矿井煤自燃灾害监测预警技术及发展趋势

邓 军 ，张 琦 ，陈炜乐 ，白祖锦

（1.西安科技大学 安全科学与工程学院，陕西 西安 710054；2.陕西省煤火灾害防治重点实验室，陕西 西安 710054；3.西安建筑科技大学 信息与控制工程学院，陕西 西安 710399）

据统计，2022 年我国原煤消耗量占一次性能源消耗总量的56.2%[1]，这表明煤炭仍旧是我国的主体能源。然而，在矿井生产中常伴随煤自燃灾害的发生，由煤炭自燃引起的火灾是对矿井安全生产构成重大威胁的灾害之一。相关数据显示[2]，我国超过50%的矿井存在煤自然发火风险，其中由煤炭自燃引起的矿井火灾占火灾总数的90%以上。

煤自燃火灾作为矿井五大自然灾害之一，具有隐蔽性、持续性、继发性和难以控制的特点[3-4]，常与瓦斯和煤尘的爆炸相伴产生。除对井下工作人员的生命安全构成严重威胁外，还会产生大量烟气及有毒有害气体，导致重大事故的发生[5]。2013年，神华集团某工作面发生采空区煤自然发火事故，迫使工作面停产封闭，带来较大经济损失；2023年，河南三门峡耿村煤矿发生较大火灾事故，直接经济损失高达1 483.26 万元。煤自燃灾害事故的发生主要是由于矿井火灾监测监控不到位、监测系统形同虚设、监控系统错误认定等原因导致的。

因此，矿井煤自燃灾害的早期监测、加强煤自燃重大风险辨识及评估对保护矿工的生命安全、维护矿井的正常生产具有重要意义；煤自燃精细化监测、智能预警、精准预测有利于提高矿井安全生产水平。因此，对现有的矿井煤自燃监测预警技术进行了全方位分析，并对其未来发展方向进行深入探讨。

1 矿井煤自燃监测技术研究现状

矿井煤自燃监测技术及其工艺流程如图1。

图1 矿井煤自燃监测技术及工艺流程Fig.1 Mine coal spontaneous combustion monitoring technology and process

1.1 矿井煤自燃地下监测技术

矿井煤自燃监测技术是矿山工程和自燃灾害预警中至关重要的一环，钻探技术、束管监测和分布式光纤测温是常用的地下监测手段，具有非破坏性、实时性和高灵敏度的特点，为矿山工程的安全管理和自燃灾害预防提供了关键支持。

1）钻探监测煤自燃技术。钻探技术是矿井生产中常用的探测手段之一，通过在矿井中进行钻孔并监测孔内温度变化，获取地下煤体温度分布情况，为矿山的热力环境评估和工程设计提供重要数据。李光宇[6]利用钻孔测量大泉湖火区以西地区地下温度场，获得火区地下温度场分布规律，以支撑火灾治理。钻探测温技术能够穿透地表，在探测过程中，实现高精度取样、实时监测，获取更深层次的地质信息，但也面临高成本、局限性、环境影响和安全方面的挑战。

2）矿用束管监测系统[7]。矿用束管监测系统是目前广泛应用于矿井内火灾监测的一种主要方法，其通过监测矿井自燃环境中气体浓度变化，判断封闭火区内煤自燃发展程度[8-9]，为井下煤火防治的开展提供了重要的数据支持，保障了矿井的安全高效开采，已成为矿井火灾监测不可或缺的重要工具[10-11]。束管监测技术通过抽气泵制造负压环境，将地下气体输送至地表检测室，进行气体分析。李团结等[12]在传统束管色谱系统基础上，形成基于微色谱和正压输气技术的矿井自燃监测系统，该系统利用束管正压输气技术将井下气体途经火灾监测主站到达色谱系统，进行气体组分浓度的检测，实现井下气体井下分析。相对于地面传统色谱束管监测系统，红外光谱束管监测技术，在实现色谱束管监测系统功能基础上，研制出光谱束管监测系统专用的采集控制装置、多级分子筛气体净化装置，革命性的将束管监测设备全部移至井下监测区域附近。红外光谱束管监测技术能够检测到微量的气体组分，能够准确区分不同气体的特征光谱，避免干扰物质对监测结果的影响。该技术通过井下环网实时上传监测数据，方便远程监控和管理，并可结合辅助决策软件对火灾危险程度进行判别和爆炸危险判别，提供科学依据和预警信息，及时预报预警。束管监测能实现连续监测并同时分析气体数据，可靠性高。然而，束管监测技术在火灾监测中也存在一些限制[13]，由于矿井巷道内气体分布不均，气体浓度存在差异，因此束管系统采集的气体不能完全反应被测区域的成分和浓度。此外，束管系统铺设距离较长，可能导致检测气体在输送过程中出现失真或泄漏，从而影响对矿井内气体信息的准确获取。

