瓦斯抽采達標智能決策平臺的研發與應用

崔 聰，李曉紳，舒龍勇，李宏艷，馬延崑，周 洋，宋 鑫

（1.煤炭科學技術研究院有限公司，北京 100013；2.煤炭資源高效開采與潔凈利用國家重點實驗室（煤炭科學研究總院），北京 100013；3.冀中能源股份有限公司 東龐礦，河北 邢臺 054299）

我國煤礦在智能分析系統方面應用的起步相對較晚，1980年以來，我國大力鼓勵煤礦機械化項目，部分煤礦裝備引進了歐美地區煤礦智能分析系統[1]。1990年以來，隨著國家越來越重視煤礦生產的信息化和智能化，國家煤礦相關單位開始制定相應的政策、規章，以便更好地促進煤礦行業的信息化和智能化[2-4]。目前，我國煤礦智能化在采、掘、機、運、通、排不同領域均研發出了不同智能化程度的平臺與系統[5-10]，全面提升了煤礦整體工作效率與安全生產保障。而在瓦斯防治動態管控與智能決策設計與構建方面進展相對較慢，尤其在瓦斯抽采達標智能評判平臺搭建與抽采時間預測模型研究方面更是鮮有人涉足。目前在這方面攻關的單位主要有鄭州光力科技股份有限公司、重慶煤安森科技股份有限公司和中煤科工集團重慶研究院有限公司。

鄭州光力科技股份有限公司研發了智能化瓦斯抽采綜合管控平臺，可實現煤礦瓦斯抽采管道參數精準計量、動態分院計量，瓦斯抽采多源信息（管道/視頻/軌跡等）采集、傳感、傳輸，基于大數據分析的瓦斯抽采效果評價、風險評估、決策支持。此外，鄭州光利開發了高性能的礦井寬帶通信網絡，構建井下無線通信傳輸平臺，基站間無線通訊，支持800 m遠距離傳輸。

重慶梅安森科技股份有限公司研發了礦山綜合管控平臺，實現了對安全監管的實時監控、實時報警及處置，能使各礦向有關上級監管部門送報瓦斯、入井人員、重大危險源、安全隱患安全生產管理數據，能夠實現多級報警、預警實時信息的推送和跟蹤，實現數據分級管理查詢，達到應急遠程指揮控制的目標。其擁有構建智慧礦山綜合管控平臺軟、硬件基礎設施的核心技術，解決多源異構數據接入問題，可進行大數據智能分析，實現對礦山安全生產的風險預判與預警。

中煤科工集團重慶研究院有限公司建立了1套集抽放數據實時監控、抽放日常信息管理、抽放效果評價為一體的煤礦瓦斯抽采監控智能評價系統，為抽采數據在線監控、抽采日常信息規范化、精細化管理以及抽放輔助決策提供了綜合解決方案。

總體來看，目前抽采達標智能評判平臺存在著功能缺陷，尚未實現關鍵數據智能分析與深度挖掘，單元劃分與效果可視方面自動化與智能化程度低，抽采數據運用較為片面，這與現代化的抽采管理理念仍然有一定差距[11-14]。因此，構建1套以智能物聯“1張圖”圖元化呈現為基礎，以智能調優算法與“大數據”挖掘為核心，以多元化智能管控與智能信息集成為渠道，以瓦斯防治關鍵信息精準快速響應與智能決策為方向的四位一體式抽采達標智能決策平臺勢在必行。

1 系統框架及組成

項目以“數據采集-動態分析-模型評判-結果展示”研究思路，構建1套基于物聯網“1張圖”，以“大數據”挖掘算法為核心的瓦斯抽采達標智能評判平臺，實現抽采數據智能分析與深度挖掘、治理場景與治理效果可視化及瓦斯治理關鍵信息快速響應與實時管控，系統框架如圖1。

