低瓦斯矿井综采工作面瓦斯浓度智能控制方法与流程

1.本发明涉及煤矿智能开采领域，尤其涉及一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法。


背景技术：

2.煤炭依然是全球最重要的基础能源之一，随着物联网技术的发展，健康绿色智能化开采成为了目前煤炭行业的主流趋势，煤矿智能开采技术的发展，使煤矿井下综采工作面将向少人甚至无人化发展，这不仅大大提高了煤矿企业的生产效率，而且大幅降低了安全事故的发生几率，不过，工作面瓦斯治理不及时，瓦斯超限事故频发等问题仍然制约着煤矿智能开采技术的发展。传统的工作面瓦斯治理模式，预测预报单靠井下传感器的阀值，不能做到提前预防，且发生报警后，系统没有直接关联井下通风系统、采煤系统，往往要经历井下传感器报警、技术人员分析决策、制定防治措施、实施防治方案等步骤，整个过程繁琐冗长，做不到及时有效。


技术实现要素：

3.本发明的目的在于解决综采工作面瓦斯治理不及时，瓦斯超限事故。
4.为实现上述目的，本发明提供一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法，包括：
5.获取历史的环境监测数据，汇总形成历史数据集，根据所述历史数据集，通过长短期记忆循环神经网络时间序列预测模型，得到瓦斯浓度时间序列预测模型；
6.获取实时的所述环境监测数据，通过所述瓦斯浓度时间序列预测模型分析实时的所述环境监测数据并预测瓦斯浓度变化，得到瓦斯浓度超限区间；
7.判断瓦斯浓度是否超过所述超限区间，若超过，则根据初始风量q0计算综采工作面中的需求风量q1；
8.判断所述综采工作面的风速是否超限以及是否超过供风能力，若是，则直接调节采煤机的割煤速度，维持瓦斯浓度不超过所述瓦斯浓度区间，若不是，则增大风速至所述需求风量q1；
9.获取改变风速至所述需求风量q1的一个调节周期后的采空区的火灾指标气体，判断所述采空区中的所述火灾指标气体是否超限以及是否连续增加，若不是，则继续监测所述火灾指标气体，若是，则改变风量至初始风量q0并调节所述采煤机的割煤速度。
10.根据本发明的一个方面，所述环境监测数据包括：
11.所述综采工作面的瓦斯传感器数据、所述综采工作面的绝对静压传感器数据和所述采煤机的割煤速度。
12.根据本发明的一个方面，所述根据所述历史数据集得到瓦斯浓度时间序列预测模型方法为：
13.通过所述长短期记忆循环神经网络时间序列预测模型结合历史的所述环境监测
数据得到所述瓦斯浓度时间序列预测模型，根据预测的时间步长，以当前时间为起点，向前切割所述历史数据集，从所述历史数据集中平均取出n个数据样本并将其编号为x1～xn，将n个所述数据样本分m组数据，第一组为x1～x
(m-1)
，根据第一组信息预测xm的信息，第二组为x2～xm，预测x
(m 1)
的信息，依次预测信息，得到当前时间的下一个所述时间步长的所述瓦斯浓度时间序列预测模型。
14.根据本发明的一个方面，所述则根据初始风量q0计算工作面中的需求风量q1方法为：
15.q1＝c
瓦斯1
·
q0/c
瓦斯0
16.其中，q1为所述需求风量，m3/s；
17.c
瓦斯1
为最大瓦斯浓度，体积分数％；
18.c
瓦斯0
为初始瓦斯浓度，体积分数％；
19.q0为所述初始风量，m3/s。
20.根据本发明的一个方面，所述则增大风速至所述需求风量q1方法为：
21.通过调节与所述综采工作面串联的通风调节设施，包括调节风窗和带风窗的调节风门，或与所述综采工作面并联其他用风地点的调节设施，使得风速达到所述需求风量q
1。
22.根据本发明的一个方面，所述火灾指标气体包括co、c2h6、c2h4、c3h8、c2h2、c2h4和c2h6的混合气体、c3h8和c2h6的混合气体。
23.根据本发明的一个方面，判断所述采空区中的所述火灾指标气体是否超限以及是否连续增加方法为：
24.c
火灾指标气体2
》c
max
；
25.c
火灾指标气体2-c
火灾指标气体1
》0且c
火灾指标气体1-c
火灾指标气体0
》0；
26.其中，c
火灾指标气体2
为当前所述火灾指标气体的浓度，ppm；
27.c
指标气体1
为前1个预测所述时间步长的周期的指标气体浓度，ppm；
28.c
指标气体0
为前2个预测所述时间步长的周期的指标气体浓度，ppm。
29.根据本发明的一个方面，所述调节采煤机的割煤速度方法为：
