煤矿大数据与物联网

煤矿大数据与物联网

孙继平

（中国矿业大学（北京），北京 100083）

摘要：按事故类别分析了2004年—2013年全国煤矿事故，顶板、瓦斯、运输、水害、机电、爆破、火灾事故起数和死亡人数占比分别为52.7%和36.8%，11.3%和29.7%，16.9%和11.3%，3.1%和8.1%，4.1%和2.5%，2.7%和1.9%，0.4%和1.9%；顶板事故起数和死亡人数最多；瓦斯事故起数居第3位，死亡人数居第2位，但2005年和2013年死亡人数最多；运输事故起数居第2位，死亡人数位第3居；煤矿各类事故起数和死亡人数均大幅下降；瓦斯和顶板事故起数占比明显下降，但运输和机电事故起数占比有所上升，需进一步加强运输和机电事故防治。探讨了大数据在煤与瓦斯突出、冲击地压、水害、火灾等事故预警，煤矿重大关键设备故障诊断，煤炭需求和价格预测等方面的应用。探讨了物联网在矿用安全标志准用产品管控、煤矿重大关键设备管控与远程维护、煤矿设备材料管控、防碰撞、持证上岗与专人操作管控等方面的应用。

0 引言

随着煤矿机械化、自动化和信息化程度的提高，煤矿监控、通信与监视系统的推广应用，我国煤矿事故起数、死亡人数、百万吨死亡率均大幅下降，煤矿安全生产形势明显好转。煤矿安全生产的迫切需求，促进了物联网技术在煤矿的应用，也产生了大量数据，为大数据在煤矿应用奠定了基础。

1 煤矿事故分类分析

根据2004年—2013年《全国煤矿事故分析报告》，本文按事故类别分析了2004年—2013年全国煤矿事故。10年期间，我国煤矿共发生死亡事故19870起，死亡33200人。其中，顶板事故10468起，死亡12226人，分别占52.7%和36.8%，事故起数和死亡人数均最多；瓦斯事故2239起，死亡9861人，分别占11.3%和29.7%，事故起数位居第3，死亡人数位居第2，但2005年和2013年死亡人数最多；水害事故623起，死亡2690人，分别占3.1%和8.1%，事故起数位居第5，死亡人数位居第4；火灾事故84起，死亡634人，分别占0.4%和1.9%，事故起数和死亡人数位均居第7；运输事故3366起，死亡3757人，分别占16.9%和11.3%，事故起数位居第2，死亡人数位居第3；机电事故818起，死亡820人，分别占4.1%和2.5%，事故起数位居第4，死亡人数位居第5；爆破事故531起，死亡635人，分别占2.7%和1.9%，事故起数和死亡人数均位居第6；其他事故1745起，死亡2577人，分别占8.8%和7.8%。2004年—2013年全国煤矿各类事故起数及占比如表1所示，2004年—2013年全国煤矿各类事故死亡人数及占比如表2所示。

分析表明，10年来，煤矿瓦斯、顶板、水害、火灾、运输、机电、爆破等各类事故起数和死亡人数均大幅下降，事故总量由2004年的3641起、死亡6027人，降低为2013年的604起、死亡1067人；瓦斯和顶板事故起数占比明显下降，但运输和机电事故起数占比有所上升。这表明，通过煤矿机械化、自动化和信息化，煤矿安全生产技术和装备水平不断提高，事故防治能力不断增强。但大量采掘和运输等设备的使用，增加了运输和机电事故的概率。虽然运输和机电事故起数和死亡人数均大幅下降，但起数占比有所上升。因此，需研究煤矿物联网和大数据技术，进一步提高煤矿运输和机电事故防治能力，以满足高机械化程度煤矿安全生产需求。

10年来，全国煤矿共发生瓦斯、顶板、水害、火灾事故13414起和死亡25411人，分别占67.5%和76.5%。因此，需研究基于大数据和物联网的煤与瓦斯突出、冲击地压、水害、火灾等事故预警方法和系统，避免或减少煤与瓦斯突出、冲击地压、水害、火灾等事故发生。

2 煤矿大数据

2.1 大数据特点

大数据是一种基于大量信息解决问题的新方法，具有如下特点：（1）研究全体数据，而不是随机样本，数据体量巨大。（2）研究事件间的相关关系，而不是因果关系，只需要结果，不需要原因。（3）研究对象多样，数据类型繁多，涵盖数字、文字、语音、图形、图像，从监测数据，到网络日志、视频、图片、地理位置信息等。（4）处理速度快，在短时间内，

