移动扫码阅读
特约综述
移动扫码阅读
煤矿智能化是我国煤炭工业高质量发展的核心技术支撑已成为行业广泛共识，这与技术发展、政策顶层设计及全行业协同推进密不可分。2020年2月，国家发展改革委、国家能源局等八部委联合印发了《关于加快煤矿智能化发展的指导意见》，指出要加快推进煤炭行业供给侧结构改革和高质量发展，这对于我国煤炭工业发展具有里程碑意义[1]。2020年11月，中国煤炭工业协会、中国煤炭科工集团及煤矿智能化创新联盟共同发布了《中国煤矿智能化发展报告》[2]，系统总结了中国煤矿发展及信息化建设的基本情况，阐述了煤矿智能化基础理论及关键技术研究进展，详细介绍了智能化示范煤矿的建设实践情况，布局了煤矿智能化建设标准体系。2020年底，国家发展改革委、国家能源局启动了首批71处国家智能化煤矿建设示范项目，全力推动智能化建设的示范培育，加速行业智能化水平提升[3]。2021年6月，为科学规范有序开展煤矿智能化建设，统一衡量智能化建设质量，加快建成一批多种类型、不同模式的智能化煤矿，国家能源局发布了《煤矿智能化建设指南》[4]，起草制定了《智能化煤矿验收办法》[5]。
同时，为推进产业链与创新链融合，组织行业各方力量推动煤矿智能化建设，2019年7月由国家能源局等政府部门支持，中国煤炭学会和中国煤炭科工集团发起成立煤矿智能化创新联盟；2021年3月，成立了中国自动化学会智慧矿山专业委员会；创刊了《智能矿山》杂志，从政策制定、技术指引到技术研究实践，全方位推动煤矿智能化发展。
在2019年国家自然科学基金重点项目“数字煤矿及智能化开采基础理论研究”的支持下，相关学者开展了煤矿智能化基础理论的研究。通过构建煤矿数字逻辑模型、多源异构数据处理理论方法、复杂系统智能控制基础理论、智能化煤矿系统性维护及智能化开采基础理论体系[6-7]，为煤矿智能决策、精确控制、可靠性保障奠定了理论基础。
1)针对煤矿智能化系统信息多元异构、关系错综复杂、描述表达不统一、虚实映射困难等问题，抽象煤矿各类数据的特征，采用与物理实体同样的描述方法，建立信息实体，包括结构信息、属性信息和功能信息，如图1所示。
图1 信息实体单元组成
Fig.1 Information entity unit composition
2)提出了信息虚实映射机理。煤炭开采尚难实现数字孪生，但可将实体之间的物理逻辑、功能逻辑、事件逻辑以“投影信息实体”的形式融入三维虚拟仿真系统中，驱动仿真对象表征物理实体的关联关系，从而映射出主要的开采工艺过程。
3)提出了信息实体智能匹配、推送及动态更新方法。基于工作流引擎分解开采行为，构建开采过程知识需求模型，基于开采信息匹配度计算方法，构建基于粗糙集及模糊综合决策的知识推送规则，给出信息实体的时变动态因子，提出大数据驱动的信息实体更新进化策略。
4)提出了复杂地质条件下智能开采技术路径。通过准确获取开采系统空间状态信息，并利用三维仿真系统对复杂地质条件干扰因素介入后的状况提前进行仿真计算，从而决策后续生产工艺和参数。
5)提出了数据驱动的开采系统设备群健康状态评价方法。建立了基于GA-BP的采煤机健康状态智能评估模型，实现自学习、自寻优和自主判断采煤机的健康状态。
6)提出了开采系统双层机会维修决策模型。研究煤矿综采设备群维护调度优化，引入了机会维护思想，确定不同设备的故障分布规律，建立设备维护效果模型；以人与管理为影响因素建立煤矿设备维护不安全耦合模型，以设备维护费用建立维护费用最低模型；基于维护顺序编码的交叉算子POX的改进遗传算法进行案例求解。
煤矿智能化建设是一个多系统、多层次、多领域相互匹配融合的复杂系统工程，建立完整的煤矿智能化技术标准体系是建设智能化煤矿的基础与指南[8]。2020年初，煤矿智能化创新联盟发布了《煤矿智能化顶层架构与标准体系框架白皮书》，建立了体系性、继承性和前瞻性的煤矿智能化标准体系[9-10]，有助于开展煤矿智能化顶层设计和总体布局，对于明确煤矿智能化的发展方向和重点任务，确保智能化相关技术在煤矿得到有效应用具有非常重要的意义。煤矿智能化标准体系总体框架包括通用基础、支撑技术与平台、煤矿信息互联网、智能控制系统及装备、安全监控及防控装备、生产保障6类标准组成，如图2所示。
图2 煤矿智能化标准体系
Fig.2 Standard system of coal mine intelligence
2020年11月，制订发布了《智能化煤矿(井工)分类、分级技术条件与评价》[11]和《智能化采煤工作面分类、分级技术条件与评价指标体系》[12]2项最为重要的标准。2021年完成了51项煤矿智能化标准的立项工作。
我国煤层赋存条件复杂多样，不同煤矿的开采技术与装备水平、工程基础、技术路径、建设目标等均存在较大差异，且受制于智能化开采技术与装备发展水平，使得不同煤层赋存条件矿井进行智能化建设的难易程度与最终效果也存在一定差异[13]。例如，陕蒙大型煤炭基地煤层赋存条件较好，煤矿智能化投入较大，建设基础好，应用效果较好，智能化建设速度就快；而东部部分老矿区开采条件复杂，经济效益差，智能化建设基础薄弱，开采技术装备适应性差，智能化建设则相对缓慢。
煤矿智能化建设应结合煤矿具体建设基础、开采条件等制定切实可行的智能化建设方案，通过分类建设和科学顶层规划建设开发可迭代发展的系统架构，不断完善系统智能化，推进智能系统化，分阶段实现智能化煤矿初、中、高级建设目标，如图3所示。
图3 智能化煤矿分类、分级
Fig.3 Classification of intelligent coal mines
1)薄煤层和中厚煤层工作面内无人操作远程控制采煤。薄煤层赋存条件相对复杂，煤层在三维空间起伏频繁、厚度变化大；设备运行空间狭窄，系统尺寸和能力受到限制，实现自动化、无人化控制难度大。中厚煤层地质条件一般较好，易于实现自动化。因而，这2类煤层共同的要求是实现工作面内的无人操作。为此，需要解决全工作面跟机、煤层变化适应性、设备状态(采煤机姿态、支架姿态等)远程干预、采煤机滚筒高度自动调节等技术难题。经过多年的研究实践，目前能够实现工人在集控中心远程监控，工作面内无人操作，自动完成双向割煤；中部实现自动控制跟机移架，机头、机尾自动斜切进刀割三角煤后返刀扫底清浮煤；研发了超大伸缩比、大功率成套装备。2014年陕煤黄陵一矿在厚1.4～2.2 m煤层实现巷道监控中心2人可视化远程干预控制，工作面内1人巡视的常态化连续运行，月产量达到17.03万t，年生产能力200万t以上，近年来又进一步升级完善了超前智能支护、工作面地质模型构建和采煤机智能调高等功能，薄煤层开采工作面如图4所示。国家能源神东榆家梁煤矿在厚1.4 m以上煤层实现高质量智能化开采，在山东临沂、枣矿滨湖、新汶翟镇、伊泰宝山矿、淄博双欣等煤矿推广应用，取得了良好效果。
图4 薄煤层开采工作面
Fig.4 Mining face of thin coal seam
2)厚煤层大采高和超大采高智能化开采。厚煤层大采高和超大采高智能化开采面临着围岩控制、装备姿态控制、端头过渡方式、粉尘等问题[14]。针对上述问题，发明了基于煤壁“拉裂-滑移”模型的临界护帮参数确定方法[15]，揭示了煤壁破坏深度、宽度与煤体强度、护帮力及开采高度的关系，发明了综合考虑顶板和煤壁稳定的支护强度“双因素”确定方法[16]，获得了大采高和超大采高围岩控制的关键参数；研发了工作面高精度惯性导航系统、液压支架位姿监测系统等，实现了工作面装备整体姿态的实时测量及精准控制；发明了端头大梯度过渡的阶梯式协同作业工艺方法及超长工作面高效采煤作业系统，解决了超大采高工作面连续作业难题；通过在工作面安装摄像仪，将人的视听感官延伸到工作面，实时追踪采煤机位置，自动完成视频跟机推送、视频拼接等功能，为工作面可视化远程监控提供“身临其境”的视觉感受，指导远程生产。金鸡滩煤矿自2016年起研发应用8.2 m超大采高液压支架及综采技术，实现工作面日产6.16万t，月产153万t，年产1 500万t，工效为1 247 t/工，采出率98%以上[17]。神东上湾煤矿自2018年起研发应用8.8 m超大采高液压支架及成套装备取得成功。陕煤榆北煤业有限公司与天地科技股份有限公司等合作研发出10 m超大采高液压支架样机，目前正在推进10 m超大采高综采成套装备和技术应用。
3)特厚煤层智能化综放开采。特厚煤层大采高综放工作面开采面临2大难题：①顶煤厚度大幅增加，在矿山压力一定的条件下，顶煤不易破碎，形成的煤体块度大，难以放出；②放煤时间长、回收率下降，普通综放配套方式及人工控制放煤，难以提高资源采出率及开采效率。为解决上述难题，系统分析了坚硬、特厚煤层工作面开采高度、顶煤破碎块度、放煤步距等对顶煤放出率、含矸率、开采效率的影响，提出提高大采高综放工作面机采高度、采用三刀一放可以实现放出率、含矸率、放出效率最优。研究了基于多传感器融合的煤矸放落识别技术及自动控制放煤技术，建立工作面三维地质模型，以地质条件、矿压显现、顶煤冒放性、顶煤运移与放出数据等为先决条件，以顶煤采出率与含矸率最优为约束条件，建立不同场景条件下的放煤工艺控制模式。组成了基于人-机-环境系统的放煤工艺决策系统，在金鸡滩煤矿7～11 m超大采高综放开采工作面应用，最高月产达到202万t，最高日产7.9万t，具备年产2 000万t能力[18]，7～11 m超大采高综放开采工作面成套装备如图5所示。
图5 7～11 m超大采高综放开采工作面成套装备
Fig.5 Complete sets of equipment for 7～11 m super large mining height fully-mechanized top-coal caving mining face
2018年以来智能化煤矿建设进入了快速发展阶段，各大煤炭企业全力推动先进技术落地应用。目前，全国生产煤矿共计3 000多座，其中120万t以上的煤矿1 200余处，千万吨级煤矿44处。71处国家首批智能化示范建设煤矿中，井工矿66处，露天矿5处，智能化升级改造煤矿63处，新(改扩)建智能化煤矿8处，已建成500多个智能化工作面。形成了黄陵智能化煤矿建设模式，老矿区复杂条件智能煤矿建设模式，蒙、陕、晋千万吨级高强开采智能化煤矿建设模式等。
陕西陕煤黄陵矿业有限公司针对黄陵含油型气复杂煤层条件，发明了油型气不均匀涌出条件下工作面连续高效开采方法，研发了超前预测多级联动智能控制采煤系统和成套装备。实现常态化工作面无人操作的地面控制采煤，创造智能化开采的黄陵模式[19]。黄陵矿业在“智能矿井，智慧矿区”建设中，率先实现薄、中、厚煤层智能化开采全覆盖，发布煤炭行业智能化开采技术标准，建立了“透明地质”精准开采工作面，提出了“AI+NOSA”智能风险管控体系，引领了煤炭生产方式变革。
陕西陕煤陕北矿业张家峁煤矿2018年全面启动“智能化煤矿巨系统关键技术与装备研发”和智能化煤矿建设，并被列入国家首批智能化煤矿示范建设项目[20]。经过4 a的联合攻关，取得十大创新成果，包括：
1)开发和应用了基于工业互联网的智能综合管控平台及大数据系统，实现了全矿井92个在用系统的集成和优化，“井上-地面”一键式全流程管控，彻底打通数据壁垒，数据利用率整体提升了50%以上。
2)建立了矿井级5G高速信息传输网络及高精度人员、设备定位系统，开启了井下信息高速公路，为设备实时精准控制、无人驾驶、人员安全防控提供了坚实基础。
3)研发了基于透明地质模型的4D-GIS地理信息系统系统，突破BIM+GIS融合与虚拟仿真的井下信息实时动态更新技术，实现采掘过程、人员、地质等动态信息的自动更新和实时显示，全面掌控井下生产状况。
4)建成了1个5G+厚煤层、2个中厚煤层、1个薄煤层智能化综采工作面，工作面内无人操作、设备运行数据自动化监测及远程集控，设备开机率提升20%，整体生产效率提高30%。
5)突破了掘锚一体机高精度导航、关键位置自主检测、远程多机协同控制等难题，研发了掘锚一体机-锚破运一体机-过渡运输的智能化快速掘进系统，最高日进尺120 m，月进尺达到2 702 m。
6)研发了具备多点移动式测风、风量远程定量化调节、主运巷外因火灾局部反风控制、灾变分析与智能决策功能的智能通风综合管控系统，实现了120 s内智能辅助决策控风，主要井巷控风精度>95%。
