郭莹主任工程师：付村选煤厂洗选知识图谱与工艺参数决策研发与应用

2025年10月15日 15:55 智能矿山杂志责编：戚金荣作者：智能矿山杂志

针对付村选煤厂在实际洗选工艺流程中，重介洗煤处理工艺存在处理效果不稳定、运行成本高、操作复杂等问题，研究了洗选知识图谱与决策支持关键技术，通过智能化系统实现各业务系统和智能化子系统的融合协同，引入自动化控制系统和大数据分析，全面优化重介分选工艺，建立了智能控制系统，提高了重介分选的稳定性和精度，降低运行成本和操作复杂度，提高了选煤厂的生产效率、经济效益和智能决策水平。

文章来源：《智能矿山》2025年第9期“选煤厂智能化建设成果专栏”

作者简介：郭莹，现任枣庄矿业集团付村选煤厂主任工程师，主要从事选煤生产技术管理相关工作。E-mail：guosuying5821@126.com

作者单位：枣庄矿业（集团）付村煤业有限公司

引用格式：郭莹.付村选煤厂洗选知识图谱与工艺参数决策研发与应用[J].智能矿山，2025，6(9)：33-40.

点击文末左下角阅读原文，免费下载阅读pdf全文

关注微信公众号，了解更多矿山智能化建设进展

选煤作为煤炭现代化工业生产中的关键环节，既是洁净煤技术的源头，又是综合利用资源、提高煤炭企业经济效益和社会效益的重要途径和手段的环节。因此，煤炭洗选加工技术的发展是提高经济效益、节约资源、促进节能减排、实现经济与环境和谐发展的关键。

枣庄矿业（集团）付村煤业有限公司选煤厂（简称付村选煤厂）设计规模为3.0 Mt/a，于2001年正式投产，经过多次技术改造，现主选设备为无压三产品重介质旋流器。为进一步优化生产，围绕煤质在线预测、选煤知识图谱构建、智能精煤软测量等方面，分析了煤炭分选环节智能决策和控制的研究现状，提出知识与数据混合驱动的重介选煤工艺优化关键技术，为质量管控提供更为准确的检测依据，为集约生产管理提供更为可靠的数据支持，为洗煤提供更为高效稳定的生产系统，实现洗选加工的优质高效。

选煤厂智能化发展现状

现阶段国内选煤厂基本实现自动化控制，信息化处于初步的报表、流程阶段，自动化满足工业生产流程效率层面的要求。应进一步探索产能、成本、效益、效率、安全等方面的潜在特性，研发选煤决策控制系统，实现选煤厂的分析判断、指导调控的智能生产功能。

重介洗煤是变量多、非线性、时变性且参数关联性强的复杂系统，当某个参数发生变化时，需要同时调整多个关联参数，人为调整存在不及时和不准确的问题。

当前选煤过程的运行优化控制主要采用了基于人工和机理模型的控制方法，此类方法存在较大局限性。运行过程的动态特性未知，机理复杂难以建立准确的数学模型，且易受到多种不确定性因素影响，严重阻碍了当前选煤控制系统的设计，导致实际工业生产应用效果较差。

为了提高重介洗煤处理工艺的效率和可靠性，通过综合利用丰富的领域知识和大数据分析，实现工艺参数的精确优化，提高洗选效率和产品质量。双驱动模式实时监测和分析原煤性质、设备状态及环境因素等多维数据，辅助制定智能决策，确保分选效果优化，增强分选设备配套能力，提高产能和智能化水平。

洗选知识图谱与决策支持整体概况

2.1 付村选煤厂生产现状

付村选煤厂主要生产环节包括原煤初选运输存储、无压三产品重介质旋流器分选、精煤浮选压滤、煤泥浓缩压滤、产品运输存储等。虽然智能化建设方面取得了一些成果，但生产过程控制方面存在以下3个方面的问题。

（1）原煤煤质数据监测不及时，数据缺失量大。原煤煤质依赖人工浮沉试验，化验周期长，原煤煤质数据滞后严重；长时间间隔采样，存在当下煤质情况严重缺失；根据生产状况不均匀采样，导致不规则采样煤质数据。

