黃陵二號煤礦多維度地質模型大數據融合精準開采

曹哲哲

(陜西黃陵二號煤礦有限公司,陜西 延安 716000)

0 引言

隨著計算機水平的提高,大數據融合技術已經應用到包括煤炭行業的各個領域[1-2]。智能化、自動化開采是目前開采技術研究的熱門方向[3-4]。廣大學者對其進行了大量研究,在該領域取得了巨大成就[5-6]。由于綜采工作面自動化系統以過程化控制為核心,與生產管理過程脫節,未能高效實時的實現信息集成和互通,無法有效對綜采關鍵設備進行管理[7-11]。自動化開采過程中會產生大量數據,如何將這些數據轉換為有用的決策信息和控制策略,為管理者提供決策和建議,是一項需要解決的問題[12-15]。因此,需要對工作面進行多源地質信息透明,建設工作面大數據分析智能決策平臺,實現設備空間導航定位及精準控制。

1 工程背景

2016年4月,黃陵礦業公司聯合北京天瑪公司、西煤機、天地奔牛等單位,研究應用大采高厚煤層智能化開采技術,攻克了煤壁片幫、底軟拉架、頂板破碎等技術難題,實現了國產綜采成套裝備智能化開采技術在復雜地質條件下的常態化應用,成果達到國際領先水平。2019年,黃陵礦業公司聯合中煤科工集團西安研究院、西安煤礦機械有限公司、西安合智宇信息科技有限公司、西安科技大學和應急管理部煤礦智能化開采技術創新中心,在黃陵一號煤礦開展了“基于動態地質模型大數據融合迭代規劃控制策略的智能開采技術”項目研究。實現了由傳統的記憶截割向三維空間感知、智能規劃和自主截割的技術跨越,成果達到國際領先水平。2021年2月24日,黃陵二號煤礦及各礦井與中煤科工集團西安研究院、西安煤礦機械有限公司、西安合智宇信息科技有限公司進行現場交流,認為黃陵二號煤礦綜采工作面已經具有三機一架遠程集控系統,但感知能力不足,不能實時感知人、物、環的變化,導致工作面需要配置大量固定值守人員,增加了安全風險,生產工序協同性差,生產效率不高。

2 精準開采目標

針對黃陵二號煤礦(水、火、瓦斯、頂板、油型氣、煤層賦存厚度波動較大)的大采高復雜地質條件,在工作面智能化高效開采過程中,缺乏基于煤層賦存條件的安全環境、開采策略的預測、預判、預控能力。

利用AI算法識別技術實現智能綜采系統與液壓支架護幫板、機頭煤量、片幫、跟機移架、人員侵入等場景的識別,并為超前支架與工作面協同推進、多工作面協同規劃開采提供安全和數據支撐。融合地質模型、水文、災害、礦壓等信息的綜合建模方法,構建多維度地質與環境模型,通過搭建大數據規劃決策平臺及井下工作面精準控制系統。以實現基于復雜地質條件與環境模型的大采高綜采工作面大數據規劃開采與精準控制;依托5G、云計算和大數據分析,建立大采高智能綜采工作面集群規劃協同管控系統,實現多工作面協同開采;開展安全態勢感知、視頻AI算法識別在智能化綜采工作面的應用。根據黃陵二號煤礦大采高復雜地質條件下的高效、安全開采要求,研究現有的工藝流程、操作習慣、決策經驗等,設計擬人化的自主規劃截割開采工藝,解決機架防碰撞、工作面煤流負荷平衡、綜采設備姿態修正、全工作面的機架協同等智能化開采問題,確保精準控制系統的常態化穩定運行。

