CN108491663B - 基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 - Google Patents
基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 Download PDFInfo
- Publication number
- CN108491663B CN108491663B CN201810296297.9A CN201810296297A CN108491663B CN 108491663 B CN108491663 B CN 108491663B CN 201810296297 A CN201810296297 A CN 201810296297A CN 108491663 B CN108491663 B CN 108491663B
- Authority
- CN
- China
- Prior art keywords
- gas
- node
- directed edge
- network node
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 title claims abstract description 10
- 238000009423 ventilation Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 7
- 239000002243 precursor Substances 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000005065 mining Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000668854 Howardia biclavis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)
Abstract
本发明公开了一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，该计算方法基于通风网络，充分利用煤矿现有监控***，获得矿井部分巷道瓦斯浓度，能实时计算出矿井巷道瓦斯分布；若发生瓦斯事故，能准确地判断其产生的灾害气体可能波及的范围，为矿井迅速采取有效的应急处理措施提供决策依据，从而避免发生连锁瓦斯事故，将已发生的瓦斯灾害带来的损失控制在最低程度；为煤矿掌握井下巷道瓦斯分布提供技术支持，为矿井通风瓦斯安全管理及安全生产提供科学管理工具和先进技术手段。
Description
技术领域
本发明涉及一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法。
背景技术
随着我国煤矿开采向深部空间发展和矿井开采规模的不断扩大，煤矿瓦斯涌出量大幅增长，是制约矿井安全生产的重要瓶颈。由于日常瓦斯巡检工作量大，监控传感器布置覆盖范围小、数据挖掘分析欠缺等原因，目前依然对全矿井空间瓦斯分布情况无法全面直观把控，不能给***布置、采掘工作和瓦斯治理提供科学的技术支撑。因此，应采取有效手段以明晰煤矿井下空间瓦斯分布规律，为矿井安全生产提供技术保障。
在正常生产时期，需要及时准确掌握井下通风***运行状况，并对各条巷道瓦斯浓度即矿井巷道瓦斯分布准确把控，为矿井风量调控、瓦斯抽采、采煤掘进等工作提供指导；若矿井发生瓦斯事故，需要准确判断其产生的灾害气体可能波及的范围及波及区域瓦斯浓度，为矿井迅速采取有效的应急处理措施提供决策依据，从而避免发生连锁瓦斯事故，将已发生的瓦斯灾害带来的损失控制在最低程度。
发明内容
本发明的目的是提供一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，该方法可获得矿井部分巷道瓦斯浓度，能实时计算出矿井巷道瓦斯分布。
为解决上述技术问题，本发明提供一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，包括以下步骤：
S1：获取矿井通风网络，根据所述矿井通风网络构建几何网络，所述几何网络包括邻接矩阵A，网络节点集合V，有向边集合E；
S2：创建未赋值有向边集合E′，E′为可变集合；
S3：选取有向边集合E′中一条有向边e，获取有向边e的始节点v1的前驱网络节点集合V′，并根据矿井通风理论与瓦斯流动质量质量守恒原理得出未计算的网络节点流出的瓦斯浓度C与其前驱网络节点流入的瓦斯浓度Ci′之间的关系式，同时计算得出网络节点v单位时间段流出的瓦斯浓度C。
S4：网络节点v单位时间段流出的瓦斯浓度C赋值给有向边e；
S5：从未赋值的有向边集合E′中移除已赋值有向边e；
S6：判断集合E′中是否存在未赋值的有向边，若存在，则返回步骤S3直至所有有向边赋值完成。
进一步地，所述步骤S3具体包括如下步骤：
S31：选取有向边集合E′中一条有向边e；
S32：判断该有向边e是否为已知瓦斯浓度C′的有向边，若判断结果为是，则将有向边e瓦斯浓度赋值为C′；若判断结果为否，则搜索邻接矩阵A，得到有向边e的始节点v1的前驱网络节点集合V′；