圖1 系統框架Fig.1 System framework

整體系統由硬件、數據、模型、平臺、云端5部分組成，系統組成如圖2。

圖2 系統組成Fig.2 System composition

硬件采集與瓦斯防治信息相關的所有數據，抽采達標智能決策平臺數據通過局域網、移動網、井下光纖等形式以在線監測、隨測隨傳、地面傳輸等途徑傳輸至服務器，基于礦山大數據標準及決策系統模型庫要求對數據進行篩分與提取，集成瓦斯治理數據中心。通過模型、算法研究與嵌入實現智能化判識煤層不同區域的抽采達標等功能。基于1張圖、1張表圖元化動態呈現的表達形式，通過電腦客戶端及手機APP實時模擬井下瓦斯治理及相關工程的應用場景；實時對預測模型及達標所需時間等關鍵信息進行計算分析，輔助礦井技術人員對下一步的瓦斯抽采與突出防治工作進行智能決策。

2 平臺搭建

2.1 數據關聯融合

數據關聯與融合如圖3。

圖3 數據關聯與融合Fig.3 Data association and fusion

FTP客戶端首先和FTP服務器的TCP 21端口建立連接，通過這個通道發送命令，客戶端需要接收數據時在這個通道上發送PORT命令。PORT命令包含了客戶端接收數據端口樣式。在傳送數據的時，服務器端通過自己的TCP 20端口連接至客戶端的指定端口發送數據。當采用PASV模式時，FTP服務器收到Pasv命令后，隨機打開1個高端端口（端口號大于1 024）并且通知客戶端在這個端口上傳送數據的請求，客戶端連接FTP服務器此端口，通過3次握手建立通道，然后FTP服務器將通過這個端口進行數據的傳送。

煤礦安全監控系統和瓦斯抽采達標智能評價平臺對外提供定義和實時數據文件，接入方式采用FTP技術進行文檔的獲取后，采用Node-RED進行CSV文件解析、清洗和入庫，在PostgreSQL中進行業務數據的關聯，通過Timescale DB進行數據的融合分析和應用。

2.2 瓦斯抽采達標動態評判

抽采達標邏輯架構如圖4。

圖4 瓦斯抽采達標邏輯架構Fig.4 Logical structure of gas excavation from standard

根據礦井不同區域煤層地質條件、煤層瓦斯賦存規律等對抽采單元進行劃分，掌握不同抽采單元原始瓦斯含量，根據抽采單元記錄的煤層原始瓦斯含量及鉆孔歷史瓦斯抽采量，計算得到抽采單元的殘余瓦斯含量。以《煤礦抽采瓦斯暫行規定》等國家與行業標準為評判依據，評判抽采單元是否達標，如評判結果未能滿足抽采達標要求，平臺將會繼續跟蹤管路瓦斯抽放量與巷道瓦斯風排量并通過數據關聯實時呈現，進而更新抽采單元歷史瓦斯抽排量，重新計算抽采單元達標與否，經抽采達標動態評判平臺進行評判，如評判結果滿足抽采達標，且抽采天數滿足煤層抽采半徑規定天數的要求，根據《煤礦抽采瓦斯暫行規定》、《煤與瓦斯防突細則》等國家與行業標準，進行現場驗證，如在現場驗證結果未能滿足抽采達標，重新進行抽采達標評判，如在現場驗證結果滿足抽采達標，可以進行現場采掘生產。

2.3 瓦斯抽采效果智能預測

瓦斯災害的防治工作受煤礦采掘部署、抽采設計、采煤工藝、作業方式等諸多人為因素的影響，影響瓦斯治理的人為與自然因素是動態變化的，礦井瓦斯治理管控工作必須也是動態變化的。瓦斯抽采鉆孔流量態勢、抽采達標預期時間等計算均是通過人工分析，計算方法較為單一，計算結果具有一定的時效性。通過集成實時抽采數據與歷史抽采數據，基于BP神經網絡、深度循環神經網絡和深度置信神經網絡3種不同特性的模型，依據輸入和輸出向量維度，構建深度神經網絡結構。將現場預處理后的瓦斯抽采數據劃分為訓練集、測試集和驗證集，對比3類模型訓練和測試的結果，選擇適用于瓦斯抽采量預測的深度學習模型。構建函數集通過訓練和測試得出最終的模型，進而實現瓦斯抽采效果智能分析、抽采達標預期時間計算、抽采半徑輔助考察。深度神經網絡模型處理過程如圖5。

