基于大数据技术的采煤工作面瓦斯抽采数据分析

徐平安,张若楠,周小雨,赵琦琦

(平安煤炭开采工程技术研究院有限责任公司,安徽 淮南 232000)

0 引言

瓦斯是主要由煤层气构成且以甲烷为主的有害气体,有时单独指甲烷,是一种无色、无味的气体。瓦斯在空气中具有较强的扩散性,局部地点较高浓度的瓦斯会自动向低浓度的区域扩散,从而使瓦斯浓度趋于均匀。在煤矿井下巷道中,风流流动一般处于紊流状态,由煤壁等处涌出的瓦斯容易与空气均匀混合。瓦斯的化学性质不活泼,微溶于水,是一种可燃气体,在空气中的浓度达到某一范围时,遇到适当的火源就会发生燃烧或爆炸。瓦斯在煤层中一般有2种状态,游离状态和吸附状态。煤层中瓦斯含量实际指的是游离瓦斯和吸附瓦斯之和[1-3]。

为了减少或解除矿井瓦斯对煤矿安全生产的威胁,利用机械设备和专用管道造成的负压,将煤层中赋存或释放的瓦斯抽放出来,送到地面或其他安全地点的做法,叫做瓦斯抽采,所抽放出瓦斯数量的多少叫做瓦斯抽采量[4]。抽采瓦斯的重要意义主要有以下3点。一是抽采瓦斯可以减少开采时的瓦斯涌出量,从而减少瓦斯隐患和各种瓦斯事故[5-6],是保证安全生产的一项预防性措施。二是抽采瓦斯可以减少通风负担,能够解除通风不易解决的瓦斯难题,降低通风费用,尤其针对瓦斯涌出量很大的矿井或采区,瓦斯抽采在技术上和经济上都是必须的[7-8]。三是煤层中的瓦斯同样是一种地下资源,将瓦斯抽采出来送到地面作为燃料和原料加以利用,可以起到保护环境和提高经济效益的作用[9-10]。

2002年8月,国家煤矿安全监察局和中国煤炭协会,为贯彻落实国务院关于安全生产的一系列重要指示和国务院《关于黑龙江省鸡西矿业集团公司“6·20”特大瓦斯事故的通报》精神,召开了全国煤矿瓦斯防治现场会议,在这次会议上作出了全国煤矿贯彻落实“先抽后采、以风定产、监测监控”瓦斯治理十二字方针的重要决定。“先抽后采”是瓦斯治理的源头治本措施。因此,瓦斯抽采在采煤工作面回采过程中具有重要意义[11]。

1 基于大数据技术的数据研究

1.1 数据特征

大数据指的是所涉及的资料量规模巨大到无法通过主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。其具备了5V特征,指的是5个V开头的单词,从5个方面准确、生动、形象的介绍了大数据特征[12]。Volume—数据体量大:采集数据量大,存储数据量大,计算数据量大一般是TB、PB级别起步的数据。Variety—种类和来源多样化:结构化、半结构化、非结构化,比如日志文本、图片、音频、视频等等的来源。Value—低价值密度:信息海量但是价值密度低,深度复杂的挖掘分析,需要机器学习参与。Velocity—速度快:数据增长速度快、获取数据速度快、数据处理速度快。Veracity—数据的质量:指的是数据的准确性和数据的可信赖度。

瓦斯抽采数据满足体量大、多样性、需要深度挖掘分析、数据增长速度快、数据准确的特征,因此在瓦斯抽采领域引入大数据技术,可以对瓦斯抽采数据进行分析,对减少人工工作量、加强采煤工作面瓦斯治理能力具有积极作用。

1.2 分析方法

在采煤工作面回采过程中,赋存在煤层中的瓦斯可通过抽采的方式将瓦斯抽出,如采煤工作面的老塘埋管、顺层孔抽采、邻近层的穿层孔抽采等方式,另外在回采过程中未抽采出来的瓦斯释放在空气中,随回风流汇入风井直至地面。这里主要就是2种瓦斯存在方式,一种为抽采管道中瓦斯,称为抽采瓦斯,另外一种为空气中的瓦斯,称为风排瓦斯。目前,根据《煤矿安全规程》和行业标准,生产矿井瓦斯监测的方式是采用安全监控系统,吊挂甲烷传感器监测巷道中甲烷浓度的方式,研究的一种方式是将管道抽采的瓦斯和空气中的瓦斯含量进行数据处理,以一种比值曲线图的形式进行展示,这种方式能够直观的看出采煤工作面回采过程中煤层中赋存的瓦斯2种方式的释放情况,具体计算公式为

