基于多源数据的露天煤矿安全风险态势评价研究
时间：2023-10-30 来源：中国煤炭杂志官网 分享：★ 煤矿安全 ★
基于多源数据的露天煤矿安全风险态势评价研究
0 引言
随着我国露天煤矿产能的不断增大以及开采深度的不断增加，受安全管理、地质灾害、气候环境等复合因素影响，安全风险也在不断增加[1-2]。露天煤矿事故风险主要来自运输、滑坡、设备碰撞以及安全管理等。国内学者对露天煤矿安全风险态势评价侧重于局部生产工艺的风险分析，而对露天煤矿整体风险评价研究较少[3-6]，究其原因，一是指标数据获取难度大、评价指标量化难度大、信息化系统建设不完备以及对整体风险评价指标缺少梳理；二是需要专家进行大量的现场分析和对各类灾害风险权重分配工作[7-13]。
随着我国煤矿智能化建设的推进以及国家矿山安全监察监管部门对煤矿风险监测预警系统的建设，解决了数据获取难度大等“卡脖子”问题[14]，为当前露天煤矿展开整体综合评价提供了系统数据支撑。我国露天煤矿有356处，涉及15个省(区)、产能约11.5亿t/a，其中，特大型17处、大型45处、中型117处、小型177处。笔者梳理了露天煤矿整体安全风险体系，构建定性与定量相结合的评价模型，为促进露天煤矿企业本质安全和风险分类分级提供思路[15-16]。由于当前对我国露天煤矿风险评价研究较少，笔者仅对全国26处千万吨级露天煤矿进行综合风险评价，随着后续研究的逐步深入，将对全国中小型露天煤矿的总体风险进行评价，以此来指导露天煤矿的安全生产。
1 安全风险体系构建
为保证露天煤矿动态风险评估指标的科学性，需全面考虑露天煤矿风险动态扰动因素，结合近十年的事故数据、矿山标准化检查数据、《露天煤矿生产技术与安全管理规定》等，充分融合开采工艺、生产能力、地质条件等因素，构建基于多源数据的动态、静态露天煤矿安全风险综合评价体系，主要涵盖人的因素、环境因素、设备因素、管理因素累计40项评价指标。露天煤矿安全风险评价体系结构如图1所示，各项指标的阈值及评价规则见表1～表4。
表1 人为风险因素评价指标体系
一级指标二级指标指标量化值红(很危险)橙(较危险)黄(一般安全)蓝(安全)人的因素“三违”人数当日“三违”人数≥31人21～30人11～20人≤10人学历高中以上学历占比<10%10%～20%20%～30%≥30%工龄工龄5～20年占比≤40%40%～60%60%～80%≥80%年龄50岁以上人数占比≥50%30%～50%10%～30%≤10%超时人数占比超时作业人数/当班总人数≥15%10%～15%5%～10%≤5%坑内当班人数当班人数≥200人150～200人100～150人<100人专业比例采矿、机电、测量等人员占比<10%10%～20%20%～30%≥30%
表2 露天煤矿环境因素指标体系
一级指标二级指标指标量化值红(很危险)橙(较危险)黄(一般安全)蓝(安全)环境因素开采深度排土场高度地质条件水文地质煤层发火期边坡岩石工程雨雪雾冰风边坡坑内运输系统周边水文条件开采深度≥400 m300～<400 m200～<300 m<200 m排土场高度≥200 m150～<200 m100～<150 m<100 m地质条件极复杂复杂中等简单水文地质极复杂复杂中等简单发火期极易自然容易自然较易自然不易自然岩体级别>550451～550251～450≤250降雨量≥50 mm/h30～<50 mm/h15～<30 mm/h<15 mm/h降雪量≥9.9 mm/h5.0～<9.9 mm/h2.5～4.9 mm/h0.1～2.4 mm/h能见度≤100 m>100～<200 m200～<500 m≥500 m路表温度-10℃,严重结冰-3～-5℃较多结冰-2℃有结冰-1℃以上,无结冰 风力级别≥8级6～<8级4～<6级<4级边坡报警得分<60分60～<80分80～<90分90～100分岩性普氏系数≥128～<124～<8≤4道路等级无三级二级一级转弯半径≤30 m>30～<40 m40～<50 m≥50 m道路坡度≥15%10%～<15%8%～<10%≤8%会车视距≤30 m>30～<40 m40～<50 m≥50 m转弯车速>20 km/h--≤20 km/h其他区域车速≥40 km/h35～<40 km/h30～<35 km/h≤30 km/h是否有河流有--无
