基于瓦斯涌出特征的煤與瓦斯突出連續(xù)預(yù)測技術(shù)及應(yīng)用

徐雪戰(zhàn)

(1.中煤科工集團(tuán)重慶研究院有限公司，重慶 400037； 2.瓦斯災(zāi)害監(jiān)控與應(yīng)急技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，重慶 400037)

煤炭為我國一次能源生產(chǎn)和消費(fèi)的主要化石能源，據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2019年全國原煤產(chǎn)量37.5億t，占全部能源消費(fèi)總量的57.7%[1]。面對我國“富煤、貧油、少氣”的能源賦存結(jié)構(gòu)特征，煤炭在今后很長一段時(shí)間范圍內(nèi)，仍然為我國主要的消耗能源。然而，受煤礦復(fù)雜地質(zhì)賦存條件以及開采深度逐漸增加等多重因素疊加影響，瓦斯含量和瓦斯壓力急劇增加[2-4]，頻發(fā)的煤礦瓦斯安全事故對國家和人民財(cái)產(chǎn)安全造成了巨大的損失，數(shù)據(jù)統(tǒng)計(jì)結(jié)果顯示，瓦斯災(zāi)害事故現(xiàn)已成為制約礦井安全高效生產(chǎn)的主要災(zāi)害。

近年來，伴隨著國家安全監(jiān)管體系的逐步建立以及安全專項(xiàng)資金的不斷投入，瓦斯災(zāi)害事故超前防控方面受到國家政府、企業(yè)以及科研院所的高度重視，國內(nèi)外研究學(xué)者在瓦斯涌出預(yù)測和煤與瓦斯突出超前防控方面開展了大量的研究，并取得了一定的研究成果。田世祥等[5]以掘進(jìn)面為研究對象，自主研究了一套連續(xù)流量法瓦斯預(yù)測系統(tǒng)，較好地反映了工作面前方地質(zhì)構(gòu)造對瓦斯涌出量變化的影響；盧國斌等[6]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂蜆O限學(xué)習(xí)機(jī)原理，構(gòu)建形成了一種瓦斯涌出多尺度時(shí)空演化模型，有效提高了瓦斯涌出預(yù)測的精度；袁亮[7]以煤與瓦斯突出等典型動(dòng)力災(zāi)害為研究對象，建立了井下傳感器監(jiān)測技術(shù)的多元海量動(dòng)態(tài)聚合理論與方法，構(gòu)建形成了基于數(shù)據(jù)挖掘和大數(shù)據(jù)分析技術(shù)的煤礦典型動(dòng)力災(zāi)害判識(shí)技術(shù)模型；姜福興等[8]建立了以鉆孔應(yīng)力增量和瓦斯?jié)舛茸兓卣鳛榕凶R(shí)指標(biāo)的突出綜合預(yù)測模型，實(shí)現(xiàn)了煤與瓦斯突出危險(xiǎn)區(qū)域的動(dòng)態(tài)預(yù)測分析。

以上研究成果構(gòu)建形成了瓦斯涌出量預(yù)測以及煤與瓦斯突出預(yù)測模型，并取得了較好的應(yīng)用效果。但是，隨著信息化、自動(dòng)化技術(shù)的快速應(yīng)用，現(xiàn)有防突預(yù)測技術(shù)手段難以實(shí)現(xiàn)對煤與瓦斯突出災(zāi)害的超前連續(xù)預(yù)測，進(jìn)而避免礦井瓦斯災(zāi)害事故的發(fā)生。本文在前人研究成果的基礎(chǔ)上，基于煤礦實(shí)施監(jiān)測的瓦斯涌出特征數(shù)據(jù)為研究對象，建立了煤與瓦斯突出預(yù)測模型，并研發(fā)了一套煤與瓦斯突出預(yù)警系統(tǒng)。在多個(gè)礦區(qū)的應(yīng)用結(jié)果顯示，該系統(tǒng)能夠較好地反映工作面前方的煤與瓦斯突出危險(xiǎn)情況。

1 煤與瓦斯突出連續(xù)預(yù)測技術(shù)

