基于GIS的煤礦瓦斯大數據管理與分析系統

呂平洋，毛善君，侯 立，王雙勇，徐平安，卯明松

（1.北京大學 地球與空間科學學院，北京 100871；2.北京龍軟科技股份有限公司，北京 100871；3.平安煤炭開采工程技術研究院有限責任公司，安徽 淮南 232000）

長期以來，我國煤炭消費量始終占能源消費總量50%以上。隨著煤炭資源的開采，礦井采深逐年加深，眾多礦井瓦斯含量增加，瓦斯壓力升高，使得瓦斯治理工作難度加大，嚴重制約著煤礦的安全生產與發展[1]。為了提高煤礦安全生產水平，降低瓦斯事故造成的人員傷亡和經濟損失，煤礦企業投入了大量資源來提高瓦斯安全管理與分析能力，包括瓦斯信息管理[2-4]、瓦斯預測預警[5-7]、瓦斯風險識別與評估[8-12]等，極大的改善了我國煤礦的安全生產狀況，顯著降低了瓦斯事故頻次和損失。

煤礦瓦斯災害包括突出、爆炸、燃燒、窒息等類型，各類瓦斯災害的孕育、發生和發展過程時刻處于動態變化中，影響因素眾多，涉及到通風、監測監控、回采、瓦斯抽采、人員定位等多個系統[13]。因此，瓦斯安全管理需要采集不同結構類型的海量數據，這些數據包含豐富的地理信息數據。當前對于不同類型的瓦斯災害研究眾多，卻較少考慮復雜條件下多災種和災害鏈的綜合監測、風險識別和預警，不能很好地滿足不同類型海量數據的存儲、管理與分析。目前，我國的中大型煤炭企業已經普及應用信息管理系統，積累了大量的生產技術、業務管理、綜合自動化、監測監控等各類原始數據，在煤礦安全生產管理中扮演著重要角色[14]。這些數據與瓦斯具有一定的時空相關性，能夠為瓦斯安全管理提供數據支撐，有待于利用大數據方法進行更深層次的挖掘和利用[15]。

為了從海量的數據中發掘有利于安全生產的信息，學者們陸續將大數據技術應用于煤礦安全管理領域[16]。孫繼平討論了大數據在煤與瓦斯突出、水害、火災等事故預警，煤礦重大關鍵設備故障診斷，煤炭需求和價格預測等方面的應用[17]；劉香蘭設計了煤礦安全生產大數據分析與管理平臺的功能架構與技術架構[18]；沈宇設計了基于大數據的煤礦安全監管三級（煤礦、區縣、地區）聯網平臺[19]；吳曉春建立了煤礦安全生產輔助管理模型，利用大數據技術對海量數據進行深度分析挖掘[20]；李東等利用大數據技術對煤礦歷史事故案例、事故報告等進行挖掘，結合專家調查法，確定了瓦斯事故的關鍵要素[21]；喬萬冠構建了大數據背景下的煤礦安全管理研究思路體系，將大數據與系統仿真方法相結合，實現了煤礦企業大數據化的趨勢預測[22]。大數據技術在煤炭行業的應用，為瓦斯事故的防治提供了新的思路。

然而，大數據技術在煤炭行業的研究應用仍處于初級階段，主要涉及架構設計、硬件環境、模式等內容，缺乏與GIS的關聯[23]。在煤礦的實際生產中，瓦斯風險動態變化過程與空間信息密切相關，瓦斯災害的防控需要多部門、多場所聯合參與。因此，在煤礦GIS“1張圖”的框架下，構建服務于煤礦瓦斯大數據深度分析挖掘的軟件平臺，實現瓦斯大數據的集成管理、分析預測和可視化。

1 煤礦瓦斯安全管理數據特征

煤礦井下產生的瓦斯相關數據種類繁多，特征不一，按照存儲結構可分為文本數據、圖形數據、表數據等，根據數據的更新速度可分為靜態數據和實時動態數據[22]。靜態數據是指在煤礦生產過程中，主要作為控制或者參考的數據，在很長的一段時間內不會變化，如煤層瓦斯含量、瓦斯壓力、煤層埋深、瓦斯事故等。相對于靜態數據，動態數據是隨時間變化的連續型數據，主要來源于監測監控系統數據、人員定位數據、考勤數據、設備運行日志等。瓦斯事故防治需要多系統協同管理，加之事故具有不可控制的特性，因此明確瓦斯風險的數據特征，對于瓦斯安全管理意義顯著[24]。

