裁剪等步骤建立煤层的上表面和下表面。再结合槽波地震勘探预测的构造范围建立砂岩冲刷带线框模型以构建初始工作面静态模型(图4),图中蓝色部分表示槽波地震勘探预测的砂岩冲刷带范围。
图4 初始工作面静态模型Fig.4 Static model of the initial working face
初始静态模型的精度是有限的,仅在巷道附近区域及工作面内部钻孔穿层处附近区域精度较高。理论和实践表明:在原有煤层厚度的基础上,通过不断融入回采揭露的煤层厚度,可进一步提高工作面前方煤厚的预测精度[34]。笔者对工作面进行精细化定位与写实工作,记录采样点的位置(液压支架编号)、煤层倾角、采高、构造等信息,换算成煤层的顶部和底部坐标,重复上述建模步骤建立高精度的回采工作面动态模型。
2.4 地质模型切割与可视化展示
采用数字孪生系统对地质模型进行切割与可视化展示。数字孪生系统能够根据克里金插值法将地质模型切割出智能开采要求的均匀网格并进行展示。数字孪生系统根据当前智能开采位置,可切割出当前十刀的截割曲线。此外,数字孪生系统还融入了智能开采的设备姿态等关键信息。
将该工作面地质模型导入到数字孪生系统中进行展示,根据该工作面智能开采要求,将该模型切割出0.05 m(倾向)×0.1 m(走向)的均匀网格,结合当前回采位置,切割出当前十刀的截割曲线,将截割曲线下发至采煤机,为采煤机滚筒自动调高提供地质依据。数字孪生系统融入采煤机位置、运行参数、姿态等关键开采信息,根据数字孪生同步映射技术可实现井下开采场景的地面真实还原。图5为数字孪生系统主界面。
3 误差分析
工作面三维地质模型构建的目的是为智能开采提供精准的地质导向,因此必须有较高的精度和实用价值。该工作面地质模型融合了工作面所有地质探测工程的施工资料,对其进行精度评价具有代表性。煤层厚度预测的准确性是模型精度的重要指标,为此,结合回采过程中实际揭露的煤层厚度与地质模型预测厚度进行对比分析,开展三维地质模型的误差分析。地质模型的精度要考虑整个工作面内的煤厚精度,以平均绝对误差、均方根误差、最大误差、最小误差、误差区间频数来综合衡量模型的误差。
3.1 初始静态地质模型误差分析
依据地面钻孔、巷道精细化测量与写实、钻孔测量、槽波地震勘探建立的初始静态地质模型预测了整个工作面的煤厚信息。根据静态地质模型切割剖面换算出推采方向切眼前方200、300、400和500 m工作面的煤厚预测值,再结合实际开采揭露的煤厚测量值分析初始静态地质模型的精度。依据煤厚预测值与实际测量值绘制出切眼前方不同距离处工作面的煤厚对比曲线(图6)。
由图6可知,初始静态模型预测的煤厚值基本都是线性的,而实际揭露的煤厚值是在小范围内波动的。这是由于工作面内部的煤层穿层点相比巷道实际测量点少,而且工作面内部钻孔穿层点离两侧巷道都较近。可见亟需开发孔中物探、地质探测雷达等智能探测设备,以提高工作面内部的整体探测精度。此外,工作面两侧煤厚的预测差值也在20 cm左右,因此巷道两侧20 m左右的标志点间隔应进一步缩小,但依据目前的定位与测量水平需要很大的工作量。巷道定位测量机器人与工作面掘进自动化写实都是今后发展方向。
统计煤厚真实值与测量值间的绝对值误差与区间频数(表3),可见静态地质模型的最大绝对误差为0.51 m,达到了“白箱模型”预测的米级—亚米级精度。不同距离对应的各误差区间频数相差不大,且均有20%左右的采样点预测误差超过30 cm,加上该工作面采煤机15 cm左右的采高控制误差,对于平均煤厚2.71 m的中厚煤层来说,尚不能满足智能开采的精度要求。切眼前方不同距离的相关误差不大(图7),可见静态模型预测煤厚误差在整个工作面整体分布较均匀,每个剖面周围的采样点数量相差不大。
图5 数字孪生系统主界面Fig.5 The main interface of the TIOE-DT
图6 切眼前方不同距离工作面煤厚预测对比曲线Fig.6 Comparison curve of coal thickness prediction at different distances in front of the cut
表3 静态模型切眼前方不同距离工作面煤厚预测误差统计Table 3 Statistics of coal thickness prediction errors at different distances in front of the cut in the static model
图7 静态模型相关误差曲线Fig.7 The orrelation error curve of static model
3.2 动态模型误差分析
