煤礦火災智能預警系統研發與應用

劉東洋， 張浪， 姚海飛， 徐長富， 趙尤信， 張逸斌， 段思恭

（1. 煤炭科學技術研究院有限公司 礦山智能通風事業部，北京 100013；2. 煤科通安（北京）智控科技有限公司，北京 100013；3. 北京市煤礦安全工程技術研究中心，北京 100013；4. 煤炭智能開采與巖層控制全國重點實驗室，北京 100013）

0 引言

煤炭作為我國的主體能源，對國民經濟的發展具有重要意義[1-2]。礦井火災是煤礦開采過程中常見的一種災害，長期制約著我國煤炭行業的發展。我國煤炭資源分布呈現“北富南貧，西多東少”的狀況，內因火災呈現北多南少的趨勢，而引起外因火災的因素較多，如煤礦日常管理疏忽等[3]。礦井火災不僅會造成巨大經濟損失，還會產生大量有毒有害氣體，嚴重威脅煤炭開采作業人員的生命安全[4]。國家發展改革委、國家能源局等八部委于2020 年聯合印發了《關于加快煤礦智能化發展的指導意見》[5]，國家能源局、國家礦山安全監察局于2021 年制定了《煤礦智能化建設指南（2021 年版）》[6]，均指出了煤礦智能化建設方針，其中，煤礦火災防治技術應逐漸朝“智能監測、精準預警、科學防治”的方向發展[7]。

隨著我國煤礦智能化建設的不斷推進，礦井火災預警與防控體系也越來越完善。在煤礦智能化建設大背景下，學者們針對礦井火災預警系統開展了一些研究工作。文獻[8-9]對基于大數據、物聯網、神經網絡的火災智能監測預警系統進行了深入探討；文獻[10]對基于氣體和溫度相結合的煤自燃預警及響應機制進行了研究，并研發了煤自燃遠程監測與預警系統。文獻[11]提出了基于“云-邊-端”協同的煤礦火災智能化防控體系。此外，專家學者對煤礦火災監測指標及預警模型[12-14]、監測預警技術與裝備[15-16]及現場應用效果[17-19]等進行了不同程度的分析研究，并對智能化發展進行了展望。目前國內的煤礦火災監測系統功能不統一，實現了對礦井煤自燃標志性氣體、溫度、煙霧、火焰等部分指標的單獨監測，未能對煤礦火災相關因素進行有效、全面、統一的監測。針對該問題，筆者對煤礦火災危險因素、分源分區監測指標體系、系統框架設計及智能預警關鍵技術進行了探索?；诙嘀笜岁P聯分析、D-S 證據理論數據分析方法，研究建立煤礦火災多指標融合決策機制，在預警系統總體架構基礎上開發了煤礦火災智能預警系統，初步實現了煤礦火災多因素、多指標融合預警；基于GIS 技術，初步實現了礦井火災風險預警“一張圖”的可視化展示，為煤礦火災防治決策提供了有效的技術支撐。

1 煤礦火災危險性分析

根據引火的熱源不同，通常將礦井火災分為內因火災和外因火災兩大類。

1.1 內因火災危險性分析

依據煤氧復合作用學說，煤在常溫下與氧氣結合，發生復雜的物理化學反應，使煤的組成物質氧化，從而產生熱量并積蓄，當氧化產生的熱量不能及時散發時就導致煤自燃。煤自燃必須具備以下條件：煤具有自燃傾向特性且以破碎狀態集中堆積存放；連續的供氧條件；積聚氧化熱的環境；維持煤的氧化過程不斷發展的時間。

煤自燃危險區域主要有工作面采空區、密閉采空區、巷道煤柱等。工作面采空區漏風造成遺煤氧化，易出現煤自然發火隱患；采空區始采線和終采線需安裝、回撤綜采設備，導致其斷面較大，巷幫因受礦壓影響易破裂，且開切眼與終采線處推進速度較慢，破碎煤體氧化時間較長，煤自燃危險性較高。工作面在回采過程中，受采動壓力影響，工作面與密閉采空區之間保護煤柱、煤巖層頂板可能被壓裂震碎，在風壓的作用下致使煤巖破裂，形成漏風通道，導致密閉采空區與工作面采空區貫通處的原浮煤區、老空區密閉周邊煤體存在自然發火隱患。