1）多樣且動態變化特性。煤礦井下瓦斯事故有突出、爆炸等多種形式，從“人機環管”的角度對瓦斯風險進行歸類劃分，可高達數十種。由于開采資源的需要，煤礦的生產條件決定了眾多的瓦斯風險因素時刻隨著煤礦的生產而處于動態變化過程中。比如，瓦斯礦井的掘進或回采作業過程中，大量的瓦斯會從落煤碎塊涌入空氣中，使得巷道內的瓦斯體積分數增加。而瓦斯抽采系統的運行，則可以動態降低煤層或采空區中的瓦斯含量。

2）時空相關特性。瓦斯風險因素之間具有一定的時空相關性，比如，由于瓦斯隨著風流向回風巷道匯集，回風巷道監測點的瓦斯體積分數一般要高于上風口巷道，因此上風側監測點數據特征往往能夠體現在下風側監測點數據中，即兩者之間是時空關聯的。此外，如果瓦斯事故一旦發生，巷道空間的環境也會相應改變。所以，煤礦在組織應急救援過程中，需要結合井下人員位置、受災區域、災情發展狀況、井下避災物資分布等信息，有效指導不同區域的人員救災或逃生。即針對瓦斯事故的應急處置，也應當考慮各相關因素的時空關聯特性。

3）可預測性和可控性。在瓦斯安全管理過程中，雖然需要考慮的因素眾多，但瓦斯事故的發生始終遵循著事故機理。監測監控系統采集的瓦斯風險數據是典型的時間序列數據，瓦斯事故發生前，通常都會伴隨著瓦斯體積分數異常，利用機器學習、深度學習算法能夠實現瓦斯時間序列數據的有效預測。此外，根據事故致因理論，管理因素是事故的根本原因，制定合理的安全管理體系和評價體系，能夠有效防控瓦斯事故的發生。煤礦瓦斯事故的可預測與可控性決定了建立瓦斯安全管理系統實現瓦斯事故防治的可行性。

4）大數據特性。煤礦瓦斯安全管理過程中，涉及到生產數據、監測數據、煤層地質數據、方案措施等文檔、流程管理業務數據等，尤其是監測監控數據具有增長快、時序性強的特點。這些數據既有結構化的傳感器數據，也有半結構化和非結構化的圖形數據、文檔數據。在長期的生產過程中，煤礦企業會積累海量的瓦斯相關數據，由于大部分情況下，煤礦均處于安全狀態，因此大量的時間序列數據是一種穩定狀態，分析利用價值弱。所以，煤礦瓦斯安全管理具有典型的體量巨大、數據類型多、價值密度低、產生速度快的大數據特征。

2 系統功能架構與技術架構

2.1 系統功能架構

基于GIS的煤礦瓦斯大數據管理與分析系統建設是一項復雜的信息化系統工程，其設計理念為整合海量數據，結合多軟硬件系統的監控、分析預測、決策支持的業務管理需求[25-26]，形成集成化、多維度、閉環管理、直觀展示的煤礦瓦斯大數據挖掘分析方法結構體系，系統總體功能架構如圖1。

圖1 系統總體功能架構Fig.1 Overall function architecture of the system

1）基礎設施層（IaaS）建設。基礎設施層建設依托數據中心信息集群、數據庫、負載均衡、操作系統等硬件設施和系統軟件資源，建設數據中心，對監測數據、預警數據、基礎數據、地理信息數據進行集中存儲維護。

2）業務數據層（DaaS）建設。建設瓦斯大數據管理與分析平臺統一數據中心，包括煤礦企業基礎信息庫、地理信息數據庫、綜合監測實時信息庫、數據交換與共享信息庫等。

3）服務平臺層（PaaS）建設。服務平臺包括業務平臺、數據平臺、技術平臺3大平臺，為平臺提供服務封裝與編排、大數據分析、地理信息服務、智能決策分析等支撐。

4）應用平臺層（SaaS）建設。包括煤礦基礎數據管理子系統、綜合監測子系統、瓦斯監測預警子系統、礦井通風管理子系統、瓦斯抽采預警子系統、瓦斯突出預警子系統、瓦斯爆炸預警子系統、瓦斯災害監測1張圖子系統、應急決策支持子系統等業務應用系統，以及統一集成門戶。

2.2 系統技術架構

基于GIS的煤礦瓦斯大數據管理與分析系統采用大數據分布式集群技術架構，面向煤礦終端企業提供統一的數據采集、數據處理、數據存儲、多維分析、災害預警等應用，探討了煤礦瓦斯大數據分析和管理的技術方法，通過各類數據處理和應用工具對煤礦瓦斯大數據進行挖掘。系統技術架構如圖2，瓦斯安全數據處理流程如圖3。

圖2 系統技術架構Fig.2 Technical framework of the system

圖3 瓦斯安全數據處理流程Fig.3 Processing flow of gas safety data

1）數據來源。數據的采集主要來源于3個方面：自動監測設備的實時監測數據（包含傳感器、智能儀表、工控系統等）、礦井瓦斯的人工檢測數據、預警應用相關的用戶及系統信息。該部分作為軟件服務，實現數據獲取的主要功能。