3）分布式光纤测温系统[14]。分布式光纤测温系统是一种基于拉曼效应的连续测温技术，利用铠装光缆作为温度传感器，布设于井下巷道、工作面或潜在高温区域，连续监测环境温度。YUAN 等[15]通过介绍光纤测温技术的原理，指出利用实用新型光纤测温技术可实现矿井采空区的高温判定，将光纤测温结果与氧气含量比对，精准判定“三带”位置。分布式光纤测温系统能够连续采集数千个点温度信息，抗干扰能力较强，适用于复杂环境。由于矿井环境复杂，光纤容易老化损坏，可能遇到局部放电问题。此外，在矿井内部布设光纤传感器增加了施工的难度和成本，这些缺点使光纤测温存在诸多不确定性。

地下监测技术在矿山工程和自燃灾害预防中各具优势，基于钻探技术、束管监测和分布式光纤测温技术等具有高分辨率、实时监测和非侵入性等相同的优点，不需要对被测物体进行破坏性采样或接触，有利于保持被监测物体的完整性。因监测技术存在监测范围盲区大、监测系统融合度低、数据同步共享难等困难，在使用过程中需要充分考虑不同技术的局限性，考虑监测需求和技术特点，选择合适的监测方法，以提高矿山安全性。

1.2 矿井煤自燃地表监测技术

1）红外热成像技术[16]。红外热成像技术是通过探测器吸收物体发出的红外光线，将其转换成以图像或信号等形式表现出来的一种测温技术。浅埋煤层自然发火时会在地表形成辐射能量场，通过分析火源周围围岩内温度分布，提出表面热流的反演算法，结合红外热成像仪获取表面温度分布数据，最终确定火源温度、深度和范围，这种火热流量反演算法结合了地表温度分布情况和火源特征，通过红外热成像技术提供了一种非接触式的测量方法。红外热成像原理示意图如图2。文虎等[17]采用红外热成像探测技术进行了矿井自燃火灾的探测应用，发现其在巷道等大面积地区煤自燃灾害识别中具有一定的效果。红外热成像仪是一种非接触式设备，具有快速响应速度和出色的隐蔽性探测能力，还可用于监测矿井设备的热状态，提前发现设备故障或过热问题，减少维修成本和生产中断，但该设备依赖温差成像，只能探测浅埋煤层温度，存在对被测物体的温差区别不大、成像对比度低。

图2 红外热成像原理图Fig.2 Schematic of infrared thermography

2）磁法探测技术。磁法探测技术在矿井煤自燃火灾监测中的基本原理是利用磁场的变化来识别煤自燃火灾产生的磁性异常。当矿井内部发生火灾时，由于高温作用下煤炭矿层中的磁性矿物会发生氧化磁化，产生磁化强度和方向上的变化，这种磁性异常可通过磁性探测仪器在煤矿表面测量到的地磁场信号中得以体现。常温条件下煤与岩石磁性相对较弱，而经火区高温烘烤后的煤岩磁性显著增强，特别是火区中产生的烧变岩磁化率显著升高。在煤自燃初始阶段很难测得有效的磁异常，在燃烧中心形成期时磁异常增强，煤层燃烧后期直至熄灭阶段，煤岩形成了烧变岩，此时可测得明显的磁异常。为此，国内外许多学者逐步将磁探法扩展到矿井灾害监测预测等领域[18]。围岩的磁化率和剩余磁化强度等特性会因煤体产生的高温而发生显著变化，进而重塑火区磁场。磁法探测技术应用过程如图3。磁法探测能够提供较高的空间分辨率，同时有较大的侦测深度，具有高灵敏度和高解析度等优点。但随着矿井深度的增加，磁场信号的传播与响应受煤岩体电磁性差异、矿物含量和种类等特征影响较大，且矿井深度加深，探测所需能量增加，增加设备的能源消耗和维护成本，导致分辨能力下降，存在生产效率低、劳动强度大、抗干扰能力有限的缺点。