1.2 外因火災危險性分析

物質燃燒需同時具備三要素：可燃物、助燃物、著火源。從物質燃燒的三要素角度分析，礦井外因火災原因比較復雜，主要是因為煤礦生產過程中構成燃燒條件的三要素普遍存在，如機械摩擦及物體碰撞、靜電、電氣火花、明火作業、違章放炮、電纜老化起火、瓦斯或煤塵爆炸等均可能引發火災，具體位置主要有井下機電硐室及其配電點、帶式輸送機系統、電纜密集區等。井下機電硐室及其配電點主要存儲大型機電設備，用于井下集中供電，由于機電設備數量多、功率大、放熱量高，在有限空間內極易發生設備漏電，導致線纜、機電設備燃燒，并引發系列火災。帶式輸送機系統服務于全礦井生產運行，膠帶和托輥、滾筒之間長時間摩擦產生熱量，易導致膠帶火災事故。電氣設備電纜接頭接觸不良或流過大電流會導致發熱著火，電纜短路時短路保護失靈也會導致火災事故。

2 煤礦火災分源分區監測指標體系

按引發火災的熱量來源不同，內外因火災產生的區域各異，著火參數及其檢測方式略有差異，因此，本文提出一種分源分區監測火情態勢的方法。內因火災方面，主要針對較易發生火災的工作面采空區、密閉采空區及人工自然發火觀測點等進行監測；外因火災方面，主要針對機電硐室及其配電點、帶式輸送機系統、電纜等方面進行監測。

采用人工監測或在線監測的方式定期采集或更新火災特征參量數據，按數據采集方式及影響程度，將火災監測指標分為動態指標、靜態指標和關聯指標。

1） 動態指標。預警監測指標值隨時間或空間發生變化，如O2、CO、CO2、溫度等火災特征參數，這些指標都可采取人工監測或在線監測的方式采集數據，數據的變化程度直接反映火災風險態勢。

2） 靜態指標。預警監測指標不隨時間或空間發生變化，如煤自燃特性、煤層賦存條件、頂底板的巖層特性、開拓開采因素等，這些指標主要提供基礎信息，是煤礦火災預警的主要影響因素。

3） 關聯指標。監測期間的指標值與火災特征參數關聯，需通過理論分析轉換成火災風險分析數據，如漏風量、壓差強度等。

根據煤礦火災分源分區監測火情態勢，考慮到國內當前技術水平，在靜態指標基礎上，動態指標、關聯指標局部監測位置及監測方式如下：工作面采空區采用束管監測系統、光纖測溫系統及安全監控系統對煤自燃標志性氣體（CO，C2H6，C3H8等）、溫度參數進行監測；密閉采空區采用密閉在線監測系統或人工取樣對溫度、壓差、CO、CO2、CH4、O2參數進行監測；人工自然發火觀測點采用人工取樣對溫度、O2、CO、CO2、CH4參數進行監測；機電硐室及其配電點采用變電硐室防滅火監控系統對溫度、煙霧、CO 參數進行監測；帶式輸送機系統采用帶式輸送機防滅火監控系統及安全監控系統對溫度、煙霧、CO 參數進行監測；電纜采用光纖測溫系統對溫度參數進行監測。

3 煤礦火災智能預警系統框架設計

3.1 系統總體架構

煤礦火災智能預警系統建設是一項復雜的信息化系統工程，其設計理念為構建“信息融合+統一平臺+異常報警+綜合預警”火災預警模式，搭建煤礦火災一體化預警報警平臺。平臺應融合多軟硬件系統，遵循數據統一采集、統一存儲、統一管理、統一展示的原則，解決數據孤島、數據煙囪等問題，實現多源數據的共享與深度挖掘利用[20-22]。按照業務結構，將煤礦火災智能預警系統分為感知控制層、數據傳輸層、存儲分析層和應用管理層，各層級功能明確，互聯互通，形成有機整體。煤礦火災智能預警系統總體架構如圖1 所示。

圖1 煤礦火災智能預警系統總體架構Fig. 1 Overall architecture of intelligent early warning system for coal mine fire

感知控制層：架構基礎底層，將煤礦火災監測子系統中涉及的安全、生產、運營相關數據作為數據源，感知煤礦火災環境參量，同時控制防滅火設備。通過高精度傳感器類等設備對煤礦火災特征多參量信號進行監測，為煤礦火災預警決策提供基礎數據；同時通過PLC 智能控制等技術實現防滅火設施的聯動控制。各設備通過網線或光纖等物理連接，與數據傳輸層緊密相連，傳輸感知信息和控制信號。

數據傳輸層：作為整個架構的橋梁，通過工業環網或 4G/5G 等網絡進行數據傳輸，實現煤礦火災監測數據的實時在線傳輸，是煤礦火災預警體系前端和后臺信息傳輸的紐帶。

存儲分析層：系統架構的核心層，通過應用程序接口調用基礎底層的硬件數據資源，獲取和集成井下火災各類監測系統的多源異構數據，通過火災預警數據庫及專家知識庫進行必要的數據清理，并分級分類保存。通過構建火災分析預警模型，依據多源數據融合預警、分級預警防災聯動規則，對采集的數據進行科學分析，實現對火災預警特征信息的超前感知，為應用管理層決策提供服務。

