煤炭質(zhì)量是煤炭能源應用的基石，貫穿開(kāi)發(fā)、利用的全過(guò)程。傳統采制化分析方法通過(guò)采樣、制樣、化驗3道工序測定10余項煤質(zhì)指標，并以1g煤樣得到的結果代表1列車(chē)（約4320t）煤炭質(zhì)量。整個(gè)過(guò)程需約10人、10套設備協(xié)同操作，耗時(shí)長(cháng)達24h，檢測成本高，存在數據失真風(fēng)險大和反饋滯后等問(wèn)題，嚴重影響了煤炭洗選、儲、運、銷(xiāo)等各環(huán)節的工作效率。煤質(zhì)在線(xiàn)無(wú)損檢測可提升檢測的時(shí)效性與代表性。

針對煤質(zhì)快檢技術(shù)，國內外學(xué)者開(kāi)展了大量研發(fā)工作，形成了如中子活化、雙能伽馬射線(xiàn)、X射線(xiàn)吸收和近紅外光譜等檢測技術(shù)，但由于檢測精度不高或存在放射源安全隱患等問(wèn)題，一直未能實(shí)現大規模的商業(yè)化應用。因煤炭生產(chǎn)加工、儲、運、銷(xiāo)等過(guò)程中檢測環(huán)境工況條件復雜且應用場(chǎng)景存在差異，單一感知手段的快檢技術(shù)難以滿(mǎn)足多場(chǎng)景檢測需要，開(kāi)發(fā)基于A(yíng)I+多維感知的煤質(zhì)快速檢測技術(shù)尤為必要。

通過(guò)計算機科學(xué)、光譜學(xué)及分析化學(xué)等多學(xué)科的交叉融合，形成了基于A(yíng)I+多維感知的煤質(zhì)快速檢測技術(shù)，解決了單一感知無(wú)法源頭捕捉煤炭完整全面的信息和復雜環(huán)境下光譜等精密儀器穩定性與可靠性不足的問(wèn)題，實(shí)現了對煤炭關(guān)鍵指標的快速、準確、無(wú)損檢測。

煤質(zhì)快速檢測技術(shù)主要研究?jì)热?/strong>

基于A(yíng)I+多維感知的煤質(zhì)快速檢測技術(shù)研究，主要從硬件感知、算法模型、數據集建設3個(gè)方面開(kāi)展。

1.1 硬件感知

基于A(yíng)I+多維感知的融合光譜煤質(zhì)智能快檢關(guān)鍵技術(shù)研發(fā)與裝置試制，利用近紅外+X射線(xiàn)熒光融合光譜檢測裝置，全面感知煤炭原子信息與分子信息，利用溫濕度傳感、煤流檢驗、環(huán)境補償等多維感知手段，以整形壓輥、可見(jiàn)光、近紅外、X熒光等技術(shù)形成了對樣品形貌、環(huán)境條件、煤中分子和原子信息的全面信號感知，通過(guò)典型場(chǎng)景應用驗證煤質(zhì)檢測系統的穩定性與魯棒性。

1.2 算法模型

研究近紅外、X射線(xiàn)熒光光譜與煤質(zhì)成分及理化特性的關(guān)聯(lián)機理，探索基于神經(jīng)繼承關(guān)系假設，設計模型結構自動(dòng)化搜索算法與多級分類(lèi)模型，挖掘雙光譜中與煤質(zhì)成分相關(guān)的互補信息，提升煤質(zhì)檢測的高精度與高泛化性，并建立煤質(zhì)快檢統一基礎大模型。以數據預處理、雙模態(tài)神經(jīng)網(wǎng)絡(luò )等深度學(xué)習算法，實(shí)現多維感知信號有效提取和增益組合。

