推进煤炭开采数智化转型——专访中国工程院院士袁亮

来源：市场资讯

（来源：煤炭工业）

基础理论滞后是制约深部开采的最大“卡脖子”风险

构建场景开放与数据共享的互信规则，制定矿区数据脱敏与安全使用标准，鼓励大型煤企向联合体成员开放真实采掘场景和监测数据，并明确数据使用边界和保密责任

依托全国重点实验室、国家工程研究中心等载体，由龙头企业、高校院所共同持股或契约共建矿山智能化创新联合体，实行理事会制，明确各方投入、知识产权归属和成果分配规则

文 |《瞭望》新闻周刊记者 戴威

我国能源结构富煤、贫油、缺气。2025年全国原煤产量达48.3亿吨，煤炭仍稳居第一大能源地位，是能源安全的“压舱石”。

当前我国煤炭开采正以每年10米至25米的速度向深部延伸，平均采深已接近500米，800米以深矿井超过210处，千米以深矿井超过60处，全面进入“深井时代”。截至2025年底，全国已探明煤炭资源储量中，埋深小于1000米的占比不足20%，向深部要资源已成为战略必然，加快煤炭开采数智化转型、破解深部安全难题，成为行业高质量发展的关键。

中国工程院院士袁亮长期深耕煤炭安全开采与数智化转型研究，2017年率先提出“煤炭精准开采”构想，牵头筹划“煤炭安全智能精准开采协同创新组织”，聚焦透明地质探测、智能感知预警、无人采掘装备、多场耦合致灾机理等核心技术攻关，为煤炭行业安全高效与绿色低碳协同发展提供系统方案。

“煤炭精准开采需统筹开采扰动、致灾因素、生态环境等多方面信息，目标是实现少人无人智能开采与灾害防控一体化。行业亟待以数智技术推动智能精准开采，保障国家能源安全。”袁亮在接受《瞭望》新闻周刊记者专访时表示。

深井时代挑战凸显

《瞭望》：现有煤炭开采技术与管理模式，在应对深部开采难题上存在哪些不足？

袁亮：我国已建成智能化煤矿1066处、智能化产能占比突破65%，但还面临透明地质精准探测与智能感知装备两大瓶颈。

当前深部复杂地质条件下智能采掘装备与机器人应用仍有明显瓶颈，核心是感知与决策能力不足，智能感知装备精度和可靠性难以满足需求，煤岩界面识别、地质动态建模等核心技术尚未完全突破。在高地应力、高地温、高粉尘等条件下，普遍存在装备耐用性和稳定性不足、装备适配性差、运行水平低的问题。

基础理论滞后是制约深部开采的最大“卡脖子”风险。当前我们基于浅部煤岩体建立的岩体力学理论和防控技术已难以适用，对深部岩体力学的认知还存在“科学荒原”。

深部煤岩体处于高地应力、高瓦斯、高地温、高渗透压及强开采扰动的“四高一强”复杂环境中，冲击地压等动力灾害呈现高能级、多灾种耦合的新特征，预警防控难度呈指数级上升。尽管透明地质在理论研究、单项技术突破及少数示范矿井中取得了积极进展，但从整体行业应用角度看，其能力远未达到稳定、可靠、普适的工程实用水平。

深部开采还加剧了安全与绿色协同的矛盾。我国煤矿瓦斯涌出量抽采利用率偏低；深部开采对覆岩结构和地下水系的扰动远超浅部，生态损伤极易诱发次生安全灾害。

此外，传统安全管理体系与少人、无人化开采模式不匹配，安全责任界定不清、应急响应机制尚未健全。千米深井建设风险防控能力不足，井上下立体联合抽采等新型模式的安全管控理论尚未建立，全生命周期安全管控体系尚不完善，制约了新技术的规模化应用。

《瞭望》：破解深部开采难题的关键是什么？

袁亮：深部开采最大的风险在于“看不见”，必须突破深部地质体透明化技术，构建以高精度三维地震勘探为核心、多物理场数据融合的立体勘探模式，查清煤层赋存、瓦斯富集区、导水通道等隐蔽致灾因素，完成地质条件精准数字化重构。

继而通过无人化综采工作面、5G远程操控技术，让矿工在地面智能调度中心完成作业，远离灾害风险。这并非简单替代人力，而是在深部复杂环境下通过技术赋能实现精准感知、提前预警和远程操控，从根本上减少人员危险环境暴露概率，提升矿山本质安全水平。

两淮大型煤炭基地的实践证明，构建统一智能化监测体系，可实现灾害风险早期识别和动态跟踪，为主动预警提供有力支撑。

工作人员在陕西陕煤曹家滩矿业有限公司 10 米超大采高智能综采工作面对采煤机进行检修（2024 年 2 月 29 日摄） 邹竞一摄 / 本刊

以智能技术巩固矿山安全

《瞭望》：数智技术是如何提升精准预警水平的？

袁亮：当前矿山安全生产面临地质条件、开采扰动、管理漏洞交织的复合特征，传统监测手段难以及早识别风险，安全数据分散于不同系统，系统性预警能力不足。数智技术的核心作用，是推动矿山安全从经验驱动向数据驱动、从被动响应向主动预警转型。