S33：判断步骤S32中所述网络节点集合V′中是否有未计算的网络节点，若判断没有未计算的网络节点，则从向边集合E′中重新获取一条有向边e，返回上述步骤S31；若判断有未计算的网络节点，则根据矿井通风理论与瓦斯流动质量质量守恒原理得出未计算的网络节点单位时间流出的瓦斯浓度C与其前驱网络节点流入的瓦斯浓度Ci′之间的关系式，进一步计算得出网络节点单位时间段流出的瓦斯浓度C；
其中，网络节点单位时间流出的瓦斯浓度C为：
Qi为单位时间内节点前驱网络节点流入风量；Ci′为节点前驱网络节点瓦斯浓度；T为单位时间；n为该节点前驱节点数。
进一步地，所述有向边记为：e<v1，v2>e，v1为始节点，v2为末节点，且令有向边方向为矿井通风网络中巷道风向。
进一步地，所述邻接矩阵A包括一个顺序存储节点信息的节点表和一个存储节点间相互关系的关系矩阵组成，用于反映几何网络中节点间的连通关系。
进一步地，所述矿井通风理论具体为：网络节点流入风量与网路节点流出风量相等；所述瓦斯流动质量质量守恒原理具体为：同时间段内节点流入瓦斯质量与流出瓦斯质量相等。
本发明的有益效果为：该计算方法基于通风网络，充分利用煤矿现有监控***，获得矿井部分巷道瓦斯浓度，能实时计算出矿井巷道瓦斯分布；若发生瓦斯事故，能准确地判断其产生的灾害气体可能波及的范围，为矿井迅速采取有效的应急处理措施提供决策依据，从而避免发生连锁瓦斯事故，将已发生的瓦斯灾害带来的损失控制在最低程度；为煤矿掌握井下巷道瓦斯分布提供技术支持，为矿井通风瓦斯安全管理及安全生产提供科学管理工具和先进技术手段。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本发明算法流程图；
图2是本发明算法数据框架图；
图3为是巷道瓦斯分布计算范围示意图。
具体实施方式
如图1所示，本申请提供了一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，包括以下步骤：
S1：获取矿井通风网络，根据所述矿井通风网络构建几何网络，所述几何网络包括邻接矩阵A，网络节点集合V，有向边集合E；将节点集合V和有向边集合E记为：有向图G＝(V,E)；
S2：创建未赋值有向边集合E′，E′为可变集合；
S3：选取有向边集合E′中一条有向边e，其中，所述有向边记为：e<v1，v2>e，v1为始节点，v2为末节点，且令有向边方向为矿井通风网络中巷道风向；
S4：判断该有向边e是否为已知瓦斯浓度C′的有向边，若判断结果为是，则将有向边e瓦斯浓度赋值为C′；若判断结果为否，则执行步骤S5；
S5：搜索邻接矩阵A，得到有向边e的始节点v1的前驱网络节点集合V′；其中，所述邻接矩阵A包括一个顺序存储节点信息的节点表和一个存储节点间相互关系的关系矩阵组成，用于反映几何网络中节点间的连通关系。
S6：判断步骤S5中所述网络节点集合V′中是否有未计算的网络节点，若判断没有未计算的网络节点，则从向边集合E′中重新获取一条有向边e，返回上述步骤S3；若判断有未计算的网络节点，则执行步骤S7；
S7：根据矿井通风理论与瓦斯流动质量质量守恒原理得出未计算的网络节点单位时间流出的瓦斯浓度C与其前驱网络节点流入的瓦斯浓度Ci′之间的关系式，进一步计算得出网络节点单位时间段流出的瓦斯浓度C；
其中，网络节点单位时间流出的瓦斯浓度C为：
Qi为单位时间内节点前驱网络节点流入风量，Ci′为节点前驱网络节点瓦斯浓度；T为单位时间；n为该节点前驱节点数。
S8：网络节点v单位时间段流出的瓦斯浓度C赋值给有向边e；
S9：从未赋值的有向边集合E′中移除已赋值有向边e；
S10：判断集合E′中是否存在未赋值的有向边，若存在，则返回步骤S3直至所有向边赋值完成。
如图3所示,本发明中的初始数据来源于通风网络解算所得的矿井风量分布情况、矿井监控***对关键巷道的瓦斯浓度监控数据、收集的矿井日常巡检瓦斯浓度数据；将对矿井通风网络解算得到的各个巷道的风量值与获得的瓦斯浓度值相乘得到对应巷道的瓦斯量；根据瓦斯在通风网络中流动的质量守恒原理和算法所遵循的质量守恒原理：①节点流入风量与节点流出风量相等，②同时间段内节点流入瓦斯质量与流出瓦斯质量相等，得到未知瓦斯浓度巷道的瓦斯浓度数值，计算出全矿井巷道空间瓦斯浓度分布，计算结果分布如图3所示。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，其特征在于，包括以下步骤：
S1：获取矿井通风网络，根据所述矿井通风网络构建几何网络，所述几何网络包括邻接矩阵A，网络节点集合V，有向边集合E；
S2：创建未赋值有向边集合E′，E′为可变集合；
S3：选取有向边集合E′中一条有向边e，获取有向边e的始节点v1的前驱网络节点集合V′，并根据矿井通风理论与瓦斯流动质量质量守恒原理得出未计算的网络节点流出的瓦斯浓度C与其前驱网络节点流入的瓦斯浓度Ci′之间的关系式，同时计算得出网络节点v单位时间段流出的瓦斯浓度C；所述步骤S3具体包括如下步骤：
S31：选取有向边集合E′中一条有向边e；
S32：判断该有向边e是否为已知瓦斯浓度C′的有向边，若判断结果为是，则将有向边e瓦斯浓度赋值为C′；若判断结果为否，则搜索邻接矩阵A，得到有向边e的始节点v1的前驱网络节点集合V′；
S33：判断步骤S32中所述网络节点集合V′中是否有未计算的网络节点，若判断没有未计算的网络节点，则从向边集合E′中重新获取一条有向边e，返回上述步骤S31；若判断有未计算的网络节点，则根据矿井通风理论与瓦斯流动质量质量守恒原理得出未计算的网络节点单位时间流出的瓦斯浓度C与其前驱网络节点流入的瓦斯浓度Ci′之间的关系式，进一步计算得出网络节点单位时间段流出的瓦斯浓度C；
