基于数字孪生的煤矿智能管控平台架构研究与实现

肖粲俊,刘红梅,石发强,邓从阳,赖 建

(1.成都工业学院 数字孪生实验室,四川 成都 610031; 2.成都工业学院 矿山智能化研究院,四川 成都 610031;3.成都理工大学 机电工程学院,四川 成都 610059; 4.重庆安标检测研究院有限公司,重庆 400052;5.四川省川煤科技有限公司,四川 成都 610091)

我国目前的能源现状是“富煤、贫油、少气”,因此煤炭仍将长期是我国的主要支撑能源。根据国家统计局官方数据,2021年原煤产量40.7亿t,比2020年增长4.7%,比2019年增长5.6%。而随着“中国制造2025”、德国“工业4.0”、美国“工业互联网”等第四次工业革命时代的到来,中国煤炭产业的智能建设也将势在必行[1]。

随着科学技术的飞速发展,在传统的机械化开采的基础上,提出了数字矿山的概念[2-3]。数字矿山是创建在计算机、通信的基础上,把与煤矿基建、勘探、开发、开采、环境保护、安全预警等与之有关的所有空间数据信息和属性等进行数字化的存储、传输、表达和应用,而最终目的是尽可能地在更宽、更广、更深的信息流基础上实现科学决策[4],并基于准确的连续三维空间数据,将矿井各类系统的数据同步融合,在大数据基础上利用数字孪生技术使矿井智能化建设变得可行和高效[5]。

1 数字孪生的概念与应用

1.1 数字孪生的概念

早在2002年,美国密歇根大学的GRIEVES教授[6]就给出了数字孪生最初的概念——“虚拟数字化模型等价表达物理产品”,从而进行产品全生命周期管理,这被业界普遍认为是数字孪生的雏形[7]。在2006年又命名其为信息镜像模型[8-9]。直到2011年,数字孪生的概念才被美国国家航空航天局正式提出[10],并在业界一直沿用至今[11]。德国工业4.0和美国工业互联网的核心架构中均清楚地指出了数字孪生为关键技术[12],LMT(Lockheed Martin Corporation)公司也将数字孪生技术排在了国防和航天工业顶尖技术的首位[13]。更有闻名全球的IT研究与咨询公司Gartner也将数字孪生技术列入十大战略科技发展趋势中[14-15]。

1.2 数字孪生的应用

数字孪生的概念自提出后,航空航天、高端制造等行业开始广泛应用[16]。同时,煤炭行业也开始了应用。葛世荣等[17]提出了数字孪生智采工作面新系统,通过可视地管控智采工作面生产全周期;吴淼等[18]将数据赋予物理实体,远程调控系统,完成对掘进机的自主纠偏、障碍感知和自动截割等任务;丁华等[19]结合数字孪生和深度学习,构建了采煤机关键零件剩余寿命预测模型,并通过实时监测数据显示,可实时预测与管理采煤机健康状态;龚晓燕等[20]搭建了数字孪生智能化通风系统实验平台,利用实时监测数据对孪生模型的驱动,完成对巷道数据的采集,通过分析学习,最终达到自主决策和智能调控风流调节装置的目的。上述研究表明,数字孪生已经在煤矿一些子系统中成功应用,但还没有学者较为完善地在煤矿整体智能矿山管控平台中采用数字孪生技术[21]。基于数字孪生的煤矿管控平台,可以较好解决人、机、环境和管理方面基于三维空间信息的数据使用,因此有必要基于数字孪生技术来实现煤矿的智能管控。

2 基于数字孪生的煤矿智能管控平台技术架构

2.1 智能矿山建设现状与要求

煤炭工业自发展以来,先后经历了炮采、普采和综采阶段,目前已达到工作面的三机联动和远程控制的水平,在采、掘、机、运、通等多方面基本实现自动化。国家八部委已经明确发布指导意见,要求煤炭行业全面开展智能化建设,2021年在71座煤矿进行试点,到2025年要求大型矿井全面实现智能化。但要完成产业的全面智能化升级,还存在一些问题:信息孤岛现象严重;缺乏信息化标准和顶层设计;缺乏多学科交叉应用;系统融合、数据共享深度不够;没有基于三维连续地理信息的矿井“电子沙盘”。