可从各种类型的数据中快速获取有价值的信息。

大数据以解决问题为目的，只要结果，不分析原因。例如，根据客户的购物记录和浏览记录，推送图书和商品，而不分析为什么这些客户喜欢这类图书和商品。大数据已广泛用于零售、金融、电信、物流、医疗、交通等领域。

2.2 基于大数据的煤矿重大灾害预警

煤矿灾害预警是避免瓦斯、水害、火灾、冲击地压等事故发生，减少人员伤亡和财产损失的有效措施。但迄今为止，人们还没有完全掌握煤与瓦斯突出、冲击地压等事故发生规律，还不能准确预警煤与瓦斯突出、冲击地压、水害、火灾等事故。因此，探索基于大数据的煤矿事故预警方法，将大数据用于煤与瓦斯突出、冲击地压、水害、火灾等煤矿事故预警，具有十分重要的理论意义和实用价值。基于大数据的煤与瓦斯突出、冲击地压、水害、火灾等事故预警方法，只研究哪些数据变化，就可能发生煤与瓦斯突出、冲击地压、水害、火灾等事故，而不研究为什么这些数据变化，会发生煤与瓦斯突出、冲击地压、水害、火灾等事故。

2.2.1 基于大数据的煤与瓦斯突出预警

研究表明，煤与瓦斯突出事故发生前，瓦斯涌出量、环境温度等会发生变化，并伴有声音、电磁辐射和红外辐射等。因此，通过大数据研究，研究瓦斯涌出量（根据瓦斯浓度、风量、落煤量等计算）、环境温度（监测环境温度、风速、地面进风温度、设备开停等，排除风量、地面进风温度、机电设备开停等影响）、微震、地音、电磁辐射、瓦斯含量、瓦斯压力、采掘位置、赋存条件、地质构造等与煤与瓦斯突出事故的关系，提出预警模型，进行煤与瓦斯突出预警。

2.2.2 基于大数据的冲击地压预警

研究表明，冲击地压事故发生前，矿山压力等会发生变化，并伴有声音、电磁辐射和红外辐射等。因此，通过大数据研究，研究矿山压力、微震、地音、电磁辐射、环境温度（监测环境温度、风速、地面进风温度、设备开停等，排除风量、地面进风温度、机电设备开停等影响）、赋存条件、地质构造、采掘位置、采煤方法及工艺等与冲击地压事故的关系，提出预警模型，进行冲击地压预警。

2.2.3 基于大数据的煤自然发火预警

研究表明，煤自然发火，温度、C2H4、C2H2等会发生变化。因此，通过大数据研究，研究温度、湿度、气味、C2H4、C2H2、链烷比、烯烷比、氧气、煤种、煤自燃倾向性和发火期、工作面推进速度、采煤方法及工艺、通风方式等与煤自然发火的关系，提出预警模型，进行煤自然发火预警。

2.2.4 基于大数据的水害预警

研究表明，水害事故发生前，涌水量等会发生变化。因此，通过大数据研究，研究涌水量（监测流量、水仓水位、排水量等）、水压、水位、水温、水质、环境温度、环境湿度、声音、水文地质、气象条件等与水害事故的关系，提出预警模型，进行水害预警。

2.3 基于大数据的煤矿重大关键设备故障诊断

掘进机、采煤机、刮板输送机、带式输送机、提升机、通风机、水泵、压风机、移动变电站等大型设备故障，将影响煤炭正常生产，甚至引发瓦斯和水害等事故。因此，需研究基于大数据的煤矿重大关键设备故障诊断方法和系统，监测设备振动、声音、温度、功率等，发现异常，声光报警。

2.4 基于大数据的煤炭需求和价格预测

煤炭长期储存会自燃，煤炭短缺会影响发电、钢铁、建材和煤化工等产业，煤炭供求关系直接影响着市场价格等。因此，需要通过煤矿物联网和大数据，监控煤矿的煤炭产量、煤种、煤质和库存等，铁路、船舶、公路等运输和库存等，发电厂等煤炭用户煤炭库存和用量等，进行煤炭价格与需求预测，实现经济调度，供需平衡。