超長煤巷監測數據背景CO篩查及自燃預判研究

李 騰，李宗翔，王繼仁，楊富強，張春華，賈進章

(1.遼寧工程技術大學 a.安全科學與工程學院；b.安全科學與工程研究院,遼寧 阜新 123000；2.蘇州金像電子有限公司,江蘇 蘇州 215000；3.昊華紅慶梁煤業有限公司,內蒙古 鄂爾多斯 014300)

CO作為煤自燃災害氣體，最早被用于自燃早期預判，并積累了大量經驗[14-17]，但在井下大量使用柴油車的礦井如何排除尾氣干擾，發揮傳統方法作用，這里結合紅慶梁礦的工程實際，提出一種篩選出背景CO氣體體積分數的方法，利用井下監測系統連續監測的大數據，根據其變化趨勢進行自燃預判。

1 超長煤巷自燃預測面臨的問題及其解決對策

如圖1所示，紅慶梁煤礦超長距離雙煤巷布置，連同接替工作面掘進準備，煤巷數目多達6～8條，管理范圍很大，煤巷自燃(包括煤柱自燃)嚴重。

有多條超長煤巷的自燃隱患排查戰線過長，單純依靠人工巡檢，一來人手不足，二來長時間工作極容易渙散注意力，三是煤體內自燃點發熱隱蔽性很強，容易漏掉，如圖2所示，解決對策是自燃的早期預測。

圖1 紅慶梁煤礦11301工作面回采巷道的布置(網格距200 m)Fig.1 The layout of the working face 11301 in Hongqingliang coal mine

圖2 煤巷自燃人工巡查與提前預判的關系 Fig.2 The relationship between artificial inspection and advance prediction of spontaneous combustion in coal roadway

首先，作為全礦井煤自然發火預警體系，通過實驗獲得紅慶梁煤礦3-1煤的自燃產氣與溫度的關系，選出煤的自燃升溫標志性氣體，詳細見表1，為預防判斷采空區遺留煤和煤巷煤炭自燃預警提供了依據。

表1 紅慶梁煤礦3-1煤標志性氣體自燃預警指標Table 1 Early warning index of 3-1 coal mark gas of spontaneous combustion in hongqingliang coal mine

與大面積采空區漏風流場煤自燃氧化的情況不同，巷道煤體內的自燃具有很強的隱蔽性。超長距離局部段煤巷煤體內部自燃氧化產物氣體絕對量有限，自燃陰燃階段標志性氣體的外泄絕對量很少，超長距離大斷面煤巷的通風量至少在500 m3/min(掘進巷風量)以上，自燃標志性氣體衰減大；另一個因素是該礦區普遍為不黏煤，不黏煤的指標氣體的產氣絕對量更少，與短巷情況相比，盡管超長巷道多點高溫釋放標志氣體，還存在標志氣體累積的情況，但從本礦的實際情況看，多次發生巷道自燃均無法測到標志性氣體，如2018年在9月3日11302輔運順槽二聯巷東幫第一次發生煤柱自燃火災，為了加強對超長距離掘進煤巷道自燃預判工作，在11302掘進準備的多條掘進巷道的總回風交匯點處(11302第二聯巷回風側)增設了標志氣體取樣點，每天取氣樣化驗3次，但直到2018年11月19日11302新回順里段82排煤幫發熱，和2019年3月14日11302新回順外段100排煤幫發熱，均未檢測到風流中的指標氣體，未能對自然發火提前預報。可見，就本礦超長距離巷道自燃預測預報來說，單純依靠在回風流中取樣檢測自燃產物氣體很容易漏報，因此，在預測預報管理上，還應拓寬預判的信息渠道，提出以礦井監測系統CO記錄數據為可用條件，為煤巷自燃的早期判斷和預警提供依據。

2 監測系統CO干擾與背景CO體積分數篩選

2.1 柴油機動車尾氣干擾下監測系統CO的波動性

紅慶梁煤礦主采3#煤層，煤的變質程度為貧瘦煤、自燃傾向性為易自燃。井下普遍使用柴油工作車、鏟車和皮卡等機動車輛(以下簡稱柴油車)，排放的汽車尾氣對井下CO氣體的干擾非常大，煤氧化產生CO氣體隱含在嘈雜的監測數據當中。如圖3所示，據2018年11月23日在井下11302回風煤巷實地記錄，1 d中回風傳感器平時顯示值為1.1×10-5，當有車經過車經過傳感器時傳感器CO體積分數值顯示為1.9×10-5；圖3中全程監測記錄(最小值曲線峰值)高達4.8×10-5。車輛排放的尾氣的影響與車輛所在位置和發動機工作有關，距離傳感器越遠，尾氣CO干擾峰值就越小。

