CN203114346U

CN203114346U - 一种判识突出事故及预测瓦斯涌出规模的系统

Info

Publication number: CN203114346U
Application number: CN 201320046873
Authority: CN
Inventors: 程国强; 胡千庭; 赵旭升; 谭云亮; 武文宾; 田静萍; 于海峰; 朱学亮
Original assignee: Shandong University of Science and Technology
Current assignee: Shandong University of Science and Technology
Priority date: 2013-01-29
Filing date: 2013-01-29
Publication date: 2013-08-07
Anticipated expiration: 2023-01-29

Abstract

本实用新型公开了一种判识突出事故及预测瓦斯涌出规模的系统，特征是包括瓦斯浓度传感器组、光缆、监测数据通讯分站、中心计算机、预警服务器、局域网、计算机终端、报警器；上述瓦斯浓度传感器组包括：在掘进巷道中距离其与上山相交位置10米处布置的第一瓦斯浓度传感器，在上山中距离其与掘进巷道相交位置10米处分别布置的第二瓦斯浓度传感器和第三瓦斯浓度传感器，在上山中距离第二瓦斯浓度传感器80米处布置的第四瓦斯浓度传感器。本实用新型能在煤与瓦斯突出事故发生初期快速判识突出事故、预测瓦斯涌出量和逆流范围等，不仅可以防止灾害的进一步扩大，而且对事故及时开展救援、井下人员的避灾、灾后控制措施等有很大的帮助。

Description

一种判识突出事故及预测瓦斯涌出规模的系统

技术领域

本实用新型涉及煤矿救灾技术领域，尤其涉及一种煤与瓦斯突出发生初期，能够快速判识突出事故及快速预测瓦斯涌出量、突出持续时间和瓦斯逆流范围（瓦斯涌出规模和瓦斯逆流范围）的系统。

背景技术

煤与瓦斯突出事故是煤矿生产过程中最严重的灾害之一，我国是世界上发生煤与瓦斯突出现象最严重、危害性最大的国家之一。突出过程中喷出大量煤粉，还会涌出大量瓦斯，能直接冲毁巷道支护和设施，破坏通风系统，淹没人员，造成人员和财产损失。此外，突出的高浓度瓦斯在扩散、排出矿井外的过程中，还可能威胁到在正常状况下的“安全”区域，产生瓦斯爆炸等二次事故。

煤与瓦斯突出是世界性难题。在机理方面，“综合作用假说”由于全面考虑了突出发生的作用力和介质两个方面的主要因素，得到了国内外大多数学者的认可。在煤与瓦斯突出预测、防治方面，也取得了相当多的成果。但是，由于煤与瓦斯突出灾害的复杂性，影响突出的因素众多，到目前为止，对各种地质、开采条件下突出灾害发生的机理还没有完全掌握，预测预报的准确性也不够。在目前的技术条件下，还无法做到彻底根除突出灾害的发生，也没有有效的煤与瓦斯突出灾害防治方法。

突出发生后，突出的高浓度瓦斯会在井巷网络中扩散及传播。在距离事故地点较远或正常状况下“安全”的地方，如果井下人员未能及时得知突出发生的报警，仍在正常作业，就有可能会发生比如瓦斯爆炸、逆流窒息等灾难性事故，致使瓦斯事故进一步扩大。因此，煤与瓦斯突出事故发生初期，如果能够快速判识突出事故及快速预测瓦斯涌出规模和瓦斯逆流范围，不仅可以防止灾害的进一步扩大，而且对事故救援的及时开展有很大的帮助。

目前，已有的研究都是针对突出事故结束后的瓦斯涌出量计算，而对突出过程中的快速判识、快速判断突出规模，并以此来指导救援和二次灾害预防的系统或方法尚未发现报道。其中，得到突出后瓦斯涌出规模的方法，都是在突出事故结束以后，以瓦斯浓度和风量为基础的，例如有以下几种：（1）发生煤与瓦斯突出后，各矿井一般是将平均瓦斯浓度乘以突出前的风量；（2）将突出的瓦斯涌出量视为突出前后瓦斯涌出量增加值，根据回风巷瓦斯浓度和风量的测值变化规律，采用曲线拟合后再积分，或者采用分段取平均值的方法；（3）在突出点中远距离的各巷道处，利用瓦斯浓度传感器及矿井监测软件，分别计算瓦斯浓度、风量、时间的乘积，然后求和，得到突出后瓦斯涌出量。这三种方法都能计算出突出后瓦斯涌出量，但这些方法都是在事故结束后，通过对中、远距离的瓦斯浓度传感器近似计算得到的，错过了事故救援及预防二次灾害的时间。