2）數據采集。數據采集主要針對系統的3大類數據來源，根據不同的數據類型匹配不同的采集方式，主要包含：針對自動監測設備的數據采集，通常采用IoT流數據采集手段以及IoT通訊/傳輸協議適配等技術實現數據的采集；針對礦井瓦斯的人工監測數據通過智能填報平臺進行數據的采集；針對預警應用相關用戶及系統信息的數據采集采用ETL技術/Agent采集/接口采集等多種技術組合匹配。

3）數據治理。由于瓦斯相關數據種類繁雜、來源多樣，數據標準各不相同，各個系統中的基礎數據質量層次不齊，為了保證后端大數據分析結果的準確性，必須保證前端數據的質量，因此在數據入庫之前需要做好數據治理工作，包含數據的清洗轉換、數據的質量校核、數據比對、數據標準制定、元數據管理。

4）數據存儲。數據存儲包括傳統的關系型數據、NoSQL數據庫以及分布式文件系統，存儲方式支持Oracle、SQLServer、MySQL、ElasticSearch、Hive、HBase、HDFS等多種方式，不同類型的數據庫適合存儲不同格式的數據；存儲的業務數據主要有原始檢/監測數據、算法庫調度及檢/監測數據處理算法相關數據、預警計算結果及中間過程數據，及用戶信息等數據存儲。

5）數據計算及分析。數據計算主要包含對數據的分布式流計算、數據分布式內存計算、數據并行計算以及數據批量計算等；數據分析主要為專業場景的分析提供各類算法、模型以及其它分析技術。涉及的算法主要包括數據預處理算法、瓦斯預測預警算法、瓦斯突出危險性預測預警算法及系統管理的基礎算法等。

6）數據應用。主要包含礦井通風系統在線檢測及分析預警、煤礦瓦斯智能抽采、瓦斯體積分數變化趨勢預測預警、煤與瓦斯突出風險判識與監測預警、瓦斯爆炸風險判識與監測預警、應急決策支持等。

7）分析展現。數據應用的結果最終在客戶端進行可視化展示與交互，客戶通過終端向服務器發送數據請求后，系統將分析結果展現給客戶。

3 系統關鍵技術及功能實現

基于GIS的煤礦瓦斯大數據管理與分析系統以信息集成為基礎，提取實時監測數據的統計特征及動態變化特征，建立了與瓦斯災害相關因素以及人工采集數據的關聯關系，依據歷史數據的關聯分析，挖掘潛在規律，實現了煤礦瓦斯災害的全面監管、預測預警，面向煤礦終端企業提供統一的數據采集、數據處理、數據存儲、多維分析、災害預警等應用，并且在淮河能源（集團）股份有限公司顧橋煤礦實施應用。

3.1 時空數據管理

煤礦瓦斯數據具有典型的時空特性，因此系統不僅要存儲和管理實時最新數據，還應支持歷史數據的回溯管理。針對煤礦瓦斯安全管理與分析業務需求，從滿足“一張圖”數據管理和支持歷史數據回溯管理的角度出發，提出基于GIS空間數據庫的版本化時空數據管理方案。在空間數據庫中，1個典型的數據集表存儲模型包括對象ID、對象外包矩形、對象幾何數據（點、線、面等元素）、屬性，當數據發生變化時，基于版本化的時空數據管理，對每個數據集對象表，建立一一對應的數據集對象歷史版本表，增加了協同ID、版本ID、版本類型3個數據維[27]。

煤礦時空數據管理是整個系統的基礎，用于采集、存儲、維護和管理關于煤礦瓦斯災害的詳細數據和資料，主要由相關數據庫和地物屬性分布構成，為煤礦瓦斯災害監測、分析、預警和治理提供真實可靠的現場數據。該模塊實現了礦井基礎信息、礦井采掘隊信息、礦井工作面信息、巷道信息、礦井關聯配置、煤層關聯配置、區域關聯信息、監測點關聯配置，以及監測監控系統數據等煤礦瓦斯安全相關數據的時空管理。

3.2 瓦斯風險預測預警

瓦斯安全管理過程中存在大量時間序列數據，以瓦斯體積分數為例，單個瓦斯監測點的瓦斯體積分數與該測點歷史數據具有時間相關性，瓦斯隨著風流在巷道網絡中擴散，各監測點瓦斯監測值之間存在空間相關性。此外，瓦斯體積分數和工作面進風風速、工作面風速、工作面溫度、工作面粉塵和采煤機啟停等密切關聯。因此，長期持續采集并分析不同空間位置的瓦斯體積分數數據和相關因素數據，能夠充分挖掘利用瓦斯大數據特征，瓦斯風險預測流程如圖4。

