Construction and application of knowledge mapping of carbon emission governance technologies for coal mining and utilization
-
摘要:
煤炭是能源消费降碳的主力军，煤炭开发利用过程中产生的碳排放占全国碳排放总量的60%～70%，是我国完成碳减排任务的关键所在。煤炭开采利用碳排放治理技术知识图谱构建与应用聚焦煤炭开采利用碳排放治理技术，系统梳理出相关治理技术知识，在此基础上构建知识图谱，挖掘出不同技术间的内在联系、适用条件、实施效果及减排路径，为相关人员获取碳排放治理技术领域前沿知识提供支撑，推动煤炭行业向绿色低碳方向转型。一是广泛收集煤炭减排技术相关的专业书籍、术语字典、权威研究报告、中国知网核心期刊文献以及各类标准规范等，采用自底向上和自顶向下的混合构建法构建煤炭开采利用碳排放治理技术领域概念知识模型；二是运用BIO标注策略，并应用BERT+CRF(Bidirectional Encoder Representations from Transformers & Conditional Random Fields)模型，识别该领域实体；三是在实体识别基础上，应用BiLSTM–Attention模型进一步挖掘实体间关系，实现关系抽取；四是采用实体消歧和共指消解技术进行知识融合，消除数据中的矛盾与冗余信息；五是通过Neo4j图数据库存储实体与关系，基于上述结构化的方法与模型，由此完成煤炭开采利用碳排放治理技术领域知识图谱的构建。构建了涵盖排放特征、开采方式、利用方式和减碳技术四大类的煤炭开采利用碳排放治理技术领域知识概念模型，又将这四大类知识概念细分为12个子类，30个细类，形成了完整的概念分类体系。定义了10类命名实体及6种关系，基于提出的知识图谱构建组合方法与创新模型，抽取出
12631 个节点与32209 个实体间关系，揭示了碳排放技术与排放特征、开采方式、利用方式之间的复杂关联，并根据已构建的煤炭开采利用碳排放治理技术领域的知识图谱，支持矿山企业选取相适配的减碳技术路径。随着煤炭行业低碳发展的场景拓展、数据的积累以及人工智能和大模型的发展，本研究将在多模态数据融合的基础上，优化图谱的构建方法，拓展图谱的应用范围，提高技术路径推荐的精准度。Abstract:Coal is the main force of carbon reduction in energy consumption, and the carbon emissions generated in the process of coal exploitation and utilization account for about 60%−70% of the total national carbon emissions, which is the key to accomplishing the carbon reduction task in China. The construction and application of knowledge mapping of coal mining and utilization carbon emission management technology focuses on coal mining and utilization carbon emission management technology, systematically sorts out the knowledge of related management technology, and constructs knowledge mapping on the basis of which, to excavate the intrinsic connection, applicable conditions, implementation effect and emission reduction path of different technologies, to provide support for the relevant personnel to obtain the cutting-edge knowledge in the field of carbon emission management technology, and to push forward the transition of coal industry to the green and low-carbon direction. Transformation in the direction of green and low-carbon. First, we extensively collect professional books, terminology dictionaries, authoritative research reports, core journals on China Knowledge Network, and various standards and norms related to coal emission reduction technologies, and construct a conceptual knowledge model of coal mining and utilization of carbon emission management technologies by adopting a hybrid construction method of bottom-up and top-down; second, we use the BIO annotation strategy and apply the BERT+CRF (Bidirectional Encoder Representations from Transformer Representations) method to construct a conceptual knowledge model of coal mining and utilization of carbon emission management technologies. Encoder Representations from Transformers & Conditional Random Fields) model to recognize the entities in this domain; third, on the basis of entity recognition, the BiLSTM–Attention model is applied to further mine the relationships between entities and realize relationship extraction; fourth, entity The fourth is to use entity disambiguation and co-reference disambiguation techniques for knowledge fusion, eliminating contradictions and redundant information in the data; the fifth is to store the entities and relationships through the Neo4j graph database, based on the above structured methods and models, thus completing the construction of the knowledge map of the field of coal mining and utilization of carbon emission management technology. A conceptual model of knowledge in the field of coal mining and utilization carbon emission management technology covering 4 major categories of emission characteristics, mining methods, utilization methods and carbon reduction technologies is constructed, and the knowledge concepts of these 4 major categories are subdivided into 12 subclasses and 30 subclasses, forming a complete conceptual classification system. Ten types of named entities and six kinds of relationships are defined, and based on the proposed knowledge graph construction combination method and innovation model, 12 631 nodes and 32 209 inter-entity relationships are extracted, which reveals the complex association between carbon emission technologies and emission characteristics, mining methods, utilization methods, and based on the constructed knowledge graph in the field of coal mining and utilization of carbon emission governance technology, it can support the mining enterprises to select the appropriate carbon reduction technology path. The knowledge graph in the field of carbon emission management technology has been constructed to support mining enterprises in selecting appropriate carbon reduction technology paths. With the expansion of low-carbon development scenarios in the coal industry, the accumulation of data, and the development of artificial intelligence and big models, this study will optimize the construction method of the atlas on the basis of multimodal data fusion, expand the application scope of the atlas, and improve the accuracy of the recommendation of technology paths.
