煤矿智能安全管控系统研究与应用

张 倩，王 翀，杨 泽，伏 明

(1.应急管理部信息研究院，北京市朝阳区，100029；2.华北科技学院，河北省廊坊市，065201；3.华能煤炭技术研究有限公司，北京市丰台区，100070)

0 引言

近年来，我国煤矿安全水平不断提高，安全生产形势持续稳定好转。随着安全投入长效机制不断完善，煤矿信息化、自动化和智能化水平均得到大幅提高，安全生产形势持续好转，煤矿事故总量呈下降趋势。在智能化浪潮的推动下，煤炭行业加快向生产、安全和管理智能化方向转变，煤炭行业转型升级与高质量发展更加迫切[1-2]。2020年2月，国家8部委发布的《关于加快煤矿智能化发展的指导意见》指出，要求建设智能安全监控系统，进行灾害风险监测预警、智能分析模拟、应急救援辅助指挥、事故原因分析、矿井灾变状态下避灾路线智能规划等[3]。2020年4月，国务院安委会要求煤矿行业“加快推进煤矿安全风险监测预警系统”建设，利用信息化手段，对所采集的各类数据进行智能分析、预知预判，为监管监察工作提供智能辅助决策[4-5]。通过实施超前辨识预判、提前预警、远程监管监察、精准现场检查等措施，提高风险防控能力，把安全风险控制在隐患之前，把风险隐患化解消除在萌芽之时、成灾之前，标本兼治地防范和遏制煤矿事故的发生[6]。

目前，在我国煤矿智能化的建设中，主要依托各个尚不健全且孤立的单灾种监测子系统，没有形成统一的综合监测预警平台。在分析决策时，大多依靠经验判断，缺乏科学的预警模型，且无法进行趋势预测。煤矿生产设备和安全监控设备持续产生高频实时数据，数据量级和数据类型均呈爆炸式增长，大型企业集团数据集可达PB级[7]。数据广泛分布于煤矿生产、安全、管理等不同环节、不同系统，且数据结构复杂，采集到的数据不但分散且质量较低[8]。虽然现有系统基本实现了对煤矿水害、火灾、瓦斯、粉尘、顶板等灾害的实时监测，但各个单灾种监测子系统之间缺乏数据融合，缺少协同作业，感知信息无法与防控应急设备联动，导致各系统产生的数据无法得到深度利用。

为解决上述问题，遵循安全、可靠、先进、实用等设计原则，构建安全生产风险监测与预警技术指标体系和预警模型，建设矿山安全生产大数据平台和矿山安全生产知识平台，对海量数据进行分级整理、融合、分析，挖掘灾害风险信息，结合数据可视化技术，为煤矿安全生产监测预警提供有力支撑，满足现代化矿井对监测监控信息有效获得的需要。

1 煤矿智能安全管控系统设计

煤矿智能安全管控系统通过接入6类矿山数据，对海量数据进行统一处理后应用到模型中计算分析，实现对煤矿风险的评估与预警。系统的主要功能是与煤矿安全管理系统联网互通，实时采集动态数据，进行安全态势分析、事故预测预警和预警结果分级管控。通过建设集数据采集、传输、存储、分析和应用为一体的煤矿智能安全管控系统，最终实现数据交换标准化、风险研判智能化、应用系统平台化、监管执法精准化。煤矿智能安全管控系统总体架构如图1所示。

图1 煤矿智能安全管控系统总体架构

1.1 数据感知

安全监控子系统通过布置大量矿用传感器进行数据感知，包括CH4、CO、CO2、O2、NO、SO2等气体实时监测浓度、风速、温度、烟雾、风压传感器的监测数据等。人员定位数据包含井下人员的出入井时刻、重点区域出入时刻数据井下活动轨迹数据、系统监测的重点区域人员数量数据。对水文监测子系统的地面和井下两部分数据进行感知，地面部分包括水文长观孔的水位、水温、水质数据；井下部分包括井下水仓水位、泥位、水温，钻孔水压、水温、流量，明渠水位、泥位及流量和给排水管道流量、压力以及各类出水点水质监测数据。对冲击地压子系统进行数据感知，主要包括顶板压力、位移、顶板离层位移、锚杆/锚索应力及矿震监测数据。对煤矿重大设备数据进行感知，主要包括设备监测监控的实时数据及矿用设备的检测数据，其中实时数据包含主通风机、主排水、立井提升、斜井提升、空气压缩机和绞车的监控数据。

