工作面煤與瓦斯突出綜合指標預警系統研究及應用

李小明，姜 騫，3，袁 強，任奕瑋，3

(1.重慶大學 資源與安全學院，重慶 400044；2.重慶大學 煤礦災害動力學與控制國家重點實驗室，重慶 400044；3.中國煤炭科工集團重慶研究院有限公司，重慶 400037)

我國煤礦煤與瓦斯突出(簡稱“突出”)事故較為嚴重，常常造成非常嚴重的破壞和次生災害，造成生命和財產損失[1，2]。大家普遍接受的一個觀點認為突出的發生是煤的結構力學特性、地應力和瓦斯壓力相互作用的結果[3]。《防治煤與瓦斯突出規定》[4]中，用于預測煤層突出危險性的有甲烷初始擴散速率ΔP、煤的破壞方式、恒定系數f和煤層瓦斯壓力P；用于預測揭煤面危險性的有瓦斯地質信息、綜合指數(D，K)和鉆屑的解吸指數(h2或K1)；用于預測煤巷工作面危險的有鉆孔瓦斯初始釋放速率(Qm)和R值指數法。這些不連續且基于經驗抽樣的傳統煤與瓦斯突出預測方法，不能完全滿足高產高效礦井安全生產的需求[5，6]。鑒于此，人們不斷深入研究以尋求更好的預測方法，隨著研究手段、技術的不斷豐富，提出了在時間和空間上連續動態的預警方法，即：電磁波預警[7，8]、聲發射預警[9，10]、微震測量預警[11，12]、煤體溫度輻射預警[13]。這些方法只需較少工作量，而且不會占用工作時間而影響生產。通過對以上預測方法的比較分析，表明傳統預測方法能夠較好地判斷突出危險性，但存在與礦井安全生產效率相沖突的問題，新近研發的部分監測預警系統能減輕工作過程對生產的直接影響，但存在覆蓋面窄和對象單一等不足。因此，考慮到安全監控系統在我國瓦斯礦井的普及，并且已有學者和研究機構利用瓦斯數據結合相關資料進行瓦斯涌出分析[14]，進而預測煤與瓦斯突出危險性，本文擬構建瓦斯量指標、瓦斯解吸指標和瓦斯波動指標相結合的煤與瓦斯突出辨識綜合性指標體系[15]，并給出指標及臨界值的優選方法以提高辨識效率，最后在平舒礦區進行應用以檢驗其可行性。

1 基于指標考察的突出預警理論

1.1 預警指標體系

1.1.1 瓦斯量指標模型

1)瓦斯涌出動態表征指標A模型。建立指標A的目的是為了能夠將掘進面前方煤體可解吸瓦斯量的發展狀態或發展趨勢數值化，指標值越大，越有可能發生突出，指標A計算模型如下：

2)T時間內瓦斯涌出量QT模型。建立QT指標是為了能夠衡量落煤瓦斯涌出量的大小，其值越大越可能發生突出危險。掘進一段時間內瓦斯涌出量QT指標的計算公式如下：

1.1.2 瓦斯解吸指標模型

1)瓦斯涌出解吸特征指標B模型。建立指標B的依據是煤體存在不同的瓦斯解吸速率，故其能實現量化掘進落煤瓦斯解吸特征，進而反映落煤物理力學性質的目的。B值越大表明落煤解吸越快，越有可能發生突出危險。參考井下采煤實際情況提出瓦斯涌出解吸特征指標B計算公式：

Bm=Xm，max-Xm，30min

(3)

式中，Bm為第m班次瓦斯涌出解吸指標B；Xm，max為第m班次瓦斯濃度最大值， %；Xm，30min為第m班次30min內瓦斯濃度移動最小值， %。

2)瓦斯解吸量特征指標i模型。煤礦安監系統數據可以運用到瓦斯解吸指標計算模型建立當中。特征指標i是煤體瓦斯自然解吸曲線的一個擬合數值，特征值增大那么解吸曲線將會更加陡峭，其具體的數學計算模型為：

式中，Q為t時間內瓦斯解吸量，m3；α為瓦斯自然解吸擬合曲線參數；i為瓦斯解吸量特征指標參數i；t為解吸時間，min。

1.1.3 瓦斯波動指標模型

1)瓦斯分源表征指標C模型。瓦斯分源表征是指瓦斯在落煤期間還是非落煤期間涌出的傾向性，而這取決于煤壁瓦斯流通通道是否順暢，因此指標C的建立能夠反映掘進面煤壁瓦斯涌出的能力，進而間接表征煤體前方的地應力。依據井下采煤的現實情況提出表征指標C計算公式：

2)變異系數指標V模型的建立。瓦斯涌出波動最大幅度實際上就是瓦斯最大值和最小值之間的差值，但其監控結果往往會由于系統誤差的存在而出現錯誤數據。這類數據可由系統的濾噪功能實現自動濾除，其余瞬時數據造成的變異系數指標V的誤差需要由模型減少誤差。變異系數指標V的計算模型為：

1.2 指標辨識效果考察方法

參照突出危險指標評價方法，提出利用常規預測信息與辨識結果之間的對比關系確定指標的辨識“四率”(辨識率η1、辨識準確率η2、辨識誤報率η3、辨識漏報率η4)，從而量化辨識效果。

設ai(ti，si)為井下發生突出危險的時間位置信息，由于ai(ti，si)的出現往往是不連續的，并且巷道的掘進或者采煤的進尺是由工作排班表決定的，因此位置s和時間t是存在函數關系s=Y(t)，可令ai(ti-3σ，ti+σ)為經查驗存有突出風險的區域，Pj(tj)為辨識指標發布威脅或者危險信息。

在給定臨界值XLk下根據Pj與ai在時間軸上的聯系，可以得出第L個辨識指標XL的辨識“四率”。

式中，n0為辨識總次數，次；nLk1為預警次數，次；nLk2為發布預警時間處于ai區間的次數，次；nLk3為發布預警但不屬于ai區間的次數，次；nLk0為獨立的ai區間個數，個；nLk4為獨立的ai區間內不存在預警信息的區間個數，個。

2 指標優選模型和實時預警

2.1 辨識指標及臨界值優選

為使辨識效果最佳，辨識“四率”應滿足線性方程R=a2η2-a1η1-a3η3-a4η4，R越大辨識效果越佳，同時η4恒等于0才能安全生產。臨界值不同所對應的辨識指標“四率”也是不同的，故“四率”應是指標XL的函數，即等價于求R(XL)=(a2+a3)·H(XL)-a3-a1·F(XL)-a4·G(XL)的最大值，當R(XL)滿足下列條件，則可認為XL存在局部極值XLm：

2.2 預警系統構建

2.2.1 系統硬件架構

KJA突出預警系統運行流程如圖1所示，借助礦井瓦斯監控系統來獲取井下瓦斯濃度數據。系統能夠在不同的巷道預設參數下自動計算目前采掘面基于瓦斯涌出動態表征的突出危險性指標，并進行全方位的突出危險性分析、評價，最后通過客戶端向工作人員報警，同時向班組長及礦山領導發送預警短信且能將預警信息發布到礦山及集團的局域網內。

圖1 KJA突出預警系統架構

井下瓦斯監控系統、監控系統服務器、KJA服務器、KJA管理員控制終端、預警信息發布終端和預警信息短信發布終端共同組成突出危險快速辨識系統。監控系統服務器是礦井監控系統的服務器，其作用是儲存井下環境參數監控數據并實時向KJA服務器傳輸采掘工作面的瓦斯、風速等監控數據。KJA服務器安裝在礦井安全監控中心，按設計要求接收、處理數據，并將預警信息發送給用戶終端。KJA管理員控制終端的主要功能是對系統進行維護，如根據井下巷道施工情況輸入合適的巷道特征參數。該系統為C/S、B/S雙構架，既可以通過C/S模式設置辨識參數，查詢、訪問辨識結果、打印辨識表單，也可以通過基于B/S模型的系統網站，在局域網或互聯網上及時查詢、訪問辨識結果。

2.2.2 系統軟件設計

系統軟件接收來自監控系統服務器的瓦斯信息后，通過預先設計好的算法進行處理后，判斷工作面是否有突出危險，如果有則發出預警信號。通過專用網絡和短信平臺可以將預警信息傳送至相關人員或機構。