圖3 11302新掘工作面CO體積分數原始監測曲線(最小平均最大)Fig.3 Original monitoring curve of CO volume fraction in 11302 newly excavated working face (min-average-max)

2.2 井下CO產生來源分析

井下柴油車尾氣的干擾是強烈的，隨機的，無規律可循。與此波動相對比，煤體緩慢自燃氧化產生的CO是持續不斷的，是相對穩定的；CO的變化趨勢也隨著自燃進程的成長發展而緩慢增加。通過對大量監測數據的觀察分析得到，盡管受通風、大氣壓變化和生產條件變動等因素的干擾CO存在很大的波動，但都是呈現階段性的，每個階段內的波動變化的趨勢仍然是增加的，在這種情況下，所表現的背景CO體積分數變化趨勢也是隨著自燃的發展呈逐漸緩慢上升的趨勢。

井下實際監測總的CO體積分數包含如下幾部分，即

C=C0+CJ+CF，且Cb=C0+CF，

(1)

式中：C為監測的CO體積分數，10-6；C0為煤巷圍幫氧化釋放CO體積分數，10-6；CJ為井下柴油機動車尾氣釋放產生CO的體積分數，10-6；一般CJ為隨機波動值，在井下CO氣體觀測中是干擾因素；CF為可能發生的其他因素局部釋放出CO體積分數，10-6；Cb為相對穩定的背景CO體積分數，10-6。

實際礦井的CO來源很復雜，除了柴油車尾氣CO排放外，井下涂刷油漆、爆破及燒焊等臨時作業也會產生CO，這些影響時間短，因此CF可根據時間在短期內消失判斷容易排除。

2.3 尾氣干擾下背景CO體積分數的概念

所謂背景CO體積分數是指在有柴油機動車工作的礦井某一獨立通風區域，在某一足夠長的時間段的某一時刻，所有柴油車都不工作(不受尾氣干擾的極端情況)，且被監測系統記錄到的CO體積分數值。這里將該時間段稱為時間單元，某一時刻是監測系統采集數據的時間點。同時做出假設：1)在井下同時存在有限個柴油車工作的場所，總有一時刻是所有柴油車同時不工作的短暫熄火時間，即總能找到至少一個背景CO體積分數值；2)在沒有柴油車尾氣排放的短暫時刻，忽略其他CO產生源，只有煤氧化生成的CO；3)在足夠長的時間單元內，即便找不到柴油車同時暫停工作的暫停短暫時間空隙，也是柴油車工作臺數最少、更接近于背景CO體積分數的值。假設(3)是假設(1)的條件補充。

在考察時間單元確定后，監測數據中背景CO體積分數可表達為

(2)

式中：Cb,i為背景CO體積分數的觀測值，10-6；i為篩查時間單元序列號，無因次；j為監測系統的時間序列點，無因次；ni為第i考察時間單元內的監測數據點的個數；τi為第i考察時間單元的時間，min，按經驗取值，一般取一天或數小時；τd為監測系統采集數據的間隔時間，min，一般取5 min。

2.4 從監測系統數據中篩選背景CO體積分數的方法

在對監測系統記錄下來監測大數據中篩查，就是找到這個最低值——背景CO體積分數，這樣就可以篩除汽車尾氣干擾因素。再根據背景CO體積分數的變化趨勢，觀察是否有自燃現象。

運用CO氣體作為自燃預報的關鍵在于獲得背景CO體積分數，其中最重要的是如何選取時間單元。井下巷道中的各種柴油車都在不停地工作，篩選背景CO體積分數的時間單元周期越長，篩分出煤氧化生成的CO的可能性就越大；即便是找不到所有柴油車全停歇時間(實際上不大可能)，那得到的也是柴油車工作臺數最少時的結果，對CO的干擾最小。背景CO體積分數值，還可以通過井下實測得到，就是利用交接班時間令所測區的所有柴油工作車停車熄火半個小時，然后記錄在無尾氣干擾時CO體積分數值，但這樣做會影響生產。實際上監測系統記錄下來背景CO體積分數多為這個時刻，因此兩者也不存在矛盾。

