选煤厂数字孪生关键技术研究

成荣杰，王 洋，王 坤

(中煤(天津)地下工程智能研究院有限公司，天津 300120)

2015年国家能源局提出了“煤炭清洁高效利用行动计划”，其中明确指出“大力发展高精度煤炭洗选加工，实现煤炭深度提质和分质分级；现有煤矿实施选煤设施升级改造”。这标志着我国的选煤行业进入一个新的发展阶段[1-4]。过去传统的选煤工作方式已经不再适应现有的生产需求，粗放式的管理已经无法满足当代精细化管理的趋势，数字化、智能化、可持续化的新型选煤厂将成为未来的发展趋势，因此，选煤企业也开始大规模的数字化和智能化建设[5-8]。

目前，我国已经有上百个煤矿在不同程度上开启了矿井智能开采工作，形成了在薄、中、厚3个不同层级的高效开采方式。与传统的相对粗放式管理和低效率开采方式相比，已经有了较大的进步。但是距离目前国际先进的智能化开采，数字化管理依然存在着一定的差距。集中体现在煤矿的系统性智能化关键技术未能得到有效突破，选煤生产过程监控、复杂设备故障的定位以及全天候健康周期管理技术尚不成熟。

神华乌海能源公司选煤厂[9]为了提高选煤效率，采用PLC集成控制方式对重介质选煤系统进行了改造，并取得了较好的经济效益。张明[10]针对目前国内选煤厂中存在选煤工艺不合理现象，提出了一套工艺设计方案，并在某选煤厂进行了实验，取得了良好的效果。

虽然不同的学者及相关选煤厂已经做了部分有益智能化改进，但是目前我国的选煤厂依然存在着设备自动化水平低，人均工作效率低，原煤入选比例低，平均灰分高等问题，尤其是在数字化建设领域，更是与国际先进水平存在较大的差距。为了解决上述问题，有必要将目前在全球大型制造业中都探索使用的“数字孪生”技术引入选煤厂智能化建设中，用以完成选煤厂整体高保真工作模型搭建，构建虚拟现实数字交互机制，切实提高我国选煤厂的数字化水平。

1 数字孪生技术

“数字孪生”是指利用数字技术对物理实体对象的特征、行为、形成过程和性能进行描述和建模的过程方法[11]。“孪生体”概念最早可以追溯到美国国家航空航天局的阿波罗项目，其本质是制造了2个相同空间飞行器，留在地球的飞行器用以反映正在执行任务的空间飞行器的状态[12]。随后国内众多学者对该概念进行了扩充，其应用范围不再局限于航天领域的飞行器模拟，而是扩充至更为宽广的生产系统、甚至供应链领域。特别是2010年以后，传感器、超级算力的计算机的技术取得了突飞猛进的进展，“数字孪生”技术在理论层面和应用层面取了较大的发展。其中，部分学者已经将数字孪生技术应用于某些产品的生产线，构建产品生产周期的数字化，用以实现全数字化车间。数字孪生人类研究现实世界的新技术，其采用先进的计算机技术，构建现实工业生产中的制造、能源工业等模型，搭建现实世界与模型世界的桥梁，是目前的研究热点，已经被应用到航空航天、高精度制造、油田开采、智慧城市等领域。随着数字孪生技术的不断成熟以及选煤厂技术升级的需求愈加迫切，可以预见，在未来的一段时间，数字孪生技术将会被在选煤厂中得到广泛应用。

同时，伴随着5G技术、物联网以及云计算等领域的快速突破。数字孪生技术已经具备了在复杂工业系统中大规模应用的基础。而目前我国的大部分选煤厂正处于数字化转型过程，因此，将数字孪生技术应用于选煤厂的数字化改造成为最适合的技术手段。

2 选煤厂与数字孪生技术

目前，数字孪生技术在智慧矿山中的应用已经取得了一些研究成果[13]，但是在选煤厂应用领域少见，因为有必要针对该问题展开研究。

目前，我国的常规选煤厂工艺流程如图1所示。其中涉及的主要设备包括重介质旋流器、脱介筛、脱水筛以及原煤的分级筛等。

图1 常规选煤流程

根据数字孪生技术的要求，在构建整个选煤厂的数字模型过程中，就是整个选煤系统的数字化模型。对于这个数字化模型一般具有以下2个基本的要求：

(1)模型具有高保真性，能够真实的反映整个物理模型的实际工作特性。高保真模型的建立是目前数字孪生领域的关键性问题之一，如果模型过于复杂，虽然可以初步实现与现实模型差距较小，但是对于计算机的性能要求极高，很有可能超出现有计算机的硬件极限，造成“计算灾难”。如果模型过于简化，现有计算能力可以快速完成仿真计算，但是与现实模型差距过大，则就背离了数字孪生技术的初衷。因此如何构建一个既能保证模型的真实性，又可以在现有计算能力基础上实现快速仿真的模型，是一个非常具有挑战性的问题。