-
0. 引 言
煤层气井位部署方案的论证与制定是煤层气区块开发方案编制的关键环节，直接影响区块资源利用效率和开发投资成本，合理的井距井网设计对于增大储层压降扩展范围、提高资源利用率和单井产气量、降低开发成本，提高经济效益都具有十分重要的意义[1]。目前，已有许多学者从不同方面开展了具体的研究工作，在高产主控地质因素[2-4]，井网样式与井距优化[5-7]，井间干扰[8-10]，储层压降扩展[11-12]，数值模拟[13-14]等方面取得了诸多成果，为煤层气井的部署提供了有效的依据和方法。为此，笔者结合工程实际生产，从地质和工程2个方面，深入分析了以往煤层气井位部署时容易被忽视的一些重要因素，地质特征方面，重点介绍了次级构造变化对产气效果的影响，井位部署时需要重点关注；工程因素方面，对比了不同井距井间干扰的影响、产气效果和经济效益的差异，井距优化存在一个最优值，需要综合多因素论证分析。最后，笔者提出了一种煤层气地质工程一体化的井位部署与实施新思路，通过地质“块段”划分、井口靶点坐标优化、集中钻井工厂化、强化缝网的‘块段’式压裂4个步骤的工艺改进，进一步优化资源配置、提高储层改造效果、节约工期和成本。本文倡导重视和不断深化综合地质和工程多因素影响的煤层气井位精细部署与现场实施，以指导实际生产。
1. 煤层气井位精细部署与实施的思路与方法
煤层气井规模开采的井位部署与实施，贯穿于煤层气区块从前期勘探到后期规模化产能建设的全过程，需要充分考虑地质因素、开发效果、经济效益、施工要求等多因素，对区块进行整体规划、精细部署、科学施工和动态调整。总体来说，煤层气井位精细部署和科学实施包括3个阶段：开发前精细部署、现场工程实施和开发后动态调整[9,15]，不同阶段的内涵和关注重点，如图1所示。
![]()
图 1 煤层气井位精细部署和科学实施的3个阶段及内涵Figure 1. Three stages and connotation of fine deployment and scientific implementation of coalbed methane well location开发前精细部署阶段：主要包括地质条件分析、井型选择、完井方式、基本井距、井网样式和井距优化。重点研究了通过次级构造和井距优化实现井位精细部署的方法。
现场工程实施阶段：笔者提出一种地质工程一体化的井位部署与实施新思路。划分地质“块段”，优化井口坐标和靶点位置，集中实施工厂化的优快钻完井技术[16]。在压裂阶段通过调整压裂施工顺序和方法，追求多口相互交替压裂形成复杂缝网、最大限度扩展储层改造效果。
开发后动态调整阶段：最大限度动用剩余资源。对于待开发区依据地质特征、储层物性的变化特征和现有井网井距、开发层系、井型的合理性，优化更为适宜于区块煤层气资源开采的开发方案。对于已开发区块，进一步优化井网，加密部署新井或关停部分低产气井，以最大限度动用剩余资源和提高经济效益为目的，关于这一研究见另文报道[5]。
研究针对上述前2阶段中的新认识和思路，加以深入研究和探讨，以便更加合理和科学的部署和实施煤层气井位，提高区块煤层气井产气效果和整体经济效益。
2. 次级构造影响的井位精细部署
从地质特征方面考虑井网方位优化，以往主要研究分析煤层含气量、厚度、埋深、渗透率等地质因素变化对产气效果影响[17-18]。随着煤层气开发对区块地质条件认识的逐步深入和全面，构造变化在某种程度上决定了开发有利区的位置，具有更加重要的地位和研究意义，本次作为重点研究的对象，加以深入分析。
2.1 不同构造部位对产气的影响
构造作用对甲烷气体的保存产生较大影响，对于一个煤层气勘探开发区块来说，即便整体处于一个相对平缓的单斜构造，也存在着局部的次级构造变化。开展井位部署时，首先需要了解区块构造特征，确定最大主应力方向，再结合前期煤田钻孔、地震、探井等资料，详细分析区块发育的次级构造起伏变化情况，包括小高点、小低点、小鼻状、小断层等，为井位精细化部署提供依据。
以沁水盆地南部某区块为列，该区构造总体形态为单斜构造，地层总体走向为北西或近东西向，倾角5°～10°，发育不同次级构造，产气效果差异明显。
1）局部小鼻状构造有利于煤层气富集高产。传统理论认为褶皱翼部是井位部署较为理想的地区，而褶皱翼部的小鼻状构造，通常广泛发育张裂隙，有利于游离气聚集，加上具备良好的生储盖组合条件，易形成高产气井[16]。以区块位于小鼻状构造的SXN-02井、SXN-05向1井为例，2口井均显现出较好的产气潜力。SXN-02井为直井，单排3号煤，排采72 d见套压，目前日产气量3642 m3/d，日产水量1.10 m3/d，累计产气693万m3，如图2a所示。SXN-05向1井为定向井，单排15号煤。排采28 d见套压。日产气量2608 m3/d，日产水量0.06 m3/d，累计产气535万m3，如图2b所示。同样，鄂尔多斯盆地东缘保德区块单斜构造的地质条件下，高产气的杨家湾大井组（24口井）也位于局部小鼻状构造部位[19]。
![]()
图 2 位于小鼻状构造的2口排采井产气曲线Figure 2. Gas production curves of two drainage wells located in the small nose structure2）背斜轴部小高点构造气体易解析和溢散。次级构造小高点多是背斜轴部，受到张力作用，裂隙发育，煤层气易解析，游离气易富集，产气效果较好[20-22]。例如，位于区块构造高点的SXN-03井，单排15号煤，排采77 d见套压。日产气量1276 m3/d，累计产气499万m3，如图3所示。
![]()