另外，突出过程中瓦斯突出规模难以快速判断，除了由于瓦斯涌出量大，致使突出点附近风流紊乱，风量不稳等原因外，还由于现场设备被涌出的瓦斯与抛出煤体破坏严重,以及瓦斯浓度过高、断电等原因，导致突出点附近的瓦斯浓度传感器，在煤与瓦斯突出发生后很快停止工作。因此，完全依赖突出点附近的瓦斯浓度传感器对瓦斯涌出量进行统计分析往往十分困难，甚至是不现实的。

实用新型内容

本实用新型的任务在于提供一种判识突出事故及预测瓦斯涌出规模的系统。

其技术解决方案是：

一种判识突出事故及预测瓦斯涌出规模的系统，包括瓦斯浓度传感器组、光缆、监测数据通讯分站、中心计算机、预警服务器、局域网、计算机终端、报警器；瓦斯浓度传感器组监测的数据信号经监测数据通讯分站，通过光缆输入预警服务器，中心计算机提供预警服务器中相关数据处理模块的数据，预警服务器通过局域网连接计算机终端，计算机终端连接报警器；上述瓦斯浓度传感器组包括：在掘进巷道中距离其与上山相交位置10米处布置的第一瓦斯浓度传感器，在上山中距离其与掘进巷道相交位置10米处分别布置的第二瓦斯浓度传感器和第三瓦斯浓度传感器，在上山中距离第二瓦斯浓度传感器80米处布置的第四瓦斯浓度传感器。

上述瓦斯浓度传感器组还包括：在工作面的回风巷中布置的第五瓦斯浓度传感器，在工作面的进风巷中布置的第六瓦斯浓度传感器，在工作面的运输大巷中布置的第七瓦斯浓度传感器。

利用上述系统实现的一种突出发生初期快速判识突出事故及预测瓦斯涌出规模的方法，包括以下步骤：

a利用中心计算机和预警服务器，根据实际巷道情况建立包括掘进巷道、上山、工作面回风巷、工作面进风巷及运输大巷的二维物理模型；在物理模型中设置2个瓦斯浓度监测点，并布置第二虚拟瓦斯浓度传感器和第四虚拟瓦斯浓度传感器，用于分别模拟上述系统中的第二瓦斯浓度传感器和第四瓦斯浓度传感器，根据两个虚拟瓦斯浓度传感器的模拟数据建立起预测模型，该预测模型的数学表达式为：

\{\begin{matrix} T = a_{1} + b_{1} t_{1} + c_{1} t_{2} \\ Q = a_{2} + b_{2} t_{1}^{α} + c_{2} t_{2}^{β} \\ L = a_{3} + b_{3} t_{1} + c_{3} t_{2} \end{matrix}

式中Q、T、L分别为突出中瓦斯涌出量、突出持续时间及瓦斯逆流长度；t₁为第二与第四虚拟瓦斯浓度传感器所记录的瓦斯浓度上升到40%时的时间差；t₂为第四虚拟瓦斯浓度传感器所记录的瓦斯浓度由5%上升到80%时的时间差；a_i、b_i、c_i(i=1,2,3)及α和β是拟合常数；

b将各瓦斯浓度传感器的监测数据实时传输到预警服务器，当传感器监测到瓦斯浓度异常，且根据第一、第三瓦斯浓度传感器监测到的掘进巷道内瓦斯浓度数据，判断为突出发生时，进入预测步骤，并将预测结果通过局域网传输到计算机终端，并由报警器进行报警；上述预测步骤具体包括：

（1）当第二瓦斯浓度传感器监测的瓦斯浓度峰值小于2%时，则预测本次突出瓦斯涌出量小于400m³，突出持续时间超过15s，且未引起瓦斯逆流，突出的瓦斯都将顺风流排出矿井；