静态地质模型不能达到智能开采的精度要求,必须结合工作面回采最新揭露的地质资料对静态模型进行动态精细修正,以实现工作面前方的有限透明。理论和实践表明,回采工作面递进式煤厚动态预测方法,可以显著提高煤厚的预测精度[34]。将工作面最新揭露的煤厚、倾角等地质信息融入到原先的动态地质模型中,进行模型的进一步优化。当工作面推采至中部540 m时,融入最新的地质信息,进行模型的更新,在此之前,已经对模型进行了多次更新。此次更新后,最新的地质模型预测了工作面前方1、3、5、8、10和15 m的煤厚值,在回采过程中,对工作面的煤厚值进行实际测量,以验证更新后地质模型的精度。其推采方向工作面前方不同距离处煤厚对比曲线如图8所示。
图8 动态模型前方煤厚对比曲线Fig.8 Coal thickness comparison curve in front of the dynamic model
由图8可知,更新后的地质模型预测前方煤厚是波浪状起伏的,且15 m范围内的起伏形态与真实揭露形态较一致。预测前10 m范围内工作面两端的预测误差较小,因此,控制巷道标志点的间隔应不大于10 m。统计了动态更新后推采方向模型前方不同距离的相关绝对误差和绝对误差区间的频数(表4),可见动态地质模型预测煤厚误差明显小于静态地质模型,但随着距离的增大,其绝对误差也在线性增大(图9)。15 m范围内煤厚平均误差小于15 cm,基本达到“透明模型”亚米级的精度。从误差绝对值区间频数统计来看,8 m范围内煤厚预测误差基本在15 cm以内,15 m范围内煤厚预测误差基本都在30 cm以内。可见对于黄陵矿区中厚煤层智能开采而言,工作面地质模型动态更新的推采距离不应该大于15 m。以采煤机5 m/min的运行速度计算,切眼长度为261 m的工作面基本可以保证两个班的智能开采精度。在检修班作业时,将测得的工作面地质信息再次用于模型的更新优化。
3.3 误差来源分析
模型的误差是采样点测量误差、采样数据量及其分布、插值算法选取共同造成的。
采样点测量误差是仪器误差、人工操作误差、探测技术装备受限共同造成的。受仪器精度的限制,采高、煤厚、倾角等测量数据会存在误差。人工测量时没有规范使用测量仪器,划分煤岩界面不准确等因素会导致测量误差。受探测技术装备的影响,无法准确探测到工作面内顶煤和底煤的厚度,在煤层顶底不暴露的情况下,煤层底部受浮煤影响不能准确识别,煤层顶部受综采装备空间限制不能准确识别,仅能测得当前的采高值近似代表煤厚值,进而造成煤厚测量误差。
表4 动态模型工作面前方不同距离煤厚相关误差统计Table 4 Statistics of related errors of coal thickness at different distances in front of the working face
图9 动态模型相关误差Fig.9 Relative error of the dynamic model
采样数据量的多少及其分布情况直接影响模型的内部结构和精度。待开采点的煤厚预测值是采样点煤厚值通过插值算法得到的,采样点的多少会直接影响到模型的精度。采样点部分不均匀会导致采样集中的地方模型精度高,例如静态地质模型采样点大多集中在两侧巷道,导致切割剖面的煤厚曲线基本是线性的,存在较大的误差。
建模插值算法选取不合理也会影响到模型的精度,常用的地质建模插值算法有反距离加权插值、克里金插值、DSI插值等,不同插值算法得出的结果存在差别。DSI插值与采样点距离有关,距离越近,其预测值越接近真实值,所以会造成动态模型随着前方距离的增加模型相关误差变大的结果。
4 结论
a.以黄陵一号矿某智能工作面为例,建立了初始静态地质模型和回采动态地质模型,搭载数字孪生系统对智能开采地质模型进行展示。静态模型和动态模型的精度均达到了“白箱模型”和“透明模型”的精度预测范围。静态地质模型不能达到智能开采的精度要求,动态地质模型地质信息是有限透明的,15 m范围内煤厚预测误差基本在30 cm以内,能够满足智能化开采的要求。
b.模型的误差是采样点测量误差、采样数据量不足及其分布、插值算法选取不可靠等共同造成的。为保证智能开采煤层三维地质模型的精度,对于黄陵矿区的中厚煤层而言,控制巷道标志点的间隔应不大于10 m,动态模型更新的推采距离应不大于15 m。
c.建模数据的收集耗费了大量的人力物力,今后还需开发巷道测量机器人、激光雷达、煤岩识别等关键智能化设备系统,以完成建模数据的自动搜集与处理,减轻工人劳动强度。工作面前方地质信息透明化的程度还需进一步提高,今后仍需开发随采地震、孔中地质雷达等高精度地质探测装备来进一步提高整体模型的精度,为智能化开采提供可靠的地质保障技术。