图 3 位于区块构造小高点的SXN-03井排采井产气曲线Figure 3. Gas production curve of SXN-03 well at the small high point of the block structure3）向斜轴部小低点构造气体解析慢。次级构造小低点多是位于向斜轴部受到挤压应力作用[23]，煤层更加致密，煤层气易于保存，排采井需要经过较长一段时间的排水，产气效果才能逐步显现。例如，位于次级构造小低点的SXN-05井单排3号煤，排采19 d见套压。日产气量377 m3/d，日产水量0.08 m3/d，累计产气137万m3，如图4a所示。
![]()
图 4 位于向斜轴部和小断层附近的排采井产气曲线Figure 4. Gas production curves of production Wells located near the syncline axis and small faults4）构造小断层宜避让。小断层附近储层物性差异较大，受破碎带影响气体容易沿着断层导通溢散至其他地层，导致产气效果差。例如，位于区块多条小断层发育北部的SXN-07向2井为定向井，单排3号煤，排采30 d见套压，目前日产气量264 m3/d，累计产气57.5万m3，如图4b所示。
因此，在井位部署时寻找褶皱翼部的小鼻状，是首先考虑的最佳位置。构造条件好且上部顶板为泥页岩盖层，则有利于煤层气保存和后期排采高产，若上部为砂岩层，构造作用裂隙发育，则气体容易溢散至其他煤系地层中，影响煤层气井产气效果。对于次级构造变化的背斜轴部、向斜轴部等特殊部位，需要综合论证考虑构造剧烈程度、顶底板岩性、裂隙发育程度、含气量高低等因素对生产井的影响，综合研判井位部署方案。对于小断层发育部位井位部署应尽量避开。
另外，上述认识主要针对1000 m以浅的煤层气井。对于深部煤层气的勘探和试采，由于深部煤层气的本身存在自封闭压力[24]，煤层中产生的气体滞留在煤层及顶底板地层中，且游离气含气增大。因此，次级构造作用对煤层裂隙发育与游离气赋存聚集同样显著，井位部署时更需要深化构造特征分析研究，关注古构造演化与现今构造的不同，结合顶底板岩性、水动力条件等，寻找勘探有利部位。
2.2 构造变化下的煤层气井型样式
针对不同构造部位的变化特点，笔者进一步细化提出了4类13型井网样式，适用于不同地质条件的煤层气井型井网部署，如图5所示。
![]()
图 5 不同构造部位的煤层气井网样式Figure 5. Coalbed methane well pattern styles in different structural parts1）直井/丛式井。在褶皱翼部部署井位时，对于地层倾角较小的平缓地区，通常采用矩形、菱形、梅花形等常规井网设计方案，最大限度利用资源。对于倾角较大的地区，由于流体的产出与水平煤储层中有很大的不同，因此不建议采用常规的菱形井网和矩形井网等方式，需要根据大倾角地层压降漏斗的特点，适当缩小走向井间距，增大倾向井间距，以便形成有效的井间干扰，扩大压降传播范围。因此，设计采用丛式井井身轨迹沿上倾方向或平行于走向方向，形成三角形组成的梯形网，类似于倒“W”型。
在向斜轴部地区，受挤压应力作用，储层压降相对缓慢，建议适当缩小井距，利于更快地降低储层压力。
2）水平井。对于水平井，具体可细分为羽状多分支水平井、L型水平井、U型水平井等多种类型。在褶皱翼部部署井位时，对于地层倾角较小的平缓地区，主要考虑垂直于最大主应力方向设计井型井网。对于地层倾角较大的地区和向斜轴部地区，设计水平井布井方位还应尽可能沿煤层倾向设计，即水平段末端处于高处，着陆点处于低处，以便于水平段压裂液和地层水的产出，为排采降压提供便利条件。
3. 工程因素影响的井距优化
科学、合理、经济、有效的井网部署应以提高煤层气动用储量、采收率、采气速度、稳产年限和经济效益为目标。井距大小的确定除了采用经典的理论公式计算外，井型和完井方式对井距大小的影响十分显著。若排采井采用裸眼完井或套管裸眼完井，后期不进行储层压裂改造，那么在设计井距时，就应该适当的缩短井距，同时在不同井距条件下井间干扰对产气效果的影响、累计产气量的差异、开发井数与产气效果之间经济效益的评价等因素也需要开展重点研究和深入分析，从而综合得出最优的井距大小。
3.1 井间干扰影响
煤层气排采井经过一段时间的排水降压后，沿井筒周围储层压力会逐渐降低，形成压降漏斗，相邻的井与井之间逐步产生井间干扰现象，有助于储层气体的解析释放。本次研究利用comet3.0数值模拟软件，模拟了未进行储层压裂改造情况下不同井距产生的井间干扰影响，为研究制定合理井距提供依据。
1）单井产气效果。假设储层均质，未进行压裂等储层改造，模拟1口水平井单独排采，在初始年、第3年、第6年、第9年、第12年、第15年的煤储层含气量的时空分布特征和变化范围的范围和大小。排采初期井筒周边含气为21.75 m3/m3（含气量为15 m3/t），单支水平井资源开采动用的范围约为100 m。排采第3年、第6年时，井筒周边含气量逐渐向外降低；到排采第9年、第12年、第15年时，100 m处的残余含气分别为16 m3/m3（含气量为11.0 m3/t） 、14 m3/m3（即含气量为9.6 m3/t）和12 m3/m3（含气量为8.27 m3/t），如图6所示。
![]()
图 6 储层煤层气含量时空分布Figure 6. Temporal and Spatial distribution of CBM content in reservoirs2）多井产气影响。考虑井间干扰对煤层气井储层压降的影响，模拟了2口水平井井间距在120、160、200和250 m时，排采15年后的煤层气含量时空分布情况，如图7所示。不同井距条件下煤层气含量时空分布情况差异明显，当井距为120 m时，2口井的煤层气含量下降值最大，井筒中间处残余含气约为6.5 m3/m3（含气量为4.48 m3/t），相互之间干扰影响最大；井距为160 m和200 m时，干扰影响次之，井筒中间处残余含气约为10 m3/m3（含气量为6.9 m3/t）和11 m3/m3（含气量为7.5 m3/t）；井距为250 m时，2口井的煤层气含量下降值最小，井筒中间处残余含气约为13 m3/m3（含气量为8.9 m3/t），相互之间干扰影响最小。