1.3 數據集建設

以煤質(zhì)覆蓋率指標為指導，熱力圖打靶為手段，以精準投樣、異常樣復檢、定期抽檢等方式擴充數據規模，構建涵蓋國內外大部分煤炭產(chǎn)品的高質(zhì)量數據集，實(shí)現復雜煤種檢測的高精度與高泛化性。針對全球主流進(jìn)口煤種、全國20余個(gè)省區、4大產(chǎn)煤區不同地質(zhì)年代煤種，構建高質(zhì)量煤質(zhì)數據集，完成近30次模型升級迭代，提升了檢測精度，快速部署和低臺間差等行業(yè)難題，實(shí)現了對上百種復雜煤種的高精度。

煤質(zhì)快速檢測關(guān)鍵技術(shù)突破

（1）利用多維感知手段與多模態(tài)自動(dòng)校正技術(shù)，實(shí)現了設備狀態(tài)的快速診斷和自我修復。在不同產(chǎn)煤區、不同氣候區、不同煤流量及采樣形態(tài)等典型場(chǎng)景，驗證了技術(shù)的穩定性與魯棒性。

（2）揭示了近紅外、X射線(xiàn)熒光光譜與煤質(zhì)成分及理化特性的關(guān)聯(lián)機理，構建了基于神經(jīng)繼承關(guān)系假設，設計模型結構自動(dòng)化搜索算法與多級分類(lèi)模型，建立了首個(gè)國際煤質(zhì)快檢統一基礎大模型，實(shí)現了近紅外光譜和X射線(xiàn)熒光光譜有機融合，挖掘出雙光譜中的煤質(zhì)信息。

（3）以煤質(zhì)覆蓋率指標為指導，熱力圖打靶為手段，構建了涵蓋國內外398種煤炭銷(xiāo)售品種、數量超11萬(wàn)組的國際首個(gè)最大規模高質(zhì)量數據集，實(shí)現了復雜煤種檢測的高精度與高泛化性。

煤質(zhì)快速檢測技術(shù)方案

3.1 煤樣大批量、實(shí)時(shí)、無(wú)損檢測

利用近紅外光譜技術(shù)結合X射線(xiàn)熒光光譜技術(shù)，實(shí)現煤炭成分信息的全面、無(wú)損感知，并與采樣機整體融合，確保大批量煤樣的實(shí)時(shí)檢測。結合高精

度形貌感知與全方位設備狀態(tài)感知，全面準確探測煤炭的發(fā)熱量、灰分、全水分、全硫等指標反應的光譜信號及相關(guān)信息，可有效解決傳統采制樣技術(shù)檢測量小、代表性差、檢測時(shí)效低的問(wèn)題，AI+多維感知技術(shù)原理如圖1所示。

圖1 AI+多維感知技術(shù)原理

3.2 多模態(tài)神經(jīng)網(wǎng)絡(luò )實(shí)現信息深度融合

通過(guò)設計模型結構自動(dòng)化搜索算法，研究近紅外光譜和X射線(xiàn)熒光光譜的最佳融合方式，精確提取2種光譜信號中與煤炭成分相關(guān)的特征，并轉換為準確的煤質(zhì)成分信息?；诠庾V學(xué)的物理化學(xué)理論，結合設備狀態(tài)及環(huán)境狀態(tài)，利用多模態(tài)信號處理技術(shù)對煤樣光譜進(jìn)行智能化補償校準，在不同環(huán)境、設備狀態(tài)及煤流特性條件下，實(shí)現煤樣光譜信息的準確、標準化獲取，并輸出符合模型預測要求的高質(zhì)量光譜數據，多模態(tài)神經(jīng)網(wǎng)絡(luò )融合算法原理如圖2所示。