圖4 瓦斯風險預測流程Fig.4 Gas risk prediction process

首先，對瓦斯風險進行特征和致災機理分析后，采集并預處理具有一定相關性的其他監測數據；其次利用空間相關性算法，依次對這些監測數據進行相關性計算，選擇與預測目標相關性較強的監測數據；然后，利用特征工程構造預測目標的時序特征和空間拓撲特征；最后，構建基于深度學習的神經網絡，建立煤礦瓦斯風險時間序列多時間尺度預測模型，充分挖掘相關監測風險指標的歷史數據價值，實現瓦斯時間序列數據預測的短期、中期和長期的多時間尺度高精度預測。采用的深度學習模型為基于Encoder-Decoder的瓦斯預測模型，以歷史瓦斯體積分數及其特征數據（時序特征、空間拓撲特征）為輸入，能夠得到未來n個時間步長的瓦斯體積分數預測結果[28]。基于Encoder-Decoder的瓦斯預測模型如圖5。

圖5 基于Encoder-Decoder的瓦斯預測模型Fig.5 Gas concentration prediction model based on Encoder-Decoder

礦井中的瓦斯主要分2部分排出：①隨抽采管路排出，這部分是人為控制的；②隨風流排出，這部分的不可控因素較多，是煤礦瓦斯安全管理的重點之一。瓦斯風險預測預警針對抽采瓦斯和風流瓦斯均具有很好的效果。

3.3 礦井通風安全管理

礦井通風監測預警系統主要針對礦井通風在線監測系統進行監測預警，建立礦井通風系統仿真模型，實現在線通風系統仿真及離線通風系統仿真。結合一張圖，在通風系統圖上疊加顯示通風在線監測預警信息，實現對礦井主通風機運行狀態、通風系統風量變化情況、通風設施開停狀況、巷道溫度變化情況的在線監測預警，具體包括：主通風機停機、局部通風機停止運轉，主要通風機風機負壓、電流、電壓、震動值、軸承溫度異常變化，風機工況與通風網絡不匹配、不在合理風機性能曲線范圍內運行，風速超限，采區主進回風系統風量發生變化，采掘工作面風量發生變化，風向傳感器發生反向，井下風門長時間處于非正常開啟狀態，采掘工作面及巷道內溫度異常升高，通風機運轉狀態在線監測預警等功能。

3.4 瓦斯抽采安全管理

抽采在線預警模塊主要實現抽采管路的瓦斯體積分數、流量、壓力、溫度等參數實時監測預警，對瓦斯抽采管路進行動態診斷分析，研判管道的堵塞及漏氣情況，以及阻力分析等，并對工作面、評價單元的抽采達標進行在線評價。

3.5 煤與瓦斯突出監測預警

該功能旨在建設基于GIS的、具有開放接口、可擴充性、提供數據共享功能的瓦斯突出防治模塊。該模塊實現了煤層賦存、區域瓦斯參數、地質構造、瓦斯安全監測數據、微震在線監測數據、工作面應力在線監測數據等的地圖可視化，并提供區域防突、局部防突、驗鉆工作等瓦斯防治工作的業務數據管理功能。此外，該模塊可依據用戶設置，實現對數據的預警提示，然后結合實時瓦斯傳感器數據、微震在線監測數據、工作面應力在線監測數據，根據日均瓦斯體積分數、實時瓦斯衰減系數、應力指數、微震能率和事件率等突出預警指標和預警參數設置，實現瓦斯突出的實時預警。

3.6 瓦斯安全管理一張圖

瓦斯安全管理1張圖在煤礦瓦斯大數據的基礎上，集成了突出監測預警、瓦斯抽采安全管理、瓦斯風險趨勢預警、礦井通風安全管理等分析功能，能夠對煤礦瓦斯安全狀況進行動態評估與展示，實現了監測、分析、預警的有效融合，為瓦斯防治提供決策支撐。瓦斯大數據管理與分析平臺應用如圖6。

圖6 瓦斯大數據管理與分析平臺應用Fig.6 Application of gas big data analysis and management system

4 結 語

瓦斯安全是煤礦生產的重要保障，涉及煤礦眾多系統，信息化的建設為煤礦瓦斯大數據管理與分析提供了良好的數據支撐。基于此，分析了煤礦瓦斯安全管理數據的多樣且動態變化特性、時空相關特性、可預測性和可控性、大數據特性等特征，提出了基于GIS的煤礦瓦斯大數據管理與分析系統建設思路，闡述了系統功能架構與技術架構，集成了各種信息化系統數據，實現并重點介紹了時空數據管理、瓦斯風險預測預警、礦井通風安全管理、瓦斯抽采安全管理、煤與瓦斯突出監測預警、瓦斯安全管理一張圖等系統功能。系統在淮河能源（集團）股份有限公司顧橋煤礦運行良好。