![]()
图 7 不同井距时两口水平井的煤层气含量时空分布情况Figure 7. Temporal and spatial distribution of CBM content in two horizontal Wells with different well spacing对比单井100 m处的残余含气为12 m3/m3（含气量为8.2 m3/t）和2口井间距200 m时井筒中间处残余含气约为11 m3/m3（含气量为7.5 m3/t），说明2口井产生的间距干扰有利于储层煤层气的解析。
不同井间距的煤层气井井间干扰模拟结果说明，适当的井距大小，井间干扰有利于促进煤储层气体解析，采出更多的气体，两口排采井的井距越小，井筒中间处的残余气量越少，井间干扰程度越强，资源采出程度越高；随着井距的增大，井筒中间处残余气量增多，井间干扰程度逐渐减弱，资源采出程度降低。井距在120～250 m存在一个最优井距：过小的井距，井间干扰明显，2口井之间储层压力下降速度快，两口井之间的资源被较快采出，当井间距过大时，井间干扰情况相对较弱，不能起到很好的相互干扰作用。
3.2 累计产气效果差异
基于地面煤层气开发的产气机理，前期采用定产方式，后期采用定井底流压的工作制度进行，不考虑毛管压力和基质收缩效应，模拟单口煤层气水平井15 a的累计产气效果，如图8所示。煤层生产服务年限可达15 a以上，其中第1～3年为产量上升期，第4年产量达到高峰，最高平均日产气量6981.8 m3/d，之后产能开始逐渐下落。稳产期（1～8 a）单井平均日产气量3925 m3/d，服役期（1～15 a）单井平均日产气量3078 m3/d，累计产量可达1524.37×104 m3，采收率54.33%。
![]()
图 8 煤层气水平井产出速率及累计产量Figure 8. Production rate and cumulative production of coalbed methane horizontal Well在此基础上，模拟计算出水平井井间距在100、120、140、160、180、200和250 m时排采井在第5年、第10年和第15年的累计产气量差异，如图9所示。当井间距为100 m时（单翼50 m），相较于其他井间距条件，在第5年时的累计产气量最高，但在第10年和15年累积产气量最低，说明过小的井间距，排采初期产气量高，但由于单井控制资源量偏少，不足以支持长期的排采产气。随着井间距的增大，排采10 a和15 a的累积产气量均呈现先增大后减小的趋势，井间距在140～180 m的情况下15 a的累计产气量最高。当井间距增大到250 m时，相比其他井的单井控制资源量最多，但并不是累计产气量最高的井。不同井距15 a的累计产气量最大差量为40×104 m3，占累计产气量的4.5%～4.7%。单井实际的控制范围和井间干扰的综合影响，控制了排采井的实际产出气量。
![]()
图 9 不同井间距模拟出不同年份产气量情况Figure 9. Gas production in different years simulated by different well spacing3.3 经济效益对比
合理井间距大小的经济效益评价，是投资者最为关心的问题。经济极限井距法虽然也考虑了单井累计产气销售、单井经济极限控制储量等因素，得出经济极限井间距，但也仅计算出了井网部署时最小的井间距边界，还需要进一步结合数值模拟预测不同井间距条件下的单井累计产气，结合气建成本、运行费用、税收和补贴政策、当地销售价格等多因素，判断最优化最佳合适井间距。
利用上文中3.2节的模拟结果，进一步分析对比了100、160、200和250 m 4种井间距条件下水平井开采15年的经济效益。重点对1 km2内可部署的井数、累计产气量、采收率、运行费用、投资金额进行了估算，销售收入按财政补贴后的价格1.6元/m3计算，未考虑销售税金及附加，计算结果见表1。
表 1 不同井间距的盈利能力对比Table 1. Comparison of profitability of different well spacing井间距/m 井数量/（个·km−2） 单井累计产气量/
（106 m3）采出率/% 运行费用/
（万元·a −1）建设投资额/
万元总投资额/
万元销售收入/
万元利润/
万元100 7 8.44 72 420 2450 8750 9452.8 702.8 160 6 8.81 60 360 2100 7500 8457.6 957.6 200 5 8.75 54 300 1750 6250 7000 750 250 4 8.72 43 240 1400 5000 5580.8 580.8 井间距越小，资源的利用率越高，平方公里内可部署的井数越多，每多设计1口井，建设投资增加350万元，运营费用每年增加60万元，15 a总投资额增加1250万元。由于不同井距控制下的单井累计产气量差异明显，导致最终不同井距的总利润出现明显分化，100 m井距和250 m井距的最终利润最低，合适的井距大小，可以实现最终利润收入的最优化。
综上所述，研究区最佳井距的优化与确定是考虑能出现显著的井间干扰，单井累计产气效果最佳，盈利能力强，更能取得实现较好经济效益和投资效果的井距。讨论研究的考虑构造变化和多因素影响下的井距优选方法，已在沁水盆地南部某区块煤层气滚动开发方案设计优化中得到充分应用和推广，增加这些因素后的井网设计优化更加合理，区块剩余资源得到充分开发利用，建议作为井距优化时需要考虑的几项重要因素进行研究分析。