1.1 預(yù)警指標(biāo)選取

通過對煤礦監(jiān)測數(shù)據(jù)結(jié)構(gòu)特征分析[9-10]可知，煤礦安全監(jiān)測監(jiān)控技術(shù)能夠?qū)崿F(xiàn)礦井環(huán)境參數(shù)以及裝備工況狀態(tài)信息的連續(xù)監(jiān)測，為實(shí)現(xiàn)煤與瓦斯突出實(shí)時(shí)、連續(xù)監(jiān)測預(yù)警創(chuàng)造了良好條件。根據(jù)煤與瓦斯突出致災(zāi)機(jī)理研究成果，確定了基于瓦斯涌出特征的煤與瓦斯突出連續(xù)監(jiān)測技術(shù)預(yù)警指標(biāo)。

(1)瓦斯?jié)舛?。根?jù)致災(zāi)機(jī)理研究成果，可以將工作面前方煤體看作一個(gè)灰色系統(tǒng)[11]，瓦斯?jié)舛葎t為該灰色系統(tǒng)瓦斯涌出特征的主要表現(xiàn)形式。通過對多起煤與瓦斯突出事故發(fā)生前后瓦斯?jié)舛缺O(jiān)控?cái)?shù)據(jù)分析可知，事故發(fā)生前后，瓦斯?jié)舛缺O(jiān)測數(shù)據(jù)有明顯的變化特征。根據(jù)礦井瓦斯?jié)舛缺O(jiān)測信息定義一個(gè)時(shí)間序列，通過跟蹤瓦斯?jié)舛茸兓厔?，提取其中隱含的信息，能夠?qū)崿F(xiàn)煤與瓦斯突出的實(shí)時(shí)、連續(xù)預(yù)測。

(2)風(fēng)速風(fēng)向。礦井通風(fēng)作為滿足井下工作人員呼吸需要和稀釋排出工作面瓦斯等有害氣體的主要技術(shù)手段，對礦井安全健康生產(chǎn)起著至關(guān)重要的作用。同時(shí)，以采掘作業(yè)工作面生產(chǎn)推進(jìn)為研究對象，工作面供應(yīng)風(fēng)量與環(huán)境瓦斯?jié)舛鹊某朔e，可以反映在一段時(shí)間范圍內(nèi)的瓦斯涌出情況，進(jìn)而反映了工作面前方的煤與瓦斯突出危險(xiǎn)情況。同時(shí)通過監(jiān)測事故發(fā)生前后待監(jiān)測位置的風(fēng)向信息，還能夠進(jìn)一步確定煤與瓦斯突出事故造成的事故波及范圍。

1.2 監(jiān)測數(shù)據(jù)預(yù)處理技術(shù)

受溫度、粉塵、水汽以及電磁干擾等井下復(fù)雜因素影響，煤礦安全監(jiān)控?cái)?shù)據(jù)在采集、傳輸和處理過程中，可能造成監(jiān)測數(shù)據(jù)異常和數(shù)據(jù)缺失等現(xiàn)象[12-13]。因此，為了得到反映礦井真實(shí)情況的監(jiān)測數(shù)據(jù)信息，需要對礦井監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)而提高煤與瓦斯突出預(yù)測的準(zhǔn)確性。本文在礦井安全監(jiān)測數(shù)據(jù)處理過程中，針對連續(xù)多個(gè)異常偏高瓦斯?jié)舛群惋L(fēng)速監(jiān)測數(shù)據(jù)，邏輯判斷可能來自于真實(shí)的瓦斯?jié)舛茸兓约帮L(fēng)速分布情況，因此不作處理。而對于因傳感器調(diào)校、斷電等因素造成的單次、偶發(fā)異常監(jiān)測值和監(jiān)測數(shù)據(jù)缺失現(xiàn)象，將異常數(shù)據(jù)進(jìn)行剔除處理，并根據(jù)瓦斯?jié)舛?、風(fēng)速等監(jiān)測數(shù)據(jù)結(jié)構(gòu)特征，采用霍爾特(Holt)指數(shù)平滑法[14]進(jìn)行數(shù)據(jù)補(bǔ)齊處理，具體技術(shù)原理如下：