（2）精煤产品灰分测量实时性差。快速测灰法测量周期长，精煤灰分化验数据滞后，无法及时反馈到工艺参数调整；在用的测灰仪设备检测精度不满足需求。

（3）工艺参数调整不科学，无法更好地指导重介生产。原煤煤质检测不及时，工艺参数调整依据不足；滞后的精煤灰分反馈与变化的煤质叠加，导致工艺参数人工决策难度大；依靠人工经验调整工艺参数，调节过程不科学，介质消耗大、产品指标不稳定。

2.2 智能化控制模型设计原则

针对付村选煤厂重介智能分选所面临的问题，引入先进的自动化控制系统和大数据分析手段，全面优化重介分选工艺。整合、梳理来自不同数据源的数据进行数据池化管理，并通过实时监测和分析各类生产数据，建立智能化控制模型，提高重介分选稳定性和精度，降低运行成本和操作复杂度，提高选煤厂的生产效率和经济效益。

2.3 智能决策系统架构技术路线

针对原煤煤质数据采集频率低的问题，利用历史原煤浮沉实验室数据和精煤灰分数据，预测性优化原煤煤质数据；基于优化后的原煤煤质数据，利用目标精煤灰分计算理论分选密度，根据当前分选密度计算理论精煤灰分；精煤灰分软测量模型结合理论精煤灰分、当前工艺参数和优化后的煤质数据，预测精煤灰分；重介分选工艺决策模型结合预测的精煤灰分反馈、理论分选密度和优化后的煤质数据，智能决策分选密度等工艺参数；在此基础上，结合选煤工艺优化知识图谱，实现知识与数据混合驱动的重介选煤工艺优化，洗选知识图谱与智能决策系统架构如图1所示。

图1 洗选知识图谱与智能决策系统架构

洗选知识图谱与决策支持关键技术

3.1 选煤大数据采集与整合

（1）选煤相关数据的全面采集和整合，包括抽取和转换原有生产数据、设备数据、产品数据等，实现数据格式的统一和标准化；利用物联网技术，实现对设备状态的实时监控和数据采集，并推送至数据中心。

（2）建立选煤大数据存储和处理系统，通过引入大数据技术，搭建高效数据存储和计算平台，实现对选煤大数据的高速存储和实时处理；借助分布式文件系统和数据仓库等技术手段，提高数据存储和访问的效率和可靠性。

（3）构建选煤大数据集成与共享平台，通过引入开放接口和标准协议，实现不同数据源之间的互联和交流；搭建数据共享平台，将选煤大数据对外发布，以便其他应用和机构利用数据进行研究和分析，超融合服务器平台用于数据采集与整合界面如图2所示。

图2 超融合服务器平台用于数据采集与整合界面

3.2 入选原煤煤质数据实时优化与重构

（1）建立基于密度的原煤灰分预测模型。开发了1种基于原煤密度的回归模型，用于预测原煤灰分含量。利用易于获取的原煤密度数据作为预测灰分的基础，提高了原煤灰分数据的测量效率，原煤灰分与密度线性关系如图3所示。

图3 原煤灰分与密度线性关系

（2）填补基于精煤快灰反馈的原煤数据。针对原煤浮沉数据中的缺失值，采用一种基于精煤快速灰分反馈的填补技术。考虑到精煤快灰的采样频率远高于原煤，结合原煤密度级灰分和产率的概率分布，实现了对入选原煤煤质数据的高效填补，基于精煤快灰反馈的原煤煤质数据优化与重构如图4所示。

图4 基于精煤快灰反馈的原煤煤质数据优化与重构

（3）实现图引导网络的原煤数据填补。开发出一种基于图引导网络的方法，用于填补不规则时间采样的原煤煤质数据。在此方法中，每个数据样本被构建成1张图，其中节点代表重介分选工艺参数和原煤煤质指标，边表示指标间的依赖关系。通过神经消息传递和时间自注意力算法，计算指标间的相互依赖性，并利用高依赖边通过相邻未缺失节点填补缺失节点值。此方法考虑了跨样本指标间的共享依赖关系，并捕捉了每个样本中指标随时间变化的特定关系，实现了对不规则时间采样缺失煤质数据的自适应填补，引导的煤质数据优化与重构如图5所示。