7)研发了辅助燃油物料车和锂电池驱动无人驾驶系统及智能调度系统，实现了车辆转向、制动和驱动智能化控制及地面到井下的全程无人调度运行，已累计运行1 200多千米。
8)建设了全煤流智能运输监测、矿井水资源智能管理、回风巷巡检机器人等固定岗位和场所自动监控系统，实现了井上井下23个机房硐室，66个操作岗位的“有人巡检、无人值守”，全面实现了井下作业的智能化、少人化。
9)建设了支撑全矿智能化的大数据中心和智慧指挥中心，集生产调度、安全运行、企业管理于一体，实现矿井各环节工作流程的纵向贯通与横向关联融合，支撑智能化系统的高效应用与优化升级。
10)构建了安全管理双重预防机制，形成了企业财务、人资、党建等多数据融合的企业信息化管理模式，逐步完善智能化煤矿最优劳动组织和人员岗位架构，实现了煤矿全方位高质量发展。
陕西延长石油矿业公司巴拉素煤矿是一个规划年产1 000万的新建矿井，从建设之初就确定了智能化煤矿建设目标，全面按照智能化进行建设，秉承“高起点、高标准、高效率、高效益”的原则，遵循“设计一流、装备一流、管理一流、效率一流”的建设理念，采用人工智能、大数据、互联网等新技术改变传统生产、生活方式而形成的全新工业模式和运行体系。根据顶层设计，全矿构建基于5G的高效信息网络和精准位置服务系统，并连接4D-GIS透明地质模型及动态信息系统，实现全矿控制、管理、经营的一体化。基于“云边端”数据架构和三层递阶控制策略构建一体化云数据中心和区域控制核心，实现边云协同，分布式控制。建设过程中对智能化管理体系进行研究，确定智能化煤矿生产运营管理的具体要求和管理流程，建立与智能化煤矿生产方式相适应的管理模式，提高管理效率，最大限度发挥煤矿智能化能力。建设了智能化工作面系统、快速掘进系统、固定场所无人值守系统等18个智能系统及综合管控平台，实现监测全时空、作业自动化、决策智能化、控制实时化、知识模型化、管理信息化、业务流转数字化以及煤矿的数据集成、能力集成和应用集成。
陕煤神木柠条塔煤矿正在开展机器人集群技术的研发与工程示范，目前已经部署、应用20余种井下机器人，正在开发煤矿机器人集群调度指挥平台；陕西延长石油榆林煤化有限公司可可盖煤矿正在开展智能化建井技术研发与工程示范，采用全矿井机械破岩智能化建井模式，竖井采用直径8.5 m一钻成井智能化竖井钻机及配套装备，创新西部复杂地层斜井全断面硬岩隧道掘进机(Tunnel Boring Machine, TBM)掘进破岩、排渣、支护、控水、通风等智能化施工工艺，形成新的建井工法和标准体系，推动智能化建井发展进程；此外，国家能源神东煤炭集团、山东能源集团、华能煤业等都在全力推进煤矿智能化建设。
煤矿智能化建设是一个迭代发展，不断进步的过程，不是一次性结果，更不是“基建交钥匙工程”,智能化煤矿建设开启了煤炭行业全面创新和技术变革的新时代，是高质量发展的核心技术支撑[21]。煤矿智能化发展的目标是实现煤矿全时空多源信息实时感知，安全风险双重预防闭环管控,全流程人-机-环-管数字互联高效协同运行，生产现场全自动化作业[22]，让煤矿职工有更多幸福获得，煤炭企业实现更大价值创造。
1)智能化煤矿信息模型研究。智能化煤矿系统数据离散，因此需从煤矿系统关联与数据特征出发，对煤矿数字信息实现特征与语义提取，从而构建数据快速汇聚于关联分析[23]。因此，首先构建了基于时空分布的煤矿数据描述模型，提出了基于“分级抽取-关联分析-虚实映射”的数字煤矿智慧逻辑模型，形成多源异构数据处理理论方法，在此基础上构建基于OPCUA的统一架构明确信息模型映射、数据存储及交互规则，进而构建煤矿数据资源全信息模型[24]，如图6所示。
图6 智能化煤矿信息模型构建
Fig.6 Construction of an intelligent coal mine information model
2)智能化煤矿数据标准体系构建。数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束，包括数据业务属性、技术属性和管理属性的表达、格式及定义的约定统一定义；可作为数据质量控制的准则、数据模型设计以及信息系统设计的参考依据。通过梳理国际标准、国家标准、行业标准，结合智能化煤矿生产经营活动涉及的数据资源特点，构建了智能化煤矿数据标准体系(图7)。
图7 智能化煤矿数据标准体系
Fig.7 Intelligent coal mine data standard system
该体系将全部标准规范划分为基础标准、技术标准、业务标准3大类。其中，基础标准规定了整个体系的框架、术语定义、技术参考模型和数据分类标准。技术标准规定了智能化煤矿大数据资源从数据生产、管理到服务全生命周期关键节点的标准化，包括元数据、数据管理、数据质量和数据安全。业务标准结合了技术标准中的元数据标准内容，包括主数据标准和业务数据标准。
3)煤矿数据推送策略与自动更新机制。智能化煤矿数据资源的共享与交互同其数据资源需求密切相关，一方面依据自身需要通过数据资源共享服务平台提出数据请求，通过对需求进行匹配优选，提供最优数据服务方案；另一方面根据以往数据共享服务历史以及知识库中的逻辑规则，挖掘需求者的隐性需求从而进行主动推送。这些信息来自数字煤矿智能感知的大数据，包括环境数据、周围设备状态数据、控制要求、人员信息等。基于数据信息构建知识需求模型首先需要建立基本控制任务集，随后针对每一物理实体(控制对象)的控制任务定义所需的知识信息。分析控制任务集的触发数据及其二阶行为模式得到相关参数变动趋势，构建需求匹配模型。需求模型匹配并推送的信息包含物理对象的空间状态、变动触发事件及其对开采生产环节的影响。最终在诸多匹配数据中得出需要的数据，并从操作功能库推送给控制对象，由其自身智能控制系统给出最佳的控制方式和参数。
智能化煤矿是一个开放的复杂巨系统，应具有3个要素：①具有对外部信息的实时感知与获取的能力；②具有对感知信息的存储、分析、联想、自学习、自决策的能力；③具备自动执行能力。对于智能化煤矿复杂巨系统，具有单元数量巨大、信息多元异构、关系错综复杂等特点，因此，建设煤矿巨系统智能化，需基于新一代信息技术的数据融合方法，重构和规范各智能化子系统，突破智能化工艺和关键技术装备，构建智能化煤矿复杂巨系统[25]。
智能化矿井建设结合煤炭行业特点、信息化应用与发展趋势，以矿井一体化管控平台为载体，综合集成信息基础设施、矿井生产系统、矿井管理系统3大板块内容，打通安全监测监控、人员定位、融合通信、工业视频、矿压监测、电力监控等多个子系统间的数据传输壁垒，实现各子系统间的资源共享、信息融合与互通。同时从煤矿安全生产管理的角度，充分利用计算机和网络技术手段，实现对煤矿安全防范的集中管理、专家决策与大数据分析等应用，从根本上提升煤矿安全生产的全方位防范能力和煤矿安全防范的整体联动响应水平，为智能矿井深层数据挖掘应用提供信息资源。整体架构从低到高分别为感知层、传输层、计算资源层、平台层、应用层和展现层6部分,总体架构符合新一代信息系统云边端的特点，如图8所示。
图8 煤矿巨系统智能化云边端架构
Fig.8 Intelligent cloud side-end architecture of the coal mine giant system
对于煤矿智能化的关键核心——智能综合管控平台，以煤炭工业大数据为支撑，以智能化矿山基础软件平台为统一基础平台，以智能生产装备集群协同控制为核心，开发机器人集群协同控制应用中心、生产调度协同管控中心、安全保障管理协同应用中心、专业业务应用中心、决策分析综合管控应用中心、运维监测管理中心等6个业务应用中心，形成“一支撑一平台六中心”智能化综合管控的应用架构，并预留与企业经营管理中心的数据集成融合接口，形成以数据资产运营为核心驱动力的矿山科技创新与管理转型，达成以数据为支撑的企业安全生产科学决策思维变革，最终达到实现全矿集中管控与协同调度的目的。
智能综合管控平台各业务中心需面向全矿各业务部分，与管理流程相适应，各业务中心各司其职，高效协同。
1)机器人集群协同控制应用中心。实现矿用掘进机、采煤机、液压支架、无人驾驶车辆、机器人等智能装备、移动设备和特种车辆的状态监测、运维管理、协同作业等远程可视化运行状态与参数的监测与远程协同控制。
2)煤矿生产调度协同管控应用中心。围绕煤矿安全生产调度，实现煤矿、科室及班组的调度协同管理，实现煤矿重点作业区域和固定场所包括综采、综掘、主运输、辅助运输、生产保障、供配电等场所下的集中监视与协同调度，在现场条件满足且可控的情况下，实现远程协同控制。
3)煤矿安全保障管理协同应用中心。以煤矿风险为核心，基于风险状态链的风险分级管控、风险监视、隐患排查治理、风险异常分级预警及联动处置的煤矿风险多重防护机制，包括风险分级管控、安全巡检、领导带班及人员履职、风险融合监视、安全培训、隐患排查治理等功能。
4)煤矿专业业务应用中心。建立煤矿诸如计划管理、一通三防、地测防治水、生产技术、设备全生命周期管理的专业业务应用，并提取安全生产要素信息，以支撑煤矿安全保障管理协同与生产调度协同管控应用。
5)煤矿决策分析综合管控应用中心。研究煤矿安全、生产、运营指标管理体系，定义煤矿安全生产关键指标及管理流程。融合安全生产过程数据进行指标综合分析及管理跟踪，包括风险专题分析、安全指数评价、生产指标分析等；研究煤矿综合、安全、生产、机电等主题大数据看板。
6)煤矿智能化管控平台运维管理中心。基于平台运行探针检测信息的集成，以大数据看板提供整个平台运行的资源、状态的监测与统计，对异常情况及时进行预警提醒及分级处置。
通过梳理智能化变革下的部门管理业务主线，对作业流程标准化，部门间实现共享共建共创，实现管理数字化与智能化；以信息化、自动化、智能化带动矿井行业的改造和发展，构建与智能化煤矿相适应的煤矿管理新模式，从而实现基于数据的业务驱动与协同。
5G+智能化煤矿系统是指充分运用新一代信息系统带来的技术变革和优势，重新梳理现有生产系统和生产关系，通过新技术、新要素、新管理研发新一代智能化系统，而非现有系统的简单升级改造。
5G在这一过程中起到的是关键工具的作用，其大带宽、低延时和广连接的技术特点改变了现有技术架构，进而推动思维逻辑、思维方式和技术体系的变革。从思维逻辑上看，5G低延时和广连接的特性会推动线性思维向网状思维变革，比如由单一的通风控制系统向通风感知-解算-控制-救灾规划-协同调动方向发展；从思维方式上看，其大带宽、广连接的特点和算力的延伸将推动中心化向去中心化转变，比如传统的集中控制模式会逐渐向分散控制转变，终端智能化程度会越来越高，上层会逐渐向提供服务转变；从技术体系上看，现有的各种控制系统、智能终端、控制流程和模式等会随着思维逻辑和思维方式的转变而转变，不仅现有终端形态会发生改变，还会产生更多的新型终端，包括新型传感、新型传输、新型控制和新型执行器等。
由此，5G的应用场景不仅限于传统的远程控制、高清视频传输、固定硐室巡检等，更是基于新一代信息技术的融合变革，比如与虚拟现实技术结合的远程开采，专家支持的运维，与物联网技术结合的多传感并发接入与底层协同决策，与定位导航系统结合的移动巡检与多终端协同等，如图9所示。
图9 5G在煤矿的应用场景
Fig.9 Application scenarios of 5G in coal mines
四维地理信息系统平台(4D-GIS)是煤矿数字化、智能化、智慧化的支撑平台之一[26]。基于4D-GIS平台，采用透明化的高精度动态地质模型、先进的煤矿机电及一体化技术、物联网和云计算技术，以及与信息化相适应的现代企业管理制度为基础，以网络技术为纽带，以煤矿安全生产、高产高效、绿色开采、可持续发展为目标，实现多源煤矿信息的采集、输入、存储、检索、查询、动态修正与专业空间分析，并实现多源信息的多方式输出、实时联机分析处理与决策、专家会诊煤矿安全事故与调度指挥等，从而为智能化煤矿建设提供支撑。