圖5 深度神經網絡模型處理過程Fig.5 Processing process of deep neural network model

2.4 瓦斯治理場景動態展示

應用VBA、API方式進行GIS功能的定制，開發瓦斯抽采及風流相關信息圖元，實現圖形的放大、縮小、漫游、量測點坐標、量測距離、量測面積、局部點位地物要素查詢及搜索等功能，基于數據關聯功能，實現平臺與監控系統底層數據融合，動態展示避災路線、不同時期抽采單元瓦斯含量、工作面抽采量及風排量等數據與信息，結合顏色渲染、圖形圖框、底圖標注等功能進一步實現治理場景動態展示。集成瓦斯治理信息數據庫，由數據填寫轉為數據接口關聯，通過計算機編程AI計算實時抽采率、抽采時間等關鍵信息，并以圖形化形式實時監測。

3 現場應用

東龐礦是冀中能源股份有限公司的主力礦井，目前，-300 m水平現有生產采區有2100采區、二煤擴延區。-480 m水平現有生產采區有2900采區、2600輔助采區、21100采區、21200采區。礦井絕對瓦斯涌出量53.5 m3/min，相對瓦斯涌出量7.77 m3/t。東龐礦（東龐井）為煤與瓦斯突出礦井，2#煤層具有煤與瓦斯突出危險性。隨著開采進入深部，不同工作面的突出危險性情況還存在差異，涉及到煤與瓦斯突出防治、瓦斯抽采管理的工作面眾多、任務重點不同、工作量繁重；而目前東龐礦乃至冀中能源的瓦斯防治相關的井上下應用場景與工作流程尚未實現動態展示，礦井瓦斯防治工作過度依賴于紙上辦公、井下會議等形式，與智能礦山瓦斯防治工作信息化、智能化仍存在一定差距。礦井抽采工作產生的數據信息量多線離散，關鍵信息的人為處理任務量繁重，瓦斯治理效果的預測和評價仍然靠手工計算，流程化的工作較多，缺少自動計算及關鍵信息響應的功能，無法提升技術人員工作效率，這與現代化的瓦斯防治工作理念仍有一定差距。盡管礦井目前實現抽采風排數據的實時監測，但缺少對抽排數據實時分析及瓦斯治理關鍵信息的實時深度挖掘。為此，東龐礦應用了抽采達標智能決策平臺，以期解決上述問題。

瓦斯抽采達標智能決策平臺通過與東龐礦監控系統接口對接，將系統圖元與監控數據直接關聯，實現系統動態呈現瓦斯抽采的實時與歷史監測數據（瓦斯流量、瓦斯體積分數、抽采負壓等），構建了東龐礦瓦斯抽采預測模型，隨著數據庫容量逐步增加，實現模型自動優化，保證預測的準確性。

以2616工作面為例，平臺嚴格遵循《煤礦安全規程》、《煤礦瓦斯抽采達標暫行規定》等國家、行業標準，以東龐礦2616工作面原始瓦斯賦存規律測定參數、瓦斯抽采數據為基礎，實時計算煤層2616工作面殘余瓦斯含量，并在系統中圖像化動態呈現；根據動態瓦斯抽采數據，自動計算了2616工作面抽采達標需要時間，回采期間實時計算工作面瓦斯抽采率，并自動提示切眼與前方構造的距離，輔助瓦斯抽采與采掘管理工作決策，保證東龐礦瓦斯治理相關工作下井作業次數降低50%以上。2616工作面瓦斯抽采信息展示如圖6。

圖6 2616工作面瓦斯抽采信息展示Fig.6 Gas drainage information display of 2616 working face

項目的成功實施極大減少了東龐礦瓦斯防治關鍵信息響應時間，優化瓦斯治理工作信息處理流程，提升了各部門瓦斯治理協同能力、工作效率與管理水平。

4 結 語

瓦斯抽采達標智能決策平臺基于煤層瓦斯賦存規律，根據瓦斯含量、瓦斯壓力、瓦斯抽采量確定了抽采達標與未抽采達標工作面；實現了抽采達標時間數學模型的動態重構，突破以往數據分析固模式，保證瓦斯治理數據支持精準化；通過神經網絡數據挖掘實現了瓦斯治理抽排數據、達標預期時間等關鍵信息智能分析與數據挖掘，可實時判別煤層的治理效果，為冀中能源集團煤與瓦斯突出及高瓦斯礦井的瓦斯治理工作樹立現代、高效、智能化管理標桿。