其中，网络节点单位时间流出的瓦斯浓度C为：
Qi为单位时间内节点前驱网络节点流入风量，Ci′为节点前驱网络节点瓦斯浓度；T为单位时间；n为该节点前驱节点数
S4：网络节点v单位时间段流出的瓦斯浓度C赋值给有向边e；
S5：从未赋值的有向边集合E′中移除已赋值有向边e；
S6：判断集合E′中是否存在未赋值的有向边，若存在，则返回步骤S3直至所有有向边赋值完成。
2.根据权利要求1所述的基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，其特征在于，所述有向边记为：e<v1，v2>e，v1为始节点，v2为末节点，且令有向边方向为矿井通风网络中巷道风向。
3.根据权利要求1所述的基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，其特征在于，所述邻接矩阵A包括一个顺序存储节点信息的节点表和一个存储节点间相互关系的关系矩阵组成，用于反映几何网络中节点间的连通关系。
4.根据权利要求1-3任一所述的基于质量守恒的煤矿井下空间瓦斯分布规律计算方法，其特征在于，所述矿井通风理论具体为：网络节点流入风量与网路节点流出风量相等；所述瓦斯流动质量质量守恒原理具体为：同时间段内节点流入瓦斯质量与流出瓦斯质量相等。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296297.9A CN108491663B (zh) | 2018-03-30 | 2018-03-30 | 基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810296297.9A CN108491663B (zh) | 2018-03-30 | 2018-03-30 | 基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108491663A CN108491663A (zh) | 2018-09-04 |
| CN108491663B true CN108491663B (zh) | 2022-03-22 |
Family
ID=63318105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810296297.9A Active CN108491663B (zh) | 2018-03-30 | 2018-03-30 | 基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108491663B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112989533B (zh) * | 2021-02-22 | 2022-09-23 | 中煤科工集团重庆研究院有限公司 | 一种基于分元质子法的矿井串联通风判识方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104775841A (zh) * | 2015-03-02 | 2015-07-15 | 陕西陕煤黄陵矿业有限公司 | 面向矿井用风点的通风网络安全分区划分方法 |
| CN106503363A (zh) * | 2016-10-27 | 2017-03-15 | 中国矿业大学(北京) | 一种含高浓度瓦斯井巷瞬态风流稳定性计算方法 |
| AU2017100115A4 (en) * | 2017-01-31 | 2017-03-23 | Thomas, Graham Gordon MR | Carbon Dioxide CO2 as renewable source of energy through bio-sequestration ex coal or gas fired electricity generators. |
| CN107609312A (zh) * | 2017-10-17 | 2018-01-19 | 上海燃气市北销售有限公司 | 城市输气管网供气能力模拟方法及模拟*** |
-
2018
- 2018-03-30 CN CN201810296297.9A patent/CN108491663B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104775841A (zh) * | 2015-03-02 | 2015-07-15 | 陕西陕煤黄陵矿业有限公司 | 面向矿井用风点的通风网络安全分区划分方法 |
| CN106503363A (zh) * | 2016-10-27 | 2017-03-15 | 中国矿业大学(北京) | 一种含高浓度瓦斯井巷瞬态风流稳定性计算方法 |
| AU2017100115A4 (en) * | 2017-01-31 | 2017-03-23 | Thomas, Graham Gordon MR | Carbon Dioxide CO2 as renewable source of energy through bio-sequestration ex coal or gas fired electricity generators. |