根据国家八部委发布的《关于加快煤矿智能化发展的指导意见》,建设智能矿山应包含信息网络、地质安全、自主掘进、智能综采、自动运输等十大部分。智能管控平台属于第一部分信息网络建设,要求其具备数据服务、算法模型和工具库、集中控制和协同指挥等功能。

2.2 智能矿山建设整体架构

矿山智能化要在矿山自动化和信息化的基础上进行建设,总体要考虑数据流程和控制流程正反两个方向。通过数据采集、传输、存储、计算、分析、决策,最后将控制信息逆向下发执行。整个流程共分为6个层级:

1)智能感知层。基于物联网、视频监控、传感器等技术,完成对位置、设备、环境、视频、其他边缘等数据的感知与实时采集。

2)智能连接层。以万兆工业以太网为核心建立井下环网,以4G/5G和WiFi6为无线网补充,实现井下、井上全网覆盖,保障数据传输带宽与速度。

3)智能承载层。主要依托于云技术,实现对矿井数据的计算、分析、储存、传输、保护和管理。

4)智能融合层。主要包括数据底座、融合集成和数据治理,实现数据的智能融合。

5)智能分析层。利用学习算法建立安全、设备、生产、位置、视频等多专业多类型数据应用模型,形成模型工厂。这是智能矿山建设的大脑,也是利用矿井全面数据将行业从自动化升级到智能化的核心内容。

6)智能应用层。通过对上述数据的采集、传输、处理、计算,以及融合和分析后,在煤矿安全、生产、保障和经营各方面实现落地应用,从而全面实现煤矿智能化。

智能矿山建设整体架构如图1所示。

图1 智能矿山建设整体架构

2.3 基于数字孪生的煤矿智能管控平台架构设计

信息技术与煤矿生产的不断融合,推动煤矿生产全面升级,并向数字化转型,形成了充分认知、信息交互、主动预测、协调管理的智能系统。利用数字孪生建立煤矿智能管控平台,赋予数据空间维度信息,驱动数字模型与物理模型同步映射,客观地描述物理实体在整个生命周期的状态和轨迹。煤矿智能管控平台根据数字化、智能化和自动化的理念进行构思,融合数据信息,包括基础支撑系统、生产计划与服务系统、智能工作系统、矿井安全监测系统、综合管理系统。

1)基础支撑系统。主要包括基础硬件环境、软件环境、网络环境、无线通信技术、GIS空间、UWB精确定位等系统,以及供电供水和一些基础设备。同时,利用数字孪生基座实现透明地质也是基础支撑系统的重要内容。利用地质物探、地爆等少量离散数据特征拟合地层曲面,生成连续地质数据,并结合贝叶斯推理技术,将地质知识和地质规则转换为约束条件,实现地质曲面模型重构。通过上述曲面拟合,建立地质层的连续三维数据模型,实现透明地质孪生体的建立。

2)生产计划与服务系统。主要是基于生产任务指令,针对生产情况设置年开采计划、季开采计划和月开采计划,进行实时产量、综合态势,以及销售情况等数据的显示,并通过监测终端传来的数据对生产计划进行调整,间接检验工程质量水平,缩小生产计划与实际生产的差距。同时,还应针对性地提供服务,根据生产任务合理开采煤炭资源,降低对环境的破坏。这是整个煤矿智能管控平台的动力部分。