4. 地质工程一体化的井位部署与实施新思路
从地质角度出发，调整以井台为井位部署实施单元的传统思路，将部署井的实施改为在一个地质“块段”内多个井台实施多口井的方式，工艺上采用工厂化钻井作业，待全部完钻后，再集中统一实施多口井交替压裂的施工方式。这种方法能有效避免不同井台在钻井、压裂施工、排采生产过程中相互影响，干扰生产问题的出现。
通过调整改变以往钻完1口井，再施工第2口井，直至钻完1个井台；压裂完第1口井，再压裂第2口井的施工顺序，直至压裂完1个井台的方式。以达到快速规模化钻探和最佳的沟通储层裂缝和孔隙，实现最大化的提高部署井的产气效果，同时降低钻井和压裂成本、缩短建设和投产周期。具体步骤为：
1）划分地质“块段”。在煤层气地质研究的基础上，进一步精细划分地质单元，井位部署时设计2～4个平台为一个地质“块段”，块段内各项地质参数基本相似，避开断层；块段之间拉开和增加井网间距以免钻井、压裂、生产之间的相互干扰。
2）优化井口坐标和靶点位置。依据地表因素、地下因素和钻井工程条件，调整优化设计的井口坐标和靶点位置。
3）采用钻井工厂化的作业方式。采用“批量化”作业或“流水线”作业方式完成1个地质“块段”内所有井的钻井施工任务，之后再开展压裂改造，能有效避免以往压裂施工时对周边钻探施工井的干扰和影响。批量化是指钻井作业过程中，各井相同阶段，相同工艺的施工任务，由同一部钻机依次完成的钻井方式。流水线是指钻井作业过程中，同一口井不同阶段的施工任务，分别由两部或多部钻机分别完成的钻井方法。
4）采用强化缝间干扰的地质“块段”集中压裂新方法。在一个“块段”内，采用1～2套压裂机组同期对2～4口井采用工厂化交替“分簇射孔”+“分段压裂”的方式，以3口水平井的施工为例，具体方法和步骤如下：
第1口井完成第一级射孔后，设备移至第2口井、第3口井依次开展第一级射孔，同步开展第1口井第一级压裂；第1口井第一级压裂完后，开始第2口井第一级压裂，同步开展第1口井第二级射孔；第2口井第一级压裂完后，开展第3口井第一级压裂和第2口井第二级射孔；第3口井第一级压裂完后，开展第1口井第二级压裂和第3口井第二级射孔；第1口井第二级压裂完后，开展第2口井第二级压裂和第1口井第三级射孔。按照以此方法的施工顺序，直至完成第 3口井最后一级的压裂，如图10所示。
![]()
图 10 地质“块段”内集中压裂的水平井储层改造方法Figure 10. Horizontal well reservoir reconstruction method of centralized fracturing in geological “block”施工过程中每口井每级压裂完后不排液，直至完成“块段”内最后一口井的压裂后再组织排液投产。这种设计多口井交替压裂的方式，由于地层一直处于较高的压力状态下，因此可以促使裂缝转向，产生更大规模更加复杂的缝网，进一步强化缝间干扰，增大储层渗透性，如再配套采用目前主流的“超大、超密、充分支撑体积缝网”的“极限体积压裂”技术，可实现最大化的改善储层渗流条件，十分有利于气体产出，提高部署井的产气效果。
5. 结 论
1）区块精细地质研究对于井位部署、整体开发方案的设计以及后期地质条件的动态变化研究等都十分重要，应作为井位部署的关键因素，进行重点研究和分析。首先建立构造格架，可利用区块地质建模，强化对区块主力开发层系次级构造的精细描述和刻画，在此基础上考虑不同部位含气量、地下水径流、煤层厚度等差异的综合影响，部署设计合理井位。同时，细化研究每个井组的地质条件差异，及时调整井网方位、井距大小。
2）不同构造部位对煤层气井的产气效果影响显著。应更加重视区域范围大构造作用对煤层气或是煤系地层甲烷气体的聚集作用的影响，对于生储盖成藏条件的分析，有利于寻找新的有利目标层段。在具体区块的煤层气井位部署时，应更加重视次级构造作用对煤层气聚气作用影响。同时，不同构造部位影响煤层气井产水量，这一点在中低煤阶煤层气井产生水量中较为明显。
3）模拟研究了工程因素影响下的井距优化方案。综合考虑不同井距条件下井间干扰对产气效果的影响、不同井距累计产气量差异、开发井数与产气效果之间的经济效益差异对比等因素，综合得出能够实现较好产气效果和经济效益的最优井距大小。
4）提出一种地质工程一体化的井位部署与实施新思路。通过4个环节步骤的工艺改进和调整优化，特别是集中钻井工厂化的作业方式和强化缝间形成的地质“块段”式压裂新方法，实现快速大规模钻探和最大化的沟通储层裂缝和孔隙，以提高部署井的产气效果，降低钻井和压裂成本、缩短建设和投产周期。
-
![]()
图 1 煤炭开采利用碳排放治理技术领域概念分类
Figure 1. Conceptual classification of coal mining and utilization carbon emission management technology areas
![]()
图 2 煤炭开采利用碳排放治理技术领域的概念之间关系类型
Figure 2. Types of relationships between concepts in the field of coal mining and utilization carbon emissions management technologies
![]()
图 4 煤炭开采利用碳排放治理技术领域知识图谱(部分)
Figure 4. Knowledge mapping of coal mining and utilization carbon emission management technology areas (Partial)
![]()
图 6 煤炭利用碳排放治理技术推荐流程