表3 设备因素评价指标体系
一级指标二级指标指标量化值红(很危险)橙(较危险)黄(一般安全)蓝(安全)设备因素工艺情况采运排工艺单斗卡车-半连续全连续采掘规格占比10 m3以下电铲占比≥90%70%～<90%50%～<70%≤50%运输规格占比60 t以下车辆占比≥90%70%～<90%50%～<70%≤50%坑内设备数量露天煤矿坑内设备数≥150辆100～149辆51～99辆≤50辆网络建设情况4G/5G网络建设无--有设备健康指数设备故障率<60%60%～<80%80%～<90%90%～100%智能化系统智能化系统得分<60分60～<80分80～<90分90～100分边坡系统边坡监测系统无--有疏干水系统疏干智能化系统无--有爆破系统智能爆破系统无--有
表4 安全管理评价指标体系
一级指标二级指标指标量化值红(很危险)橙(较危险)黄(一般安全)蓝(安全)管理因素安全标志合格率合规率≤80%>80%～<90%90%～<99%≥99%标准化等级标准化级别未评定三级二级一级外包管理剥离承包队伍数≥4个3个2个≤1个事故起数近2年事故起数≥3次2次1次0次安全经费安全经费使用率≤80%>80%～<90%90%～<99%≥99%复垦效果扰动范围复垦率≤50%>50%～<70%70%～<90%≥90%超能力超强度生产超能力比率≥110%105%～110%>100%～<105%≤100%超定员组织生产超定员比率≥110%105%～110%>100%～<105%≤100%边坡角度设计/实际边坡角比值>100%--≤100%
图1 露天煤矿安全风险体系结构
在环境风险因素中，边坡岩石工程的岩体级别计算方法见式(1)和式(2)：
式中：Rg——岩体级别；
BQ——边坡地下水修正系数；
λ——边坡工程主要结构面类型与延伸性修正系数，断层、夹泥层取1.0，层面、贯通性较好的节理和裂隙取0.8～0.9，断续节理和裂隙取0.6～0.7；
K1——边坡工程地下水影响修正系数，取0～1；
K2——边坡工程主要结构面产状影响修正系数，取0～2.5；
F1——反映主要结构面倾向与边坡倾向间关系影响的系数，取0.15～1.00；
F2——反映主要结构面倾角影响的系数，取0.15～1.00；
F3——反映边坡倾角与主要结构面倾角间关系影响系数，取0～2.5；
对于边坡实时报警得分，结合1 h内所有传感器报警次数和时长，建立预警安全评分模型，见式(3)和式(4)：
式中：y——边坡预警安全评分；
β——可变系数，根据露天煤矿实际情况而定，取0.05；
t——实时监测各类报警超出安全预警值次数，t≥0；
f(T)——与报警持续超标时长相关函数，T为报警持续超标最长时长，若评价周期内出现不同等级的持续超标时长，则T取超标最长的时长。
2 安全风险评价模型
2.1 D-S证据理论
D-S证据理论是20世纪60～70年代建立起来的一套数学理论，是一种处理不确定性问题的重要方法。D-S证据理论中的识别框架是一个集合，其中的元素互不相容，识别框架理解成一个问题的所有可能答案集合。假设U为识别框架，如果有一个映射m：2U→[0，1]满足下列条件：m(Ф)=0(Ф表示空集)，m(A)>0且
就称m为识别框架U上的概率分配函数。
信度函数Bel称为下限函数，表示对命题A的总信任程度，Bel(A)表示既包括A的信任值也包括A的子集的信任值。似真度函数Pl称为上限函数，表示不拒绝命题A的程度。[Bel(A)，Pl(A)]表示A的不确定区间，[0，Bel(A)]表示命题A支持证据区间，[0，Pl(A)]表示命题A的拟信区间，[Pl(A)，1]表示命题A的拒绝证据区间。设Ai和Bj是由2个独立的证据源(传感器)导出的基本概率分配函数，则Dempster联合规则可以计算这两个证据共同作用产生的反映融合信息的新的基本概率分配函数。
信度函数和似真度函数构成的区间[Bel(A)，Pl(A)]，称为命题A的信度区间，且[Bel(A)，Pl(A)]⊆[0，1]。
