煤矿主排水泵群智能节能调度与故障自愈协同机制研究

引言:煤炭是我国主体能源，约 80%产能来自井工矿。井下涌水具有随机、时变、多源特征，主排水系统常年处于“大马拉小车”与“小马拉大车”交替的粗放运行状态，能耗占全矿用电 18%-25% ，且突发故障易诱发淹井事故。传统PLC+人工经验调度方式已无法适应深部、高承压、强扰动条件下的安全高效开采需求。国家能源局《煤矿智能化建设指南（2023 版）》明确提出“排水系统具备自学习、自优化、自愈合功能”。因此，研究主排水泵群智能节能调度与故障自愈协同机制，对实现“双碳”目标与保障矿山安全具有重大战略意义。

系统架构与关键技术

1.1 云边协同三层架构

（1）边缘层：以矿用本安型 AI 网关为核心，内嵌 ARM Cortex-M85+MCU+NPU 双芯架构，功耗<8 W，支持振动、电流、声发射、红外四模态同步采样，采样率≥10 kHz，实现轴承早期剥落、气蚀、堵转等12 类故障μs 级特征提取。

（2）巷道层：构建5G+TSN 环网，端到端时延<15 ms，抖动<1 ms，满足泵群协同控制“硬实时”需求；

署多泵多仓耦合数字孪生模型，滚动更新周期1 s。

（3）地面层：依托工业互联网平台，集成矿井GIS、供电SCADA、气象雨量预报、分时电价等多源数据，构建泵群-电网-涌水全域数字孪生体，实现 24 h 超前仿真。

1.2 智能节能调度模型

（1）随机涌水预测：采用ConvLSTM+Informer 混合网络，融合工作面推进度、微震、雨量、气压等 8 类外源变量，预测步长1–6 h，MAPE<6%。

（2）分时电价耦合：构建“电耗-损耗-涌水”多目标奖励函数，以深度确定性策略梯度（DDPG）求解最优启停序列与转速曲线，约束条件包括水位上下限、电网需量、泵连续启停间隔≥15 min。

（3）模型-数据混合驱动：利用物理模型生成先验样本，解决真实场景试错成本高难题，样本效率提升 3.8倍。塔山矿工业试验表明，谷段用电量占比由25.4%提升至 39.1% ，吨水电耗下降 21.7% 。

1.3 故障自愈协同机制

（1）深度迁移诊断：以ImageNet 预训练 ResNet-50 为骨干，引入域适应层，解决矿井工况差异大、故障样稀缺问题，实现新矿3 天冷启动，诊断准确率>95%。

（2）知识图谱自愈编排：构建“故障-备件-工序-人员”四元组知识图谱，节点数 2.3F ，关系数18 万；当诊断出“轴承外圈剥落”时，系统自动推送备件库存、拆泵工序、检修班组及预计耗时，实现故障处置方案秒级生成。

（3）数字孪生预演：在虚拟空间对自愈方案进行机电液耦合仿真，评估不同处置路径对排水能力的影响，

确保故障处置期间排水能力降幅<10%。

1.4 协同控制策略

提出“故障-能效”双闭环：故障闭环优先级高于能效闭环。当系统检测到高风险故障征兆时，立即触发泵群重构，优先保障安全；故障风险解除后，自动切换回节能闭环。双闭环切换延迟<500 ms，实现安全与节能的动态平衡。

2 工程应用与效果

晋能控股塔山矿井下-820 m 水平中央泵房安装5 台MD450-60×10 型离心泵，配套2.5 MW 高压变频。2024年3 月完成智能化改造并连续运行 12 个月：

（1）节能效益：年排水量1.3 亿t，节电426 万kWh，折合标煤1365 t，减排 CO₂ 3560 t。

（2）安全效益：故障预警准确率 96.4% ，平均故障处置时间由65 min 降至27 min，排水故障率下降58%，未发生任何二类以上突水事件。

（3）经济效益：按电价0.55 元/kWh、碳价60 元/t 计算，年创经济效益 2684 万元，投资回收期1.8 年。

3 讨论与展望

（1）随着矿井向 1.5-2km 深部延伸，高温高压导致传感漂移、电子元件失效概率增大，需研发耐温≥85 ℃、耐压≥15 MPa 的高可靠本安传感与边缘计算装置。

（2）当前模型假设电网为无限大系统，未来将进一步研究煤矿微电网场景下泵群与光伏、储能协同优化，构建“排水-供电-碳排”零碳矿山新范式。

（3）探索生成式AI 在故障知识图谱自动更新与维修方案自动生成中的应用，实现故障自愈“无人化”。结语:本文提出的煤矿主排水泵群智能节能调度与故障自愈协同机制，以云边协同架构为基础，以深度强化学习与知识图谱为核心，实现了“安全-节能-少人”三重目标，在深部矿井成功应用并显著降低吨水电耗与故障率。研究成果可为我国煤炭行业智能化排水系统建设提供理论、技术与装备支撑，对保障国家能源安全与实现“双碳”战略具有重要现实意义。

参考文献

[1] 米彦军,徐红亮,张侯,等.基于信号重构与模糊聚类的矿井主排水泵电机故障监测[J].国外电子测量技术,2025,44(04):154-159.DOI:10.19652/j.cnki.femt.2504024.

[2] 刘怀奇.基于改进BP 神经网络的煤矿井下排水泵故障诊断方法[J].电气传动自动化,2023,45(05):24-28

[3] 李 鹏 亮 . 煤 ①② 排 水 泵 合 理 用 电 策 略 及 仿 真 分 析 [J]. 机 械 管 理 开发,2022,37(04):155-157.DOI:10.16525/j.cnki.cn14-1134/th.2022.04.064.