對監測系統大量數據，按時間單元篩分的背景CO體積分數的原理或可表達成

(3)

式中：CCO,i為包含煤氧化產生CO氣體的背景CO體積分數，10-6；τi,0、τi,24分別為篩查時間單元周期內的起、止時間，min，一般為數小時或1 d；C(τi)為監測系統的時間點上CO觀測值，min；i為監測系統的時間序列點，min。

如圖4所示，背景CO體積分數為陰影部分，原理一目了然。結合紅慶梁煤礦11302回風掘進回風CO監測最小值波動監測曲線，從2018年10月22日—11月22日巷幫自燃前一個月的監測系統CO數據，當取時間單元周期為0.125 d和0.5 d時的篩查背景CO體積分數作對比，由圖4(b)和圖4(c)，隨著考察時間單元的不斷延長，CO體積分數曲線越來越低，波動減小，背景CO體積分數曲線越來越清晰；證明了背景CO體積分數的客觀存在性。這意味著柴油車尾氣CO的干擾逐漸更接近于0(被剔除)。

圖4 時間單元為0.125 d和0.5 d時背景CO體積分數篩選結果對比Fig.4 Comparison of background CO volume fraction screening results at 0.125 day and 0.5 day time units

圖4(c)中的紅點線是處于CO波動的底緣，紅點是時間單元(考察期段)的CO最低點，也就是圖4(b)和圖5(a)的點紅線，紅點線以上高出部分都屬于波動較大的含干擾數據，予以篩除，波動抄底取底緣線以下部分(陰影區)作為背景CO體積分數，根據前面定義假設，其中絕大部分包含著煤自然氧化生成CO氣體。

3 區域背景CO體積分數的趨勢預測方法

3.1 背景CO異常和自燃預判準則

在一個系統相對穩定的自然發火考察時間內，背景CO體積分數一直在緩慢持續穩定增長。

所謂系統相對穩定期是指通風、人員施工管理和巷道系統等條件都不變的情況，當礦井系統各因素有明顯變化，對自燃環境影響較大，背景CO體積分數變化的水平也產生明顯差異，即不一定在一個水平上。

如圖5所示，在十一放假停產期間最有利于煤柱的自燃氧化，節后的礦井恢復生產一段時間，背景CO體積分數偏高，波動也較大；隨著生產逐漸正規，系統進入穩定狀態，且恢復生產后及時進行重點巡檢和發熱區處理，背景CO體積分數隨之大幅度降低，煤柱的自燃氧化也進入一個新的階段(條件環境)。

圖5 正常掘進時不同時間單元背景CO體積分數變化趨勢(周期為0.125 d)Fig.5 Variation trend of background CO volume fraction in different time units during normal driving

3.2 自然發火預判考察期的確定

所謂自然發火預測考察期，是指區別于外因火災短時間發生的能反映內因火災煤自燃緩慢持續增長的時間。自燃預測考察期的確定與煤的最短自然發火期有關，長則直接按煤的最短自然發火期，但此時可能煤已經發生了自燃，短則按其一部分，本礦實驗3-1煤的最短自然發火期是27 d，取1周或數周，這樣可預測到自燃正在成長過程中，預測到早期發熱階段，視具體情況和經驗而定。圖5中是截取十一放假后恢復正常掘進時的CO監測值，連續11 d背景CO體積分數有持續升高趨勢，直到出現煤柱自燃和多點發熱。

煤炭自燃是緩慢的，如果背景CO體積分數在10 d左右考察期內連續走高，就可以斷定沿途巷道有自燃高溫熱點，然后再有目的和針對性地在巷道沿途進行仔細排查。

如圖6所示，新階段經過從8—22日累計16 d的煤自燃考察期，背景CO體積分數漸且持續升高，接近之前的十一節后恢復生產期間(前一期)的背景CO體積分數水平，圖6中趨勢線是隨著煤巷氧化線性增大，符合自然發火緩慢持續增長的特征，說明監測范圍內巷道煤柱內有自燃趨勢，有自燃熱點存在。經過人工有目的地仔細巡查，確認3處發熱點，煤壁溫度分別為27 ℃、29 ℃和31 ℃，高于平時最高值24 ℃(隱蔽性很強不易被發現)，經打鉆取氣樣化驗確認后注防火劑滅火，背景CO體積分數又逐漸下降。