3)智能工作系统。主要包括综采工作面生产系统、掘进、主运输、辅运输、集控、供液供电、通风、水处理、智能供暖、洗选、监控、运行规则和知识等,协同联动人员、设备、环境,使整个工作系统完全可视化,复现在数字工作面上,实现物理工作面和数字工作面的实时映射,再将工作数据进行储存、计算、分析与应用,便于实现智能化控制。同时,井下车辆具备自动驾驶、自动放矿、自动识别障碍物、自动报警等功能,有效缩减作业现场人数、改善井下工作环境、提高设备工作寿命、实现矿山高水平管理、保障矿井施工安全。各工作过程有条不紊地运行,是整个煤矿智能管控平台的核心。

4)矿井安全监测系统。设置有应急广播、监控预警、智能定位、通信联络、应急自救、压风供水施救、矿压、顶板环网等功能模块。具体到对预警次数的统计及紧急程度、预警类型、预警时间和状态的监控,完成在井下作业面与运输面等场所的环境监测,若监测到有温度、湿度、瓦斯浓度等异常或突发情况,则启动员工逃灾路线规划等智能化矿井安全预警方案。并对现有爆破、落矿、捣碎、运输和堆存等作业环节的设备进行革新,使其更加安全、有效工作,进一步为生产服务。各生产环节融会贯通、相辅相成,化解矿山风险隐患,增强体系安全,是整个煤矿智能管控平台的关键。

5)综合管理系统。主要包括人员、设备、环境、生产、规则,以及管理各方面在内的综合管理系统,比如将其人员进行统计和分类,人员统计包括机电运输科、综采队、安全监察科、综掘队、通风科、轮毂车队、矿领导和其他;人员情况包括全部人员、井下人员、带班领导、值班领导等。在生产的各个环节中使用传感器获取各类相关信息,比如生产信息、监测数据、设备运行状况、作业人员情况,以及相关管理信息等,再利用大数据平台进行分析,集安全作业、高效生产、绿色环保、可持续发展等理念于一体,实现综合管理,使整个平台持续运作,为生产高效化服务,是整个煤矿智能管控平台的保障。

基于数字孪生的煤矿智能管控平台架构如图2所示。

图2 煤矿智能管控平台架构

3 关键技术与实现案例

3.1 关键技术

数字孪生赋能煤矿开采、掘进、运输、洗选、实时监测、综合管理、环境保护等全生命周期,实现矿山全产业数字化、全状态透明化、管理决策智能化。为了构建数字化虚拟空间并实现上述目标,需要结合建模、GIS、仿真等基础支撑技术,通过平台化的架构进行融合,搭建从物理矿山到数字矿山的信息交互闭环。

3.1.1 建模

建模是指将物理世界的对象进行数字化和模型化的过程,将抽象的对象简化后再进行模型化,使其模型能被网络和计算机识别。数字孪生中的建模需要完成从多领域、多学科、多角度出发的模型融合,以实现物理对象各自组织特征的全面刻画,包括其固有属性。此外还包括复现实体对象的状态、模拟在现实世界里的行为、分析物理对象的未来发展趋势,实现虚拟对象与物理对象的实时同步。

3.1.2 GIS

GIS是多学科、多系统交叉融合的产物,也是一种提供实时地理动态信息的计算机技术系统,负责地理信息相关研究和决策。GIS在矿业界主要体现在矿山的专业信息系统方面的应用,比如矿山三维地理学模拟和地理学信息的本体论等方面。基于GIS技术赋予三维建模的整个流程如图3所示。

图3 基于GIS的三维建模流程示意图

由图3可知,其工作满足了整个数字矿山的三维尺寸要求,利用所有信息完成接触和拓扑处理的局部分析,创建三维尺寸模型并完成分析和其他功能。

3.1.3 仿真

数字孪生对物理实体状态的感知与分析主要是通过仿真来实现的,可以优化物理实体和自身的数字模型。仿真不只包含构建物理对象的数字模型,还需要通过分析当前状态下的定律和机制来推断物理对象的发展趋势,其过程如图4所示。