（2）当第四瓦斯浓度传感器监测的瓦斯浓度峰值小于2%，且第二瓦斯浓度传感器监测的瓦斯浓度峰值大于2%小于80%，则预测本次突出瓦斯涌出量小于1000m³，逆流长度小于50m；

（3）当第四瓦斯浓度传感器监测的瓦斯浓度峰值小于2%，且第二瓦斯浓度传感器监测的瓦斯浓度峰值大于80%，则预测本次突出瓦斯涌出量小于2000m³，逆流长度小于80m；

（4）当第四瓦斯浓度传感器监测的瓦斯浓度峰值大于40%，则利用步骤b中的预测模型预测本次突出的瓦斯涌出量、突出持续时间及逆流长度。

上述步骤b还包括：

当第一瓦斯浓度传感器监测到掘进巷道内的瓦斯浓度超过设定瓦斯浓度限度，则根据第一、第三瓦斯浓度传感器的监测数据判断是否发生突出，判断条件具体为：

①第一、第三瓦斯浓度传感器监测到的瓦斯浓度峰值都大于50%；

②第一、第三瓦斯浓度传感器监测到的瓦斯浓度由5%上升到50%的时间都小于30秒；

当①、②同时成立时，判断为突出发生；反之判断为未发生突出。

上述步骤b的数学表达式中，a₁=5.0，b₁=24.1，c₁=－9.5，a₂=3001.8，b₂=－8990.1，c₂=13975.7，a₃=4.1，b₃=－1.7，c₃=0.043，α=－0.9，β=－0.55。

上述突出发生初期快速判识突出事故及预测瓦斯涌出规模的方法，还包括步骤：

c当第五、第六瓦斯浓度传感器监测的数据出现异常时，应对回风巷、工作面、进风巷内的人员给予警示；若第七瓦斯浓度传感器监测的数据出现异常，则应对下风向所有区域给予警示。

相对于现有技术，本实用新型的有益效果是：

1.传统的瓦斯涌出量计算都是在事故结束后进行的。本实用新型能在煤与瓦斯突出事故发生初期快速判识（判断）突出事故、快速预测瓦斯涌出量、突出持续时间和瓦斯逆流范围，不仅可以防止灾害的进一步扩大，而且对事故及时开展救援、井下人员的避灾、灾后控制措施等有很大的帮助。

2.巷道内瓦斯浓度变化是煤与瓦斯突出发生后最先出现的现象，本实用新型不完全依赖突出点附近的瓦斯浓度传感器全部数据，只是通过采集突出点附近的瓦斯浓度传感器获得的初始有效数据，主要利用预测模型，进行快速判识突出及快速预测瓦斯涌出规模。

附图说明

下面结合附图与具体实施方式对本实用新型作更进一步的说明：

图1为本实用新型中的系统的结构原理示意框图。

图2为本实用新型中的巷道模型及瓦斯浓度传感器布置示意图。

图3为本实用新型中的瓦斯突出和其他瓦斯异常时的浓度对比图。

图4为本实用新型中的第二与第四瓦斯虚拟传感器所记录的瓦斯浓度与突出持续时间变化关系图。

图中，1．瓦斯浓度传感器组，2．光缆，3．监测数据通讯分站，4．预警服务器，5．局域网，6．计算机终端，7．报警器，8．中心计算机，9．掘进巷道，10．突出点，11．上山，12．工作面回风巷，13．采煤工作面，14．工作面进风巷，15．运输大巷，101．第一瓦斯浓度传感器，102．第二瓦斯浓度传感器，103．第三瓦斯浓度传感器，104．第四瓦斯浓度传感器，105．第五瓦斯浓度传感器，106．第六瓦斯浓度传感器，107．第七瓦斯浓度传感器。

具体实施方式

以下结合附图和实施例对本实用新型作进一步的详细说明。

参见图1，首先利用中心计算机（个人工作站）建立预测系统软件，并置于预警服务器中；井下瓦斯浓度传感器监测到的实时数据通过监测数据通讯分站传输到预警服务器，并在预警服务器中分析数据，得出分析结果；将分析结果通过局域网在计算机终端中显示，并视情况由报警器进行报警或作出相应提示。