图3 磁法探测技术应用过程Fig.3 Application process of magnetic detection technology

3）同位素测氡技术。同位素测氡通过测量地下氡气浓度，评估地下煤体的通气情况和潜在的自燃危害，利用地下煤岩介质中放射性氡气辐射随温度升高频率变化逐渐增强的特性，根据探测靶区气体浓度的变化判断火源位置、范围及发展趋势，因其操作简便、成本低而成为探测火源发生区域的有效手段。同位素测氡探测煤自燃火源位置最早由太原理工大学[19-21]提出，并进行了一定的理论研究和实践应用。费金彪等[22]应用测氡技术对刘家峁煤矿着火进行探测，成功查明浅煤层火灾的发生区域。王俊峰等[23]利用CFD 模拟技术确定采空区自燃区域范围，进一步利用同位素测氡对煤自燃危险区域判定进行验证。同位素测氡技术近年来在我国矿井中的应用。情况为：①2004 年柳湾矿应用同位素测氡技术探明温度异常地区2 个[24]；②2006 年嘉乐泉煤矿应用同位素测氡技术在测区内发现5 个高温火源点[25]；③2011年补连塔煤矿应用同位素测氡技术探明温度异常区2 个，火区影响总面积约5 880 m2[26]；④2013年滴道矿老二井应用同位素测氡技术区分了火区东西测场内的温度异常区和燃烧区；⑤2016 年刘家峁火区应用同位素测氡技术发现氡异常区域14 处，火区影响地表面积约5 050 m2[22]；⑥2016年朝阳煤矿应用同位素测氡技术圈定了朝阳煤矿高温区域；⑦2022 年河曲晋神磁窑沟煤业应用同位素测氡技术对疑似火灾区域进行探测，发现存在3 处疑似自然发火区。

随着同位素测氡的广泛应用，该技术在应用过程中的局限性逐渐显现出来，在监测过程中仅能提供氡气体的信息，无法同时监测其他气体成分，因此需要与其他监测技术结合使用，以获取更全面的气体数据。若被探测靶区地质结构复杂，且待检测区域的煤赋存较多或出现多煤层同时自燃等情况时，同位素测氡存在一定的缺陷。

综上所述，红外热成像技术、磁探法、同位素测氡技术在矿井监测中的应用有助于提高安全性、资源勘探效率和生产效率，在减少事故风险。在监测过程中，提供定期或实时监测数据，允许及早发现潜在的危险，高分辨率和数据分析有助于捕捉和识别微妙的信号变化，但均需专业设备和受过培训的操作人员，以确保数据的准确性和可靠性。这3 种监测技术会根据具体的矿井条件和监测需求相互补充，以提供更全面的自燃监测预警系统，选择适当的技术应取决于地质情况、预算和可用设备与人员等因素。矿井自燃监测技术对比与场景应用见表1。

表1 矿井自燃监测技术对比与应用场景Table 1 Comparison of mine spontaneous combustion monitoring technologies and application scenarios

2 矿井煤自燃预警方法研究现状

矿井煤自燃是影响矿井安全生产的一种严重的地质灾害，为了及时发现和预警矿井煤自燃的风险，研究人员一直致力于发现和改进矿井煤自燃预警技术。预警技术旨在对监测技术采集到的现场数据进行整合处理，评估矿井内部和周围的灾害风险。目前，基于气体测试、温度测试和智能算法的矿井煤自燃预警技术是研究的主要方向。

2.1 基于气体测试的矿井煤自燃预警方法

目前国内外普遍采用的煤自燃早期预警方法为指标气体分析法[26-28]。该方法通常以煤自燃过程中随温度变化生成的气体组分和质量变化率作为自燃危害性评判的预警指标，依据气体产物的体积分数随温度变化的规律来近似确定自燃安全隐患或自然发火事件的火源范围。