St=αXt+(1-α)(St-1) -bt-1

(1)

bt=γ(St-St-1)+(1-γ)bt-1

(2)

Xt+1=St+btT

(3)

式中，α、γ為平滑參數(shù)，一般取0.5；Xt為時(shí)間t時(shí)的監(jiān)測數(shù)據(jù)；St為利用前一期平滑值St-1和趨勢值bt-1修正后得到時(shí)間為t時(shí)的平滑值；bt為利用相鄰2次平滑值結(jié)合前一期趨勢值bt-1得到的時(shí)間t時(shí)刻的修正趨勢值；T為預(yù)測期數(shù)。

礦井監(jiān)控?cái)?shù)據(jù)噪聲濾除效果如圖1所示。將利用霍爾特(Holt)指數(shù)平滑法得到的礦井監(jiān)測數(shù)據(jù)補(bǔ)齊到剔除異常數(shù)據(jù)以后的監(jiān)控?cái)?shù)據(jù)缺失序列，進(jìn)而得到具有時(shí)間序列屬性的礦井安全監(jiān)測數(shù)據(jù)。

圖1 礦井監(jiān)控?cái)?shù)據(jù)噪聲濾除效果Fig.1 Noise filtering effect of mine monitoring data

1.3 煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型

通過開發(fā)煤與瓦斯突出預(yù)警技術(shù)和煤礦安全監(jiān)控系統(tǒng)的數(shù)據(jù)傳輸接口，實(shí)現(xiàn)礦井安全監(jiān)控?cái)?shù)據(jù)的信息共享與互聯(lián)互通，結(jié)合監(jiān)測數(shù)據(jù)預(yù)處理技術(shù)，實(shí)現(xiàn)預(yù)警指標(biāo)數(shù)據(jù)的處理和信息輸入。基于瓦斯涌出特征的煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型如下。

(1)第n班次瓦斯涌出量平均值：

(4)

式中，T為單個(gè)班次時(shí)間；xn為第n班次內(nèi)瓦斯涌出量平均值。

(2)第n班次內(nèi)瓦斯涌出量最大值為：

Xmax=max[x1，x2，…，xn]

(5)

(3)第n班次內(nèi)m分鐘內(nèi)瓦斯涌出波動(dòng)變化最小值：

(6)

(4)第n班次內(nèi)瓦斯涌出特征值：

(7)

式中，β為采掘工作面設(shè)計(jì)結(jié)構(gòu)特征，β=工作面新鮮落煤面積/(T1傳感器距工作面掘進(jìn)面煤壁面積+工作面新鮮落煤面積)。

(5)第n班次內(nèi)煤與瓦斯突出綜合預(yù)測指標(biāo)A定義為：

(8)

式中，vn為工作面掘進(jìn)面風(fēng)速傳感器數(shù)值；S為工作面掘進(jìn)面斷面面積；Mn為第n班次內(nèi)的新鮮落煤量；Qn為煤層可解吸瓦斯含量。

(6)第n班次內(nèi)煤與瓦斯突出綜合預(yù)測指標(biāo)B定義為：

B=Xmax-Xm，max

(9)

1.4 煤與瓦斯突出預(yù)測結(jié)果綜合評判

煤與瓦斯突出預(yù)警技術(shù)[15]主要通過實(shí)時(shí)采集礦井安全監(jiān)控系統(tǒng)瓦斯?jié)舛纫约帮L(fēng)速風(fēng)向等傳感器監(jiān)測數(shù)據(jù)信息，利用上文提到的煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型，從單項(xiàng)煤與瓦斯突出預(yù)測指標(biāo)出發(fā)，創(chuàng)建煤與瓦斯突出復(fù)合預(yù)警指標(biāo)集M。其次，引入單項(xiàng)預(yù)測指標(biāo)權(quán)重評判集R，采用加權(quán)平均設(shè)計(jì)思路，構(gòu)建煤與瓦斯突出預(yù)警綜合評判模型Y。其中Y滿足：

Y=M×R

(10)