参见图2，假设掘进巷道具有突出危险性，已知掘进巷道尺寸、上山的断面尺寸及上山的风速；在各特定位置布设瓦斯浓度传感器，可设置7个瓦斯浓度传感器以便快速、准确、全面地判识突出并预测突出规模，具体为：在掘进巷道中距离掘进巷道与上山相交位置10米处布置第一瓦斯浓度传感器，在上山中距离上山与掘进巷道相交位置10米处分别布置第二瓦斯浓度传感器和第三瓦斯浓度传感器，在距离第二瓦斯浓度传感器80米处布置第四瓦斯浓度传感器，在工作面的回风巷、进风巷、运输大巷中分别布置第五、第六、第七瓦斯浓度传感器。

上述瓦斯浓度传感器所监测到的瓦斯浓度异常，根据实际一般有突出、放炮、通风故障等情况。这些情况下瓦斯浓度的变化曲线参见图3。当发生瓦斯突出时，瓦斯浓度变化如曲线①所示，其特点是浓度上升速度快，达到的最高瓦斯浓度值较大，在高浓度持续时间长；其他瓦斯异常情况下，瓦斯浓度变化如曲线②、③所示，其特点是瓦斯浓度上升相对较慢，在最高浓度时持续的时间短等。

据此，当第一瓦斯浓度传感器监测到掘进巷道内的瓦斯超限（如瓦斯浓度>1%），则可根据第一、第三瓦斯浓度传感器的数据快速判断是否发生突出，判断准则具体为：(1)第一、第三瓦斯浓度传感器监测到的瓦斯浓度峰值都大于50%；(2)第一、第三瓦斯浓度传感器监测到的瓦斯浓度由5%上升到50%的时间都小于30秒。当条件(1)和(2)同时成立时，可判断突出发生；反之判断为不突出，则引起瓦斯浓度异常的的原因可能为放炮或煤岩应力发生变化。此时可通过计算机终端和报警器给予相应报警或提示。

利用中心计算机和预警服务器，按照实际参数，运用数值模拟软件建立包括掘进巷道、上山、工作面回风巷、工作面进风巷及运输大巷的二维物理模型。其中所模拟的掘进巷道和上山的断面尺寸为4m×3m，上山的风速为3m/s；

在物理模型中设置2个瓦斯浓度监测点，并安装第二虚拟瓦斯浓度传感器和第四虚拟瓦斯浓度传感器，分别对应上述实际情况中的第二、第四瓦斯浓度传感器及其布设位置。根据两个虚拟瓦斯浓度传感器的模拟数据建立预测模型，该预测模型的数学表达式为：

\{\begin{matrix} T = a_{1} + b_{1} t_{1} + c_{1} t_{2} \\ Q = a_{2} + b_{2} t_{1}^{α} + c_{2} t_{2}^{β} \\ L = a_{3} + b_{3} t_{1} + c_{3} t_{2} \end{matrix} - - - (1)

式中Q、T、L分别为突出中瓦斯涌出量、突出持续时间及瓦斯逆流长度；t₁为第二与第四瓦斯虚拟传感器所记录的瓦斯浓度上升到40%时的时间差，即t₁为第四虚拟瓦斯浓度传感器瓦斯浓度上升到40%的时刻与第二虚拟瓦斯浓度传感器瓦斯浓度上升到40%的时刻之差；t₂为第四瓦斯虚拟传感器所记录的瓦斯浓度由5%上升到80%时的时间差，即t₂为第四虚拟瓦斯浓度传感器瓦斯浓度上升到80%的时刻与上升到5%时的时刻之差；a_i、b_i、c_i(i=1,2,3)及α和β是拟合常数。

诸如：选取瓦斯涌出量Q为3600m³，突出持续时间为T为30s，模拟煤与瓦斯突出后，瓦斯在巷道网络中运移衰减。模拟后，得到本次突出逆流长度为112m，提取上述两个监测点的瓦斯浓度数据，如附图4中曲线④和⑤所示。得到第四虚拟瓦斯浓度传感器所在位置处的瓦斯浓度由5%上升到80%时的时间t₂为3.8s，第二、第四虚拟瓦斯浓度传感器的瓦斯浓度上升到40%时的时间差t₁为13.1s。改变瓦斯涌出量Q和突出持续时间T分别进行数值模拟计算，得到不同工况下的t₁和t₂值；拟合t₁、t₂和瓦斯涌出量Q、突出持续时间T及瓦斯逆流长度L之间的关系，得到拟合系数a_i、b_i、c_i(i=1,2,3)及α和β的值，上述式（1）可写为：