應用管理層：人機交互窗口，用于煤礦火災智能化管理。對火災信息的快速判斷和預警有利于制定生產優化決策方案，以及時應對不同工況環境下的系統協同聯動，實現緊急狀態下的聯動控制和應急救援輔助。

煤礦火災智能預警系統實現了煤礦火災因素一體化聯合監測，具有預防并控制火情態勢的設備聯動功能。通過統一的平臺打通系統各層之間的數據流，將數據匯聚至統一的數據資源池進行存儲、治理、分析，并通過One ID，One Model，One Service 實現整體數據服務。

3.2 煤礦火災智能預警業務流程

煤礦火災智能預警業務流程如圖2 所示。通過專家知識庫及火災預警數據庫對煤礦火災隱患點監測數據進行處理，通過火災分析預警模型進行分析，給出預警結果，并結合實時監測數據，對預警結果進行動態校正。當預警結果為“示警”時，預警系統會依據專家知識數據庫給出示警原因，同時通過三維可視化預警平臺、應急廣播、手機短信等多渠道發布預警信息，使煤礦安全管理人員關注預警事件。預警系統發布預警信息時有可能出現誤報現象，需經驗豐富的人員多渠道確認，若為系統誤報警則追查誤報警原因，若多渠道確認火災特征指標發生了預警前兆，則啟動防災措施，針對火災預警區域進行灌漿注氮、噴淋噴粉等設備的選擇性關聯、協調控制。期間，需加強火災特征指標的監測，及時關注火情態勢的發展變化。若控制失敗，煤礦調度室值班管理人員應及時向礦領導班組成員匯報，請示啟動應急救援預案，直到恢復正常生產狀態。

圖2 煤礦火災智能預警業務流程Fig. 2 Intelligent early warning business process for coal mine fire

4 火災智能預警關鍵技術

4.1 內因火災預警關鍵技術-基于多指標聯合邏輯推理的預警

煤炭自燃預測預警方法主要有指標氣體法、測溫法、模糊聚類分析和數值模擬法等[15]。其中指標氣體法一般采用單一指標信息，易造成災害程度估計過重或對火情隱患不知情，很難做出準確判斷?；诙嘀笜寺摵线壿嬐评淼念A警方法[16]依據煤溫及其對應的各類氣體濃度變化趨勢，結合其他因素綜合判定煤自燃的危險程度，可提高預警精準度。因此，本文采用基于多指標聯合邏輯推理的預警方法。采集陜煤集團神木紅柳林礦業有限公司5-2煤層煤樣，通過實驗室程序進行升溫氧化實驗研究，并結合工作面現場考察分析，確立了適用于該煤層的自然發火標志氣體指標及其臨界值。CO 是紅柳林煤礦5-2煤層自然發火的指標氣體之一，C2H6，C3H8是判別煤自然發火進程的輔助指標，工作面采空區、回風流煤自燃氣體指標、預警規則及對策措施分別見表1 和表2。

表1 工作面采空區煤自燃氣體指標、預警規則及對策措施Table 1 Gas indicators, warning rules and countermeasures for coal spontaneous combustion in goaf of working face

表2 工作面回風流煤自燃氣體指標、預警規則及對策措施Table 2 Gas indicators, warning rules and countermeasures for coal spontaneous combustion in the return air flow of the working face

4.2 外因火災預警關鍵技術-基于D-S 證據理論的多參量融合預警

用單一傳感器進行火災預警常有誤報情況發生，多傳感器信息融合預警準確性比單一傳感器高，并已在工業、國防、商業等多個領域廣泛應用[23-24]。目前較為普遍的融合技術有閾值判斷法、信號關系式法、神經網絡法、模糊算法、D-S 證據理論等。其中，D-S 證據理論是一種基于估計的統計學方法，通過信任函數的方式將多種信息融合起來得到火災發生的概率[25]。通過D-S 證據理論的信息融合技術，而無需條件概率等先驗條件，即可對互斥事件進行證據的有效結合。D-S 證據理論作為在數據融合目標識別領域的智能算法，在不確定問題的推理方面表現突出[26]。該方法綜合多個信息源的證據，通過不斷縮小假設集的方法，得到綜合信息。首先介紹D-S 證據理論的數據融合規則[27]，根據傳感器提供的各個假設的信息，得到針對每一個假設的可信度區間。定義一個集函數：