圖6 周期為1 d時的背景CO體積分數篩選結果與預測分析Fig.6 Screening results and prediction analysis of background CO volume fraction with a period of one day

3.3 趨勢回歸分析自燃預判及其斜率確定

在通風量等條件不變的前提下，監測系統時間序列的背景CO體積分數變化趨勢回歸預測模型

CCO,E=k1τk，

(4)

分三級預警：

k1≤0，無自燃危險，安全狀態。

3.4 可能有自燃危險(應重點加強巡查)的工作流程

超長煤巷自燃預判的重點關鍵是如何進入排查。如果有連續的CO體積分數超出背景CO體積分數預測線，且維持一定考察時間時，就應啟動重點排查。

每一次的超長煤巷自燃預判應保留數據，繼承經驗，不斷通過現場實際反復驗證。運用該方法對紅慶梁礦發生過的多起煤柱內部自燃煤幫升溫現象進行了成功預報，例如2018年12月16日預測CO異常，用紅外測溫成像儀巡查發現原火點再次發熱，煤壁表面溫度最高42 ℃，2019年3月19日11302新回風順槽里段407排非開采幫有發熱點，通過人工紅外熱成像儀觀測巡查，在向煤體打鉆探測與滅火中，均檢測出有乙烯C2H4、乙炔C2H2、丙烷C3H8氣體出現，以此確認煤體內部的確呈自燃狀態。

以上工作過程的簡單邏輯如下：

通過背景CO體積分數預測CO異常上升現象(本文主旨)→進入“重點巡查”這一步，找到高溫區→對疑似火區打鉆，用C2H4、C2H2、C3H8氣體“確認內部呈自燃狀態”→滅火處理。

4 超長煤巷自燃多渠道聯合預警防滅火體系的探討

通過上述識別巡查，紅慶梁礦多次發現過煤柱內部自燃煤幫升溫現象，在向煤體打鉆探測取氣樣，均檢測出有C2H4、C2H2和C3H8氣體出現，以此判斷煤體內部呈自燃狀態，然后滅火。

圖7 多渠道預報融合煤巷自燃管控關系Fig.7 Multi-channel forecast and control of spontaneous combustion of fusion coal roadway

本文中的“自燃早期預測”的目的，是判斷是否可以上升到“重點巡查”的環節，所謂重點巡查，就是已知危險的情況下，重新調配增加人員，多臺儀器并行，增加巡查時間，提高注意力，使巡查工作有的放矢。同時結合其他因素手段，如暫停柴油車工作，進行分段排查；重點排查老舊火區等。

5 結 語

1)利用井下監測系統大數據篩選提取背景CO體積分數，以此預測自燃趨勢，彌補了單純用標志性氣體方法不顯現的問題，對超長煤巷隱蔽性自燃做出早期預判，使人工巡查工作有的放矢。用背景CO體積分數趨勢法，可為煤巷自燃提供比標志性氣體法更早期的自燃判讀。

作為一種輔助的分析手段和渠道，應該與人員巡查、標志性氣體跟蹤檢測，以及分布式光纖測溫系統(DTS)在線監測等多手段聯合使用。方法更精準信息提取還有待于進一步完善。

2)背景CO體積分數篩查的時間單元盡可能取大，這里取1 d，滿足過濾掉柴油車尾氣強烈干擾的要求；根據最短發火期(一定折算比例)選取預測觀察期，根據已有自燃案例數據確定背景CO體積分數上升變化率臨界值，為超長煤巷自燃早期預報提供量化的依據。預判依賴礦井監測系統，也為監測系統管理提出更高的要求，保證監測數據的真實性，尤其在CO超限期間，不能隨意調整監測的數據。

3)煤自燃不是頻繁大量出現的事件，紅慶梁礦又是新投產礦井，尚不能用更多樣本對預判準確度做概率統計分析(文中未能給出)，今后還需要不斷修正、總結和完善。