以数智技术实现精准预警，就是要统筹建设覆盖地质、生产、设备、环境的全域智能感知网络与统一数据底座，打通“数据孤岛”，依托大数据和AI绘制“安全风险一张图”，推行“一矿一策”专家评估机制。同时突破数字孪生矿山、AI预警平台、知识图谱与深度学习融合应用等关键技术，重点攻关矿山智能体、安全AI大模型、具身智能机器人等前沿方向，实现风险智能研判与精准预警。并构建以高精度三维地震勘探为核心、多物理场融合的立体勘探模式，发展“井地一体”协同探测技术体系，结合地面大尺度探测与井下精细探测，形成逐级聚焦的勘探能力。

《瞭望》：如何破除数据贯通与共享壁垒？

袁亮：数据孤岛的根源是矿山安全感知数据分散、缺乏统一标准与共享机制，破除这一壁垒需从顶层设计、标准规范建设、示范应用等多方面发力。

在顶层设计方面，建议制定高级别AI驱动矿山安全发展路线图，统筹建设全域智能感知网络与统一数据底座。同步完善智能系统安全认证、数据共享、责任界定等配套标准，建立国家级矿山智能化运行监管平台，保障数据安全可控地跨系统、跨矿区流动共享。

在标准建设层面，加快制定覆盖设计、建设、运维全周期的智能矿山标准。健全跨系统、跨厂商的数据接口、通信协议和语义模型规范，促进设备互联互通。建立国家级智能装备与系统认证平台，打造智能系统的安全可靠性权威测试认证标准。推动深部开采安全法规的修订完善，满足特殊工况下对设备准入、数据安全、应急响应等提出的新要求。

在示范应用层面，建议在重点矿区布局国家级综合示范工程，形成可复制、可推广的数据贯通与共享模式，将顶层设计转化为基层可落地的实践方案。例如构建场景开放与数据共享的互信规则，制定矿区数据脱敏与安全使用标准，鼓励大型煤企向联合体成员开放真实采掘场景和监测数据，并明确数据使用边界和保密责任。

《瞭望》：针对不同规模矿井，应如何分类推进智能化改造？

袁亮：智能化改造要因地制宜、分类施策，杜绝“一刀切”，核心是以“减人增安”为目标，不搞“为智能而智能”的形象工程。

对于大型现代化矿井，应推动全场景智能升级，重点突破透明地质、智能采掘和远程运维，依托全域感知网络和无人化综采工作面，实现“少人巡视、无人操作”的常态化运行。对于中等规模的矿井，宜从最紧迫的灾害预警、通风排水等环节入手，逐步替换人工值守为远程集控，在保证安全的前提下降低改造成本。小型矿井则立足基础信息化，重点保障安全监测数据的上传与共享，借助区域协同监管平台实现风险集中管控。各类矿井应坚持“一矿一策”，在专项评估基础上量身定制改造方案，不搞简单复制、不套用一个模板。

以体制机制改革加速成果应用

《瞭望》：如何加速实验室成果转化为现场可用的工程技术？

袁亮：加快科技成果向工程应用转化，核心是打通需求、研发、验证、推广全链条的梗阻。

建立“企业出题、联合答题”的攻关机制，由大型煤企从深部开采一线提炼真难题、提供真数据，高校院所据此开展定向基础研究和技术研发，确保成果从立项之初就对准现场需求。

构建“矿上试验、井下迭代”的验证体系，在重点矿区设立科技成果中试基地和实景试验工作面，让实验室样机在真实高地应力、高粉尘、多干扰环境下反复测试、快速改进，缩短从样机到产品再到装备的成熟周期。

改革评价与激励机制，在职称评审、科研项目考核中增加成果工程转化率、解决现场实际问题等权重，鼓励科研人员带着成果下矿、盯着故障攻关，并探索技术入股与效益分成的成果转化收益分配模式，激发一线研发人员积极性。

发挥财政资金的杠杆作用，将经过中试验证的智能化装备、机器人等优先纳入首台（套）保险补偿目录，并设立深部开采技术转化专项补贴，降低企业首次应用的风险和成本。

《瞭望》：在构建更加高效稳定的产学研用协同创新机制方面有哪些建议？

袁亮：关键是要形成利益共享、风险共担、人才互通、平台共用的生态。

把协同创新平台做实，依托全国重点实验室、国家工程研究中心等载体，由龙头企业、高校院所共同持股或契约共建矿山智能化创新联合体，实行理事会制，明确各方投入、知识产权归属和成果分配规则。

推行双栖人才培养与流动制度，设置产业教授和驻企科学家岗位，高校教师可以带薪到企业挂职技术总工，企业总工也能受聘担任高校研究生导师；鼓励校企共建研究生联合培养基地。

投入机制应长期化、多元化，建议设立国家级深部开采产学研协同基金，按中央财政引导、地方配套、企业配比、社会资本参与的方式共同注资，保证五到十年的稳定支持周期。

通过这些做法，最终形成基础研究在高校院所、技术攻关在平台、工程验证在矿区、推广应用在企业的闭环协同体系，让产学研用从点对点合作升级为网络化共生。