軟件程序基于C#語言和Microsoft SQL Server 2005 數據庫開發，操作系統平臺為Microsoft Windows XP Professional，能實現預警信息在網絡上便捷地發布接收，并支持遠程網絡在線訪問Web頁面獲取預警信息。該系統具有實時數據和各種統計數據存儲能力，具有數據濾噪功能、實時辨識功能、辨識結果查詢功能、聯動辨識功能、辨識報表功能和系統自動診斷功能。

3 現場應用

3.1 工作面實際危險性傳統判識

對平舒礦81111尾巷掘進工作面進尺165m期間進行統計得知，掘進循環共27個，其中有6個循環存在異常，見表1。

表1 尾巷異常信息

(9)

式中，B為預測指標的權系數矩陣；C為預測指標賦值矩陣；Ci，j表示第i個指標在第j個循環內的值。

由式(9)求得Y值，再根據式(10)定義的三類范圍并設σ=24h，可得該尾巷危險度劃分結果，如圖2所示。該尾巷工作面在累計27個循環中，屬于危險區間的循環有1個，用三角形標注；屬于威脅區間的循環有5個，用正方形標注；其余正常無危險區間則用圓形標注。

圖2 尾巷實際危險度

3.2 辨識指標及臨界值確定

由于風流及瓦斯擴散的作用，井巷各處瓦斯濃度有較大差異，為能準確反映工作面瓦斯涌出特征需要開展現場試驗確定傳感器的最佳位置。選取一新掘煤巷工作面作為試驗場所，三個傳感器在掘進初期均位于掘進面開口，其中，T1傳感器和T3傳感器隨著掘進面推進而移動并分別維持距掘進面5m和30m的間隔，T2傳感器始終固定在掘進面開口。試驗結果表明，T1傳感器和T3傳感器的數據一致性極高，平均絕對誤差僅為0.02%。據此可以認為T1傳感器能夠較理想的反應掘進面瓦斯流動。同時，煤礦監控系統現有瓦斯傳感器能夠滿足這一位置要求，可以作為預警系統的辨識傳感器。

由實時預警系統KJA從監控系統服務器中讀取上文所提尾巷的瓦斯數據并通過預置算法得出4個優化指標及其臨界值，并對各辨識指標發布111次辨識信息，其中各指標最優辨識臨界值XLk，辨識“四率”以及辨識效果R值選取結果見表2。

表2 尾巷辨識最優值

當A=1.1時，辨識效果R值最大，其辨識結果如圖3所示，與圖2比較可知，該系統能夠提前近10h發出預警。將A指標及其臨界值為1.1推廣應用到平舒礦其他防突工作面，該指標僅以10%的辨識率η1，實現高達83.3%的辨識準確率η2，以及16.7%的較低辨識誤報率η3，并且辨識漏報率η4為0，辨識效果R值達到56.6%，取得了良好的應用效果。

圖3 指標A的辨識結果

研究表明，本文提出的KJA實時預警系統能夠對海量的礦山瓦斯監控數據進行預警指標優選并在線發布即時預警信息，在平舒礦已取得較好的應用效果。該預警系統的建立能夠為智能礦山建設中煤礦災害透明化、信息化奠定理論與技術基礎。

4 結 論

1)從突出機理以及突出事故發展的角度，建立了反映煤體瓦斯含量的瓦斯量指標、反映煤體解吸速度的解吸類指標和反映瓦斯紊亂程度的波動類指標的綜合預警指標體系，揭示煤與瓦斯突出機理及其早期孕育演化狀態，可實現煤與瓦斯突出的準確、實時預警。

2)依據筆者提出的指標效果考察方法，建立以服務端平臺為基礎，客戶端為依托，集報表、短信、網站信息發布為一體的自動化突出危險性快速辨識預警系統。實現了預警信息分級定向發送，為智能礦山建設和煤礦災害控制提供信息化基礎。

3)該預警系統在平舒礦上的成功應用，表明其能夠在不干擾正常生產的前提下提前近10h發布預警信息，綜合預警準確率達83.3%，預警效果出色，實現了局部突出防治及超前預警的研究目標，為突出危險區域采取區域綜合防突措施補充了一定的理論依據。