30.δv＝(c
瓦斯1
·q0-c
瓦斯0
·
q0)/(l
·h·w·
r)
31.v1＝v0 δv
32.其中δv为所述采煤机的速度差值，m/s；
33.q0为所述初始风量,m3/s；
34.l为所述采煤机每刀进尺,m；
35.h为采高，m；
36.r为煤的比重，t/m3；
37.w为所述综采工作面的煤的可解析瓦斯含量,m3/t；
38.v1为调节后的所述采煤机的速度,m/s；
39.v0为调节前的所述采煤机的速度，m/s。
40.为实现上述目的，本发明提供一种低瓦斯矿井综采工作面瓦斯浓度智能控制系统，包括：
41.预测模型建立模块：获取历史的环境监测数据，汇总形成历史数据集，根据所述历史数据集，通过长短期记忆循环神经网络时间序列预测模型，得到瓦斯浓度时间序列预测
模型；
42.超限区间获取模块：获取实时的所述环境监测数据，通过所述瓦斯浓度时间序列预测模型分析实时的所述环境监测数据并预测瓦斯浓度变化，得到瓦斯浓度超限区间；
43.瓦斯浓度判断模块：判断瓦斯浓度是否超过所述超限区间，若超过，则根据初始风量q0计算综采工作面中的需求风量q1；
44.风速判断模块：判断所述综采工作面的风速是否超限以及是否超过供风能力，若是，则直接调节采煤机的割煤速度，维持瓦斯浓度不超过所述瓦斯浓度区间，若不是，则增大风速至所述需求风量q1；
45.指标气体判断模块：获取改变风速至所述需求风量q1的一个调节周期的后采空区的火灾指标气体，判断所述采空区中的所述火灾指标气体是否超限以及是否连续增加，若不是，则继续监测所述火灾指标气体，若是，则改变风量至初始风量q0并调节所述采煤机的割煤速度。
46.为实现上述目的，本发明提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述针对一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法。
47.为实现上述目的，本发明提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法。
48.基于此，本发明的有益效果在于：
49.(1)在综合考虑采空区发火危险的影响下，通过综合利用包括瓦斯浓度预测、调节工作面风量、调节采煤机速度技术手段，在最大程度保证工作面生产效率的前提下，降低了采煤工作面瓦斯超限的风险，保证了工作面的安全生产。
50.(2)结合神经网络算法对瓦斯浓度变化提前报警，并直接联合井下通风系统、采煤系统对预警内容提前反应，即时性强，有助于提高生产的安全性，降低发生瓦斯超限等事故的可能性。
附图说明
51.图1示意性表示根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法的流程图；
52.图2示意性表示根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制系统的流程图。
具体实施方式
53.现在将参照示例性实施例来论述本发明的内容，应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。
54.如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”，术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
55.图1示意性表示根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法的流程图，如图1所示，根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法，包括以下步骤：
56.101：获取历史的环境监测数据，汇总形成历史数据集，根据所述历史数据集，通过长短期记忆循环神经网络时间序列预测模型，得到瓦斯浓度时间序列预测模型；
57.102：获取实时的环境监测数据，通过瓦斯浓度时间序列预测模型分析实时的环境监测数据并预测瓦斯浓度变化，得到瓦斯浓度超限区间；
58.103：判断瓦斯浓度是否超过超限区间，若超过，则根据初始风量q0计算综采工作面中的需求风量q1；
59.104：判断综采工作面的风速是否超限以及是否超过供风能力，若是，则直接调节采煤机的割煤速度，维持瓦斯浓度不超过瓦斯浓度区间，若不是，则增大风速至需求风量q1；