3 精準開采結果展示

精準開采包括大采高智能工作面多源地質信息透明化技術、大采高綜采工作面大數據分析智能決策平臺、大采高工作面綜采設備空間導航定位及精準控制方法3個部分。

3.1 大采高智能工作面多源地質信息透明化技術

智能工作面多源地質信息透明化技術主要包括綜合地質勘探及動態解釋、三維可視化動態建模、地質保障綜合預測、數字孿生系統4個部分。

通過巷道寫實,鉆孔軌跡測量、測井、窺視和鉆孔雷達探測等一孔多用技術手段及三維地震動態解釋,探明工作面煤層厚度及起伏變化;通過槽波地震勘探、三維地震動態解釋,探明工作面內部起伏構造信息;通過瓦斯測試數據、瓦斯動態監測,工作面寫實更新,建立工作面的透明模型。研究多源地質信息建模技術,基于多源異構地質勘探數據屬性提取技術,提取地質建模有關的地質信息;研究多源地質信息可視化技術,實現孔內遺留鉆桿的具體位置,工作面地層壓力的仿真三維可視化;研究動態地質建模技術,基于隱式迭代算法,實現工作面煤層起伏形態的動態建模,為透明工作面提供模型基礎。建立工作面瓦斯模型,根據通風斷面最低要求,預測瓦斯絕對涌出量,實現工作面回采過程中瓦斯濃度預警;建立遺留鉆桿模型,通過遺留鉆桿的具體位置,實現工作面內出現遺留鉆桿后的預警。透明工作面數字孿生系統如圖1所示。基于工作面三維地質模型,融合已有的監測數據和開采數據,以實現礦井地質信息同步映射為目標,實現井巷數字化,實現井巷漫游和地質信息數字孿生系統。

3.2 大采高綜采工作面大數據分析智能決策平臺

大采高綜采工作面大數據分析智能決策平臺主要包括基于地質與環境模型的開采工藝大數據決策、建立基于地質模型的開采模型、基于地質模型及設備增強感知的開采模型修正技術、綜采工作面大數據分析智能決策平臺、防碰撞技術、周期來壓預警、工作面災害預警、大數據規劃開采及精準控制系統8個部分。在綜采智能化采煤工藝、采煤機規劃截割控制技術基礎上,研究基于“地質與環境模型”的開采工藝。通過大數據分析、多信息融合技術修正迭代地質與環境模型,實現自適應開采。開采模型如圖2所示。

圖1 透明工作面數字孿生系統Fig.1 Digital twin system of transparency working face

圖2 開采模型Fig.2 Mining model

建立基于地質模型頂底板數據、預切片數據、設備控制關聯模型建立的開采模型。通過深度學習神經網絡的混合算法以及權重優化技術實現開采模型與開采環境的實時孿生。地質數據顯示如圖3所示。

圖3 地質數據Fig.3 Geological data

在基于地質與環境模型的開采數據基礎上,提取頂底板高度,結合雷達、慣導數據所實時反饋的采高臥底位置,同時結合開采數據及輔助校準(慣導、雷達的精準測量系統)建立數據樣本庫,并根據設備姿態及輔助測量數據對地質與環境模型進行優化修正。圍繞多維度地質模型的開采工藝優化決策、開采模型建立、基于地質信息和設備增強感知的模型修正、智能診斷等需求,開發實現工作面精準控制決策的大數據平臺。實現綜采工作面智能化系統關鍵性過程的應用分析。對工作面三機配套關系進行數字化建模,統一地質模型、開采模型和配套模型進行坐標系,研究頂底板變化、開采工藝和配套模型中端面距變化的關系。利用采煤機、液壓支架安裝的相關傳感器反饋工作面裝備實際姿態,通過開采模型的自適應技術,實現端面距進行預警及協同控制。對礦壓監測數據的有效性影響因素進行分析,提出監測數據預處理方法,設計周期來壓預測預警方案,并進行預警等級劃分,完成預警模型搭建。通過建立周期來壓預測預警模型,設計大數據模式下的來壓預測預警系統,預測來壓時間、強度和位置,提出周期來壓處理方案。項目可以革新傳統的礦壓顯現規律分析方法,實現采場礦壓提前6～8 h智能預測預警,提高安全開采效率,并為大采高工作面圍巖穩定性控制等關鍵問題提供一種全新思路。周期來壓預警如圖4所示。