| CN107609312A (zh) * | 2017-10-17 | 2018-01-19 | 上海燃气市北销售有限公司 | 城市输气管网供气能力模拟方法及模拟*** |
Non-Patent Citations (1)
| Title |
|---|
| "瓦斯在通风巷道中流动分布情况研究";魏引尚等;《西安科技大学学报》;20050930;第25卷(第3期);第271-273、282页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108491663A (zh) | 2018-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lyu et al. | LSTM based encoder-decoder for short-term predictions of gas concentration using multi-sensor fusion | |
| US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| AU2007211291B2 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| US9921338B2 (en) | Selecting and optimizing oil field controls for production plateau | |
| CN106777528A (zh) | 矿井需风量的全息预测方法 | |
| CN111459955A (zh) | 一种基于gis平台的三维地质结构模型自动更新方法及*** | |
| CN108491663B (zh) | 基于质量守恒的煤矿井下空间瓦斯分布规律计算方法 | |
| CN115828374A (zh) | 适用于复合地层隧道施工期非均匀变形预测方法及*** | |
| Wu et al. | Finding the earliest arrival path through a time-varying network for evacuation planning of mine water inrush | |
| CN113689032A (zh) | 一种基于深度学习的多传感器融合瓦斯浓度多步预测方法 | |
| CN113536492B (zh) | 绿道网络构建方法、装置及存储介质 | |
| Paraskevopoulou et al. | Assessing the failure potential of tunnels and the impacts on cost overruns and project delays | |
| Kozielski et al. | Regression rule learning for methane forecasting in coal mines | |
| Chan | A geological prediction and updating model in tunneling | |
| CN114117654A (zh) | 一种基于机器学***井射孔优化设计方法及装置 | |
| CN116305498B (zh) | 隧道数字孪生建模指标判断网络模型构建方法、分析方法 | |
| CN110750941B (zh) | 一种基于煤矿通风动态解算的瓦斯涌出预测方法 | |
| CN109854299B (zh) | 基于大数据的通风巷道摩擦阻力系数快速确定方法 | |
| Li et al. | Modified Stochastic Petri Net‐Based Modeling and Optimization of Emergency Rescue Processes during Coal Mine Accidents | |
| BR112018000985A2 (pt) | métodos e unidades de controle para construção de um banco de dados e para previsão de uma rota de um veículo | |
| Mahmoodzadeh et al. | Machine learning approaches to enable resource forecasting process of road tunnels construction | |
| CN115564626A (zh) | 煤矿瓦斯煤尘***事故调查决策支持***、方法及应用 | |
| Lila et al. | Predicting solar radiation with Artificial Neural Network based on urban geometrical classification | |
| CN111852466B (zh) | 一种用于页岩气井规模配产与管网运行优化的方法 | |
| Zheng et al. | Simulation of bench stepping and optimization of bolt parameters based on multiple geological information fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |