煤矿瓦斯灾害大数据智能识别与预警方法

2024-04-10赵晋伟

煤 2024年4期

赵晋伟

(霍州煤电集团吕临能化有限公司庞庞塔煤矿,山西吕梁 033200)

随着煤矿开采深度逐渐增加,影响瓦斯灾害发生的主要因素及其相互作用关系也更加复杂[1-3]。近年来,随着我国煤矿瓦斯治理条例的逐渐完善,瓦斯灾害事故已得到有效控制,但导致瓦斯灾害发生的隐患因素仍然存在[4-6]。

随着互联网技术的快速发展,利用大数据采集与分析的方法在工程领域内得到了广泛应用。在煤矿瓦斯治理领域中,关维娟等[7]基于瓦斯涌出数据、现场动力灾害事故统计、煤层变形状态、瓦斯常规监测指标等地质信息,构建了综合预警指标体系,并研发了实时预警系统。姜福兴等[8]以钻孔应力变化,瓦斯体积分数演化规律为数据基础,开发了掘进工作面瓦斯突出监测预报系统。邹银辉等[9]考虑到瓦斯在煤层内部运移与聚集过程中存在声发射信号,提出了声发射预测瓦斯突出的噪声过滤技术与预测方法。Zhao Xusheng等[10]根据瓦斯地质条件、开采扰动、安全管理方法等因素,建立了瓦斯突出评价体系。何学秋等[11]运用波动CT与微震监测,探测了瓦斯地质异常区的信号分布特征。王恩元等[12]研究了含瓦斯煤体损伤过程中的声电响应特征,利用声电响应机制发明了瓦斯动力灾害监测预警装备。

以上技术多根据单一指标或多个指标对瓦斯是否潜在突出危险性进行评判,为矿井的瓦斯灾害监测与预测提供了基础,并取得了一定的实践效果。构建基于大数据平台的瓦斯灾害智能识别与预警方法是进一步提高瓦斯灾害监测与预测技术水平的必要途径。

1 煤矿瓦斯灾害类型与隐患类型分析

1.1 瓦斯灾害类型

煤矿瓦斯灾害事故包括煤与瓦斯突出,瓦斯涌出逸散异常、瓦斯爆炸与燃烧、瓦斯体积分数过高导致窒息等,不同瓦斯灾害因素的关联如图1所示。

图1 煤矿瓦斯灾害因素关联图

导致瓦斯灾害事故的地质因素包括地应力分布特征与煤体的物理力学特性。当地应力与煤体的强度较高时,发生煤与瓦斯突出事故的强度就会越高,在工作面强烈采动应力的影响下,将会导致煤与瓦斯突出现象更为剧烈。当瓦斯涌出量增加时,在点火源与氧气的共同作用下,将会导致瓦斯爆炸、瓦斯燃烧等事故。无论是哪种瓦斯事故,都会出现瓦斯异常的前期征兆,主要包括瓦斯异常逸散与涌出、瓦斯体积分数变化异常、煤层内部信号特征变化异常(声发射信号、微震信号、电磁辐射信号等)等信息,因此,综合评判声电监测数据与瓦斯涌出数据指标是实现预测、预警的重要基础。

1.2 瓦斯灾害特征与智能识别方法

在复杂的煤矿开采环境中,对瓦斯灾害的相关数据进行特征识别与提取,结合矿井的网络特性与瓦斯灾害影响因素的演化特征对其进行深入分析,对不同瓦斯灾害的隐患特征进行相关性分析识别、特征分析识别、趋势分析识别、智能分析识别。

1) 相关性分析识别:矿井网络特征对瓦斯的流动与扩散分布特征具有直接影响,瓦斯相关指标存在耦合关系。采用相关分析识别方法建立各因素之间的相关性,实现监测数据和风险隐患特征的多方面验证。一方面可以对传感器的工作状态进行实时监测,另一方面可以为风险识别提供数据基础。

2) 特征分析识别:不同煤矿瓦斯隐患因素的监测数据均有相关的特征指标。第一类是瓦斯监测数据的安全性阈值指标,如矿井风流中的瓦斯体积分数,工作面的瓦斯涌出浓度等因素。第二类是传感器的正常运行特征指标识别,需要及时对传感器进行校正与维护。

3) 趋势分析识别:煤矿瓦斯监测数据的演化趋势是判断瓦斯灾害风险程度的重要基础。相关数据分析表明,在发生煤与瓦斯突出事故前,电磁辐射信号、声发射信号等声电信号具有长时间增长趋势,瓦斯体积分数等数据也有相应的趋势。趋势分析与识别主要在于考虑监测数据的变化趋势与时间效应。