Figure 6. Recommended flow of technical solutions for carbon emission management of coal utilization
![]()
图 7 煤炭利用碳排放治理节能技术推荐流程
Figure 7. Recommended flow of energy-saving technology solutions for carbon emission management of coal utilization
表 1 知识图谱的构建技术方法综述
Table 1 Overview of technical approaches to the construction of knowledge graphs
构建方法 特点 适用场景 自底
向上法从具体的数据实例出发，通过对数据进行分析、抽取，逐步识别出实体、关系和属性等，然后将这些知识进行整合，构建出知识图谱的上层概念和结构 适用于领域知识分散、难以预先确定架构的场景，如通用知识图谱的构建。该方法在需快速迭代扩展的场景中表现出色，如电商商品知识图谱的持续更新便是典型应用 自顶
向下法首先定义好知识图谱的顶层概念、框架和规则，包括本体结构、实体类型、关系类型等，然后根据这些预设的框架，从数据源中抽取具体的实体和关系等信息，填充到知识图谱中 适用于领域知识结构清晰，存在明确行业标准或规范的场景，如构建金融领域的知识图谱。此外，在对知识图谱质量和一致性要求极高的场景，如医疗知识图谱构建中，自顶向下法可有效保障知识准确性与一致性 混合
构建法结合了自底向上和自顶向下两种方法的优点，在构建知识图谱时，既利用现有的领域知识和本体框架进行顶层设计，又从实际数据中挖掘和发现新的知识，不断对知识图谱进行完善和扩展 适用于构建大型复杂领域的知识图谱中，其通过自顶向下确定总体框架，自底向上填充各领域数据，能发挥其整合优势，如构建智慧城市知识图谱。其次，适用于整合已有知识资源与新增数据的场景，如历史文化知识图谱构建，该方法可实现知识图谱的持续完善 
下载: 导出CSV
表 2 煤炭开采利用碳排放治理技术知识数据来源
Table 2 Sources of data on technical knowledge on carbon management for coal mining and utilization
数据来源 具体名称 来源1 参考书籍 《煤炭碳中和战略与技术路径》《煤矿绿色开采技术》《煤矿开采技术》《煤炭利用过程中的节能技术》《清洁煤电近零排放技术与应用》《炼焦工业碳减排技术与途径》等 来源2 研究报告 煤矿生产记录与能耗分析报告、来自矿山生产过程中的能源消耗数据、设备运行记录报告等、环境监控数据包括空气质量监测、温湿度数据、粉尘排放等报告等 来源3 专业文献 《煤炭工业数字智能绿色三化协同模式与新质生产力建设路径》《“双碳”目标下CCUS在引领煤炭行业低碳转型过程中的作用》《“双碳”背景下煤炭安全区间与绿色低碳技术路径》《“双碳”战略中煤气共采技术发展路径思考》《煤化工工艺中二氧化碳减排技术的应用研究》《煤炭地下气化碳减排技术研究进展与未来探索》《煤矿绿色开采20年研究及进展》《我国煤矿绿色开采与生态修复技术发展现状及展望》等 来源4 标准规范 《数据编码–井工煤矿数据分类及编码规范 第3部分：生产类》《温室气体排放核算与报告要求 第28部分：矿山企业》《智能化矿山数据融合共享煤矿碳排放数据应用规范》等矿山行业碳排放标准、碳排放核算规范等
下载: 导出CSV
表 3 命名实体类别及示例
Table 3 Named entity categories and examples
实体类别 实体描述 实体示例 开始标签 中间或结尾
标签煤层气排放
(Coalbed Methane Emissions, CME)描述煤层气碳排放的主要特征与构成 瓦斯(甲烷)(80%～98% )、二氧化碳(2%～20%) B–CME I–CME 能耗排放
(Energy Consumption and Emissions, ECE)在煤炭开采利用过程中，涉及不同的技术与设备以及消耗的不同的能源类型，及其能耗热值与排放因子等排放要素 煤、电、天然气、汽油、醇基燃料、煤炭碳排放因子、天然气碳排放因子、电力碳排放因子 B–ECE I–ECE 开采方式
(Mining Pattern, MP)描述基于瓦斯排放特征的开采模式和技术 先采后抽、随采随抽、先抽后采等 B–MP I–MP 利用方式
(Utilization Pattern, UP)利用方式描述开采后转换加工过程中的利用方式，主要涵盖发电、供热、炼焦等环节，导致因煤燃烧或加工过程的废弃物排放产生的碳排放 煤发电、煤供热、煤炼焦、煤制气等 B–UP I–UP 减碳开采技术
(Carbon Reduction Mining Technology, CRMT)煤炭减碳开采技术是整合优化开采工艺、清洁开采技术、伴生资源利用等以降低煤炭开采碳排放的技术体系 斜井开拓、沿空掘巷、低品位热能利用、顺层钻孔抽采、压裂抽采、采空区埋管等 B–CRMT I–CRMT 减碳开采技术适用条件
(Carbon Reduction Mining Technology Condition, CRMT–C)描述煤炭开采减碳技术方案的适用的场景及其参数 本层抽采、高透气性煤层、煤层群、单一特厚高瓦斯煤层、邻近层等 B–CRMT–C I–CRMT–C 减碳开采技术实施效果
(Carbon Reduction Mining Technology
Effect, CRMT–E)煤炭开发利用碳减排方案实施效果体现在降碳、提效、环保及满足技术经济与政策要求等方面的实际成果 推广范围、抽采量稳定性、巷道工程量、评价等级等 B–CRMT–E I–CRMT–E 减碳利用技术
(Carbon Reduction and Utilization