数据标准化是煤矿大数据处理能否成功的关键，是进行大数据分析的前提。首先制定数据标准规范和接入细则，明确煤矿安全监控、井下人员、视频监控、重大设备、冲击地压、水文系统感知数据联网采集内容、数据类型、格式、数据接入流程等。

1.2 大数据采集与应用

(1)数据采集与处理。系统支持OPC技术、Modbus和MQTT等多种协议的数据采集，具有数据源适配、数据转换、数据传输、数据缓存、质量检查、断点续传、运行监控等功能。数据处理采用流式处理技术，支持实时计算和实时分析功能。

(2)数据治理。设计分级感知数据库，分别为原始数据库、资源数据库、主题数据库和专题数据库。原始数据库用于存储煤矿上传的所有原始数据，便于追溯，不对外提供数据服务；资源数据库存储经过标准化和数据清洗形成的资源数据，对外提供标准化数据服务；主题数据库存储对资源库中的数据进行梳理、选取重点后的关注指标数据；专题数据库存放根据业务主题需要而梳理出的监测预警和煤矿灾害主题域的特定指标体系数据，结合大数据相关算法模型形成各类专题所需数据。

(3)数据建模与可视化。系统通过人工智能平台的算法仓库，构建灾害风险模型并训练模型，“深度分析”数据资源池中的原始数据、资源数据、专题数据和主题数据，利用特征提取算法、神经网络算法和视频识别算法，通过瓦斯灾害模型、水害模型和冲击地压模型对大数据进行应用，使用知识图谱技术和GIS空间信息等技术进行煤矿监测预警分析，分析结果通过智能化展示和应用提升矿山智能管控能力。

(4)模型库。知识图谱平台通过后台的数据处理、存储和结构化体系支撑能力，对数据进行知识图谱拓延、知识数据融合、知识内容抽取和知识结构化构建，实现知识数据图谱化；再通过中台的知识数据计算及建模进行智能化数据建模与机器学习迭代，将大数据应用于灾害分析、设备运行诊断、风险实时预警和智能安全管控等方面，并最终通过前台进行数据服务场景的分析展示，实现智能化展现与应用。

1.3 数据应用与门户展示

数据可视化平台提供统一的集成服务，将各应用系统集成进行统一信息展示，系统使用GIS一张图服务对煤矿监测预警信息进行综合展现，并采用CAD矿图无插件浏览技术，方便系统用户查看煤矿上传的CAD矿图，实现包括移动设备在内的多种终端对矿图的快速浏览，同时支持输出PDF和图片文件，满足用户共享使用需求。

2 关键技术

2.1 多灾种融合的人工智能判识技术

系统接入煤矿全部安全类感知数据，完成所有相关子系统的各项关键信息(双预控管理、应急救援管理、环境监测、视频监控、人员定位、灾害防治等)的数据融合，实现矿井安全全域感知。针对不同灾害类型、不同煤矿属性等要素构建风险评估模型群，研判煤矿事故风险，实现全矿井安全监测预警、分级分类推送、隐患及事故应急处置、应急救援辅助决策等业务内容的闭环式管理，从传统的事中报警转变为事先预控、智能报警，报警后实现隐患闭环管理。人工智能判识技术架构如图2所示。