(1)

式中,AC为抽采瓦斯量占比,%;C为瓦斯抽采量,m3;T为风排瓦斯量,m3。

式(1)中风排瓦斯量同样需要对采集到的基础数据进行处理才能得到。为此,利用安全监控系统的风速传感器数据乘以风速校正系数,风速校正系数用来平衡整体巷道的风速情况,再乘以风速传感器所在巷道的截面积得到了本采煤工作面回风的风量。因回风流瓦斯浓度较为稳定,能够较为准确地反映巷道整体空气中的瓦斯含量,所以将风量乘以T2甲烷传感器浓度,即可得到采煤工作面风排瓦斯量,其计算公式为

T=V×C×S×t

(2)

式中,T为风排瓦斯量,m3;V为采煤工作面回风巷风速,m/s;C是风速校正系数,为常数;S为风速传感器所在巷道的断面面积,m2;t为采煤工作面回风巷T2甲烷传感器数据,%。

《关于进一步加强煤矿瓦斯治理工作的指导意见》明确提出“强化多措并举、应抽尽抽、可保尽保、抽采平衡的技术措施,确保抽采达标”。所以目前高瓦斯和突出煤矿中的采煤工作面抽采方式大部分为多种抽采方式并存。目前,管道抽采的监控方式是通过安全监控系统安设自动计量设备的方式进行实时监测,抽采数据只能通过安全监控系统的页面进行单个装置查看,本文研究的是将工作面采用的所有抽采方式放到一张对比图中,以百分比曲线图的方式进行展示,通过这种数据展示的方式可以即时查看到多种抽采方式抽采力度的变化情况,能够看出来是哪种抽采方式抽采力度最大,当抽采方式变小时,进行预警,提醒矿井管理技术人员是否需要加大管道负压,增加抽采量。其计算公式为

(3)

式中,A为抽采占比率,%;Ci为各类抽采方式(i=1,2,…)的抽采量,m3/min。

另外一种数据研究是通过管道自动计量装置采集到管道流量以及管道甲烷浓度,可以实时计算出本工作面的抽采纯量。管道抽采纯量分为工况纯量、工况混量、标况纯量、标况混量。利用直接获取得到的原始数据,通过计算得到工况纯量数据,能够看到本采煤工作面所有的瓦斯抽采量数据。其计算公式为

(4)

式中,C为工况抽采纯量,m3/min;Qi为各类抽采方式的抽采流量,m3/min;t为管道自动计量装置监测的甲烷浓度值,%。

2 结果分析

通过上述算法看出,主要研究的三类瓦斯抽采数据分别为风排瓦斯量和瓦斯抽采量占比数据,瓦斯抽采方式占比数据,采煤工作面瓦斯抽采工况纯量数据,通过利用可以直接读取到的数据,代入到建立好公式计算的模型中,即可得到需要展示的计算数据。

2.1 算法实现技术

本文研究的算法采用了大数据的逻辑思维方式,首先将本地机房服务器利用云端虚拟技术,将服务器资源化作虚拟池,对储存数据进行分布式存储,防止数据丢失,再将服务器进行分配,给分析算法分配较强CPU的计算能力,保证数据计算过程流畅。本次研究的算法模型,数据处理的语言主要是Java,存储是Mysql,连接框架是Mybatis,同时采用Spring、Springmvc,集成框架为Springboot,数据采集使用的是定时轮询扫描新增数据,定时框架为Scheduled;静态数据缓存采用Map技术,动态数据引入Mybatis二级缓存进行处理;数据的清洗使用了动态规划和回溯搜索的算法。基于采集到的数据,需进行基础的数据清洗和数据分析步骤。

2.1.1 数据清洗

对采集到的数据根据时间规划为5 min一个间隔,进行对齐处理,如果在对应的时间间隔内没有数据,就往前找最近的一个间隔数据,然后进行抓取装载,对于不符合规则的数据做特殊的清洗处理。将处理后的数据根据对应的类型进行装载处理,以方便根据时间维度进行数据计算。

2.1.2 风排瓦斯量和瓦斯抽采量占比

将风排和抽采进行求和和求占比的处理,然后将对应的数据根据模板进行装载处理。从时间维度进行循环计算,累积量以5 min一个单元进行存储。

2.1.3 抽采方式占比

将不同位置传感器的抽采占比进行求和以及求占比的计算,然后将对应的数据根据模板进行装载处理。以时间的维度为主,然后在同一维度上统计出不同位置传感器的数值和占比以及对应的浓度和混量,方便求和使用。

2.1.4 瓦斯抽采工况纯量数据统计

将对应的抽采数值进行求和梳理,以时间维度为主,统计每个时间间隔内的数据的累积量以上的3种计算以及存储方式都以Bigdecimal进行包装计算。防止计算时因为精度丢失导致的结果数值偏差过大的问题,存储的时候使用占用空间偏小的Double类型进行存储。

2.1.5 数据预警

当某种抽采方式占比降低幅度过大的时候,程序计算通过前后时间差的对比方式实现了对抽采占比的变化监测以及预警功能。

2.2 效果展示

通过上述步骤,最终得到了相关的计算模型,并通过安全监控系统采集到了现场的实时数据。目前相关算法模型在淮南矿业集团8对矿井进行了试用,针对潘三矿1682(1)工作面进行试用,并达到了预期的效果,下面就将本次研究的情况进行梳理。图1为风排瓦斯量和瓦斯抽采量的百分占比分析。

图1 风排瓦斯量和瓦斯抽采量占比分析Fig.1 Analysis of the proportion of air exhaust gas volume and gas extraction volume

通过数据对比,可以很直观地看出来2种瓦斯释放方式的占比情况,当风排瓦斯量曲线图提高时,需要及时查看甲烷传感器的数值是否变大,目前,我们在工作面回采过程中,需要时刻关注甲烷传感器的数值,一旦超过预警值,就需要进行相关处理,通过这种数据占比的方式可以更加直观的看到变化趋势。另外一种情况就是当本工作面的瓦斯抽采量降低时,需要通过分析多种抽采方式抽采数据,看出是哪种抽采方式的抽采比例降低了。

通过图2能够看出本工作面采用了工作面轨顺老塘埋管、地面钻孔抽采、高抽巷1#、2#管道抽采、工作面轨顺顺层孔管道抽采、工作面运顺顺层孔抽采等6种抽采方式,通过占比曲线能够分析出,抽采量的数据在当下时间的情况,如果保持抽采平稳,即几条占比曲线为直线,若发生了波动,需要查明是什么原因导致抽采不稳定。

图2 抽采方式占比分析Fig.2 Analysis of the proportion of extraction methods

在图2中,本文研究出一种趋势预警方法,即当某种抽采方式下降达到一定比例时,进行预警提示,即设置20%为阈值,下降比例或者上升比例超过20%时,就会预警提示,通过这种数据分析的方式,让技术管理人员能够及时查看是哪种抽采方式变化较大,能够及时调整,保证工作面在回采过程中瓦斯治理安全可靠。这种预警方法不同于一般安全监控系统的上下限预警,这是一种趋势预警,通过趋势变化幅度的大小,去判断瓦斯抽采情况是否存在异常。这种方式是通过对抽采数据的分析,能够超前预判瓦斯治理情况是否存在问题,以往在煤矿生产中,涉及到瓦斯抽采数据是人工进行手动测算,通过研究大数据的方法,能够自动分析相关数据,产生预警提示,减少了工作量,提高了采煤工作面在回采过程中瓦斯治理的可靠性。

通过图3能够看出来本工作面采用工作面轨顺老塘埋管、地面钻孔抽采、高抽巷1#、2#管道抽采、工作面轨顺顺层孔管道抽采、工作面运顺顺层孔抽采等6种抽采方式后的瓦斯工况纯量数据。

图3 瓦斯抽采量统计分析Fig.3 Statistical analysis of gas extraction volume

目前,在煤矿实际生产过程中,只能通过安全监控系统查看到某一个抽采单元的抽采情况,无法将一个工作面整体所有的抽采纯量情况进行实时统计分析。通过基于大数据的抽采数据分析,能够在获取基础数据的同时,将需要的计算数据进行实时反馈,能够准确看出本工作面的整体抽采能力。

3 结语

瓦斯是一种危险气体,不仅会威胁煤矿生产的安全,而且会影响煤炭的质量。在煤炭开采过程中,瓦斯会占用有效空间,减少可开采面积,直接影响煤炭的生产效率和质量。而通过抽采煤矿瓦斯,可以保持煤炭开采的安全和稳定,同时提高煤炭的生产效率和质量。现代煤矿瓦斯抽采技术不断进步,有效降低了煤矿瓦斯危险,提高煤炭生产的安全和稳定。将大数据技术利用在瓦斯抽采数据分析上,能够减少以往人工的工作量,并且在即时性和准确性上相较于人工有较大提高,通过这种自动分析的方法建立模型算法,并以此算法为基础搭建的系统目前在实际矿井中应用,获得了一致好评,保障了现场采煤工作面在回采过程中瓦斯治理的稳定。