T=5.0+24.1t₁-9.5t₂

Q = 3001.8 - 8990.1 t_{1}^{- 0.9} + 13975.7 t_{2}^{- 0.55} - - - (2)

L=4.1-1.7T+0.043Q

上述瓦斯浓度传感器组的监测数据会实时传输到预警服务器，当某些瓦斯浓度传感器监测到瓦斯浓度出现异常，且根据第一、第三瓦斯浓度传感器3监测到的掘进巷道内的瓦斯浓度数据，利用判断条件（准则）判断为突出发生时，可利用第二、第四瓦斯浓度传感器记录的瓦斯浓度数据和/或预警服务器中预测模型对本次突出的规模进行预测；并将预测结果通过局域网5传输到终端电脑6，并在报警器7中报警。预测步骤具体为：

（1）当第二瓦斯浓度传感器监测的瓦斯浓度峰值小于2%，则预测本次突出瓦斯涌出量小于400m³，突出持续时间超过15s，且未引起瓦斯逆流，突出的瓦斯都将顺风流排出矿井。

（2）当第四瓦斯浓度传感器监测的瓦斯浓度峰值小于2%，且第二瓦斯浓度传感器监测的瓦斯浓度峰值大于2%小于80%，则预测本次突出瓦斯涌出量小于1000m³，逆流长度小于50m。

（3）当第四瓦斯浓度传感器监测的瓦斯浓度峰值小于2%，且第二瓦斯浓度传感器监测的瓦斯浓度峰值大于80%，则预测本次突出瓦斯涌出量小于2000m³，逆流长度小于80m。

（4）当第四瓦斯浓度传感器监测的瓦斯浓度峰值大于40%（或当第四瓦斯浓度传感器监测的瓦斯浓度峰值大于2%小于40%，则设定t₁为第二、第四瓦斯浓度传感器的瓦斯浓度上升到第四瓦斯浓度传感器监测的瓦斯浓度峰值时的时间差），则可利用式（2）及实际监测到的t₁、t₂值，预测本次突出的瓦斯涌出量、突出持续时间及逆流长度。

本实用新型对其他区域的预警如下，当第五、第六瓦斯浓度传感器监测的数据出现异常时，说明涌出瓦斯已影响到回采工作面，应对回风巷、工作面、进风巷内的人员给予警示；若第七瓦斯浓度传感器监测的数据出现异常，则应对下风向所有区域给予警示。

上述方式中未述及的有关技术内容采取或借鉴已有技术即可实现。

需要说明的是，在本说明书的教导下本领域技术人员还可以作出这样或那样的容易变化方式，诸如等同方式，或明显变形方式。上述的变化方式均应在本实用新型的保护范围之内。

Claims

1.一种判识突出事故及预测瓦斯涌出规模的系统，其特征在于包括瓦斯浓度传感器组、光缆、监测数据通讯分站、中心计算机、预警服务器、局域网、计算机终端、报警器；瓦斯浓度传感器组监测的数据信号经监测数据通讯分站，通过光缆输入预警服务器，中心计算机提供预警服务器中相关数据处理模块的数据，预警服务器通过局域网连接计算机终端，计算机终端连接报警器；上述瓦斯浓度传感器组包括：在掘进巷道中距离其与上山相交位置10米处布置的第一瓦斯浓度传感器，在上山中距离其与掘进巷道相交位置10米处分别布置的第二瓦斯浓度传感器和第三瓦斯浓度传感器，在上山中距离第二瓦斯浓度传感器80米处布置的第四瓦斯浓度传感器。

2.根据权利要求1所述的一种判识突出事故及预测瓦斯涌出规模的系统，其特征在于上述瓦斯浓度传感器组还包括：在工作面的回风巷中布置的第五瓦斯浓度传感器，在工作面的进风巷中布置的第六瓦斯浓度传感器，在工作面的运输大巷中布置的第七瓦斯浓度传感器。