在采用本技術(shù)對煤與瓦斯突出進(jìn)行超前預(yù)測預(yù)報(bào)的過程中，在全國多個(gè)煤炭主產(chǎn)地區(qū)不同類型突出礦井的現(xiàn)場進(jìn)行了推廣應(yīng)用。本文主要采用綜合預(yù)測指標(biāo)A和綜合預(yù)測指標(biāo)B作為煤與瓦斯突出預(yù)警的綜合評判指標(biāo)，其次將煤與瓦斯突出預(yù)警類型分為狀態(tài)預(yù)警和趨勢預(yù)警2類，并建立煤與瓦斯突出預(yù)警綜合評判規(guī)則(表1)。

表1 煤與瓦斯突出預(yù)警綜合評判規(guī)則Tab.1 Comprehensive evaluation criteria for early warning of coal and gas outburst

2 煤與瓦斯突出預(yù)警系統(tǒng)

煤與瓦斯突出預(yù)警系統(tǒng)利用礦井安全監(jiān)控系統(tǒng)，實(shí)時(shí)采集瓦斯?jié)舛取L(fēng)速風(fēng)向等傳感器監(jiān)測數(shù)據(jù)信息，結(jié)合監(jiān)控?cái)?shù)據(jù)預(yù)處理技術(shù)和煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型，根據(jù)突出預(yù)測結(jié)果綜合評判規(guī)則，對采掘作業(yè)工作面前方煤體突出危險(xiǎn)狀態(tài)進(jìn)行超前準(zhǔn)確預(yù)測，進(jìn)而實(shí)現(xiàn)工作面前方的煤與瓦斯突出超前預(yù)警功能。

2.1 技術(shù)功能架構(gòu)分析

為了實(shí)現(xiàn)煤與瓦斯突出預(yù)警結(jié)果的網(wǎng)絡(luò)查詢和集中處理，本文采用C/S、B/S雙架構(gòu)系統(tǒng)開發(fā)模式[16-18]，設(shè)計(jì)實(shí)現(xiàn)了一套瓦斯涌出特征突出預(yù)警系統(tǒng)，系統(tǒng)中心處理服務(wù)器安設(shè)在礦調(diào)度集控中心，礦總工程師、安全副總、防突副總以及防突工作相關(guān)的技術(shù)人員和管理人員可以通過客戶端或?yàn)g覽器查詢和掌握工作面前方的煤與瓦斯突出危險(xiǎn)情況。瓦斯涌出特征突出預(yù)警系統(tǒng)的軟件平臺(tái)架構(gòu)如圖2所示，該系統(tǒng)平臺(tái)包括井上、井下2部分。其中，井上部分包括突出預(yù)警服務(wù)器、監(jiān)控系統(tǒng)服務(wù)器、防火墻、系統(tǒng)管理控制終端、預(yù)警信息發(fā)布終端、預(yù)警短信發(fā)布終端；井下部分包括工業(yè)以太環(huán)網(wǎng)、井下交換機(jī)、安全監(jiān)控分站、瓦斯?jié)舛葌鞲衅?、風(fēng)速風(fēng)向傳感器等部分。

圖2 瓦斯涌出特征突出預(yù)警系統(tǒng)平臺(tái)架構(gòu)Fig.2 Platform architecture of outburst early warning system for gas emission characteristics

工作時(shí)，隨著井下采掘作業(yè)向前推進(jìn)，煤與瓦斯突出預(yù)警系統(tǒng)通過專門開發(fā)的數(shù)據(jù)傳輸接口，將監(jiān)控系統(tǒng)服務(wù)器內(nèi)的瓦斯?jié)舛群惋L(fēng)速風(fēng)向傳感器信息實(shí)時(shí)采集到突出預(yù)警服務(wù)器，并進(jìn)行數(shù)據(jù)濾噪和補(bǔ)齊處理。同時(shí)，結(jié)合煤與瓦斯突出連續(xù)預(yù)測模型，根據(jù)突出預(yù)警結(jié)果綜合評判規(guī)則，實(shí)現(xiàn)井下采掘作業(yè)工作面的煤與瓦斯突出危險(xiǎn)實(shí)時(shí)、連續(xù)預(yù)警。