国内外许多学者利用热重分析、程序升温、自然发火等实验广泛研究了煤自燃过程中的特征参数及多种指标气体类型。通过叠加使用气体检测仪器，克服了单一CO 标志气体的不足，引入了CO2、CH4、C2H4、烯烃比等综合性标志气体，提高了气体监测系统的全面性和可靠性。煤自燃气体类型及形式见表2。煤自燃标志气体分级预警阈值(R0～R6)及温度范围划分如图4。

表2 煤自燃标志气体类型及形式Table 2 Types of indicators of spontaneous coal combustion gases and forms of indicators

图4 煤自燃标志气体预警阈值及标志气体特征Fig.4 Early warning thresholds for coal spontaneous combustion indicator gases and indicator gas characteristics

何敏[29]将C2H2作为封闭火区的重要判定指标，在封闭火区的研究中加以应用；C JZAB 等[30]总结了煤自燃过程中CO 的生成规律，将其分为5 个阶段并进行了细致研究；郭军等[31]通过划分煤自燃过程中标志气体的相关特征，确定了煤自燃反应阶段和预警级别，从而提高预测的准确性；任万兴等[32]通过程序升温实验获得88 组煤样气体变化曲线，总结出不同标志气体的预警指标。

综上，尽管标志气体分析能够通过单一气体或复合气体体积分数的异常提前发现潜在的煤自燃风险，在研究和实践中，建立警戒值和标准浓度阈值，根据气体体积分数分布，实时性地确定潜在的自燃点或区域。但其受现场漏风情况、气态产物探测精度的影响较大，难以准确判定煤自燃高温区域的位置。因此，在实际应用中还需要结合其他手段进行综合分析，以提高矿井煤自燃火灾监测和预警的效果。

2.2 基于温度测试的矿井煤自燃预警方法

温度测试是基于煤自燃升温过程放热所产生的热释放特征信息，是煤自燃预警最直接的方法。田兵[33]采用分布式光纤测温技术，成功实现了对矿井温度场盲区的测定，并设计了1 款具备统一监控解决方案、标准驱动接口、实时监测和预警功能的测温系统软件，该软件可通过对温度异常点报警反馈，及时采取相应的措施，预防矿井自燃灾害的发生；周季夫[34]根据煤快速氧化过程中O2消耗速率与CO、CO2生成速度等特征现象，确定实验煤样的吸附温度、脱附温度、临界温度和裂解温度，确定煤自燃分级预警的温度范围，实现了矿井煤层自然发火温度临界值的精准预警；ZHANG 等[35]探讨了唐家汇煤矿煤自燃过程，并进一步将预警分级细分为潜伏、氧化、自热、临界、热解、裂变和燃烧7 个特征阶段。煤自燃7级分级预警与特征温度和阶段关系如图5。这些阶段特征与气体的产量和温度有关，通过监测气体产量和其他因素共同确定阶段特征的温度变化，监测每一阶段的迹象，及时采取措施预防自燃的发生。

图5 煤自燃7级分级预警与特征温度和阶段关系Fig.5 Seven-level grading early warning of spontaneous combustion of coal related to characteristic temperature and stage

总之，基于温度测试预警方法的研究和发展进一步完善了矿井煤自燃火灾预警系统，提高了预警的可靠性。温度作为煤自燃的主要指标之一，直观可靠，相较于其他预警方法具有成本较低、实时监测的优点，但对矿井内微弱的自燃迹象不够敏感，无法及时准确地发现潜在的危险。矿井内可能会有多种原因导致温度升高，导致误报自燃风险，浪费资源和时间，在实际应用中，可结合其他监测预警方法，综合考虑各种因素，最大程度地减少误报和漏报，提高自燃预警的准确性和可靠性。

2.3 基于智能算法的矿井煤自燃预警方法

近些年，信息采集、网络通信、大数据、科学研究和产业发展都向着高技术化方向发展，为煤自燃精准预测预警提供良好的保障[36-38]。基于智能算法的自燃预警方法是一种先进的煤矿安全管理技术，利用计算机科学和人工智能技术识别矿井内部的自燃风险。为降低单纯依靠标志气体浓度预警的误差率，神经网络、长短期记忆神经网络等[39-40]预测方法用于煤自燃预警，被研究人员接纳。不同学习算法在煤自燃预测预警方面的优缺点见表3。