在证据理论中，如果同一个命题有两个或者多个相互独立的证据支持，那么就要采用证据组合的方法来求出这个命题的可信度，证据组合的基本组合规则见式(5)和式(6)：
式中：m(A)——概率分布函数；
k——两个证据的矛盾程度，k⊆[0，1]；
φ——命题的总信任程度；
m1(Ai)——A基本概率分配，代表对A基本信任程度；
m2(Bj)——B基本概率分配，代表对B基本信任程度。
根据公式(6)得出：
(7)
式中：Ai∩Bj≠φ——各指标统一判断结果。
式(5)是2个证据组合的方法，如果是多组证据进行组合，可以采用两组证据组合的递推方法得到。式(6)中，k⊆[0，1]，表示2个证据的矛盾程度。由于露天煤矿的安全状态相互独立，不存在既安全又危险的状态，故Ai∩Bj≠φ的状态即为各指标统一判断结果。
2.2 梯形隶属度函数
将40项指标按照阈值划分，进行归一化处理后形成梯形函数。根据阈值分级情况，将隶属度函数分成连续型、枚举型、有无型。以开采深度为例，连续型函数的4种安全状态下的隶属度函数及分段如图2所示。利用模糊集合方法求解基本概率赋值函数，根据上述各个安全等级的梯形隶属函数，求出基本概率赋值见式(8)：
图2 开采深度与风险等级的梯度关系
(8)
式中：A——不同风险因子数据，
i——不同安全等级。
以工程环境因素为例，通过式(8)进行各项指标的风险概率值计算。
2.3 可拓权重确定
根据指标体系表中的红橙黄蓝4个级别，每一个级别对应各自区间范围。将每一项归一化之后的数值进行函数关联分析，见式(9)：
(9)
式中：x——评价指标量化值；
vi——预警指标的关联函数；
ai、bi——分别为风险等级与预警指标量值区间内的最小值和最大值。
为突出评价体系中各项风险作为最终目标，当指标数据落入的级别越大时，该指标赋予的权重应越小，各项指标权重计算见式(10)和式(11)：
式中：ri——评价指标关联权重，ri>0；
m——划分的风险等级；
jmax——vi所在的风险级别；
vimax——预警指标的关联函数最大值；
ωi——各因素权重；
n——环境指标，取1～14。
总体评价得分计算见式(12)：
M=∑ωiWi
(12)
式中：M——总得分，取0～100；
Wi——各项评价指标风险概率。
3 风险态势评价流程
露天煤矿安全风险态势评价的方法流程具体可分成5个步骤：一是确定安全风险态势评价体系；二是进行数据采集和处理，确定数据集获取方式，制定数据采集和治理规则；三是针对每一项指标确定四色风险分级阈值区间；四是选取模型进行综合风险评价；五是整体风险评价展示、发布、建议以及措施实施。露天煤矿综合风险评价流程如图3所示。
图3 露天煤矿综合风险评价流程
4 实例应用
针对全国26处千万吨级露天煤矿，采用网络问卷、在线视频调研等多种调研方式，搜集文中所列的相关指标数据，其中，学历、工龄、年龄、专业比例等数据从露天煤矿人事管理系统直接获取；超时人数占比、坑内当班人数、“三违”人数等数据从煤矿卡车调度和双重预防系统获取；开采深度、排土场高度、地质条件、水文地质、煤层发火期、边坡岩石工程、坑内运输系统、周边水文条件等数据从煤矿基础数据系统直接获取；雨、雪、雾、冰、风从气象系统对接数据，边坡异常信息从边坡监测系统获取；设备因素、管理因素等数据采用系统对接和表格搜集的方式进行数据获取。对上述露天煤矿进行综合风险研判分析，并利用公式计算出2022年7月11日，全国26处露天煤矿风险评价结果，其中，综合风险为红色有6处，橙色风险有5处，黄色风险有8处。
从人员因素分析，26处露天煤矿人员水平差异不大。但从学历、工龄和年龄中可以看出，当前露天煤矿专业人员学历待提高。露天煤矿从业人员中，年轻人较少，50岁以上人员占比较高，新疆地区露天煤矿整体学历水平较低。
从环境因素分析，22处露天煤矿的煤层具有自燃倾向性；3处露天煤矿赋存为复杂地质条件；17处露天煤矿开采深度在300 m以上，今后深凹露天煤矿高陡边坡风险将增加。
从设备因素分析，华能伊敏煤电有限责任公司露天矿、国能准能集团能源有限责任公司黑岱沟露天煤矿、内蒙古平庄煤业(集团)有限责任公司元宝山露天煤矿、扎鲁特旗扎哈淖尔煤业有限公司露天煤矿等采用大型设备作业，综合开采工艺，而新疆地区露天煤矿小型设备参与剥离现象明显，“蚂蚁搬家”作业方式带来碰撞事故风险较大。