4) 智能分析识别:煤矿井下复杂的地质环境将会导致监测信号错综复杂,前兆信号会因为环境干扰以及不同信号间的相互干扰而难以有效识别,采用智能降噪方式,并利用机器学习与深度学习方式对数据进行分析识别可以有效提升预测精度。

2 煤矿瓦斯灾害大数据智能预警平台构建

2.1 大数据平台的构建

现阶段,我国智能化矿井根据实际需求安装了相应的传感器与监测系统,包括但不限于矿压监测系统、人员定位系统、瓦斯抽采系统、声电监测系统、微震监测系统、视频监控系统等。运用大数据方法对海量数据的挖掘与分析是降低终端处理任务与提升数据输出效率的重要技术。为实现矿井瓦斯灾害智能预警而构建的大数据平台如图2所示。大数据平台主要包含数据采集层、平台支持层与应用层,共计3层结构。

图2 煤矿瓦斯灾害大数据智能预警平台架构

1) 数据采集层(Infrastructure as a Service):简称IaaS层,包含由计算机控制,通信技术维持的煤矿各类监测系统,负责矿井所需各类数据的直接与间接获取,由此层在一线采集数据,通过通信技术向平台支持层传输。

2) 平台支持层(Platform as a Service):简称PaaS层,通过应用程序数据接口调用矿井各类监测系统的监测数据,对数据进行整理与规划,运用机器学习与深度学习方式构建关于煤矿瓦斯灾害隐患特征的数据库,为风险分析与事故预警提供大数据基础。

3) 应用层(Software as a Service):简称SaaS层,通过对数据整理与分析,对矿井个体,或者区域内多个矿井进行统一监管,以大数据库为基础,在实时监测的基础上对瓦斯灾害的危险性进行智能识别,实现瓦斯监测数据与隐患分析的动态指标“一张图”显示。

2.2 大数据平台的功能

矿井瓦斯灾害监测数据的危险性预警,隐患自动识别,动态数据变化规律进行“一张图”显示,并将所需数据生成自动报表。

1) 危险性预警:根据瓦斯监测数据,采用“反演算法+趋势判定+阈值评估”方法对瓦斯灾害的危险性进行判别与预警。

2) 隐患自动识别:根据不同隐患特征对瓦斯涌出异常、通风系统故障、传感器失效等隐患进行识别与不同程度的预警提示,并反馈至终端。

3) 动态数据与自动报表:将所需数据与信息进行“一张图”显示,实现全方位的统计与监测,并根据矿井所需数据产生自动报表,提高矿井瓦斯安全管理效率。

3 大数据平台的预警应用

3.1 声电瓦斯综合监测预警应用

声电瓦斯综合预警主要是对矿井的声发射信号、电磁辐射信号、瓦斯体积分数数据进行监测与综合分析。目前该系统已经在龙煤集团、同化集团、焦煤集团、神火集团、潞安集团等30余个矿井进行了应用,声电瓦斯监测数据在瓦斯灾害的预警上具有极高的准确率。

以四川某矿主采煤层监测数据为例,主采的C19煤层最大瓦斯压力为1.45 MPa,瓦斯含量13.81 m3/t,属于突出煤层。采用声电瓦斯综合预测技术对13019运输巷掘进过程中的瓦斯灾害危险性进行监测并实现了有效预测。2022年6月8日—6月12日,监测平台获取数据如图3所示,6月9日上午10:00,监测平台根据智能识别与预警方法判定煤层存在突出危险性,主要原因是掘进巷道即将揭露断层,数据产生明显波动,矿井随即将人员撤离,并采取相应的处置措施,当晚20:45,巷道瓦斯涌出量增加到4%,巷道发生严重的片帮事故,后续通过钻排瓦斯等措施消除了安全隐患。

图3 声电瓦斯监测曲线

3.2 煤矿综合管理应用

某市的煤矿数量约为170个,政府的综合监管难度极大。为加强煤矿综合管理效率,该市矿山监管部门于2021年引进煤矿瓦斯灾害大数据智能预警平台对瓦斯灾害进行监管监察。平台运行后的1年时间内,成功预警煤与瓦斯突出事故3次,识别重大瓦斯风险事故238次,一般风险事故5 741次。各类隐患事故的占比如图4所示,根据不同类型隐患的统计数据,政府部门可针对性地采取相应措施对瓦斯风险隐患重点问题进行治理,对潜在问题进行防范。