表3 不同学习算法在煤自燃预测预警方面的优缺点Table 3 Advantages and disadvantages of different learning algorithms for coal spontaneous combustion prediction and warning

XIAO 等[41]在研究中，构建了基于指标气体与煤温之间非线性关系的BP 神经网络模型，利用算法对其进行优化，以预测煤的自燃情况；邓军等[42]利用灰色关联分析法和神经网络，结合实验和现场数据，建立煤自燃预警指标体系，分析不同阶段的煤自燃特征，实现对不同自燃阶段的预警；邓军等[43]利用随机森林法对矿井温度和气体浓度进行预测，结果表明随机森林具有较好的稳定性和普适性；温志煌[44]提出了一种新型的CNNRNN 结构，实现了对矿井一氧化碳和乙烯混合气体的种类识别和体积分数预测。

基于智能算法的监测预警方法在各个领域中都有广泛的应用，可以提高效率、安全性和决策制定的质量，基于智能算法的煤自燃监测预警技术通过气体或温度传感器采集数据，进入算法之前对所需数据进行预处理并从原始数据中提取有意义的特征，减少数据的维度并突出与监测预警相关的信息，确保信息的准确性。智能算法在矿井煤自燃监测预警过程中可以提高安全性，减少风险并提高效率，但在使用过程中需要合理的数据处理、模型建立和系统集成，确保能在实际运用中发挥作用。智能算法在矿井自燃预警的应用可以识别不同监测参数之间的关联性和规律性，从而能更准确地预测自燃的风险，并及时发出预警信号。因不同算法的选择通常依赖于具体应用的需求和可用数据，在使用过程中涉及大量数据的收集和处理，需要有效的数据安全和隐私保护措施。

总体来说，基于气体测试的预警方法具有高精度、响应速度快的优点，能够快速识别自燃风险；基于温度测试的预警方法可以获取矿井不同位置的温度数据，具有高灵敏度和长测距等特点；基于智能算法的矿井自燃预警方法通过提取关键特征和规律，提供快速响应和决策支持，帮助矿井人员及时采取措施，防止自燃事故的发生。但无论是基于哪种单一技术都无法采集和提供全面的信息，无法全面评估矿井自燃的风险，存在误判和漏报的问题。因此，矿井自燃监测预警指标的全面性显得尤为重要。

3 存在问题及研究展望

3.1 存在问题

煤自燃是一种极其隐蔽的灾害，不易被及时察觉，其他矿井灾害如瓦斯爆炸或坍塌等相较于矿井煤自燃具有明显的前兆性，煤自燃的发展过程较为持续，需要较长的时间积累；且煤自燃多发生在矿井内部的隐蔽位置，与地质构造、煤体性质、地下水等因素有关。针对矿井煤自燃区别于其他灾害的特殊性，国内外学者对矿井煤自燃监测预警领域开展了大量工作研究，并取得了一定的优秀成果。但现有研究仍存在一些问题，主要体现：①监测预警技术存在只能反映特定时间段的情况，无法全面覆盖矿井内所有区域深度的情况；②监测的误差性：部分监测设备的固有的误差并受环境因素等影响，从而影响监测结果的准确性；③监测信息的狭隘性：仅依赖气体检测，可能忽略其他重要信息，导致对自燃风险评估不够全面；④监测能力有限：监测数据提供当前状态，但并不能准确预测未来可能的变化或突发事件；⑤数据分析与处理具有挑战性：监测预警技术的数据庞大，如何高效地处理和分析数据，提取有效信息，仍是一个挑战。

3.2 研究展望

1）提升煤自然发火临界值确定方法的综合性。煤层开采时，必须开展煤自然发火监测工作，建立煤自然发火监测系统，确定煤层自然发火标志气体及临界值，健全自然发火预测预报及管理制度。首先，差热分析法可以提供短时间内煤自然发火及升温情况的数据，适合进行快速、动态的监测。其次，热重分析法对煤样的燃烧机理有较好的解释能力，可以发现煤在不同温度下的热稳定性及氧化特性。而热流量法由于需要实际煤样参与反应，更接近实际自然发火条件，具有一定的仿真性和可操作性。同时，在实验过程中需要对样品制备、测试条件、结果分析等综合考虑和比较。展望未来，可以借助新兴的仪器设备和技术手段，完善煤自然发火临界值的确定方法。例如，可以结合先进的热分析仪器、数据分析技术和计算模拟方法，提高测定的准确性和可靠性，并丰富对煤样氧化反应行为的理论认识。同时，还可以探索绿色、低成本的测定方法，使其更适用于工业生产和环境保护应用。通过不断的研究和改进，可以为煤矿和工业领域提供更为可靠和有效的自然发火防控方案。