(2)模型具备数字共融性，即能够实现现实空间与虚拟空间的数据实时交互。数字共融性的基本要求是实现虚实之间的数据交互。在构建数字共融系统的过程中，首先需要确定的是那些关键数据是必须实现实时交互的。如果选取的数据过多，对于现实空间中的传感器配置就会有较高的要求，进一步导致成本增加。如果选取的数据较少，则无法反映出系统的关键性参数，因此共融参数的选取是需要注意的。

初步构建的选煤厂数字栾生模型方案如图2所示。

图2 数字孪生与选煤厂

综上所述，在构建选煤厂的数字孪生模型过程中，需要完成以下几个主要的虚拟模型建设。

(1)原煤仓数字模型，用以分析仓储情况。仓储模型的作用不只是简单的分析其进入仓内的原煤数量，还要初步给出不同品质的原煤在仓内的分布情况。为了达到上述2个目的，建模过程就需要采用散落颗粒的堆积理论。

(2)重介质旋流器模型，用以分析第一次粗煤和精煤的分离过程。该模型是典型的液固耦合模型，但是其工况极度复杂，几乎无法用现有商品化软件直接进行仿真，因为必须从理论模型推导、工业大数据以及人工智能技术多个方面对其进行联合建模。

(3)分级筛、脱介筛、脱水筛的运动模型以及浮选模型。分级筛是一个典型振动接触碰撞模型，虽然目前碰撞力学已经较为成熟，但是其主要针对的两个物体的接触碰撞。对于分级筛这类大量颗粒的碰撞问题尚难以突破。而现有动力学方正软件也存在建模困难、计算时间不可预估的难题。

3 关键技术研究

针对需要建立的数学模型，有以下关键技术需要研究。

3.1 原煤仓大范围堆积模型

由于进入原煤仓的煤品质各不相同，导致整个存储仓的煤质分布是一种不均匀的状态。原煤入仓过程是一个典型的大范围小颗粒倾倒堆积问题，也是一个典型的碰撞动力学问题。建立模型的难度在于，如何通过数值算法较为精确地模拟数以万计的颗粒碰撞。如果直接采用计算机模拟，会导致计算灾难。因此，需要引入强化学习理论，采用小规模模拟、大规模预测、实际数据校正相结合的方式进行模拟。

3.2 重介质旋流器的液—固耦合模型

根据重介质旋流器的工作原理可知，其工作过程属于存在液固耦合和数量巨大的碰撞问题，并且介质的状况在时刻发生变化，所以目前常用的液相仿真软件难以对其进行直接仿真。针对该问题，需要基于小样机高保真模型，群组计算方法对其进行模拟。其中小样机高保真模型是实际建立一个尺寸很小的重介质旋流器，只需要初步模拟运动过程即可。通过导入不同的原煤可以获得不同的分离数据。群组计算方法是将粗煤与精煤的颗粒度变大，降低在数值模拟过程的计算量。最后通过小样机获得数据校正数值计算过程中使用的参数，达到合理校正参数的效果。最后该模型应用于实际生产过程，以检验模型的准确性。

3.3 数据融合的传感器技术

由于要实现数字模型的交互，获取数据的传感器则成为其中的关键环节。由于选煤厂的工作环境极端复杂，传统的传感器难以满足其使用要求。比如，在原煤仓储环节，虽然可以通过视频监控的形式实现对于仓内储存量的监测，但是考虑到现场会有粉尘的影响，如何通过图像处理方式，实现准确原煤仓储监测是一个需要突破的技术难点。重介质旋流存在介质工作不稳定的现象，为了对其工作过程中的介质状况进行监测，则需要设计一种满足当前工况的接触式监测设备。因此，如何设计出满足其在复杂工况下的使用要求的传感器，是目前亟需突破的关键技术。

4 结 语

随着我国选煤厂智能化技术的发展，以选煤厂为研究对象的数字孪生技术是未来的重要发展方向。通过对选煤厂工艺的分析，阐述了数字孪生技术与选煤厂智能化之间的技术关联性，提出了以选煤厂为研究对象的数字孪生技术需要重点构建的原煤仓模型和重介质旋流器的液—固耦合模型构建以及数据融合传感器技术。