从管理因素分析，26处露天煤矿，标准化一级露天煤矿有12处，露天煤矿一级标准化达标率较低，露天煤矿剥离均为自营设备与外包队伍协同开展作业，多家外包单位协同作业在新疆地区露天煤矿较为明显。
在上述26处露天煤矿中，新疆地区露天煤矿整体风险较大，主要体现在外包小设备协同作业、煤层容易自燃以及人员素质等风险；蒙东地区露天煤矿随着开采深度增加，将带来高陡边坡风险。
5 结论及建议
从人、设备、环境、管理4个方面，充分考虑指标的可获得性和可量化性，构建36项露天煤矿综合风险评价指标体系。利用D-S证据理论模型、归一化隶属度函数和可拓理论模型来对全国26处千万吨级露天煤矿进行综合评价，得出以下结论。
(1)全国露天煤矿标准化达标等级较低，一级标准化露天煤矿仅仅30余处，约占全国露天煤矿数量的8%。建议露天煤矿加强标准化建设工作，提升露天煤矿的安全管理。同时，新疆地区露天煤矿应强化外包队伍的管理工作。
(2)目前，国内露天煤矿专业技术人员依旧短缺，智能化水平和大型智能化装备应用方面存在短板。建议大型露天煤矿提升连续性运输设备投入使用，加大专业人员投入和智能化系统建设以及大型装备应用，提升矿山智能化水平，促进矿山安全生产。
(3)今后应重点加强对全国中小型露天煤矿的安全管理工作，强化安全管理和风险管控，进一步深入研究中小型露天煤矿的风险点和重点风险领域，提升全国露天煤矿的整体安全水平。
[1] 尹一雄.基于数量化理论的露天煤矿安全风险评价[J].中国安全科学学报,2021,31(S1):86-91.
[2] 付恩三,白润才,刘光伟,等.“十三五”期间我国煤矿事故特征及演变趋势分析[J].中国安全科学学报,2022,32(12):88-94.
[3] 付恩三,白润才,刘光伟,等.“双碳”视角下我国露天煤矿的绿色可持续发展[J].科技导报,2022,40(19):25-35.
[4] 冯巩,夏元友,王智德,等.基于位移信息融合的露天煤矿边坡动态预警方法[J].中国安全科学学报,2022,32(3):116-122.
[5] 张婧静.基于改进物元可拓法的非煤露天煤矿安全生产风险等级评定研究[D].西安:西安建筑科技大学,2020.
[6] 付恩三,刘光伟,白润才,等.智能露天煤矿评价体系研究[J].煤炭工程,2022,54(5):1-8.
[7] 苏亚松,张长鲁,贺一恒.基于AHP和模糊数学的区域煤矿安全风险评价[J].煤炭技术,2019,38(9):124-127.
[8] 郜彤,刘贇,黄鹤,等.煤矿安全风险评价指标体系优化研究[J].煤矿安全,2020,51(12):296-300.
[9] 景国勋,张静丽,贾智伟,等.基于集对分析的煤矿水害风险评价[J].安全与环境学报,2022,22(2):566-572.
[10] 杨晓杰,孙洪磊,郝振立,等.基于突变理论的南芬露天煤矿安全风险评价[J].矿业研究与开发,2020,40(4):24-27.
[11] 张鹏.露天煤矿高边坡风险评价模型的构建及应用研究[D].北京:中国矿业大学(北京),2019.
[12] 付恩三,刘光伟,邸帅,等. 露天煤矿无人驾驶技术及系统架构研究[J].煤炭工程, 2022,54 (1): 34-39.
[13] 岩小明.基于可靠度理论的露天煤矿边坡风险分析[D].长沙:中南大学,2013.
[14] 潘越.贵州非煤露天煤矿安全风险分级评价研究[D].贵阳:贵州大学,2020.
[15] 李倩,彭孟长,马存金,等.非煤矿山采空区风险指标体系研究[J].中国安全生产科学技术,2017,13(7):106-110.
[16] 王志,郭勇.基于BP神经网络的非煤地下矿山安全评价模型[J].中国安全科学学报,2009,19(2):124-128.
Research on safety risk situation assessment of open-pit coal mine based on multi-source data
- 相关推荐