基于智能化煤矿空间数据标准框架，按照“统一标准”“统一平台”“统一数据库”“统一可视化管控”的技术路线，研究4D地理信息系统时空数据结构、数据模型，解决矿井采掘机运通图形数据动态、协同处理难点问题，实现“一张图”模式的煤矿安全生产统一业务管控系统，从横向打通矿井内部、从纵向打通矿井到上级管理部门的信息流，解决智能化煤矿建设中的数据孤岛、数据时效性差、共享应用困难等痛点问题，为煤矿智能开采、大数据分析决策等综合型、智能型应用提供必需的时空支撑。
建设完善的地理信息系统，将矿井各类地理信息按时空数据模型的组织方式统一存储在空间数据库中，提供矿山GIS“一张图”分布式协同一体化平台，实现“采、掘、机、运、通”及相关的图形数据、属性数据处理与应用，实现采掘信息实时更新上图，利用GIS和建筑信息模型BIM(Building Information Modeling)三维建模技术，以三维透明化矿山的形式实现主要采掘设备与地质环境信息的综合集成、三维应急演练多人协同交互等应用，实现地理信息、工程信息的高精度建模与有效融合，并基于GIS与BIM技术实现设备的全生命周期管理，为矿井其他应用系统提供精准的资源视图。
1)研发应用智能钻探、智能物探、智能遥感探测等探测技术，对矿井地质信息进行智能探测、自动数据采集与自动分类处理，实现矿井不同种类地质数据的智能获取、智能分类与智能存储，构建矿井地理信息四维时空数据库，为实现地质数据的统一分析与调用奠定基础。
2)进行地质数据与工程数据的关联分析与融合，构建矿井的四维时空地理信息服务引擎，建立矿井三维地质模型、采煤工作面与掘进工作面高精度三维地质模型，为其他各个应用系统提供地质模型服务。
3)将GIS与BIM进行有效融合形成GIM矿井时空“一张图”，对矿井空间对象数据、业务属性数据以及安全生产实时数据、历史数据等进行综合集成，建设矿井GIM分布式协同系统，为其他各系统提供地质数据与工程数据服务。
晋陕蒙地区煤层埋深普遍较浅、近水平，赋存条件相对简单，易于应用自动化成套装备；但煤层硬度普遍较高，必须采用大功率、高可靠性设备开采[27]。陕北区有7层可采煤层，其中1.3 m以下薄煤层资源约占总储量的20%，硬度f≈4。为充分采出资源、保障煤矿正常生产接续及可持续发展，需将薄煤层与其他近距离煤层联合开采。由于薄煤层空间有限，煤机功率受到限制，现有薄煤层装备在坚硬煤层中无法达到厚煤层中的开采速度，不能满足矿区协调开采和生产接续的需要。因而很多薄煤层资源不得不弃采，造成了巨大的资源浪费。1.1 m浅埋深坚硬薄煤层大功率高效智能化开采成套技术与装备攻克了高速截割长壁开采工艺、高能积比柔性配套系统、大功率半悬机身采煤机及电缆自动拖拽装置、截割线预测生成方法等关键核心技术，解决了低效开采工艺、功率空间约束及无人干预控制的“卡脖子”难题，实现了1.1 m薄煤层的安全高效开采，有效支撑了晋陕蒙大型煤炭基地的科学、合理、协调开发[28]。
1)创新了工作面设备高能积比时空协同及端头大落差柔性配套系统，发明了一种薄和中厚煤层高速截割长壁开采方法[29]。工作面能积比(采煤机装机功率/液压支架断面面积)达到402(为常规薄煤层工作面2.8倍以上)；端头采用大落差下卧式布置，配套高度柔性调节控制系统，无过渡支架，适应工作面与巷道1.4 m以上大落差及其动态变化需求，解决了机头、机尾设备布置难题，实现了机头、机尾自动化割“三角煤”，如图10所示。
图10 薄煤层成套装备及端头大落差柔性配套系统
Fig.10 Complete sets of equipment for thin coal seams and flexible supporting system with large end drop
上述工艺创新实现了薄煤层全工作面整体平行布置、装备高差变化自适应和快速截割“三角煤”工艺，解决了薄煤层快速推进开采生产配套难题，整体生产效率提高了20%以上，满足了矿区协调开采、生产接续需求。
2)创新研发了高速、高可靠、高适应性薄煤层开采成套装备及多机、全工艺流程自主协同运行技术。包括：半悬机身、全悬截割部结构采煤机，有效解决了机面高度、过煤空间和装机功率之间的矛盾，滚筒装载率提高到70%以上[30]，如图11所示；高刚度快速移动液压支架支护高度0.9～1.6 m，工作阻力9 000 kN；高强度、重叠侧卸机头与反卧式自动伸缩机尾的刮板输送机，采用34/86×126型超扁平链[31]。创新研发出采煤机电缆自动拖拽装置，使电缆始终保持拉紧状态，避免多次折弯而损坏，如图12所示。
图11 半悬机身、全悬截割部结构薄煤层采煤机
Fig.11 Semi-suspension body, full-suspension cutting section structure thin seam shearer
图12 采煤机自动拖缆装置
Fig.12 Automatic towing device of coal shearer
上述技术创新实现了薄煤层煤机装备的高速、高适应性、高可靠性运行，采煤机截割滚筒装载率提高了20%以上，支架抗冲击能力提升了22%，刮板输送机功率是原来的1.5倍，有效解决了薄煤层开采空间与煤机装备功率体积矛盾的难题。
3)构建了基于地质建模、图像识别和路径规划决策控制的坚硬薄煤层“预测-修正-执行”智能化开采技术路径。基于动态更新的三维地质模型发明了回采工作面智能开采预测截割线生成方法及装置，实现截割路径自主规划；基于图像煤岩识别、工作面惯导系统，实现沿顶割底的煤层跟随性开采；通过全工作面跟机移架及基于煤流平衡的“三机”协同联动，实现工作面内无人操作，如图13所示。
研发的技术及装备实现了陕北侏罗纪1.1～1.3 m浅埋深、坚硬薄煤层安全高效开采，生产效率提高了20%，实现了工作面内无人操作，年生产能力达到1 Mt。保证了煤层群联合开采时上、下煤层的空间关系，实现了矿区协调开采[32]，如图14所示。
图14 薄煤层成套装备井下应用
Fig.14 Underground application of complete sets of equipment for thin coal seams
张家峁煤矿位于陕北侏罗纪煤田，条件相对较好，支护简单，易于实现快速掘进。基于装备成套化、监测数字化和控制自动化的“三化”发展理念，提出“掘锚一体机+锚杆转载机组(锚运破)+双跨过渡运输” “三机”集约化配套模式，攻克了掘锚机组高精度自主导航技术，建立基于GIS系统的掘进工作面“透明化”地质环境，开发掘进作业装备数字化孪生驱动模型和三维可视化远程集控平台，实现掘进工作面“全息” 感知与场景再现，达到人机协同智能掘进模式[33]。
为保障连续可靠掘进，掘锚一体机采用MB670-1机型，其高可靠性及掘-锚并行作业能力，保证了快速连续截割，单循环时间降到10 min以内；锚杆转载机组起到煤流转运、大块破碎和锚杆(索)支护的多重作用，也称为锚运破一体机，配套3个顶锚，2个帮锚钻臂，两侧顶锚可以进行1 200 mm的水平移动，实现全断面顶锚的支护，可按照支护设计方位和角度进行锚杆施工作业，保证了掘锚平行作业；增加长跨距桥式转载机与带式输送机有效搭接长度，减少刚性架续接次数，是提高巷道掘进速度的有效措施之一，采用双跨距转载后，将搭载距离提高到100 m，进一步提高了平行作业能力，如图15所示。
图15 快速掘进装备配套模式
Fig.15 Supporting mode of rapid excavation equipment
开发了组合导航技术，充分发挥激光制导误差稳定、倾角传感器(或惯导系统)可实时在线监测的特点，二者互相弥补不足、提高总体性能，形成一种全新的导航系统，井下实测表明在100 m距离时，激光接收器的分辨率可达1 mm，精度为3 mm。将倾角传感器更换惯导系统后可实现测距，与大地坐标相融合，如图16所示。
图16 组合导航控制原理
Fig.16 Combined navigation control principle
为解决多机协同控制关键技术，基于矿用高精度超声波和激光传感器，建立多机精准定位体系及协同控制算法，实现掘锚一体机锚、运、破和后部桥式转载机的自动运行[34]。在掘进设备间共布置了10个激光测距传感器、14个激光测距传感器、2个编码器和6个行程开关，采用超声波和激光测距传感器组合感知方法，基于设备位置信息和状态信息，进行多设备之间的信号交互和联锁控制，监测设备的运行状态信息，实现所有设备“一键启停”。
开发了远程集控可视化集控平台，具有掘进工作面三维地质模型构建功能，根据掘进过程中揭露的实际地质信息对模型进行修正，将设备三维模型与超前探测信息、巷道成形质量与三维地质模型进行有效融合，再现工作面真实场景,如图17所示。监测系统对掘进工作面环境(粉尘、瓦斯、水等)进行智能监测与智能分析决策功能，利用工作面UWB人员精确定位系统，具备危险区域人员接近识别与报警功能，实现掘、支、锚、运、破等工序的智能联动。实现基于组合导航定位系统和截割头空间位置计算的定位截割功能，实现从井下集控仓和地面远距离控制掘进工作面掘锚一体机、输送机等设备启停和截割。
图17 掘进工作面数字化监控系统
Fig.17 Digital monitoring system for driving face
围绕智能监测感知、智能决策、智能调控，构建形成了集“风量在线准确监测-控风预案决策-风流隔断/调节响应”一体化智能通风系统，由矿井通风参数准确在线监测系统、三维矿井通风管控智能决策软件平台、矿井通风智能调节设施、通风动力智能控制系统4个子系统组成，如图18所示。
图18 智能通风系统架构设计
Fig.18 Architecture design of intelligent ventilation system
通风智能监测感知是指全矿井范围内通风状态参数的实时在线监测与扰动数据过滤，避免出现矿井局部区域监测感知“空白带”，对矿井通风动力与通风设施运行状态、矿井通风灾变信号进行全时段、无死角感知监测，基于人工智能、大数据技术，对感知数据进行清洗、分类筛选。通风智能感知过程具有以下4个特点[35]：①具有获取有效数据的能力。采用人工智能、大数据技术对感知数据进行分类辨识与提取，过滤掉扰动数据与失真数据；②具有数据分析能力。基于矿井通风状态参数监测数据，融合风流质量与风量参数，动态评价通风职业卫生水平和灾变可能性，实现灾变初期预警功能，实现通风系统异常类型、异常影响范围及异常严重程度的分析与预测；③具有感知信息集成显示能力，比如以云图动态展示显示有害气体分布；④具有多源数据融合信息集成能力。集成安全监控系统、束管监测系统、光纤测温系统、智能通风系统、主通风机监控系统数据，进行一体化集中展示，打破各监控系统数据孤岛，集成多源信息实现通风信息一张图。
矿井通风参数准确在线监测系统是目前通风智能监测感知方面的实现代表[36]。矿井通风参数准确在线监测系统实现了矿井风速、风量、通风阻力的准确在线监测，核心设备包括超声波高精度风速传感器、高效全自动测风系统、矿井通风阻力实时在线监测系统。超声波高精度风速传感器测试量程为0.15～25 m/s，精度为±0.2 m/s，分辨率为0.01 m/s，可准确监测风向。高效全自动测风系统(图19)采用多点测风求取平均值原理，超声波高精度风速传感器为风速测风设备，实现了矿井自动化风量测试，可用于单个巷道风量在线测试、多巷道甚至全矿井风量在线同步测试，全断面平均风速测定误差为±0.2 m/s，测量范围为0.15～25 m/s，完成一次全矿井测风用时小于3 min。矿井通风阻力实时在线监测系统解决了人工测阻费时费力问题，选取矿井关键通风路线，部署通风状态多参传感器，实时监测矿井主要通风路线上节点气压、温度、湿度、密度、风速、风量数据，监测矿井通风阻力三区分布情况，实时在线更新井巷风阻，实时监测矿井自然风压，实时计算矿井通风阻力特性曲线、矿井等积孔、矿井通风难易程度。
图19 高效全自动测风系统
Fig.19 Efficient automatic wind measurement system