图4 仿真过程示意图

由图4可见,仿真可以进行与煤矿综合机械化采掘设备在自然地理环境下协同的三维科学计算与可视化环境下模拟演示,煤矿综合机械化采掘工作面的全系统离线模拟,包括煤矿综合机械化采掘设备截割路线自主设计、煤层和地层模型的即时调整、动力学和有限元分析、工程软件相互融合、配套使用,以及分析获得的监控参数能否即时反映仿真数据等。

3.1.4 数据驱动模型

孪生数据作为煤矿智能管控平台的纽带,具有完善效果的作用,云平台的自主决策通过现场状态数据驱动实现,直接调控运行参数使其保持最佳的状态。并且孪生数据还是直接控制数字孪生的基础,由实体数据、虚拟数据、信息数据、服务数据和融合衍生数据等构成。实体数据主要来源于各种传感装置,如设备运行情况、装置数据、材料参数等;虚拟数据包括物理实体整个生命周期的模型数据,以及各类仿真数据;信息数据指煤矿开采过程中的一些工艺、标准和规则数据;服务数据由功能型数据和服务型数据组成,具体涉及算法、模型和生产管理、市场分析等;融合衍生数据指对所有数据加以转换、处理和集成之后得到的复杂数据。

3.1.5 实时映射

数字孪生需要透明化、数字化,即计算机可直接识别并处理数据,进行相应管理,用以表示具有抽象变量的物理世界,其中包含外形、性质等内在关系的表示方法,以便进行对物理实体内容的数学虚拟刻画。现实世界的产品、信息和固有属性也将同步在虚拟世界中,而虚拟世界中的模型和信息也将与过程应用实现互动。给过程应用注入激励,就能获得包括优化、检测、模拟、控制、分析等丰富信息的工程数据。数字孪生技术要求构建物理矿山的数字化模型,实现两者的实时演化、数据融合和信息互联,两者关系如图5所示。

图5 实时映射关系示意图

由图5可知,通过传感器获取数据,孪生体能清晰、同步地反映物理目标的相应变化,如形状、特性、位移和异常等。如果能够满足这种情况,这种同步映射关系可以持续到从设计、生产、运营到报废的全生命周期,孪生体应随孪生对象生命周期进程而不断演进、更新。

3.2 实现案例

提出的基于数字孪生的煤矿智能管控平台已在山西霍尔辛赫煤矿、贵州百卡煤矿进行实际应用。霍尔辛赫煤矿基于数字孪生实现了全矿井的矿压和万兆环网等系统的实时监控;在百卡煤矿实现了全矿井采、掘、机、运、通等多专业的全面实时监控、重要设备远程控制和多系统智能化联动功能。集井上工业区、井下工作区于一体,通过融合井下安全检测、人员定位、综采、综掘、候车、压风、通风、供电、排水、视频监控等系统数据,实现人—机—环全面信息感应、融合、监测,形成“一图感知”,为管理者提供决策支持。初步建立采—运、瓦斯—通风、安全—人员定位等智能决策模型,实现系统智能联动。系统部分功能如图6所示。

(a)霍尔辛赫煤矿地面园区管理

(b)霍尔辛赫煤矿万兆环网实时监控

(c)百卡煤矿高精度人员定位管理

(d)百卡煤矿智能综采管理

(e)百卡煤矿智能通风管理

(f)百卡煤矿远程集控

4 结束语

为达到矿山设备智能化、数据信息可视化、采矿流程信息透明化、开采现场无人化、矿井环境低损化的效果,在传统的煤矿综采基础上借助数字孪生技术,搭建煤矿智能管控平台,成功破解了基本信息数字化、生产流程虚拟化、综合管控一体化,以及决策分析融合化等技术难题。在实际生产中验证了煤矿智能管控平台的实用性,能够大幅度提高生产效率,降低矿井重大安全事故发生概率。这也将促进煤矿领域逐步向智能化、无人化发展。