2.2 煤與瓦斯突出預(yù)警系統(tǒng)開發(fā)

在前文研究成果的基礎(chǔ)上，為了實(shí)現(xiàn)采掘作業(yè)工作面煤與瓦斯突出危險(xiǎn)的連續(xù)監(jiān)測預(yù)警，筆者利用Visual Studio.NET 6.0開發(fā)框架與SQL Server 2016數(shù)據(jù)庫，應(yīng)用C#軟件開發(fā)語言，以預(yù)警數(shù)據(jù)實(shí)時(shí)采集、監(jiān)控?cái)?shù)據(jù)自動(dòng)濾噪、預(yù)警指標(biāo)自動(dòng)計(jì)算、預(yù)警等級智能判識(shí)、預(yù)警結(jié)果聯(lián)動(dòng)發(fā)布為主線，基于礦山物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)等先進(jìn)技術(shù)，設(shè)計(jì)研發(fā)的煤與瓦斯突出預(yù)警系統(tǒng)如圖3所示。

圖3 系統(tǒng)平臺(tái)主界面Fig.3 Main interface of system platform

系統(tǒng)采用數(shù)據(jù)類型自適應(yīng)和異步共享技術(shù)[19-20]，實(shí)現(xiàn)了礦井監(jiān)測預(yù)警數(shù)據(jù)的自動(dòng)判識(shí)、快速篩選和跨平臺(tái)、高通用性的數(shù)據(jù)傳輸。通過預(yù)設(shè)煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型和綜合判識(shí)機(jī)制，實(shí)現(xiàn)了煤與瓦斯突出危險(xiǎn)性的自動(dòng)化、信息化和智能化的超前準(zhǔn)確預(yù)警。

3 突出預(yù)警系統(tǒng)現(xiàn)場應(yīng)用及效果檢驗(yàn)

3.1 礦井概況

下峪口煤礦為陜西煤業(yè)化工集團(tuán)主體生產(chǎn)礦井，位于陜西省韓城市以北20 km的龍門鎮(zhèn)，井田走向長6.3 km、傾斜長4.8 km，井田總面積約27.59 km2。礦井總體呈北東展布、西南收斂的不規(guī)則形狀。井田范圍內(nèi)，南北地質(zhì)構(gòu)造差異明顯。其中，南區(qū)以斷層地質(zhì)構(gòu)造為主，且大斷層可貫穿煤層直達(dá)地表；北區(qū)以褶皺為主，斷層發(fā)育較少。下峪口煤礦主要含煤地層由石炭系的太原組和二疊系的山西組組成，共有2號、3號、3號下及11號4組可采煤層，礦井核定生產(chǎn)能力1.5 Mt/a。礦井自投產(chǎn)以來，共發(fā)生21次煤與瓦斯突出事故，單次事故最大突出煤量149.7 t，突出瓦斯量13 306 m3。礦井堅(jiān)持“區(qū)域防突措施先行，局部防突措施補(bǔ)充”的綜合防突措施管理模式，同時(shí)應(yīng)用瓦斯涌出特征突出預(yù)警系統(tǒng)作為礦井煤與瓦斯突出危險(xiǎn)超前預(yù)測的技術(shù)手段。距工作面5 m和20 m處分別懸掛風(fēng)速風(fēng)向傳感器和高低濃度甲烷傳感器，傳感器懸掛位置隨工作面掘進(jìn)同步向前推移。工作面?zhèn)鞲衅鞑贾萌鐖D4所示。

圖4 工作面?zhèn)鞲衅鞑贾肍ig.4 Sensor layout of working face

3.2 預(yù)測效果分析及效果檢驗(yàn)