图5 引导的煤质数据优化与重构

3.3 精煤灰分在线软测量技术

（1）原煤煤质数据的多通道线图化表示。设计了1种针对不规则时间采样原煤煤质数据的多通道线图化表示方法。将原煤煤质指标（如密度级产率或灰分）随时间变化以多维度折线图的形式直观展示。通过组合所有密度级的煤质指标，形成多通道折线图，每个通道代表1个指标的变化轨迹。此方法提升了数据的可读性，并完整保留了数据原始特征，使得数据的分析和理解更为直观和高效，针对不规则采样的多通道线图法如图6所示。

图6 针对不规则采样的多通道线图法

（2）以多通道线图为输入，结合分选工艺数据和“分选密度-精煤灰分”理论回归模型获得的理论灰分值。通过构建复合损失函数，结合物理损失与传统经验损失监督模型训练。物理损失通过调整部分输入数据生成反事实样本，并与原始数据进行对比分析，根据精煤灰分预测结果变化计算得到。此模型实现连续测量，并通过生产情况矫正预测值，增强模型在各类工况下的自适应能力，基于深度学习的精煤实时灰分软测量模型如图7所示。

图7 基于深度学习的精煤实时灰分软测量模型

3.4 选煤工艺分析与控制变量调节算法

（1）建立精煤灰分-分选密度理论回归模型。利用原煤浮沉试验数据，确定了精煤灰分与分选密度之间的离散映射关系，通过插值方法平滑处理离散点，建立了两者间的连续值理论映射模型，为精煤灰分的预测提供了科学依据，动态原煤可选性曲线如图8所示。

图8 动态原煤可选性曲线

（2）定义融合物理知识的复合损失函数。提出了1种面向重介分选密度决策的复合损失函数，由传统经验损失和物理损失2部分组成。物理损失计算通过调整部分输入数据，生成反事实对照样本，并与原始数据对比分析。根据调整前后分选密度预测结果的物理变化计算物理损失，实现对模型性能的准确评估，深度学习与物理引导的分选密度模型决策如图9所示。

图9 深度学习与物理引导的分选密度模型决策

3.5 选煤工艺分析与决策支持系统

（1）鉴于选煤生产数据多样，建立工艺分析与决策支持平台，通过引入开放接口和标准协议，与现有集控系统对接，将各类重介生产工艺参数接入现有系统，实现不同数据源之间的互联，集中管理、统一调度和智能分析选煤数据功能。支持多数据源接入、数据格式转换和标准化处理，具备高效的数据存储和检索能力，能够处理和分析海量实时数据，提升数据可读性并保留原始特征；同时将密度决策、重介灰分软测量、洗选知识图谱等整合到平台中，平台支持TPC/IP，OPC，MOTT，HTTP以及用户自定义接口协议，为选煤行业提供强有力的数据支持，重介智能决策支持平台界面如图10所示。

图10 重介智能决策支持平台界面

（2）基于理论与数据双驱动的重介分选密度决策模式。基于精煤快灰反馈和图引导网络，双重填补策略优化的原煤煤质为前馈寻优控制，以“精煤灰分-分选密度”理论回归模型优化的理论分选密度为第2前馈，以面向不规则时间采样原煤煤质数据多通道线图化表示的产品灰分在线软测量为反馈控制，优化模型复合损失函数为物理引导，形成物理引导的“双前馈+反馈闭环控制”智能化控制新模式，实现对目标精煤灰分分选密度的精准调控，“双前馈＋反馈”闭环控制智能决策新模式如图11所示。

图11 “双前馈＋反馈”闭环控制智能决策新模式

3.6 洗选知识图谱平台

（1）选煤领域专业知识和经验的整合和抽象，包括对选煤生产过程中涉及的各环节、设备、工艺参数等进行知识提取和建模，形成领域知识图谱基础；利用自然语言处理和专业领域分析技术，对信息进行结构化处理和语义抽取，构建知识表示的标准和规范。

