选煤厂数字孪生关键技术研究

2022-06-08成荣杰

煤炭加工与综合利用 2022年4期

成荣杰，王洋，王坤

(中煤(天津)地下工程智能研究院有限公司，天津 300120)

2015年国家能源局提出了“煤炭清洁高效利用行动计划”，其中明确指出“大力发展高精度煤炭洗选加工，实现煤炭深度提质和分质分级；现有煤矿实施选煤设施升级改造”。这标志着我国的选煤行业进入一个新的发展阶段[1-4]。过去传统的选煤工作方式已经不再适应现有的生产需求，粗放式的管理已经无法满足当代精细化管理的趋势，数字化、智能化、可持续化的新型选煤厂将成为未来的发展趋势，因此，选煤企业也开始大规模的数字化和智能化建设[5-8]。

目前，我国已经有上百个煤矿在不同程度上开启了矿井智能开采工作，形成了在薄、中、厚3个不同层级的高效开采方式。与传统的相对粗放式管理和低效率开采方式相比，已经有了较大的进步。但是距离目前国际先进的智能化开采，数字化管理依然存在着一定的差距。集中体现在煤矿的系统性智能化关键技术未能得到有效突破，选煤生产过程监控、复杂设备故障的定位以及全天候健康周期管理技术尚不成熟。

神华乌海能源公司选煤厂[9]为了提高选煤效率，采用PLC集成控制方式对重介质选煤系统进行了改造，并取得了较好的经济效益。张明[10]针对目前国内选煤厂中存在选煤工艺不合理现象，提出了一套工艺设计方案，并在某选煤厂进行了实验，取得了良好的效果。

虽然不同的学者及相关选煤厂已经做了部分有益智能化改进，但是目前我国的选煤厂依然存在着设备自动化水平低，人均工作效率低，原煤入选比例低，平均灰分高等问题，尤其是在数字化建设领域，更是与国际先进水平存在较大的差距。为了解决上述问题，有必要将目前在全球大型制造业中都探索使用的“数字孪生”技术引入选煤厂智能化建设中，用以完成选煤厂整体高保真工作模型搭建，构建虚拟现实数字交互机制，切实提高我国选煤厂的数字化水平。

1 数字孪生技术

“数字孪生”是指利用数字技术对物理实体对象的特征、行为、形成过程和性能进行描述和建模的过程方法[11]。“孪生体”概念最早可以追溯到美国国家航空航天局的阿波罗项目，其本质是制造了2个相同空间飞行器，留在地球的飞行器用以反映正在执行任务的空间飞行器的状态[12]。随后国内众多学者对该概念进行了扩充，其应用范围不再局限于航天领域的飞行器模拟，而是扩充至更为宽广的生产系统、甚至供应链领域。特别是2010年以后，传感器、超级算力的计算机的技术取得了突飞猛进的进展，“数字孪生”技术在理论层面和应用层面取了较大的发展。其中，部分学者已经将数字孪生技术应用于某些产品的生产线，构建产品生产周期的数字化，用以实现全数字化车间。数字孪生人类研究现实世界的新技术，其采用先进的计算机技术，构建现实工业生产中的制造、能源工业等模型，搭建现实世界与模型世界的桥梁，是目前的研究热点，已经被应用到航空航天、高精度制造、油田开采、智慧城市等领域。随着数字孪生技术的不断成熟以及选煤厂技术升级的需求愈加迫切，可以预见，在未来的一段时间，数字孪生技术将会被在选煤厂中得到广泛应用。

同时，伴随着5G技术、物联网以及云计算等领域的快速突破。数字孪生技术已经具备了在复杂工业系统中大规模应用的基础。而目前我国的大部分选煤厂正处于数字化转型过程，因此，将数字孪生技术应用于选煤厂的数字化改造成为最适合的技术手段。