Technologies, CRUT)煤炭利用减碳技术是通过不同的煤炭加工转换的途径和方式以达成降低碳排放目标的一系列技术集合 二次再热超超临界发电技术、高效燃烧器技术、捣固炼焦技术、煤催化气化技术、煤加氢气化技术等 B–CRUT I–CRUT 减碳利用技术适用条件
(Carbon Reduction and Utilization
Technologies Condition, CRUT–C)煤炭利用减碳技术的适用条件受煤炭品质、项目规模和环保政策等因素综合制约 煤种特性、灰分和硫分含量、大型燃煤发电厂、民用煤炭取暖、城市集中供暖、与其他配套技术兼容性等 B–CRUT–C I–CRUT–C 减碳利用技术实施效果
(Carbon Reduction and Utilization Technologies Effect, CRUT–E)煤炭利用碳减排方案实施效果体现在降碳、提效、环保及满足技术经济与政策要求等方面的实际成果 推广范围、工程量发电效率、评价等级等 B–CRUT–E I–CRUT–E
下载: 导出CSV
表 4 实体间关系类别及示例
Table 4 Categories and examples of inter-entity relationships
关系类别 关系描述 关系示例 决定 描述不同矿井排放特征，主要指排放源的构成决定了采用怎样的开采方式 瓦斯逸散–随采随抽等 选择 描述不同的开采方式会优先选择不同的减碳技术 先抽后采–巷道穿层钻孔抽采技术、随采随抽–高抽巷抽采技术、先采后抽–采空区埋管抽采技术等 适用 描述煤炭开采利用减碳技术与其适合条件及实施效果之间的关系 压裂抽采–高透气性煤层、高抽巷抽采 –巷道工程量大等 降低 描述煤炭开采和利用环节的减碳技术方案与碳排放及能耗排放之间的关系 超超临界循环流化床锅炉科技–机组二次再热超超临界发电技术–二氧化碳排放、高效燃烧器技术–能耗排放等 包含 描述一个实体包含其他实体的关系，表示某个实体作为“整体”，包含一个或包含多个其他实体 煤炭减碳技术–煤炭开采减碳技术、煤炭减碳技术–煤炭利用减碳技术、低品位热源发电技术–有机朗肯循环发电等 转换 描述煤炭利用过程及方式与其产生的排放物之间的关系 煤发电–二氧化碳排放、煤发热–煤燃烧排放等
下载: 导出CSV
表 5 参数设置
Table 5 Parameter settings
模型参数 取值 优化器 Adamax 学习率 0.000 01 训练批次(epoch) 30 序列的最大长度 256 Transformer层数 12
下载: 导出CSV
表 6 BiLSTM– Attention模型参数设置
Table 6 BiLSTM– attention model parameter settings
模型参数 取值 优化器 AdaDelta 学习率 0.000 015 训练批次(epoch) 20 词向量维度 100 嵌入层dropout率 0.3 LSTM层dropout率 0.3 倒数第2层dropout率 0.5
下载: 导出CSV
表 7 实体间关系抽取结果
Table 7 Inter-entity relationship extraction results
关系类别 F1 决定 0.84 选择 0.91 适用 0.88 降低 0.92 包含 0.87 转换 0.93
下载: 导出CSV
-
[1] 刘峰,郭林峰,张建明,等. 煤炭工业数字智能绿色三化协同模式与新质生产力建设路径[J]. 煤炭学报,2024,49(1):1−15. LIU Feng,GUO Linfeng,ZHANG Jianming,et al. Synergistic mode of digitalization-intelligentization-greeniation of the coal industry and it’s path of building new coal productivity[J]. Journal of China Coal Society,2024,49(1):1−15.
[2] 谢和平,任世华,谢亚辰,等. 碳中和目标下煤炭行业发展机遇[J]. 煤炭学报,2021,46(7):2197−2211. XIE Heping,REN Shihua,XIE Yachen,et al. Development opportunities of the coal industry towards the goal of carbon neutrality[J]. Journal of China Coal Society,2021,46(7):2197−2211.
[3] 谷欣博,潘卫东,阿斯哈尔·尼亚孜别克,等. 井工煤矿煤炭生产碳排放核算及减排路径研究[J/OL]. 煤炭科学技术,2024:1−11 [2024−08−29]. https://kns.cnki.net/KCMS/detail/detail.aspx?filename=MTKJ20240805004&dbname=CJFD&dbcode=CJFQ. GU Xinbo, PAN Weidong, A Sihaer·niyazibieke, et al. Study on carbon emission accounting and emission reduction path of coal production in coal mine[J/OL]. Coal Science and Technology,2024:1−11 [2024−08−29]. https://kns.cnki.net/KCMS/detail/detail.aspx?filename=MTKJ20240805004&dbname=CJFD&dbcode=CJFQ.