圖2 多模態(tài)神經(jīng)網(wǎng)絡(luò )融合算法原理

3.3 煤種高精度、高泛化性檢測

煤炭種類(lèi)豐富、成分復雜，包括不同地質(zhì)年代、不同煤炭種類(lèi)及不同應用場(chǎng)景混配方式，單一模型實(shí)現全煤種的準確檢測需要突破多項關(guān)鍵技術(shù)難題。針對國內外不同產(chǎn)煤區、港口、銷(xiāo)售、電廠(chǎng)及化工產(chǎn)業(yè)等煤炭場(chǎng)景下的復雜煤樣檢測，開(kāi)發(fā)出1套高質(zhì)量數據采集體系，經(jīng)過(guò)智能化數據清洗、異常分析、快檢復投、人工復檢等手段，建立了包含準確煤樣光譜、煤質(zhì)成分超10萬(wàn)組，涵蓋398個(gè)煤炭品種，收到基低位發(fā)熱量范圍覆蓋1213～8023kcal的高質(zhì)量融合光譜數據集，煤炭各項檢測指標與煤量加權熱力覆蓋如圖3所示，檢測指標范圍與精度見(jiàn)表1。

圖3 煤炭各項檢測指標與煤量加權熱力覆蓋

表1 檢測指標范圍與精度

煤質(zhì)快速檢測的先進(jìn)性

融合光譜的煤質(zhì)快速檢測技術(shù)，形成了集多維感知、人工智能的多模態(tài)信號處理、高質(zhì)量數據集和統一基礎模型于一體的多項自主核心技術(shù)?；谌诤瞎庾V的煤質(zhì)快速檢測技術(shù)包含煤質(zhì)快檢核心裝置、AI模型與數據管控平臺，主要包括8個(gè)方面的優(yōu)勢。

（1）檢測效率大幅提升

檢測耗時(shí)由傳統方法的8～24h縮短為2min內，實(shí)時(shí)煤質(zhì)信息滿(mǎn)足煤炭精細化利用。

（2）樣品代表性大幅提升

整列車(chē)煤可檢測煤量約1t，為傳統方法的100萬(wàn)倍，樣品代表性大幅提升，避免了多級制樣過(guò)程引起的系統偏差。

（3）檢測無(wú)人干預實(shí)現“不能腐”

在線(xiàn)儀表式檢測高效、公平、透明，杜絕了人為操作失真風(fēng)險，也降低了核查、監督的工作難度。

（4）可實(shí)現多指標同時(shí)檢測

煤質(zhì)快速檢測可同時(shí)獲取煤發(fā)熱量、全硫、灰分、全水、揮發(fā)分、灰熔點(diǎn)等指標，其他指標預測模型正在開(kāi)發(fā)中，有力推動(dòng)了對煤炭認知向微觀(guān)深入。

（5）適應現場(chǎng)嚴苛環(huán)境

完成“煤電化運”全場(chǎng)景10臺設備示范，在高低溫、粉塵、震動(dòng)、高濕度、電磁干擾等嚴苛環(huán)境條件運行約2年，仍可精度高、運行穩定。

（6）數據集規模大、范圍廣、質(zhì)量高

累計已檢測200多家用戶(hù)、數萬(wàn)批、數百種、超4億t煤炭，構建了大規模高質(zhì)量數據集。

（7）檢測結果高一致性

以熱值檢測結果為例，相同煤樣在同一裝置重復性檢測的平均差值約42kcal/kg，在不同裝置再現性檢測平均差值約59kcal/kg，上下游檢測平均差值約77kcal/kg，與人工化驗相當。

（8）檢測結果精度高

統一基礎模型在不同設備部署后，可實(shí)現對100多種復雜煤種高精度、高一致性檢測，與傳統人工檢測比對偏差呈標準正態(tài)分布，累計偏差趨于0，檢測精度不低于傳統方法水平。

應用效果與推廣前景

5.1 應用效果

煤質(zhì)快速檢測技術(shù)在國家能源集團所屬的神東煤炭集團有限責任公司、寧夏煤業(yè)有限責任公司、神華準格爾能源有限責任公司、新疆能源有限責任公司、煤炭經(jīng)營(yíng)有限公司、勝利能源有限公司、浙江電力有限公司、河北電力有限公司及黃驊港務(wù)有限責任公司多個(gè)試點(diǎn)單位完成了設備安裝、調試和運行，應用成果良好，煤質(zhì)檢測產(chǎn)品迭代與應用案例如圖4所示。