60.105：获取改变风速至需求风量q1的一个调节周期后的采空区的火灾指标气体，判断采空区中的火灾指标气体是否超限以及是否连续增加，若不是，则继续监测火灾指标气体，若是，则改变风量至初始风量q0并调节采煤机的割煤速度。
61.根据本发明的一个实施方式，环境监测数据包括：
62.综采工作面的瓦斯传感器数据、综采工作面的绝对静压传感器数据和采煤机的割煤速度。
63.根据本发明的一个实施方式，根据历史数据集得到瓦斯浓度时间序列预测模型方法为：
64.通过长短期记忆循环神经网络时间序列预测模型结合历史的环境监测数据得到瓦斯浓度时间序列预测模型，根据预测的时间步长，以当前时间为起点，向前切割历史数据集，从历史数据集中平均取出60个数据样本并将其编号为x1～x60，将60个数据样本分30组数据，第一组为x1～x29，根据第一组信息预测x30的信息，第二组为x2～x30，预测x31的信息，依次预测信息，得到当前时间的下一个时间步长的瓦斯浓度时间序列预测模型。根据本发明的一个实施方式，则根据初始风量q0计算工作面中的需求风量q1方法为：
65.q1＝c
瓦斯1
·
q0/c
瓦斯0
66.其中，q1为需求风量，m3/s；
67.c
瓦斯1
为最大瓦斯浓度，体积分数％；
68.c
瓦斯0
为初始瓦斯浓度，体积分数％；
69.q0为初始风量，m3/s。
70.根据本发明的一个实施方式，则增大风速至需求风量q1方法为：
71.通过调节与综采工作面串联的通风调节设施，包括调节风窗和带风窗的调节风门，或与综采工作面并联其他用风地点的调节设施，使得风速达到需求风量q
1。
72.根据本发明的一个实施方式，火灾指标气体包括co、c2h6、c2h4、c3h8、c2h2、c2h4和c2h6的混合气体、c3h8和c2h6的混合气体。
73.根据本发明的一个实施方式，判断采空区中的火灾指标气体是否超限以及是否连续增加方法为：
74.c
火灾指标气体2
》c
max
；
75.c
火灾指标气体2-c
火灾指标气体1
》0且c
火灾指标气体1-c
火灾指标气体0
》0；
76.其中，c
火灾指标气体2
为当前所述火灾指标气体的浓度，ppm；
77.c
指标气体1
为前1个预测所述时间步长的周期的指标气体浓度，ppm；
78.c
指标气体0
为前2个预测所述时间步长的周期的指标气体浓度，ppm。
79.根据本发明的一个实施方式，调节采煤机的割煤速度方法为：
80.δv＝(c
瓦斯1
·q0-c
瓦斯0
·
q0)/(l
·h·w·
r)
81.v1＝v0 δv
82.其中δv为所述采煤机的速度差值，m/s；
83.q0为所述初始风量,m3/s；
84.l为所述采煤机每刀进尺,m；
85.h为采高，m；
86.r为煤的比重，t/m3；
87.w为所述综采工作面的煤的可解析瓦斯含量,m3/t；
88.v1为调节后的所述采煤机的速度,m/s；
89.v0为调节前的所述采煤机的速度，m/s。
90.不仅如此，为实现上述发明目的，本发明还提供一种低瓦斯矿井综采工作面瓦斯浓度智能控制系统，图2示意性表示根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制系统的流程图，如图2所示，根据本发明的一种低瓦斯矿井综采工作面瓦斯浓度智能控制系统，包括：
91.预测模型建立模块：获取历史的环境监测数据，汇总形成历史数据集，根据历史数据集，通过长短期记忆循环神经网络时间序列预测模型，得到瓦斯浓度时间序列预测模型；；
92.超限区间获取模块：获取实时的环境监测数据，通过瓦斯浓度时间序列预测模型分析实时的环境监测数据并预测瓦斯浓度变化，得到瓦斯浓度超限区间；
93.瓦斯浓度判断模块：判断瓦斯浓度是否超过超限区间，若超过，则根据初始风量q0计算综采工作面中的需求风量q1；
94.风速判断模块：判断综采工作面的风速是否超限以及是否超过供风能力，若是，则直接调节采煤机的割煤速度，维持瓦斯浓度不超过瓦斯浓度区间，若不是，则增大风速至需求风量q1；
95.指标气体判断模块：获取改变风速至需求风量q1的一个调节周期后的采空区的火灾指标气体，判断采空区中的火灾指标气体是否超限以及是否连续增加，若不是，则继续监测火灾指标气体，若是，则改变风量至初始风量q0并调节采煤机的割煤速度。
96.根据本发明的一个实施方式，环境监测数据包括：
97.综采工作面的瓦斯传感器数据、综采工作面的绝对静压传感器数据和采煤机的割煤速度。