2 选煤厂与数字孪生技术

目前，数字孪生技术在智慧矿山中的应用已经取得了一些研究成果[13]，但是在选煤厂应用领域少见，因为有必要针对该问题展开研究。

目前，我国的常规选煤厂工艺流程如图1所示。其中涉及的主要设备包括重介质旋流器、脱介筛、脱水筛以及原煤的分级筛等。

图1 常规选煤流程

根据数字孪生技术的要求，在构建整个选煤厂的数字模型过程中，就是整个选煤系统的数字化模型。对于这个数字化模型一般具有以下2个基本的要求：

(1)模型具有高保真性，能够真实的反映整个物理模型的实际工作特性。高保真模型的建立是目前数字孪生领域的关键性问题之一，如果模型过于复杂，虽然可以初步实现与现实模型差距较小，但是对于计算机的性能要求极高，很有可能超出现有计算机的硬件极限，造成“计算灾难”。如果模型过于简化，现有计算能力可以快速完成仿真计算，但是与现实模型差距过大，则就背离了数字孪生技术的初衷。因此如何构建一个既能保证模型的真实性，又可以在现有计算能力基础上实现快速仿真的模型，是一个非常具有挑战性的问题。

(2)模型具备数字共融性，即能够实现现实空间与虚拟空间的数据实时交互。数字共融性的基本要求是实现虚实之间的数据交互。在构建数字共融系统的过程中，首先需要确定的是那些关键数据是必须实现实时交互的。如果选取的数据过多，对于现实空间中的传感器配置就会有较高的要求，进一步导致成本增加。如果选取的数据较少，则无法反映出系统的关键性参数，因此共融参数的选取是需要注意的。

初步构建的选煤厂数字栾生模型方案如图2所示。

图2 数字孪生与选煤厂

综上所述，在构建选煤厂的数字孪生模型过程中，需要完成以下几个主要的虚拟模型建设。

(1)原煤仓数字模型，用以分析仓储情况。仓储模型的作用不只是简单的分析其进入仓内的原煤数量，还要初步给出不同品质的原煤在仓内的分布情况。为了达到上述2个目的，建模过程就需要采用散落颗粒的堆积理论。

(2)重介质旋流器模型，用以分析第一次粗煤和精煤的分离过程。该模型是典型的液固耦合模型，但是其工况极度复杂，几乎无法用现有商品化软件直接进行仿真，因为必须从理论模型推导、工业大数据以及人工智能技术多个方面对其进行联合建模。

(3)分级筛、脱介筛、脱水筛的运动模型以及浮选模型。分级筛是一个典型振动接触碰撞模型，虽然目前碰撞力学已经较为成熟，但是其主要针对的两个物体的接触碰撞。对于分级筛这类大量颗粒的碰撞问题尚难以突破。而现有动力学方正软件也存在建模困难、计算时间不可预估的难题。

3 关键技术研究

针对需要建立的数学模型，有以下关键技术需要研究。

3.1 原煤仓大范围堆积模型

由于进入原煤仓的煤品质各不相同，导致整个存储仓的煤质分布是一种不均匀的状态。原煤入仓过程是一个典型的大范围小颗粒倾倒堆积问题，也是一个典型的碰撞动力学问题。建立模型的难度在于，如何通过数值算法较为精确地模拟数以万计的颗粒碰撞。如果直接采用计算机模拟，会导致计算灾难。因此，需要引入强化学习理论，采用小规模模拟、大规模预测、实际数据校正相结合的方式进行模拟。

3.2 重介质旋流器的液—固耦合模型

根据重介质旋流器的工作原理可知，其工作过程属于存在液固耦合和数量巨大的碰撞问题，并且介质的状况在时刻发生变化，所以目前常用的液相仿真软件难以对其进行直接仿真。针对该问题，需要基于小样机高保真模型，群组计算方法对其进行模拟。其中小样机高保真模型是实际建立一个尺寸很小的重介质旋流器，只需要初步模拟运动过程即可。通过导入不同的原煤可以获得不同的分离数据。群组计算方法是将粗煤与精煤的颗粒度变大，降低在数值模拟过程的计算量。最后通过小样机获得数据校正数值计算过程中使用的参数，达到合理校正参数的效果。最后该模型应用于实际生产过程，以检验模型的准确性。

3.3 数据融合的传感器技术

由于要实现数字模型的交互，获取数据的传感器则成为其中的关键环节。由于选煤厂的工作环境极端复杂，传统的传感器难以满足其使用要求。比如，在原煤仓储环节，虽然可以通过视频监控的形式实现对于仓内储存量的监测，但是考虑到现场会有粉尘的影响，如何通过图像处理方式，实现准确原煤仓储监测是一个需要突破的技术难点。重介质旋流存在介质工作不稳定的现象，为了对其工作过程中的介质状况进行监测，则需要设计一种满足当前工况的接触式监测设备。因此，如何设计出满足其在复杂工况下的使用要求的传感器，是目前亟需突破的关键技术。