通风系统智能决策以大数据分析、人工智能、网络解算技术、云计算为核心技术，具备自主学习的能力，能够达到自主分析的水平，具有以下4个特点：①具有故障诊断分析能力，基于矿井通风状态参数监测数据，进行通风网络实时解算、按需供风模拟、风量供需评估、通风系统故障诊断与定位溯源，实时掌握通风设备设施群组运行状态；②以矿井安全、高效、绿色、低碳运行为目标导向，进行通风调控模拟与智能决策，给出矿井通风动力与通风设施的调控方案；③基于事故灾变源诊断定位结果，给出矿井通风动力与通风设施的应急调控方案；④实时监测模拟灾变时期通风系统影响，计算影响范围，动态评价通风职业卫生水平和灾变可能性，通过事故灾变反演方法进行事故灾变源诊断定位，具备集成安全监控、人员定位、车辆定位等各类安全生产相关子系统数据的功能，制定安全逃生路线，为灾变时期应急救援提供技术支持。
三维矿井通风管控智能决策软件平台是目前通风系统智能决策方面的具体实现代表[37]。三维矿井通风管控智能决策软件平台以通风监测-决策-控制-反馈闭环管控模型为基础，采用前端浏览器/移动客户端-中间服务器-管理客户端-后端云平台的多级软件架构，具有三维空间立体展示、网络解算、报表生成、图件管理、风量调控方案决策和远程自动调控功能，包含了矿井通风系统三维可视化动态显示技术、通风系统三维建模与全场景漫游交互技术、大规模分支的通风网络实时解算快速收敛技术、矿井风量定量调节与风流应急调控智能决策技术与控制技术。形象生动地以三维立体的形式展示了井下巷道和通风设施，实现了风流、烟流、有毒有害气体扩散动画模拟和通风阻力三区/风速/标高/风阻/风量的巷道通风状态参数数据以颜色梯度展示，开发了矿井通风网络实时解算技术；以实时监测数据为基准，在安全监控系统巡检周期内快速迭代解算全矿井巷道风量，消除安全监控系统的风量监控盲区，实现全矿井所有巷道风量在线监测；揭示了调节设施对通风网络风量分布的协同控制机制，建立了基于有限调节设施的控风方案智能调控辅助决策算法，根据矿井智能通风监测感知数据，采用并行计算方法，能够快速决策获得风量定量调节方案和灾变风流应急调控方案，方案内容具体包括调节设施位置、数量、设施调节程度、调控之后风网风量安全性评价结果等；同时作为上位机能够向井下智能通风设备发出决策指令，智能通风设备执行决策指令，实现矿井风量定量调节与风流应急联动控制。
通风系统智能调控以数字化、可视化、自动化技术为核心，对矿井通风动力、通风设施进行精准有序的互联控制，具有以下7个特点：在操作精度、操作速度、时间准确性上全面超越人工操作；将远程人机干预控制模式升级为可视化人机密切协同交互模式；通风设施在保证结构强度条件下大幅降低质量，方便现场运输和安装；通风设施使用过程中自动化程度高、安全性高，节省人员体力消耗，比如风门可实现井下感光和红外开闭、具备红外检测防夹人功能；通风设施具有手动、自动、远程控制多种控制模式，可实现工作面、采区、矿井风量动态精准调控；通风动力设备能实现远程集中控制、自主调控多种控制模式；实现通风动力及通风设施的联动控制，实现全矿井或者局部通风系统风量准确节能调控。
图20 风量定量调节自动风窗
Fig.20 Automatic wind window with quantitative adjustment of air volume
远程自动控制风门、风量定量调节自动风窗是目前矿井通风智能调节设施的实现代表[38]。远程自动控制风门为矿井风流隔断智能通风设施，风量定量调节自动风窗为矿井风量调节智能通风设施。自适应巷道变形让压技术解决了远程自动控制风门因围岩矿压易失效的问题。折弯性风门轻量化结构解决了常规风门井下耐候性差、机械强度低、安装劳动强度大的问题。风门远程解锁-复位-反馈闭环控制技术使远程自动风门具备远程解闭锁同时快速打开两道风门进行紧急排烟疏气的功能。风量定量调节自动风窗开启面积与风阻之间定量关系模型搭建起风窗风量智能远程调控与矿井通风辅助决策智能算法之间“桥梁”，形成风量智能远程调控技术。风量定量调节自动风窗具备远程自动控制、就地气动控制、就地手动控制3种控制模式，可用于采掘工作面风量远程自动调控、硐室风量远程调控、多用风地点风量联合调控、火灾时期区域应急反风、均压防灭火。
局部通风机智能控制系统、主通风智能控制系统是目前通风动力智能控制系统的实现代表。局部通风机智能控制系统以风量监测技术、环境参数监测技术、局部通风机变频技术为基础，进行功能集成耦合，实时监测掘进工作面有效风量，实时评价风筒漏风率、掘进工作面供风量、回风流风速，实现长距离掘进恒定供风、基于环境参数监测的掘进工作面最优供风。主通风智能控制系统以最佳工况点智能决策、通风机变频技术为基础实现主通风机最佳工况点智能调节，同时基于PLC技术实现通风机远程集中控制，将复杂的通风机操作过程实现自动化控制。
井下无人驾驶系统与智能调度系统属于矿井辅助运输范畴，其以车辆精确定位信息为基础，以车载智能终端为核心，辅助井下信号灯控制系统、智能调度系统、语音调度系统和地理信息系统，结合工业电视图像、矿井人员定位信息，实现车辆监控、指令下达、任务调配、报警管理和应急响应，进行辅运车辆、作业人员的全程管控和实时调度。
1)车辆精确定位。目前煤矿多采用超宽带(Ultra Wide-Band，UWB)定位技术对井下移动目标进行定位，定位精度在0.3 m左右[39]。在巷道沿线安装UWB定位基站和读卡器，车辆内置有精确定位和导航模块的标识卡和智能车载终端，利用4G/5G/WiFi和管道定位技术，实时传递位置信息，通过算法自动检测车辆与定位基站的距离，准确标识车辆位置关系(接近、越过、远离)，实现车辆识别。井上利用GPS/北斗定位，井下利用矿井GIS地理信息系统展示井下车辆位置信息、分布情况和运行状态，对井下/井上车辆进行实时监测。
2)安全距离管理。精确定位系统对车辆及人员进行定位，结合地图信息，生成车辆相对坐标值，根据车辆的坐标信息计算出车辆之间或车辆与行人之间的距离。车辆行驶期间，利用车辆定位和人员定位生产的坐标信息进行安全距离管理。
3)车辆测速与错车管理。车辆行驶期间，根据精确定位系统，实时测算车辆行驶速度，当车辆超速行驶时，车载终端发出超速报警信息。车辆进入单行巷道前，精确定位系统可根据巷道内是否有车辆，通过智能调度系统决定车辆是否进入单行巷道，同时对单行巷道内车辆进行智能调度，有序协调车辆管理。
4)无人驾驶。无人驾驶软件界面可实时显示机车具体位置、运行参数、前后视频等信息，具有前进、后退、加速、减速、增压、急停、牵停、鸣笛、灯光、起吊、运行等控制模块，调度人员或司机可通过这些按钮实现远程无人驾驶。
5)智能调度。智能调度系统主要包括车辆监控、指令下达、运输调配、报警管理、应急响应、远程驾驶等功能，进行辅运车辆的全程管控和实时调度。
矿井固定岗位一般指变电所、压风机、抽风机、带式输送机等地面或井下工作面环境相对固定的工作场所[40]。目前，固定岗位主要是基于机器视觉的远程监控技术来实现无人值守，即采用固定摄像头进行工作场所环境和人员活动监测，或利用机器人进行设备运行状态监测和巡检。
1)主煤流无人值守智能运输。智能主煤流无人值守智能运输系统由主运输智能管控平台和主运输智能预警平台组成，包括3个方面内容：①采用机器人进行设备运行状态日常巡检，巡检内容包括运行工况检测、煤量智能感知、人员违规监测、异物识别(大块煤、堆煤、锚杆)等，通过机器人巡检实现无人值守；②解决带式输送机自主调速与多部带式输送机多机协同联动，实现主煤流系统智能运输、节能运行；③解决机电设备故障智能预警，实现主煤流设备远程运维管理。
基于机器视觉的特征信息识别的基本原理是以算法训练平台为图像训练工具，以热成像相机、可见光相机、AI拾音器为检测工具，通过算法训练平台(AI开放平台)的分析处理，实现煤量感知、输送带跑偏、空载、卡堵、异物、起火、大块煤矸、托辊异常、输送带坐人等故障检测与报警[41]。
主煤流智能调速控制系统由地面控制中心、井下控制主站及若干控制分站组成。地面控制中心配有工控机、监控软件，负责监控和调度，井下控制分站主要对设备进行控制。首先基于煤量检测装置对主运系统各部输送带进行煤量识别，将识别结果传入智能煤流运算中心进行分析，然后将计算结果(调速指令、启动方式、启车指令)传递给输送带集控系统，集控系统上位机向PLC或操控器发出控制指令，对各带式输送机进行启停控制和速度调节，实现输送带智能控制，如图21所示。
图21 智能运输拓扑结构
Fig.21 Smart transportation topology
2)变电所、泵房无人值守。变电所、泵房等工作场景固定的场所主要采用智能巡检机器人来进行环境状态感知和设备状态自主监测。智能巡检机器人系统由后台管理系统、轨道系统、供电系统、通信系统、巡检机器人、电机设备健康诊断系统及其他辅助设备组成。机器人采用分布式WiFi通讯与后台服务器进行信息交互，并可结合实际工作需要增加其他系统配置。
巡检机器人的数据采集系统主要包括：红外成像仪、可见光摄像机、拾音器、气体传感器等，其采集的数据分别对应着固定场所设备及环境的温度、图像、音频和气体含量，数据采集系统通过交换机与下位机交换机通过网口连接，并通过无线装置传输到上位机，进行分析及在终端用户界面中进行显示。
智能巡检机器人通过搭载的拾音器，采集设备运行噪声，自动分析判断电气设备、机电设备等主要设备的异常音频，如图22所示，图22a为异常声音时域图，图22b为异常声音频谱图。根据异常声音信号，判断设备是否异常，及时发现故障并报警。
图22 异常声音信号
Fig.22 Abnormal sound signal
智能巡检机器人通过机载红外热像仪对变电所、泵房的重要设备进行红外测温，如图23所示。通过对监测点红外图像数据的采集，准确分析各类监测点温度是否异常，当被检测设备超过设定温度值时，自动报警。
图23 变电所开关柜红外热成像示意
Fig.23 Infrared thermal imaging of switch cabinet in substation
近年来，国家对于煤矿智能化、绿色开采越来越重视，无污染防爆新能源运输车辆、井下机器人等装备的研发应用受到社会各界的广泛关注，而安全、便捷、高效的大功率供电问题成为制约上述装备研发应用的“卡脖子”技术。锂离子蓄电池(以下简称锂电池)是一个有机能量体，具有能量密度高、放电特性平稳、无记忆效应、循环寿命长、民用领域批量化应用等优点，现有矿用防爆动力电源主要采用大容量锂电池，容量主要有20、60、100 Ah等[42]。由于在误用滥用老化，或者生产过程中存在缺陷时，锂电池就有出现泄压、着火、甚至爆炸的可能性，因此尽管在电池类型、最大容量、防爆设计、电池管理系统、井下应用等多方面采取了一系列措施，大容量锂电池的安全使用问题仍是井下防爆车辆和机器人实现“电动化”进程中必须要面对的安全问题。
目前制约在井下安全使用的技术瓶颈主要有3个方面：① 尽管锂电池热失控的机理日益明晰，安全水平不断提升，但现阶段已经商品化的大容量锂电池还无法从根本实现不燃烧、不爆炸。② 国内外对于大容量锂电池在爆炸性环境中应用的基础性研究还不充分，现有防爆技术并不能从根本上解决锂电池发生热失控、热扩散时带来的所有安全问题。解决防爆问题需要基于锂电池燃爆特性，从根本上开展可靠泄压的防爆设计与防爆安全的评估技术研究。③ 民用电动车、电动汽车充电安全事故时有发生，防爆车辆和机器人井下充电涉及的场所选择、硐室设计、监测控制、降温灭火等方面的规程标准与技术装备，这些在煤矿领域基本上都处于起步阶段，缺乏针对性研究。
制约因素主要有2个方面：① 矿山行业的装备电动化刚起步，大容量锂电池的市场需求有限，考虑到煤矿特殊性和可能带来风险，国内主流锂电池生产企业缺乏进入的积极性，从而也影响了矿用电动化装备的安全水平。② GB 3836防爆系列标准的制定是基于IEC 60079国际标准，由于国外对于爆炸性环境中的大容量锂电池的应用需求少，开展的研究工作也少，导致相关标准内容滞后于国内煤矿智能化建设、新装备发展的现状。
解决途径和展望：近年来国家在推进煤矿装备智能化、减排低碳方面出台一系列鼓励政策，电动化是实现智能清洁矿山的必由之路。由于防爆标准、电池技术水平、批量化应用等多方面的原因，目前大容量锂电池是实现电动化的唯一途径。为保障使用安全，建议国家在政策保障、科研投入等方面给予支持，在防爆设计、井下充换电、隔爆新型材料、大数据远程监测与故障预警等方面开展专项研究，组织编制安全标准与技术规范，为矿用装备的绿色新能源化创造条件。