其中，矿井融合分级预警通过综合分析模型得出的风险等级进行预警，综合分析模型建立的前提条件是在多个系统数据融合使用的基础上，利用了该区域的人员定位系统数据、安全监控系统数据、重大设备系统的设备运行数据等各子系统数据，综合计算做出评价[9]。煤矿瓦斯火灾融合预警模型通过对工作面瓦斯、通风、氧气、火源等监测数据进行传感器级数据融合分析，结合巷道空间分布关系，检验并定位异常传感器，提前发现火灾危险源异常，并结合重大设备系统的电机设备运行状态、采掘作业进度及煤流运输速度、现场视频监控、人员违章监测等数据，采用致因分析与统计分析相结合方法，实现工作面火灾的全要素监测分析、多因素融合超前分级预警。煤矿瓦斯粉尘融合预警模型通过采集瓦斯、一氧化碳、粉尘、风速、湿度、温度等数据，分析各类监测数据间的一致性，实时检验并定位监测异常传感器，实现瓦斯粉尘监测传感器的互联、互监，采用致因分析与统计分析相结合以及瓦斯粉尘决策级数据融合方法，实现工作面瓦斯粉尘融合作用条件下灾害风险的融合超前分级预警。

2.2 二三维一体化GIS平台

系统采用GIS一张图和三维组态数字孪生技术，以采掘工程平面图为基础，根据巷道数据、钻孔数据、煤层等高线数据、地质构造(断层、陷落柱、积水区、异常区)数据为基础，采用自动和半自动相结合的方式实现巷道关系的自动建立、地质模型的快速构建和动态更新，能够实现二三维一体化显示，在统一平台下保证了数据的一致性[10]。

GIS一张图的功能内容包含煤矿底图展示、报警信息多层展示、相关业务图层查询及信息钻取(包括人员信息、灾害数据、应急设备、风险隐患、视频监测)等，不同预警等级信息可以红橙黄蓝4色表示，并可以叠加展示多种报警信息，直观显示当前煤矿安全状态。

2.3 知识图谱技术

知识图谱是把许多不同种类的信息通过相互关系连接在一起的关系网络图，它可以对现实世界的事物及其相互关系进行形式化地描述，由节点(Point)和边(Edge)组成[11-12]。在知识图谱里，可以将每个节点看作是现实世界中独立存在的实体，将每条边看作2个实体之间的“关系”[13]。知识图谱技术通过对煤矿大数据进行知识抽取，将获得的实体、属性、关系等整合到知识库，经过人工智能知识融合，在统一的规则支持下，实现多源异构数据的转换并抽取隐藏的知识因子，再经过知识加工和更新形成高质量知识库。

系统通过对煤矿典型事故风险分析，建立历史煤矿事故案例库和风险模型库，从煤矿结构化、半结构化和非结构化数据库的多种数据中提取出实体、关系和属性等知识要素。通过知识图谱平台进行挖掘分析，利用自然语言处理、聚类分析、深度学习等技术，得到一定条件下煤矿事故风险的特征，为煤矿事故风险分析指标体系的建立提供数据支撑和知识保障，知识图谱构建过程如图3所示。

图3 知识图谱构建过程

3 应用情况

2021年12月，陕西小保当矿业有限公司开始建设智能安全管控平台系统，系统于2022年5月通过智能化验收并开始投入使用，系统运行以来取得了较好的应用效果。

(1)实现矿井火灾监测预警与智能联动。系统以硬件支撑为基础，以软件功能和模型为关键，结合数据协议，实现矿井火灾实时数据监视、预警以及防控措施的智能联动。系统根据嵌入的煤自燃分析程序得到关键数据变化趋势，并做出智能分级预警，从而联动控制注氮、注浆等防灭火系统。

(2)实现矿井顶板动态灾害预警。系统对煤矿矿压灾害进行敏感因素监测、矿压数据自动分析、多参量风险预警及风险管理。在多系统、多参量数据采集存储、图表展示、多系统综合展示的基础上，通过带权重算法的多参量综合预警，满足煤矿安全管理人员对矿井顶板动态灾害监测预警和治理的需求。通过综合监控展示与矿井顶板动态灾害预警系统相关的支架、应力在线、顶板离层、锚杆/锚索、巷道变形等信息。通过将地质信息、开采信息、监测信息和工程信息代入模型进行运算，得出顶板灾害的风险评分，从而实现对各监测系统信息和数据集中采集、统一管理和综合监控。