圖4 周期來壓預警Fig.4 Early warning of periodic weighting

以工作面區域常見的水、火、氣體、礦壓和粉塵五大災害實時監測為抓手,從“人、機、環、管”等方面研究綜采工作面安全狀態,對工作面區域安全狀態進行評估,為綜采工作面安全運行提供保障,研究綜采工作面區域有害氣體分析及預警方法,開發安全監控系統環境監測與設備控制的動態參數綜合分析軟件模塊,融合綜采工作面智能化、監測監控、礦壓監測等系統數據,結合頂板災害、水害、火災實時分析結果,完成工作面區域災害預警的融合分析軟件。以工作面分區模型,將分散獨立的傳感器與環境監測數據、綜采設備控制的動態參數綜合分析,在整體上實現基礎分析數據的自動獲取、分析、展示、預警及超限控制功能,大幅降低了礦井災害的危險程度。

根據工作面集群大數據決策中心,融合生產計劃、各工作面規劃開采策略、主運輸等信息,建立工作面集群協同決策模型。大數據精準控制中心根據工作面集群協同決策模型,實時調整各工作面采煤機開采策略、液壓支架跟機策略、液壓泵站供液策略、工作面運輸三機運轉策略。建立基于大數據的礦井安全生產效能評價體系,指導工作面集群協同決策模型的動態修正。最終實現工作面集群生產任務智能規劃、動態調整,生產決策優化及協同高效開采的目標。

3.3 大采高工作面綜采設備空間導航定位及精準控制方法

大采高工作面綜采設備空間導航定位及精準控制方法主要包括導航定位技術、激光雷達測距技術、大數據決策精準控制、綜采工作面集群移動管控平臺、工作面AI場景智能識別5個方面。礦井現有的煤機位置監測是由目前采煤機機身紅外發射傳感器和液壓支架紅外接收傳感器配合,實現煤機在某支架的位置監測功能。在采煤機中安裝慣性導航系統,實現綜采設備在透明地質模型中的精準定位,通過記錄慣性導航運行軌跡,為工作面自動找直控制、規劃截割模型提供數字支撐。通過在刮板輸送機機頭和機尾安裝激光雷達,實時監測運輸機機頭和機尾距進、回風巷巷幫的距離,核算工作面刮板輸送機上竄下滑量。激光雷達系統通過識別,安裝于進、回風巷兩巷幫的等間距激光反射裝置,實時監測工作面推進度,實現規劃開采中的坐標原點傳遞。根據雷達、慣導對設備姿態的實測數據,實現設備具體控制姿態的準確測量值,通過精準控制設備姿態反饋,實現基于精準開采模型的控制閉環。借助“大數據、5G、物聯網、云管控”智能化技術實現采煤信息共享化,移動實時高效化,實現從設備到生產、排查、應急、預警、運維管理、運輸、用戶等生產全過程的信息化管控。工作場景AI識別如圖5所示。依托覆蓋全工作面的高清視頻網絡,利用AI算法實現采煤機割煤速度智能調節、刮板運輸機缺刮板、斷鏈智能監測、刮板運輸機煤量監測、刮板運輸機機頭堆煤智能監測、液壓支架護幫狀態智能監測、煤壁片幫智能監測、液壓支架移架時支架底座障礙物智能識別、危險區域進入跟智能識別等。

圖5 AI場景智能識別Fig.5 Intelligent identification of AI scenario

4 結論

(1)融合復雜地質條件的特厚煤層地質構造探測和氣體賦存探測結果,綜合構建涵蓋地質構造和瓦斯賦存的地質模型,實現工作面內多源地質信息的透明化,包括瓦斯賦存條件的可視化。

(2)針對復雜地質條件大采高工作面智能化難題,研發綜采工作面大數據分析智能決策系統及控制、AI圖像算法,解決大采高下的機架防碰撞、工作面煤流負荷平衡、綜采設備姿態修正、全工作面的機架協同等智能化開采問題,確保規劃截割開采方式的常態化穩定運行。

(3)提出基于慣性導航系統、激光雷達等多信息融合的工作面設備實時定位與姿態感知技術,解決大采高工作面找直和上竄下滑問題。

(4)提出基于大數據的智能開采效能分析評價指標和優化算法,構建多源異構數據與安全關聯分析決策模型,達到對大采高開采裝備的智能精準控制,實現智能安全高效開采。