圖4 產(chǎn)品迭代與應用案例

（1）煤炭快速結算

煤炭經(jīng)營(yíng)類(lèi)單位實(shí)現了對外部用戶(hù)超千萬(wàn)噸煤炭快速結算。勝利能源有限公司已結算約200天，累計偏差僅13kcal，結算周期從月級縮短至當日實(shí)時(shí)結算，資金效率大幅提升。

（2）煤化工應用

寧夏煤業(yè)有限責任公司使用快檢實(shí)時(shí)煤質(zhì)信息指導精準配煤，配煤合格率由82%上升為95%，后工段油品加工負荷從97%提升至102%，氣化爐平均運行周期延長(cháng)30天，每年有效降低生產(chǎn)成本約2000萬(wàn)元。

（3）檢測費節約

以煤質(zhì)快檢技術(shù)代替傳統采制化方式，各試點(diǎn)每年可節省成本數千萬(wàn)元，為進(jìn)一步驅動(dòng)港口高效生產(chǎn)奠定基礎。

（4）煤電應用

國能（福州）熱電有限公司應用快檢技術(shù)，優(yōu)化調整鍋爐燃燒和水冷壁腐蝕狀態(tài)診斷，助力燃煤發(fā)電向數字化、智能化方向邁進(jìn)。

（5）體系化管控

覆蓋“煤電運化”全產(chǎn)業(yè)鏈的煤炭生產(chǎn)、加工、利用等環(huán)節，支撐煤炭質(zhì)量管控體系的體系化、網(wǎng)絡(luò )化、標準化和在線(xiàn)檢測+數字監管的運營(yíng)管控。

5.2 推廣前景

煤質(zhì)快速檢測技術(shù)在煤炭、電力、煤化工、港口、運輸、鋼鐵、冶金、水泥等涉煤行業(yè)均有廣闊的應用前景，主要包括以下4個(gè)方面。

（1）煤炭基礎科學(xué)研究

快速積累煤質(zhì)基礎數據，推動(dòng)從極微觀(guān)層面深入了解煤炭的化學(xué)組成、分子結構及地質(zhì)演變進(jìn)程，推動(dòng)煤基化學(xué)與人工智能計量學(xué)融合發(fā)展。

（2）煤炭統一大市場(chǎng)建設

推動(dòng)煤炭交易現場(chǎng)檢測、煤炭快速結算、商品煤煤質(zhì)管控、煤炭資源優(yōu)化配置、煤炭運輸與調度跟蹤與監管的統一大市場(chǎng)建設。

（3）煤炭清潔高效安全利用

推動(dòng)煤炭智慧洗選提質(zhì)、煤炭智慧精準配煤、煤化工高端化和多元化轉化、煤基污染物協(xié)同控制、鍋爐燃燒優(yōu)化調整等煤炭清潔高效安全利用。

（4）煤基能源碳足跡研究與管理

打造多源數據互證互信，碳核算與監測等碳足跡方法學(xué)閉環(huán)的碳追蹤、碳監控體系，支撐能源產(chǎn)業(yè)碳足跡可信認證與方法學(xué)建立、助力“雙控”轉型。

“煤礦智能化重大進(jìn)展發(fā)布會(huì )”自 2021年開(kāi)始，至今已舉辦4次，發(fā)布會(huì )吸引了眾多煤礦智能化建設領(lǐng)域的專(zhuān)家及科研、工程技術(shù)人員，成為展示煤礦智能化建設成果，交流煤礦智能化科技成果的盛會(huì )。

往期回顧 | 點(diǎn)擊圖片了解詳情

2024年煤礦智能化重大進(jìn)展發(fā)布會(huì )

2023年煤礦智能化重大進(jìn)展發(fā)布會(huì )

2022年煤礦智能化重大進(jìn)展發(fā)布會(huì )

2021年煤礦智能化重大進(jìn)展發(fā)布會(huì )