无线通信是利用电磁波信号在自由空中传播的特性进行信息、数据交换，可满足煤矿井下复杂作业环境需求及矿井各类场景的不同应用需求，在煤矿信息化、自动化、智能化等方面发挥着重要的作用[43]。目前，WiFi、LTE和5G等采用电磁波传输方式的技术装备在煤矿有着越来越广泛的应用，此外基于电磁波传输能量的远距离高精度地质探测、无线充电等无线技术装备也在井下逐步发展应用。
由于GB 3836.1—2010中对于允许使用的射频电磁能有最大功率6 W的限制，极大地制约了设备传输效能，严重影响了以5G技术为代表的无线射频技术在煤矿井下的应用。为满足6 W的射频阈功率限值，在目前射频天线阈功率的叠加测算方式下，基站的5G射频发射功率严重受限。井下5G基站普遍采用的是标称发射功率为250 mW的室分设备，经防爆改造后，考虑馈线损耗和隔离元器件的损耗，实际发射功率更小，实际测试最大通信距离仅为100～200 m，边缘传输速率只有10 Mbit/s左右。井下布设防爆5G基站时，由于传输距离较短，基站布设密度大，增加了组网成本和维护工作量。
虽然相关标准有明确要求，但防爆标准中对电磁能限值的要求等同采用IEC 60079.0:2007相应条款。该要求为20世纪80年代国外防爆机构的研究结论，制订标准时的通信技术尚停留在FM、AM调制阶段，与现有5G等最新的无线通信技术的调制方式及所用频段均有所不同，此外国外标准采用安全评估的方法而非试验验证的方法保证其安全性，因此标准的适用性需要与时俱进，进一步研究探索，以匹配当前最新的无线通信技术。此外，标准的6 W限值仅针对单射频源，当煤矿井下布设大量基站等射频发射设备时，即使单台设备的射频能量满足标准限值，依然存在着由于多射频源谐振而产生能量叠加的风险，存在防爆安全隐患。
电磁能防爆问题涉及防爆领域、射频通信领域、电磁波领域等多个学科交叉，技术难度较大，基础性研究较少，缺乏针对煤矿井下电磁环境的可信基础试验数据，电磁能防爆问题亟待解决。
解决途径和展望：建议联合防爆、无线通信、电磁波等相关领域的优质资源，集中开展针对电磁波防爆标准限值的基础性研究，从防爆机理入手，对适用于爆炸性环境的电磁波防爆技术进行相关理论研究及基础试验研究，提出满足煤矿井下防爆安全要求的无线射频设备安全技术要求及评估与检测方法，进行针对性的全方位研究。
电磁能防爆问题的突破可以为5G等射频电磁波技术装备的安全高效应用提供基础性支撑保障，从产品设计、检测检验等方面提供全新的技术思路和防爆解决方案。同时，可以带动高精度地质探测、透地通信、高精度激光雷达、无线充电等技术装备的创新进步，推动煤矿自动化、信息化、智能化发展，促进煤矿安全生产。
截止目前，各大煤矿已在5G煤矿应用方面做了大量探索性工作，包括初期5G在煤矿建网的可行性、5G各频段信号在煤矿井下的传输特性、5G在煤矿上的各种不同组网形式和组网架构等，同时国家安标中心也推动并制定了5G技术在煤矿应用的初步管理办法，使5G在煤矿应用有据可依[44]。在应用场景层面，各煤矿也结合自身特点分别在基于5G技术的高清视频传输、固定硐室巡检、掘进机远程控制、多传感器接入与互联等方面做了大量有益的探索，一方面破解了5G应用初期“投资大、耗电高、传输距离短、不具有可用性、安全隐患大”等种种基于猜测和假设的谣言，另一方面也探索出了5G技术在煤矿应用的卡点。
首先，5G技术在煤矿的应用仍处于网络改进层面。虽然前期做了大量的试验和测试，也做了一些场景的应用，但多是对现有控制系统的网络替代，试验测试完成之后的深入分析和针对性研发基本没有。比如进行的采煤机控制试验，完成了相关控制链路的搭建，简单测试了控制时延和从工作面两端向工作面内的覆盖距离，但并没有详细分析和测试5G信号在综采空间的影响因素和不同断面、不同工作状态下的覆盖能力，因此简单判断工作面是否适合用5G的论据并不充分。
其次，针对5G煤矿应用的场景关键技术和业务模式尚未突破[45]。① 井上下环境相差很大，服务对象和业务模式和地面也有很大区别，当前都是照搬的地面模式，没有针对煤矿井下做相应的研发。比如5G与其他网络融合或相互替代的问题，一些是技术层面的，一些是商业模式层面的，但不论哪个层面的现在各方都不敢打破现有模式，仍然没有完全打通。② 可规模化应用的低成本5G芯片至今没有突破，导致很多厂商不敢布局5G智能终端的研发。③ 对煤矿工艺和流程缺乏梳理和再造，数据挖掘没有建立起生产参数和生产关系之间的逻辑关系，无法支撑场景应用和模式创新。
再者，相关软硬件生态尚未形成，难以形成技术和应用爆发点。前述芯片缺乏是一个重要方面，没有芯片的低成本持续稳定供应各开发商就不敢轻易入局，没有统一的架构和标准大家就会做很多低端重复的工作，浪费大量的人力、物力。软件开发生态更是如此，开发语言、通信协议和功能逻辑多种多样，同样会消耗浪费大量的开发资源，造成协同困难、应用软件臃肿和不友好,软件安全性和可靠性难以得到保障。
构建矿井高精度地质模型要以基础地质模型为基础，不断融入生产揭露的动态、实时地质信息，实现高精度地质模型的动态更新，为智能化开采实践提供地质基础。
近年来透明地质建模取得了一系列理论成果及实用技术。董书宁等[46]分析了在煤炭智能开采背景下地质保障技术面临的探测精度不足、动态信息监测和地质信息系统的难题；程建远等[47]提出了工作面三维地质模型梯级构建技术，依据不同探测阶段数据的种类和精度差异，将地质模型分为4个等级：十米级精度的黑箱模型、十米至亚米等级的灰箱模型、米级至亚米级的白箱模型和亚米级的透明模型。基于工作面地质模型梯级构建技术，在山西某矿井实践表明：地质建模精度较高，其中对煤厚的预测误差小于0.30 m。毛明仓等[48]在黄陵一号井实践了透明工作面隐式迭代建模算法，动态更新后的工作面地质模型在采面前方8 m范围内精度达到0.15 m，实现了基于透明工作面地质模型的智能规划截割采煤工艺；刘再斌等[49]提出透明工作面多属性动态建模方法，对工作面综合探测多源异构数据特征、多属性数据融合算法、动态可视化建模技术进行试验研究。
目前透明地质模型构建存在高精度实时动态探查技术与装备、多源地质数据融合与建模算法、透明地质集成与共享软件平台等方面的制约；探查技术与装备智能化、精准化、实效性、共享性还无法满足智能化采掘需求；透明地质建模对于多源地质数据的挖掘不充分，严重依赖于点数据的内插，建模算法的区域适配性不足；透明地质模型在与煤矿采掘系统集成应用和数据共享方面仍缺乏有效的融合联动和实时互馈，地质预测预报缺乏动态地质信息支撑。
为有效提升透明地质模型在煤矿智能化中的应用效果，需构建数据透明-信息透明-知识透明3层架构下的透明地质系统，从以下方面重点突破：①研发高精度随钻、随掘和随采动态探查技术与装备，实现采掘工作面模型实时动态更新和预测预报；②研究矿井多源地质数据融合技术，结合区域地质沉积规律优化插值算法，充分利用地质数据和适配算法构建高精度多属性地质模型；③研发一体化透明地质软件平台，实现地质数据的统一存储、管理和融合；④采用优化插值算法构建高精度多属性模型，实现实时动态探查数据与地质模型的互馈，并与采掘系统深度融合联动和数据共享，实时提供并更新采掘截割轨迹及隐蔽致灾因素预测预报。
基于统一透明地质基础，可以提升地质保障数据的实时性、共享性、标准性及可靠性，通过全生命周期地质信息和工程信息共享的协同处理机制以及三维交互可视化分析，为煤矿智能化提供全方位透明地质保障支撑。
煤矿生产系统是一个典型的复杂巨系统，涉及采、掘、机、运、通等各业务系统，系统之间存在着开采工艺、设备、人员等复杂耦合关系，具有包含子系统种类繁多、数量庞大、子系统层次多等特点[50]。因此，智能化煤矿需要建设基础应用平台、掘进系统、开采系统等近百个子系统，并且需要考虑不同系统之间的数据、网络、业务和控制兼容问题，从而形成在开拓、采掘、运通、分选、安全保障、生产管理等全过程智能化运行的智慧煤矿。目前，煤矿智能化巨系统兼容协同制约因素主要表现在以下方面：
1)数据标准尚未实现统一。煤矿生产运营管理过程中存在大量多源异构数据，既包含设备状态信息、控制指令等结构化数据，也包含视频、图片、语音等非结构化数据，数据存储方式、处理方法等均存在一定差异，数据之间尚没有实现兼容、互通。
2)网络通信协议兼容性差。网络是智能化煤矿系统之间进行数据交互的纽带，现有煤矿各系统的通信网络协议多样，各类感知设备采用的通信技术标准各不相同，相互之间不能互联互通，导致信息传输受阻、整体稳定性差等问题。
3)业务系统兼容性较差。煤矿各业务系统之间在业务逻辑上存在一系列的空间、时间、功能、事件等关联关系，在生产效率、安全、环保、节能等不同层面需要优化组合，目前，这些环节和业务逻辑只是建立了“表象”的关联状态，未能进行深度有效的挖掘和业务融合，矿山生产预测难、监控难、效率低、安全事故多等问题一直得不到有效解决。
4)系统间协同控制兼容性差。煤矿智能化运行需要各系统进行高精度、实时、快速响应与控制，受煤层条件、开采环境、设备位姿及空间位置关系等因素的影响，设备之间的运行参数存在非线性耦合关系，现有系统之间感知信息不通畅、位姿关系不精确、决策控制逻辑不清晰，导致系统间协同控制兼容性差，缺少考虑各系统的全局智能化综合控制模型。
虽然当前通过将物联网、云计算、大数据、人工智能等与矿山开发技术相融合，煤矿智能化开采技术取得了显著进步[20]，然而，我国煤矿智能化建设的重点仍在采煤工作面，距离全矿井智能化还存在较大的差距。因此，面对煤矿巨系统复杂特点和全矿井智能化建设需求，必须从矿井顶层设计、数据流业务流、网络保障等方面进行长期布局，考虑标准化、开放性等原则，形成煤矿智能化巨系统兼容协同解决方案。
1)从全矿井设计出发，规范智能化煤矿数据中心、主干网络、云平台、井下人员管理系统、智能化地质保障系统、智能化掘进、智能化采煤、智能化主煤流运输、智能化辅助运输、智能化供电、智能化排水、智能化通风、智能化安全监测监控，制定智能化煤矿建设指南，为智能化煤矿建设提供标准指引。
2)实行全面的数据标准化，所有接入操作系统平台的数据均使用统一的格式进行交换与存储，数据互联互通无障碍；同时，使用统一的存储方案，数据的存储和查询性能充分保障，便于数据的统一管理，解决数据资源混乱问题。
3)网络传输要具有强实时性，解决数据传输延迟问题，满足远程实时决策控制的要求；其次要具有强稳定性，解决常见的数据通讯不稳定问题，满足智能系统长时可靠运行的需求。
4)系统开放性。对于新建矿井，所选系统能够支持多种开采装备应用程序的开发与部署，以支持不同应用场景的灵活应用和未来更多先进智能装备的灵活接入，对于已建矿井则考虑通过加入接口转换器等设备保障系统兼容。
掘进工作面空间狭小、作业工序复杂，掘、支、锚、运协同作业困难[51]。受煤层赋存条件及安全作业要求，巷道掘进后需要进行及时支护，复杂条件巷道的空顶距很小，难以实现连续作业；根据《煤矿安全规程》等相关文件规定，要求有掘必探，地质探测、掘进、支护、锚护等相关工序均需要协同配合，现有 技术尚难以实现复杂条件的各工序自动化连续作业：
1)效率低，采掘失衡。在掘进作业的超前探测、破岩、支护等环节中，物探准确性差，结果解释困难，钻探自动化程度低，周期长，制约了巷道掘进的速度；机械破岩尤其是煤矿硬岩对截齿强度和耐磨性要求高，半煤岩和岩巷掘进效率低；钻锚工序复杂，锚、护时间长，掘-锚交替作业，无法连续截割；运输系统延伸等辅助作业用人多。上述问题造成当前掘进效率低，矿井采用多掘进头作业，采区接续紧张，新建矿井巷道开拓任务更加繁重。
解决途径和展望：快速掘进技术是实现采掘平衡是发展的必然要求，全面提高探、掘、支、运、辅等各环节的自动化水平，是智能化掘进发展的重点。
2)用人多，掘支失衡。锚杆支护流程复杂，支护机械化、自动化程度较低，支护速度慢；装备系统性差，以单体锚杆钻机为主，钻孔效率低；围岩破碎、巷道变形快,需及时、高密度、高强度支护，作业时间长，同时掘进工作面作业环境差，割煤期间粉尘浓度高，不能平行作业。为提高掘进速度，只有靠人员的增加，因此造成人员聚集，安全隐患大，这成为掘进发展的主要难题。
解决途径和展望：上述问题是技术本身的复杂性、适应条件的复杂性造成的。首先要解决快速成巷功能性问题，然后解决智能化问题。以支护工艺为基础，以机器人化为手段，探索不同的发展路径，逐步实现支护的自动化，最终达到掘进平衡，少人/无人的作业模式。
3)推进慢，装备适应性差。掘进作业没有类似综采工作面的专业化论证和配套技术，系统性差，多设备零散作业，无法集约化生产；截割部、液压系统、电控系统、传感器等故障率高，设备导航系统稳定性和精度不易保证，设备综合开机率低；尚缺少高效的临时支护设备，锚固、铺网等工艺流程的自动化程度较低，智能化技术发展尚未成熟，自动化水平没有达到要求前，追求过快的效率，矿井必然采用多掘进装备作业，造成用人多的问题。
解决途径和展望：机械化仍是解决快速掘进的首要问题。针对不同矿井和工作面条件，研究开发不同的设备配套模式，在设备选型前进行专业化论证，提高技术适应性；同时，需要不断提升基础工业水平，增强设备可靠性。
工作面自动调高与调直一直被认为是制约综采智能化发展的关键，针对这2个问题国内外专家学者也做了大量不同技术途径的探索和研究[52-54]。
针对工作面自动调高的问题，难点不在于如何调高，而在于如何确定调高的依据和调高的策略。针对调高依据方面，各研究学者一度把综采工作面的煤岩识别作为绕不过的关键问题进行研究，并尝试了振动法、超声法、射线法、图像识别法等各种方法，虽然对一些特殊工况有一定效果但无一能够实现工业化应用。退一步看，假设实现了煤岩识别，许多学者提出可根据识别结果自动调整割煤高度调高采出率，但综合考量并不现实。①如此割煤顶板很难维护管理，液压支架也容易受偏载或是产生架间漏煤，产生安全隐患；②从回采方向看，要应对煤层起伏变化需提前调整采煤机滚筒割顶割底量，采煤机很难紧随煤层调整。因此，基于两巷煤岩识别的截割曲线规划或者调高控制策略研究是比较符合现场实际的解决方案之一。目前待发展的技术主要有回采煤层地质体三维物探原理与技术、三维地质精细建模技术、基于三维地质精细模型的工作面自动调高策略等。
工作面调直一直是困扰工作面上窜下滑控制和整体协同的难题，调直的基础是直线度测量。目前的研究：①基于惯导的直线度测量，主要代表为澳联邦科学院的惯性导航技术，其测量精度可以达到5 cm/100 m，并在国内多个矿区进行了应用测试[55]，但因其校准时间长、与液压支架联动控制效果差和只租不卖等原因没有得到很好的应用；②基于光纤传感的直线度测量，国内学者也做了大量的地面试验，但受制于井下振动、温度等环境影响和安装固定的问题，尚未实现井下应用；③基于视觉的测量方法，目前尚处于探索阶段，井下粉尘和暗光环境等导致设备视觉特征不清晰，测量精度和稳定性有待提高。工作面调直的另一个难题是精确执行。现有的执行机构为推移千斤顶，由液压驱动、开关阀控制，其行程反馈信息多由磁致伸缩传感器测量，此执行机构：①控制很难实现精确，②经常损坏，导致整体执行精度和可靠性难以满足常态化运行的需求。因此，急需研发精度可控、常态可靠的推移执行机构和反馈测量传感装置。
综采大型复杂系统安全正常的运行是保证整个工作面安全高效生产的基础[56]。随着技术进步，系统设备不断增多，其相互协调与配合关系愈加复杂，任何设备故障或异常都将影响生产安全及生产效率。因此，煤矿大规模复杂生产系统可靠性及安全保障技术研究成为亟需。
煤矿大规模复杂生产系统可靠性关键问题主要集中于多因素耦合状态下煤矿设备的健康管理、系统数据可靠性及高效采集、考虑生产调度和维护行为的设备维修决策等方面，其目前研究的痛点问题集中于以下5个方面：
1)传统传感器使用受限。矿用传感器在复杂环境下工作稳定性差，造成设备数据采集可靠性缺乏；采集设备之间通讯协议不统一，数据传输困难。
2)设备可靠性相关传感手段单一，关键信息缺失。目前设备可靠性相关的矿用传感器以振动传感器为主，辅以电流电压等基本采集数据进行故障判断，信息较单一，液压支架，刮板输送机等核心生产装备的可靠性难以进行有效监测。
3)缺乏故障特征样本。设备可靠性信息数据特征稀疏，故障特征样本极难捕捉，在进行训练学习过程中，样本标记缺乏参照，仅能通过理论样本或实验室样本进行参考，缺乏现场工况真实有效的数据。
4)煤矿设备故障识别模式单一。面向单一煤矿设备或系统组件的单一失效模式，结构层次繁杂、分系统众多的复杂分布式机电系统研究困难，导致不易获取煤矿设备的综合健康信息，难以进行设备的智能维护。
5)决策模型鲁棒性差。现研究对象多集中于单个设备或系统组件之间，仅考虑设备的两状态变化，对具有多健康状态的综采设备群类复杂机电系统的预知维护决策研究较少，导致缺少智能决策依据。
煤矿智能化系统可靠性技术架构包含了物理设备层、信息采集层、数据处理层和模型应用层[57]。物理设备层包括采煤机、液压支架、刮板输送机、掘进机等设备，信息采集层包括数据采集与传输；数据处理层包括数据清洗、特征提取及结果存储等；模型应用层包括健康状态评估、剩余寿命预测、维护决策等，如图24所示。
图24 煤矿智能化系统可靠性技术
Fig.24 Reliability technology of coal mine intelligent system
“ABCD”技术体系，即人工智能(Artificial Intelligence, AI)、区块链(Blockchain)、云计算(Cloud computing)、大数据(big Data)等新信息技术的紧密结合，形成现代能源矿业数据管理与应用技术体系，从而助力煤矿企业数字化转型，推动数据智能。在“ABCD”技术体系中，云计算提供安全高效的数据处理能力，大数据平台构建数据管理服务体系，人工智能技术为数据提供智能化处理方法与应用场景，区块链技术则保障数据安全与全生命周期管理，四者缺一不可，构建完整数据生态[58]。
推广新一代信息技术应用，分级建设智能化平台是煤矿智能化建设的重要任务之一，其依赖于煤矿生产管理经营大数据的综合管控[59]。通过集聚不同生产模式、不同地质条件煤矿企业的数据，深度整合数据信息，深耕数据应用场景，以庞大的数据中心加上专用的数据终端，形成数据采集、信息萃取、价值传递的完整链条，才能够实现煤矿行业数据价值最大化。
当前，新一轮煤矿科技革命和数字革命正以前所未有的广度和深度支撑煤矿高质量发展，数据赋能实现多源数据集成分析与数据价值挖掘是实现智能化的基础。目前煤矿ABCD+煤矿技术体系应用过程中，以下问题亟待解决：
1)未构建开放的大数据平台。煤矿各类系统智能化功能的实现除了对于自己本身数据处理之外，往往还依赖于外部系统数据[60]。数据价值应通过多系统数据融合进行体现。目前，由于缺乏统一的数据平台，造成各系统需频繁对接其相关联的外部系统，数据重复采集，造成大量算力的浪费，且系统业务逻辑和智能化功能只是建立了“表象”的关联状态。因此，亟需构建开放的大数据平台，整合煤矿，乃至行业数据，提供统一专业开放的数据服务。
2)数据治理重视不足，亟需建设煤矿数据标准体系。实现数据的全生命周期管理是保障数据得到有效应用的基础[61]。当前，部分煤矿系统的数据采集实现了自动传输，而还具有大量的数据采集工作依赖于手动输入，造成数据采集过程中缺乏统一规范，数据多头录入，难以保证数据的准确性和及时性。尤其是各系统数据之间重复采集与数据精度较低等问题，造成数据冗余、数据值冲突、模式不匹配等，目前数据质量无法支撑系统智能。因此，亟需构建煤矿数据治理与管理体系，以数据质量管理为核心，对于煤矿主数据、元数据、业务数据等构建采集、存储、管理、消费的全生命周期管理，才能有效实现煤矿数据管理与应用。
3)煤矿数据训练样本缺失。不同于互联网数据，煤矿数据具有较强的时效性与专业性，数据获取成本较高，多为“小样本”数据，数据量与数据质量无法满足深度学习的要求。尤其是煤矿开采数据，仅能够积累几公里数据，且很多地质问题具有多解性，难以获得机器学习所需的标记样本。因此煤矿数据进行人工智能算法的应用，需在结合具体应用场景理论的基础上，提升其泛化能力，构建煤矿样本库，使开发、应用、优化成为有机整体。
4)煤矿系统智能化需数据迭代。煤矿系统具有较强专业性，现有AI算法大多无法直接套用，需要在构建数据积累与迭代的基础上根据具体应用场景设计模型，不应快速要求结果。
5)建设煤矿行业云平台，构建煤矿行业知识图谱。基于数据的智能化建设以及知识的提取应在数据积累达到一定数量级后进行特征提取与多源数据融合。现有各煤炭企业数据中心多点建设，各企业之间数据形成数据烟囱，难以有效整合数据资源；由于煤矿场景复杂多变，亟需具有专业背景及了解煤矿工艺的相关技术人员进行专业化的处理，才能够实现数据知识化，现有数据由各大煤矿企业进行数据存储，专业研究人员可接触到的数据较少，造成数据上下游无法打通；现有各煤矿企业纷纷建设混合云平台模式，公有云所部署的系统繁复，对于煤矿数据安全难以进行有效管控，为煤矿数据安全带来隐患，亟需专门面向于煤矿行业的云服务，实现数据安全全面管控。综上所述，亟需建设具有统一数据存储标准、统一数据治理流程、多场景化数据应用的集存储、计算于一体的综合性煤矿行业云平台，解决煤矿生产系统信息孤岛问题，促进煤矿企业之间的互联互通，将数字与算法真正资产化，构建场景化大数据模型，挖掘数据关联关系与决策处理策略，构建煤矿开采与安全行为的决策知识图谱，如图25所示。
图25 煤炭行业云平台建设架构
Fig.25 Cloud platform construction architecture of the coal industry
现有煤炭调峰体系中，煤炭储备基地和进口调峰能力还不能发挥作用。煤矿生产能力调节将是煤炭调峰的重要手段，从供给端入手，通过煤矿生产能力进行调节，挖掘煤炭调峰潜力，应对煤炭供需周期波动和重大突发事件下应急储备不足。
1)调节空间受限。据调研大型国有煤炭企业，现有生产煤矿具备调峰潜力，但是难以发挥作用。① 受制于《煤矿生产能力管理办法》《关于严格审查煤矿生产能力复核结果遏制超能力生产的紧急通知》《关于遏制煤矿超能力生产规范企业生产行为的通知》等政策文件规定，煤炭产能难以有效释放。② 根据《煤矿生产能力管理办法》相关规定，煤矿月度原煤产量不得超过月计划的10%(0.3亿t左右)，调节范围较小，发挥调峰作用有限。
2)影响煤炭企业正常生产工序。调节煤炭产量会导致劳动组织、生产系统、生产制度被打乱；短时间内大型设备配置、生产队伍配置需要较长周期，难以及时响应市场变化；日常巷道维护等也需要大量资金，而重大资金再安排也需要时日。
3)影响煤炭企业总收入。当煤炭供大于求，价格大幅下降时，常规调峰煤矿要进一步压缩煤炭产量，从而降低了收入，对于煤炭企业也是损失；对于应急储备煤矿，要时刻保证富余生产能力，这导致设备、资金、人力投入没有完全发挥投资效益，而巷道维护治理等费用可能高于正常生产时的费用。
4)煤矿安全隐患增加。对生产能力进行调节(超能力或少能力生产)，会改变原有的生产组织方式，甚至会改变施工工艺，可能会带来新的安全隐患。
5)时效性。不同地区、不同时节煤炭需求波动差异显著，且受煤炭运输等因素制约，调峰及时性也受到影响。如何及时确定启动调峰煤矿也是制约调峰效果的一大难题。
6)与现有法律和规定发生冲突。对现有生产煤矿，需要重新核定生产能力的，增加生产能力，认定应急调峰能力，以及提高煤矿月度产量浮动范围等措施，与《煤矿生产能力管理办法》《关于严格审查煤矿生产能力复核结果遏制超能力生产的紧急通知》《关于遏制煤矿超能力生产规范企业生产行为的通知》等政策文件中关于生产能力的规定冲突，需妥善处理。
7)煤炭生产—运输的衔接问题。① 煤炭运力的问题。煤炭运输主要通过铁路、公路和水运，但铁路的装车能力，公路的发车能力，港口码头的能力安排不仅要考虑到煤炭，还要考虑到其他大宗商品运输需求。尤其是铁路运输，煤炭季节性调峰产能必须有铁路运力支持，协调难度大,生产运输调峰的困难较大；② 煤炭运输的时长问题。煤炭运输时间较长，大秦线的运输需要20多天，由山西到中南地区、东南沿海地区也要铁路运输7～15 d，应急功能有限，更加需要针对区域进行调峰；③ 应急需求时间不同，夏天一般为2个月，冬天则更长一些，相应的煤炭运输也会有区别。
煤矿智能化是煤矿综合机械化、自动化的升级发展，是煤炭生产方式和生产力革命的新阶段。煤矿智能化是煤炭工业高质量发展的核心技术支撑，建设智能化煤矿是煤炭工业发展的必由之路。近年来，通过对智能化开采技术与装备的创新研发，突破了多项关键核心技术，在薄和较薄煤层智能化综采、大采高和超大采高智能化综采、特厚煤层智能化综放开采技术与装备等方面取得了重要成果。但是需要明确的是，我国煤矿智能化发展尚处于初级阶段，还有很多不足之处有待加强，全面综合、扎实稳步地推进煤矿智能化发展，将人工智能、区块链、大数据、云计算、物联网、智能装备等新技术与煤炭开采技术继续深度融合，才能打赢煤矿智能化建设的攻坚战。
[1] 方良才.加快煤炭产业数字化转型，为煤炭企业高质量发展提供新动能[J].中国煤炭工业,2021(11)：10-13.
[2] 汤家轩,刘 具,梁跃强,等.“十四五”时期我国煤炭工业发展思考[J].中国煤炭,2021,47(10)：6-10.
TANG Jiaxuan,LIU Ju,LIANG Yueqiang,et al.Thoughts on the development of my country’s coal industry during the “14th Five-Year Plan” period[J].China Coal,2021,47(10)：6-10.
[3] 康红普,王国法,王双明,等.煤炭行业高质量发展研究[J].中国工程科学,2021,23(5)：130-138.
KANG Hongpu,WANG Guofa,WANG Shuangming,et al.Research on the high-quality development of the coal industry[J].Chinese Engineering Science,2021,23(5)：130-138.
[4] 康红普.新时代煤炭工业高质量发展的战略思考[N].中国煤炭报,2021-07-27(004).
KANG Hongpu.Strategic thinking on the high-quality development of the coal industry in the new era[N].China Coal News,2021-07-27(004).
[5] 乌永胜,王亚男,苏鹏程.实施“归核化战略” 促进煤炭产业转型升级[J].经济研究导刊,2021(21)：29-31.
WU Yongsheng,WANG Yanan,SU Pengcheng.Implementing the “Nuclearization Strategy” to promote the transformation and upgrading of the coal industry[J].Economic Research Guide,2021(21)：29-31.
[6] 王国法.加快煤矿智能化建设 推进煤炭行业高质量发展[J].中国煤炭,2021,47(1)：2-10.
WANG Guofa.Accelerate the intelligent construction of coal mines and promote the high-quality development of the coal industry[J].China Coal,2021,47(1)：2-10.
[7] 任怀伟,王国法,赵国瑞,等.智慧煤矿信息逻辑模型及开采系统决策控制方法[J].煤炭学报,2019,44(9)：2923-2935.
REN Huaiwei,WANG Guofa,ZHAO Guorui,et al.Smart coal mine logic model and decision control method of mining system[J].Journal of China Coal Society,2019,44(9)：2923-2935.
[8] 王国法,任怀伟,庞义辉,等.煤矿智能化(初级阶段)技术体系研究与工程进展[J].煤炭科学技术,2020,48(7)：1-27.
WANG Guofa,REN Huaiwei,PANG Yihui,et al.Research and engineering progress of the technology system of coal mine intelligence(primary stage)[J].Coal Science and Technology,2020,48(7)：1-27.
[9] 刘 峰.对煤矿智能化发展的认识和思考[J].中国煤炭工业,2020(8):5-9.
LIU Feng.Understanding and thinking on the development of intelligent coal mines[J].China Coal Industry,2020(8)：5-9.
[10] 张建明,曹文君,王景阳,等.智能化煤矿信息基础设施标准体系研究[J].中国煤炭,2021,47(11):1-6.
ZHANG Jianming,CAO Wenjun,WANG Jingyang,et al.Research on the standard system of intelligent coal mine information infrastructure[J].China Coal,2021,47(11)：1-6.
[11] 王国法,庞义辉,刘 峰,等.智能化煤矿分类、分级评价指标体系[J].煤炭科学技术,2020,48(3)：1-13.
WANG Guofa,PANG Yihui,LIU Feng,et al.Intelligent coal mine classification and classification evaluation index system[J].Coal Science and Technology,2020,48(3)：1-13.
[12] 王国法,徐亚军,孟祥军,等.智能化采煤工作面分类、分级评价指标体系[J].煤炭学报,2020,45(9)：3033-3044.
WANG Guofa,XU Yajun,MENG Xiangjun,et al.Specification,classification and grading evaluation index for smart longwall mining face[J].Journal of China Coal Society,2020,45(9)：3033-3044.
[13] 王国法,徐亚军,张金虎,等.煤矿智能化开采新进展[J].煤炭科学技术,2021,49(1)：1-10.
WANG Guofa,XU Yajun,ZHANG Jinghu,et al.New development of intelligent mining in coal mines[J].Coal Science and Technology,2021,49(1)：1-10.
[14] 霍昱名.厚煤层综放开采顶煤破碎机理及智能化放煤控制研究[D].太原：太原理工大学,2021.
HUO Yuming.Research on the top coal crushing mechanism and intelligent caving control of thick coal seam fully mechanized caving mining[D].Taiyuan：Taiyuan University of Technology,2021.
[15] 庞义辉,王国法.基于煤壁“拉裂-滑移”力学模型的支架护帮结构分析[J].煤炭学报,2017,42(8)：1941-1950.
PANG Yihui,WANG Guofa.Structural analysis of support protection based on the mechanical model of “crack-slip” coal wall[J].Journal of China Coal Society,2017,42(8)：1941-1950.
[16] 孟庆彬,孔令辉,韩立军,等.深部软弱破碎复合顶板煤巷稳定控制技术[J].煤炭学报,2017,42(10):2554-2564.
MENG Qingbin,KONG Linghui,HAN Lijun,et al.Stability control technology for deep weak and broken composite roof coal roadway[J].Journal of China Coal Society,2017,42(10)：2554-2564.
[17] 纪 文.厚煤层开采中煤矿综采技术的应用分析[J].中国石油和化工标准与质量,2021,41(17)：161-162.
JI Wen.Application analysis of fully mechanized coal mining technology in thick coal seam mining[J].China Petroleum and Chemical Standards and Quality,2021,41(17)：161-162.
[18] 张德文,张文坦,郝胜峰.金鸡滩煤矿智能煤流均衡系统研制与应用[J].煤炭科学技术,2021,49(S1)：142-145.
ZHANG Dewen,ZHANG Wentan,HAO Shengfeng.Development and application of intelligent coal flow balance system in Jinjitan Coal Mine[J].Coal Science and Technology,2021,49(S1)：142-145.
[19] 朱元军.黄陵一号煤矿实现数字化矿山的转型实践[J].陕西煤炭,2020,39(3)：119-122.
ZHU Yuanjun.Huangling No.1 Coal Mine to realize the digital mine transformation practice[J].Shaanxi Coal,2020,39(3)：119-122.
[20] 田 诚,王 恒.张家峁煤矿15211综采工作面智能化改造实践[J].中国煤炭,2021,47(11)：44-50.
TIAN Cheng,WANG Heng.Practice of intelligent transformation of 15211 fully-mechanized mining face in Zhangjiamao Coal Mine[J].China Coal,2021,47(11)：44-50.
[21] 王文海,蒋力帅,王庆伟,等.煤矿综采工作面智能开采技术现状与展望[J].中国煤炭,2021,47(11)：51-55.
WANG Wenhai,JIANG Lishuai,WANG Qingwei,et al.Current status and prospects of intelligent mining technology for fully mechanized coal mining face[J].China Coal,2021,47(11)：51-55.
[22] 张建明,曹文君,王景阳,等.智能化煤矿信息基础设施标准体系研究[J].中国煤炭,2021,47(11)：1-6.
ZHANG Jianming,CAO Wenjun,WANG Jingyang,et al.Research on the standard system of intelligent coal mine information infrastructure[J].China Coal,2021,47(11)：1-6.
[23] 何利辉,李朝军.拓展数字化设计推进智能化建设[J].中国建设信息化,2021(16)：46-49.
HE Lihui,LI Chaojun.Expanding digital design and advancing intelligent construction[J].China Construction Information,2021(16)：46-49.
[24] 邹志磊.煤矿智能化建设要构造统一标准统一架构[N].中国矿业报,2021-08-17(001).
ZOU Zhilei.The intelligent construction of coal mines must construct a unified standard and unified framework[N].China Mining News,2021-08-17(001).
[25] 王国法,杜毅博.智慧煤矿与智能化开采技术的发展方向[J].煤炭科学技术,2019,47(1)：1-10.
WANG Guofa,DU Yibo.The development direction of smart coal mining and intelligent mining technology[J].Coal Science and Technology,2019,47(1)：1-10.
[26] 彭 爱.煤矿井下可视化地理信息系统的应用研究[J].自动化应用,2020(5)：55-56,59.
PENG Ai.Research on the application of visual geographic information system underground coal mine[J].Automation Application,2020(5)：55-56,59.
[27] 田山岗,尚冠雄,李季三,等.晋陕蒙煤炭开发战略研究：中国区域煤炭开发战略之新探索[J].中国煤炭地质,2008,20(3)：1-15.
TIAN Shangang,SHANG Guanxiong,LI Jisan,et al.Research on coal development strategy in Shanxi,Shaanxi and Mongolia：a new exploration of China’s regional coal development strategy[J].China Coal Geology,2008,20(3):1-15.
[28] 刘文兵.薄煤层等高式采煤综采工作面采煤工艺研究[J].矿业装备,2021(5)：44-45.
LIU Wenbing.Research on the mining technology of thin seam equal-height fully-mechanized coal mining face[J].Mining Equipment,2021(5)：44-45.
[29] 伍永平,贠东风,解盘石,等.大倾角煤层长壁综采:进展、实践、科学问题[J].煤炭学报,2020,45(1)：24-34.
WU Yongping,YUN Dongfeng,XIE Panshi,et al.Longwall fully-mechanized mining in large dip angle coal seams：progress,practice and scientific issues[J].Journal of China Coal Society,2020,45(1)：24-34.
[30] 张 强,张晓宇.不同卸荷工况下采煤机滚筒截割性能研究[J/OL].河南理工大学学报(自然科学版)：1-10[2021-12-05].https://doi.org/10.16186/j.cnki.1673-9787.2020090075.
ZHANG Qiang,ZHANG Xiaoyu.Research on cutting performance of shearer drum under different unloading conditions[J/OL].Journal of Henan University of Technology(Natural Science Edition)：1-10[2021-12-05].https：//doi.org/10.16186/j.cnki.1673-9787.2020090075.
[31] 孙威伟.刮板输送机链传动系统优化研究[J].机械管理开发,2021,36(11)：63-64,102.
SUN Weiwei.Research on optimization of chain drive system of scraper conveyor[J].Machinery Management Development,2021,36(11)：63-64,102.
[32] 刘东亮.突出矿井近距离煤层联合开采一面三巷布置探索与实践[J].山西煤炭,2021,41(1)：74-79.
LIU Dongliang.Exploration and practice of three-lane layout on one side for combined mining of short-range coal seams in outburst mines[J].Shanxi Coal,2021,41(1)：74-79.
[33] 许日杰,杨 科,吴劲松,等.麻地梁煤矿智能化开采研究[J].工矿自动化，2021，47(11)：9-15.
XU Rijie,YANG Ke,WU Jinsong,et al.Research on intelligent Mining of Madiliang Coal Mine[J].Industry and Mine Automation，2021，47(11)：9-15.
[34] 郑华华.刮板输送机协同控制方案设计[J].机械管理开发,2021,36(11)：271-273.
ZHENG Huahua.Cooperative control scheme design of scraper conveyor[J].Machinery Management Development,2021,36(11)：271-273.
[35] 周福宝,魏连江,夏同强,等.矿井智能通风原理、关键技术及其初步实现[J].煤炭学报,2020,45(6)：2225-2235.
ZHOU Fubao,WEI Lianjiang,XIA Tongqiang,et al.Principle,key technology and preliminary realization of mine intelligent ventilation[J].Journal of China Coal Society,2020,45(6)：2225-2235.
[36] 刘佳季.矿井智能通风与实时监测系统[J].能源与节能,2021(9)：157-158.
LIU Jiaji.Mine intelligent ventilation and real-time monitoring system[J].Energy and Energy Conservation,2021(9)：157-158.
[37] 李义宝.基于实时监控系统的煤矿智能通风系统的研究[J].山东煤炭科技,2021,39(7)：211-213.
LI Yibao.Research on coal mine intelligent ventilation system based on real-time monitoring system[J].Shandong Coal Science and Technology,2021,39(7)：211-213.
[38] 卢新明,尹 红.矿井通风智能化理论与技术[J].煤炭学报,2020,45(6)：2236-2247.
LU Xinming,YIN Hong.The intelligent theory and technology of mine ventilation[J].Journal of China Coal Society,2020,45(6)：2236-2247.
[39] 郭勤勤.基于UWB技术在井下实时定位系统中的应用[J].山东煤炭科技,2021,39(10)：209-211.
GUO Qinqin.Application of UWB technology in underground real-time positioning system[J].Shandong Coal Science and Technology,2021,39(10)：209-211.
[40] 郑鹏健.煤矿井下变电所无人值守监控系统设计与应用[J].机械研究与应用,2021,34(4)：151-152,155.
ZHENG Pengjian.Design and application of unattended monitoring system for coal mine underground substation[J].Mechanical Research and Application,2021,34(4)：151-152,155.
[41] 吴妮真.计算机视觉技术研究及发展趋势分析[J].科技创新与应用,2021,11(34)：58-61.
WU Nizhen.Computer vision technology research and development trend analysis[J].Science and Technology Innovation and Application,2021,11(34)：58-61.
[42] 龙秉政.矿用隔爆锂离子电源箱轻量化设计[J].煤矿机械,2021,42(10)：119-121.
LONG Bingzheng.Lightweight design of explosion-proof lithium-ion power box for mines[J].Coal Mine Machinery,2021,42(10)：119-121.
[43] 苗 磊.煤矿无线通讯新技术的应用[J].矿业装备,2021(5)：28-29.
MIAO Lei.Application of new wireless communication technology in coal mines[J].Mining Equipment,2021(5)：28-29.
[44] 吴劲松.麻地梁煤矿智慧矿山建设实践[J].中国煤炭,2021,47(9)：32-40.
WU Jinsong.Practice of smart mine construction in Madiliang Coal Mine[J].China Coal,2021,47(9)：32-40.
[45] 李伟宏.矿用4G与5G融合系统解决方案研究[J].工矿自动化,2021,47(S2):78-80.
LI Weihong.Research on 4G and 5G fusion system solutions for mining[J].Industry and Mine Automation,2021,47(S2)：78-80.
[46] 董书宁.煤矿安全高效生产地质保障的新技术新装备[J].中国煤炭,2020,46(9)：15-23.
DONG Shuning.New technology and equipment for geological protection of coal mine safety and high efficiency production[J].China Coal,2020,46(9)：15-23.
[47] 程建远,朱梦博,王云宏,等.煤炭智能精准开采工作面地质模型梯级构建及其关键技术[J].煤炭学报,2019,44(8)：2285-2295.
CHENG Jianyuan,ZHU Mengbo,WANG Yunhong,et al.The cascade construction of geological model of coal intelligent precision mining face and its key technology[J].Journal of China Coal Society,2019,44(8)：2285-2295.
[48] 毛明仓,张孝斌,张玉良.基于透明地质大数据智能精准开采技术研究[J].煤炭科学技术,2021,49(1)：286-293.
MAO Mingcang,ZHANG Xiaobin,ZHANG Yuliang.Research on intelligent and precise mining technology based on transparent geological big data[J].Coal Science and Technology,2021,49(1)：286-293.
[49] 任怀伟,薛忠新,巩师鑫,等.张家峁煤矿智能化建设与实践[J].中国煤炭,2020,46(12)：54-60.
REN Huaiwei,XUE Zhongxin,GONG Shixin,et al.Zhangjiamao Coal Mine intelligent construction and practice[J].China Coal,2020,46(12)：54-60.
[50] 马小平,杨雪苗,胡延军,等.人工智能技术在矿山智能化建设中的应用初探[J].工矿自动化,2020,46(5)：8-14.
MA Xiaoping,YANG Xuemiao,HU Yanjun,et al.Preliminary study on the application of artificial intelligence technology in the construction of intelligent mines[J].Industry and Mine Automation,2020,46(5)：8-14.
[51] 张 鹏.掘进机自动掘进控制系统的应用[J].机械工程与自动化,2021(3)：162-163.
ZHANG Peng.Application of Automatic Tunneling Control System of Roadheader[J].Mechanical Engineering and Automation,2021(3):162-163.
[52] 王世博,葛世荣,王世佳,等.长壁综采工作面无人自主开采发展路径与挑战[J/OL].煤炭科学技术：1-13[2021-12-05].http://kns.cnki.net/kcms/detail/11.2402.td.20210512.1536.016.html.
WANG Shibo,GE Shirong,WANG Shijia,et al.Development path and challenges of unmanned autonomous mining in longwall fully-mechanized mining face[J/OL].Coal Science and Technology：1-13[2021-12-05].http://kns.cnki.net/kcms/detail/11.2402.td.20210512.1536.016.html.
[53] 李 旭,吴雪菲,田 野,等.基于数字煤层的综采工作面精准开采系统[J/OL].工矿自动化：1-7[2021-12-05].https://doi.org/10.13272/j.issn.1671-251x.2021050066.
LI Xu,WU Xuefei,TIAN Ye,et al.Precision mining system for fully mechanized coal mining face based on digital coal seam[J/OL].Industrial and mining automation：1-7[2021-12-05].https：//doi.org/10.13272/j.issn.1671-251x.2021050066.
[54] 赵云龙.采煤机自动控制关键技术在无人工作面的应用[J].机械管理开发,2021,36(6)：285-286，301.
ZHAO Yunlong.The application of the key technology of shearer automatic control in unmanned working face[J].Machinery Management Development,2021,36(6)：285-286,301.
[55] 高有进,杨 艺,常亚军,等.综采工作面智能化关键技术现状与展望[J].煤炭科学技术,2021,49(8)：1-22.
GAO Youjin,YANG Yi,CHANG Yajun,et al.Current status and prospects of key technologies for intelligentization of fully mechanized mining face[J].Coal Science and Technology,2021,49(8):1-22.
[56] 毕昌虎,包正明,王 军,等.综采复杂系统大件打运安全技术与应用[C]//第三届全国煤矿机械安全装备技术发展高层论坛暨新产品技术交流会论文集.徐州：中国矿业大学出版社，2012：225-229.
[57] 姬 鹏.浅谈煤矿智能化系统的应用[J].能源与节能,2021(1)：222-224.
JI Peng.Discussion on the application of coal mine intelligent system[J].Energy and Energy Conservation,2021(1)：222-224.
[58] 郑德志,吴立新.新时期我国煤炭供给面临的新问题及对策建议[J].煤炭经济研究,2019,39(6)：79-84.
ZHENG Dezhi,WU Lixin.New problems and countermeasures for my country’s coal supply in the new era[J].Coal Economic Research,2019,39(6)：79-84.
[59] 韩 安,陈晓晶,贺耀宜,等.智能矿山综合管控平台建设构思[J].工矿自动化,2021,47(8)：7-14.
HAN An,CHEN Xiaojing,HE Yaoyi,et al.Conception for the construction of an integrated management and control platform for intelligent mines[J].Industry and Mine Automation,2021,47(8)：7-14.
[60] 杜毅博,赵国瑞,巩师鑫.智能化煤矿大数据平台架构及数据处理关键技术研究[J].煤炭科学技术,2020,48(7)：177-185.
DU Yibo,ZHAO Guorui,GONG Shixin.Study on big data platform architecture of intelligent coal mine and key technologies of data processing[J].Coal Science and Technology,2020,48(7)：177-185.
[61] 王国法,赵国瑞,任怀伟.智慧煤矿与智能化开采关键核心技术分析[J].煤炭学报,2019,44(1)：34-41.
WANG Guofa,ZHAO Guorui,REN Huaiwei.Analysis on key technologies of intelligent coal mine and intelligent mining[J].Journal of China Coal Society,2019,44(1)：34-41.