煤矿瓦斯灾害大数据智能识别与预警方法

煤矿瓦斯灾害大数据智能识别与预警方法

陈非

吕梁东义集团煤气化有限公司鑫岩煤矿 山西吕梁 033000

摘要：瓦斯灾害是影响煤矿井下安全开采的主要灾害。随着矿井生产环境逐渐复杂，影响瓦斯灾害的因素及其相互作用关系更加复杂。基于矿井智能化开采的实际需求，针对瓦斯灾害的监测与预测方法，分析了煤矿瓦斯灾害与隐患类型，根据瓦斯灾害特征与智能识别方法，设计了煤矿瓦斯灾害大数据智能预警平台，实现了煤矿瓦斯灾害的隐患识别与危险性预测，并进行了“一张图”显示。实践应用表明：大数据智能识别与预警方法可以有效预测矿井瓦斯灾害事故。

关键词：瓦斯灾害；大数据；智能识别；灾害预测

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。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 煤瓦矿斯瓦灾斯害灾类害型

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。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。

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。

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。

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。

1）数据采集层：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：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：简称PaaS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1.45MPa，瓦斯含量13.81m3/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。

3.2 煤矿综合管理应用

图1 T1 、T2 瓦斯体积分数对比图

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5741次。

4 结语

通过对煤矿瓦斯灾害类型与隐患类型进行分析，依据瓦斯灾害特征与智能识别方法，提出了煤矿瓦斯灾害大数据智能预警平台架构。声电瓦斯综合监测预警应用与煤矿综合管理应用表明，大数据平台在瓦斯灾害的预警上具有极高的准确率，提高了政府与矿井监管的工作效率。

参考文献

[1]赵晋伟. 煤矿瓦斯灾害大数据智能识别与预警方法[J]. 煤, 2024, 33 (04): 92-95.

[2]白新财. 瓦斯灾害隐患预警模型及现场应用效果分析[J]. 能源与节能, 2024, (03): 55-57.

[3]马赞. 基于卷积神经网络的煤矿瓦斯灾害预测方法[J]. 煤矿现代化, 2024, 33 (02): 37-40.

作者简介:姓名：陈非、性别：男、民族：汉、出生年月：1984.08、籍贯：辽宁铁岭、学历：本科、职称：高级工程师、研究方向：电气工程、自动化、智能化