98.根据本发明的一个实施方式，根据历史数据集得到瓦斯浓度时间序列预测模型方法为：
99.通过长短期记忆循环神经网络时间序列预测模型结合历史的环境监测数据得到瓦斯浓度时间序列预测模型，根据预测的时间步长，以当前时间为起点，向前切割历史数据
集，从历史数据集中平均取出n个数据样本并将其编号为x1～xn，将n个数据样本分m组数据，第一组为x1～x
(m-1)
，根据第一组信息预测xm的信息，第二组为x2～xm，预测x
(m 1)
的信息，依次预测信息，得到当前时间的下一个时间步长的瓦斯浓度时间序列预测模型。
100.根据本发明的一个实施方式，则根据初始风量q0计算工作面中的需求风量q1方法为：
101.q1＝c
瓦斯1
·
q0/c
瓦斯0
102.其中，q1为需求风量，m3/s；
103.c
瓦斯1
为最大瓦斯浓度，体积分数％；
104.c
瓦斯0
为初始瓦斯浓度，体积分数％；
105.q0为初始风量，m3/s。
106.根据本发明的一个实施方式，则增大风速至需求风量q1方法为：
107.通过调节与综采工作面串联的通风调节设施，包括调节风窗和带风窗的调节风门，或与综采工作面并联其他用风地点的调节设施，使得风速达到需求风量q
1。
108.根据本发明的一个实施方式，火灾指标气体包括co、c2h6、c2h4、c3h8、c2h2、c2h4和c2h6的混合气体、c3h8和c2h6的混合气体。
109.根据本发明的一个实施方式，判断采空区中的火灾指标气体是否超限以及是否连续增加方法为：
110.c
火灾指标气体2
》c
max
；
111.c
火灾指标气体2-c
火灾指标气体1
》0且c
火灾指标气体1-c
火灾指标气体0
》0；
112.其中，c
火灾指标气体2
为当前火灾指标气体的浓度，ppm；
113.c
指标气体1
为前1个预测时间步长的周期的指标气体浓度，ppm；
114.c
指标气体0
为前2个预测时间步长的周期的指标气体浓度，ppm。
115.根据本发明的一个实施方式，调节采煤机的割煤速度方法为：
116.δv＝(c
瓦斯1
·q0-c
瓦斯0
·
q0)/(l
·h·w·
r)
117.v1＝v0 δv
118.其中δv为所述采煤机的速度差值，m/s；
119.q0为所述初始风量,m3/s；
120.l为所述采煤机每刀进尺,m；
121.h为采高，m；
122.r为煤的比重，t/m3；
123.w为所述综采工作面的煤的可解析瓦斯含量,m3/t；
124.v1为调节后的所述采煤机的速度,m/s；
125.v0为调节前的所述采煤机的速度，m/s。
126.为实现上述发明目的，本发明还提供一种电子设备，该电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，计算机程序被处理器执行时实现上述一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法。
127.为实现上述发明目的，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述一种低瓦斯矿井综采工作面瓦斯浓度智能控制方法。
128.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
129.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
130.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
131.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
132.另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
133.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
134.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本技术中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
135.应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。