預(yù)警效果是對預(yù)警臨界值可靠性的檢驗(yàn)，下峪口煤礦瓦斯涌出特征突出預(yù)警系統(tǒng)自2019年8月30日安裝調(diào)試完成以來，累計(jì)跟蹤考察掘進(jìn)工作面1 900 m，發(fā)布預(yù)警信息895次。其中，發(fā)布正常預(yù)警信息787次，占總預(yù)警次數(shù)87.9%；Ⅱ級預(yù)警81次，占總預(yù)警次數(shù)9.1%；Ⅰ級預(yù)警27次，占總預(yù)警次數(shù)3%，總體預(yù)警準(zhǔn)確率86%。以21314工作面考察結(jié)果為例，2019年10月5日至12月8日期間，工作面累計(jì)推進(jìn)387.5 m，考察期間21314回風(fēng)巷工作面累計(jì)預(yù)警5次，其中Ⅰ級預(yù)警2次，Ⅱ級預(yù)警3次。如圖5所示，2019年11月25日八點(diǎn)班，瓦斯涌出特征突出預(yù)警系統(tǒng)綜合預(yù)測指標(biāo)A和綜合預(yù)測指標(biāo)B同時(shí)出現(xiàn)Ⅰ級預(yù)警，工作面停止生產(chǎn)，采用地質(zhì)雷達(dá)探測技術(shù)探測到工作面前方存在一落差3 m的斷層構(gòu)造，當(dāng)班預(yù)測鉆屑解吸指標(biāo)Δh2最大值為220 Pa，鉆屑量S最大值為6.7 kg/m，工作面突出危險(xiǎn)程度明顯增大，瓦斯涌出特征突出預(yù)警系統(tǒng)超前、準(zhǔn)確地預(yù)測到了工作面前方的煤與瓦斯突出危險(xiǎn)情況。

圖5 21314回風(fēng)巷工作面預(yù)警效果Fig.5 Warning effect of 21314 working face

4 結(jié)論

(1)通過對煤礦監(jiān)測數(shù)據(jù)結(jié)構(gòu)特征進(jìn)行綜合分析，確定瓦斯?jié)舛?、風(fēng)速風(fēng)向?yàn)橥咚褂砍鎏卣魍怀鲱A(yù)警系統(tǒng)的預(yù)警指標(biāo)。同時(shí)，針對煤礦安全監(jiān)控?cái)?shù)據(jù)在采集、傳輸和處理過程中可能造成監(jiān)測數(shù)據(jù)異常和數(shù)據(jù)缺失等現(xiàn)象，提出了利用霍爾特(Holt)指數(shù)平滑法，得到具有時(shí)間序列屬性的礦井安全監(jiān)測數(shù)據(jù)。

(2)建立了煤與瓦斯突出連續(xù)預(yù)測技術(shù)模型，創(chuàng)建了反映工作面前方煤與瓦斯突出危險(xiǎn)情況的綜合預(yù)測指標(biāo)A和綜合預(yù)測指標(biāo)B。同時(shí)，從單項(xiàng)煤與瓦斯突出預(yù)測指標(biāo)出發(fā)，構(gòu)建形成煤與瓦斯突出復(fù)合預(yù)警指標(biāo)集。并引入單項(xiàng)預(yù)測指標(biāo)權(quán)重評判集，采用加權(quán)平均設(shè)計(jì)思路，構(gòu)建形成了煤與瓦斯突出預(yù)警綜合評判規(guī)則。

(3)采用C/S、B/S雙架構(gòu)系統(tǒng)開發(fā)模式，以預(yù)警數(shù)據(jù)實(shí)時(shí)采集、監(jiān)控?cái)?shù)據(jù)自動(dòng)濾噪、預(yù)警指標(biāo)自動(dòng)計(jì)算、預(yù)警等級智能判識(shí)、預(yù)警結(jié)果聯(lián)動(dòng)發(fā)布為主線，基于礦山物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)等先進(jìn)技術(shù)，設(shè)計(jì)實(shí)現(xiàn)了一套瓦斯涌出特征突出預(yù)警系統(tǒng)。通過下峪口煤礦應(yīng)用結(jié)果顯示，該系統(tǒng)平臺(tái)總體預(yù)警準(zhǔn)確率達(dá)到了86%，且能夠超前準(zhǔn)確地預(yù)測工作面前方的煤與瓦斯突出危險(xiǎn)情況，為突出礦井的正常掘進(jìn)生產(chǎn)提供了安全保障。