式中：Θ為識別框架，即所有可能出現的判決結果的集合； ?為空集；A為所包含的假設，稱為焦元。

若滿足式（1）和式（2），則m（A）為A的基本概率賦值Mass 函數。m可稱為框架Θ的基本可信度分配。

多組數據融合則是對多個數據概率進行正交和運算，n個傳感器的數據融合概率為[28]

式中：K為各傳感器數據結果之間的沖突系數；mi為第i個傳感器的基本可信度分配；Ai為mi對應的焦元。

多參量融合預警結果包含 3 種互斥事件，分別為起火、不起火和不確定。為了使 3 種互斥事件的概率之和為 1，滿足 Mass 賦值函數成立的條件，對其進行歸一化處理：

式中PR1、PR2和PR3分別為起火、不起火和不確定的初始概率。

在紅柳林煤礦井下機電硐室及其配電點、帶式輸送機系統布置溫度、煙霧、CO 傳感器監測設備，將基于D-S 證據理論的多參量融合預警方法用于煤礦外因火災預警[29]，預警規則及對策措施見表3。

表3 基于 D-S 證據理論的多參量融合預警規則及對策措施Table 3 Multi parameter fusion warning rules and countermeasures based on D-S evidence theory

5 應用實例

紅柳林煤礦現開采煤層3-1煤、4-2煤和5-2煤，自燃傾向性等級均為Ⅰ類，屬容易自燃煤層。依據《智能化示范煤礦驗收管理辦法（試行）》，為達到智能化示范煤礦的要求，在全礦井范圍內針對重點火災危險區域建設完善的智能化防滅火系統。

試驗期間部署了信息采集終端、服務器和客戶端，依托工業以太環網平臺，搭建了網絡環境，布署了數據庫，植入火災預測預警模型與協同聯動防控機制，構建煤礦火災智能預警系統。以25211 綜采工作面為例，火災預警平臺結合煤自然發火實驗、熱重實驗及現場測試等基礎數據，圖像化動態展現光纖測溫系統、束管監測系統實時監測數據；基于二維GIS 平臺建立地圖服務和協同服務，通過火災特征預警模型，反演礦井火災監測點的安全態勢，劃分礦井重點防火區域，依據紅、橙、黃、藍4 級顏色預警，實時展現礦井火災監控預警區域，并協同遠程聯動灌漿注氮防滅火系統。系統同時具備火災智能模擬演示功能，可實現智能火災仿真與報警，以及避災路線的動態規劃，提供避災路線的輔助決策。煤礦火災智能預警系統“一張圖”平臺如圖3 所示。

圖3 煤礦火災智能預警系統“一張圖”平臺Fig. 3 "One Picture" platform for intelligent early warning system of coal mine fire

系統部署運行期間，同時對礦井 3 個綜采工作面、251 個采空區密閉、38 個人工自然發火觀測點、北二盤區4-2煤變電所、主斜井一部膠帶及安全監控系統監測點進行了跟蹤預警。智能預警系統共發布藍色預警32 次、黃色預警1 次、橙色預警 0 次、紅色預警 0 次。預警跟蹤考察結果見表4。預警原因分析：綜采工作面藍色預警次數最多，因感溫光纖埋入采空區，頂板巖層垮落，巖石沖擊力破壞感溫光纖原有組織，形成局部擠壓區，造成局部溫度異常；發生黃色預警是因溫度及CO 聯合指標異常，預警準確率高達90.9%。北二盤區4-2煤變電所發生藍色預警，是因為作業人員例行巡視檢查，誤操作觸碰七氟丙烷滅火器瓶組電磁閥，預警準確率為100%。主斜井一部膠帶發生藍色預警，是因為煙霧傳感器長期處于高濕、高溫度環境下，空氣動力學直徑為7.07 μm以下的粉塵顆粒物堵塞煙霧光電感煙器件，改變了光的傳播特性，造成誤報警，預警準確率為66.6%。軟件平臺發布預警信息后，管理人員立即增派技術人員至現場確認預警，避免火災事故的發生。

表4 煤礦火災預警跟蹤考察結果Table 4 Results of coal mine fire warning tracking and inspection

6 結論

1） 基于合理性、科學性、可監測性及時效性原則，闡述了煤礦火災危險因素，提出一種分源分區監測火情態勢的方法，建立了“動、靜、關聯”相結合指標體系。

2） 設計了火災智能預警系統的總體架構和業務流程，并給出了系統關鍵技術實現，采用基于多指標聯合邏輯推理的預警方法、基于D-S 證據理論的多參量融合預警方法實現礦井火災多源信息融合預警。

3） 現場試驗結果表明：火災智能預警系統實現了對礦井火災的有效監測預警，具有煤礦火災風險預警“一張圖”可視化展示功能，同時具備火災智能模擬演示功能及避災路線動態規劃功能。