(3)实现水害的动态监测预警。矿井多参数水文动态监测由地面部分和井下部分组成，系统基于大数据处理技术，通过机器学习算法，对水害监测相关的地质开采信息、水文监测信息、微震监测信息和连续电法监测信息进行数据融合和多元分析，根据监测数据绘制变化趋势曲线图，并通过数据分析做出趋势预测，同时生成预测水位等值线图。此外，系统可以根据实时数据发出警报，并根据预测趋势进行智能预测预警，根据预警结果可与煤矿2个泵房的10个水泵设备进行联动操作。矿井水害监测预警展示功能界面如图4所示。

图4 矿井水害监测预警展示功能界面

(4)实现矿井通风事故超前感知预警。通过对正常通风条件下矿井通风关键位置进行多点实时监测、分析、决策和控制，根据监测数据动态进行风量调节，提高通风系统的自动化、信息化和智能化水平，大幅减少井下通风系统操作人员的数量，降低井下人员的劳动强度，保证通风系统处于安全、高效运行状态，实现减人数、增安全、提效率的目标；通过对通风事故进行超前感知预警，及时采取防灾减灾措施，时刻防止风流异常和有害气体含量超标，提高通风系统可靠性及抗灾变能力[14]。

(5)实现矿井融合分级预警。通过运用复合灾害风险智能评估技术，将各相关子系统数据融合处理，打破单灾害子系统壁垒，实现矿井灾害风险的全域感知。系统融合多灾种预警指标体系，获取各灾害子系统实时监测数据，依据灾害融合分级预警模型进行动态计算分析并生成预警结果。煤矿通风瓦斯融合预警模型通过分析安全监控系统的瓦斯、一氧化碳、温度等监测数据和通风系统的风速、风向等数据，采用致因分析与统计分析相结合的方法实现工作面瓦斯超限、瓦斯爆炸等灾害风险的融合分级预警；煤矿瓦斯火灾融合预警模型全面采集分析工作面瓦斯、通风、氧气、火源等监测数据，结合传感器在巷道空间分布关系，采用特征级数据融合方法，以火灾三类危险源理论为指导，结合主要电机设备状态监测、采掘作业进度及煤流运输速度、现场视频监控、人员违章等监控监测数据，实现工作面火灾的全要素监测分析、多因素融合超前分级预警。系统通过建立单灾种预警模型和各类融合预警模型实现了单一灾害、复合灾害和全矿井综合灾害风险评估，对瓦斯、水害、火灾、顶板、粉尘等监测监控系统实时数据进行多维分析，并根据风险评估结果，利用多风险综合预警模型，对煤矿进行整体风险综合评估，实现全矿的风险评分和风险等级评价。矿井融合分级预警功能界面如图5所示。

图5 矿井融合分级预警功能界面

系统对预警信息的集中管理和统计分析后，对信息划分种类和等级，结合报警级别和安全管理人员的职责权限进行报警信息的分类分级推送，进而形成安全管控闭环管理。依据不同种类、不同级别的报警信息可设定不同监控执行类和调度指挥类子系统的关联响应，主要实现与通信广播系统、信息引导发布系统、人员定位系统等子系统的联动相应。实现安全保障各业务系统协同、联动和远程控制，融合通信调度实现智能调度指挥。

4 结语

煤矿智能安全管控系统的研究涵盖了数据采集治理、风险研判分析、风险隐患处置和多维风险展示等功能，解决了煤矿现有信息系统缺乏智能分析、数据规模大、数据多样但质量低、灾害机理不明确和系统之间缺乏联动协同等问题。系统在煤矿运行后，实现了煤矿智能风险预警，通过对风险预先分级管控，降低了各类监测系统的报警数量，提升了煤矿的智慧化管理水平，对矿山安全具有重要意义。