2）提升矿井参数监测的多维性。未来的矿井煤自燃监测预警技术将更加注重监测效率和监测精细化以及监测的全面性，综合考虑多传感器集成，提供更全面的数据有助于了解矿井内部环境，除气体检测外，引入温度、湿度等多维监测手段。同时使用高精度传感器，数据的实时采集和传输是确保准确的关键，利用交叉验证数据来评估监测和预警技术的性能，确保在实际应用中的可靠性。

3）创新矿井数字孪生技术预警研究。为提升矿井监测的可视化管理，优化矿井安全生产流程和资源配置，降低维护成本、减少生产停工时间和损失。提出未来的矿井煤自燃监测预警研究将进一步探索技术的创新性。致力于将数字孪生技术与监测预警相结合，利用数字孪生技术对矿井内部的多种参数进行高精度的模拟和建模，有助于识别自燃风险的多维特征。数字孪生技术还可以通过对不同工况下的试验进行仿真，预测不同措施的防控效果，在虚拟环境下实现对实际矿井生态环境的反馈控制，辅助管理人员进行智能决策。数字孪生技术还可用于培训、教育、应急演练与决策支持，利用数字孪生技术为不同的场景条件提供更为真实、可靠的模拟环境，增强培训和应急响应能力。创新矿井数字孪生技术预警研究可以提高矿井安全性、生产效率和管理水平，是矿井行业迈向智能化和自动化的重要步骤。

4）构建矿井智能化监测预警体系。矿井智能化是煤炭工业高质量发展的核心技术支撑，将人工智能、物联网等与现代煤炭开发利用深度融合，形成全面感知、实时互联、动态预测、协同控制的智能系统，全面打造矿井数字化升级标杆。基于精细化监测和精准预测，矿井煤自燃灾害监测预警技术朝着智能化方向发展，聚焦矿井煤自燃灾害全面监测、精准预测与智能预警一体化。这一发展借助人工智能、物联网技术、激光扫描、光纤环网和5G 通信等技术手段，按照“数据监测-数据采集-数据传输-数据分析与处理-数据构建-实时监测与响应-智能决策”的思路逐步展开研究，形成集矿井信息监测技术、智能预警模型、精准预测、快速识别定位、应急决策和自适应优化于一体的矿井信息智能监测预警与应急处置体系，为矿井自燃预警和应急处置提供支持。

4 结 语

通过对现阶段矿井煤自燃监测预警技术进行综述，可知目前矿井煤自燃灾害监测预警技术还存在一些问题，如气体测试监测技术易受环境干扰、不能实时或连续监测等，还会受到气流、地质等因素的干扰，进一步影响判断的准确性；基于温度测试的监测预警技术存在预测精度、实时性、误报、覆盖范围等问题；基于智能算法测试的矿井监测预警技术存在数据采集质量不高、算法准确性、能耗和可解释性等方面的问题。

针对当前存在的局限和技术限制，对未来矿井煤自燃灾害监测预警技术发展提出新要求，提出提升煤自然发火临界值确定方法的综合性，利用多种先进监测技术手段提高矿井火灾监测的全面性和精细化监测；推动智能化防控系统的创新和决策，通过数字孪生技术提供精准的模拟与预测能力，优化防控方案，提供应急管理培训以及数据分析和决策支持；同时聚焦矿井火灾全面监测、智能预警和精准预测一体化建设，强化对矿井火灾数据分析、灾前主动预警、火灾事故治理等技术的研究。未来矿井煤自燃灾害监测预警技术将通过新型技术手段、智能化系统、全面感知与应急处置相结合来提高防控效率和监测预警能力，确保矿山的安全运行。