（2）建立选煤相关数据与领域知识关联关系，关联选煤生产过程中产生的大量数据与领域知识，建立数据与知识的映射关系。通过数据挖掘和知识发现技术，挖掘数据中潜在特性和价值信息，并与领域知识融合，为选煤过程优化，提供理论支撑和实践指导，洗选知识图谱模型构建如图12所示。

图12 洗选知识图谱模型构建

（3）构建选煤过程优化知识表示模型，基于整合的选煤数据和领域知识，设计并构建知识图谱的表示模型，包括知识结构化表示、关联关系建模、实体属性描述等。通过统一的知识表示模型，实现选煤过程涉及的各类知识和数据的统一管理和表达，为后续知识推理和应用提供基础支持，洗选知识图谱平台问答界面如图13所示。

图13 洗选知识图谱平台问答界面

洗选知识图谱与决策支持系统应用效果

（1）提高了选煤厂生产工艺系统的智能化水平，降低了操作工人工作强度，实现了工艺参数的精确优化，减少了人为因素的影响，降低了生产成本，全员工效提高10%。

（2）通过综合利用领域知识和大数据分析技术，实时监测和分析原煤性质、设备状态以及环境因素等多维数据，实现工艺参数的精确优化，提高洗选效率和产品质量。

（3）保证了生产过程中的各项指标稳定在最佳范围内，精煤灰份控制偏差在0.4%以内，灰分波动范围下降10%，综合精煤回收率提高0.5%。

结语

付村选煤厂面向生产过程控制的洗选知识图谱与决策支持关键技术研究，通过综合利用丰富的领域知识和大数据分析技术，实时监测和分析原煤性质、设备状态以及环境因素等多维数据，并通过硬件系统构建和软件平台开发，研发了工艺及精煤质量控制的智能决策系统，实现工艺参数的精确优化，保障了选煤厂产品质量稳定。

编辑丨李莎

审核丨赵瑞

煤炭科学研究总院期刊出版公司拥有科技期刊21种。其中，SCI收录1种，Ei收录5种、CSCD收录6种、Scopus收录7种、中文核心期刊9种、中国科技核心期刊11种、中国科技期刊卓越行动计划入选期刊4种，是煤炭行业最重要的科技窗口与学术交流阵地，也是行业最大最权威的期刊集群。

期刊简介

《智能矿山》（月刊，CN 10-1709/TN，ISSN 2096-9139）是由中国煤炭科工集团有限公司主管、煤炭科学研究总院有限公司主办的聚焦矿山智能化领域产学研用新进展的综合性技术刊物。

主编：王国法院士

刊载栏目：企业/团队/人物专访政策解读视角·观点智能示范矿井对话革新·改造学术园地、专题报道等。

投稿网址：www.chinamai.org.cn（期刊中心-作者投稿）

👉 征稿函详见链接： 征稿┃《智能矿山》面向广大读者征稿，欢迎投稿

期刊成果：创刊5年来，策划出版了“中国煤科煤矿智能化成果”“陕煤集团智能化建设成果”“聚焦煤炭工业‘十四五’高质量发展”等特刊/专题30多期。主办“煤矿智能化重大进展发布会”“煤炭清洁高效利用先进成果发布会”“《智能矿山》理事、特约编辑年会暨智能化建设论坛”“智能矿山零距离”“矿山智能化建设运维与技术创新高新研修班”等活动20余次。组建了理事会、特约编辑团队、卓越人物等千余人产学研用高端协同办刊团队，打造了“刊-网-号-群-库”全覆盖的1+N全媒体传播平台，全方位发布矿山智能化领域新技术、新产品、新经验。

👉 具体详见链接：《智能矿山》创刊4周年回顾

联系人：李编辑 010-87986441

邮发代号：82-476

👉 期刊订阅详见链接：欢迎订阅┃《智能矿山》杂志2026年订阅开始了！

往期荐读