[4] 于胜民,朱松丽,张俊龙. 中国井工煤矿开采过程的二氧化碳逃逸排放因子研究[J]. 中国能源,2018,40(5):10−16,33. doi: 10.3969/j.issn.1003-2355.2018.05.002 YU Shengmin,ZHU Songli,ZHANG Junlong. An approach to estimate the emission factor of fugitive CO2 emissions from underground coal mining activities in China[J]. Energy of China,2018,40(5):10−16,33. doi: 10.3969/j.issn.1003-2355.2018.05.002
[5] 葛世荣,刘淑琴,刘金昌,等. 能源强国目标下煤炭安全保供及高效降碳效力研究[J]. 中国工程科学,2024,26(4):40−51. doi: 10.15302/J-SSCAE-2024.04.001 GE Shirong,LIU Shuqin,LIU Jinchang,et al. Effectiveness of secure supply and carbon reduction in the coal sector for strengthening the energy power of China[J]. Strategic Study of CAE,2024,26(4):40−51. doi: 10.15302/J-SSCAE-2024.04.001
[6] 薛香玉,王长安,邓磊,等. 基于全生命周期的富油煤原位热解碳排放[J]. 煤炭学报,2023,48(4):1773−1781. XUE Xiangyu,WANG Chang’an,DENG Lei,et al. Carbon emissions from in situ pyrolysis of tar-rich coal based on full life cycle analysis method[J]. Journal of China Coal Society,2023,48(4):1773−1781.
[7] 刘韵,师华定,曾贤刚. 基于全生命周期评价的电力企业碳足迹评估:以山西省吕梁市某燃煤电厂为例[J]. 资源科学,2011,33(4):653−658. LIU Yun,SHI Huading,ZENG Xiangang. A life-cycle carbon footprint assessment of electric power companies[J]. Resources Science,2011,33(4):653−658.
[8] YU S W,WEI Y M,GUO H X,et al. Carbon emission coefficient measurement of the coal-to-power energy chain in China[J]. Applied Energy,2014,114:290−300. doi: 10.1016/j.apenergy.2013.09.062
[9] 崔亚蕾,孙仁金,赵亚南,等. 煤制天然气全生命周期碳排放核算研究[J]. 资源与产业,2018,20(6):52−60. CUI Yalei,SUN Renjin,ZHAO Yanan,et al. Carbon emission accounting study on entire life circle of coal-made gas[J]. Resources & Industries,2018,20(6):52−60.
[10] 袁亮,张通,王玥晗,等. 深部煤炭资源安全高效开采科学问题及关键技术[J]. 煤炭学报,2025,50(1):1−12. YUAN Liang,ZHANG Tong,WANG Yuehan,et al. Scientific problems and key technologies for safe and efficient mining of deep coal resources[J]. Journal of China Coal Society,2025,50(1):1−12.
[11] MORRELL S. Helping to reduce mining industry carbon emissions:A step-by-step guide to sizing and selection of energy efficient high pressure grinding rolls circuits[J]. Minerals Engineering,2022,179:107431. doi: 10.1016/j.mineng.2022.107431
[12] BRODNY J,TUTAK M. Challenges of the Polish coal mining industry on its way to innovative and sustainable development[J]. Journal of Cleaner Production,2022,375:134061. doi: 10.1016/j.jclepro.2022.134061
[13] ZHU X J,LI J X,CHENG H,et al. Assessing the impacts of ecological governance on carbon storage in an urban coal mining subsidence area[J]. Ecological Informatics,2022,72:101901. doi: 10.1016/j.ecoinf.2022.101901
[14] 刘淑琴,刘欢,纪雨彤,等. 深部煤炭地下气化制氢碳排放核算及碳减排潜力分析[J]. 煤炭科学技术,2023,51(1):531−541. LIU Shuqin,LIU Huan,JI Yutong,et al. Carbon emission accounting and carbon reduction analysis for deep coal underground gasification to hydrogen[J]. Coal Science and Technology,2023,51(1):531−541.
[15] 王良萸. 面向碳交易领域的知识图谱构建方法[J]. 计算机与现代化,2018(8):114−119. doi: 10.3969/j.issn.1006-2475.2018.08.021 WANG Liangyu. Knowledge graph construction method for carbon trading[J]. Computer and Modernization,2018(8):114−119. doi: 10.3969/j.issn.1006-2475.2018.08.021
[16] 吴涛,李婕,鲍劲松,等. 羊毛混纺面料生产流程的碳图谱建模与应用[J]. 纺织学报,2024,45(9):97−105. WU Tao,LI Jie,BAO Jinsong,et al. Modeling of carbon footprints for producing wool blended fabrics and model applications[J]. Journal of Textile Research,2024,45(9):97−105.
[17] WU T,LI J,BAO J S,et al. CarbonKG:Industrial carbon emission knowledge graph-based modeling and application for carbon traceability of complex manufacturing process[J]. Journal of Computing and Information Science in Engineering,2024,24(8):081001. doi: 10.1115/1.4065166
[18] ZHAO Z C. Quantification of carbon emission technologies based on knowledge graph bert-BiLSTM-attention-CRF model[C]:2023 International Conference on Electronics and Devices,Computational Science (ICEDCS). Piscataway,NJ:IEEE,2023:42−47.
[19] 许琦,尹绍阳,张兴伟,等. 基于关联知识图谱的典型工业领域碳排放评估方法研究[J]. 现代工业经济和信息化,2023,13(10):31−34. XU Qi,YIN Shaoyang,ZHANG Xingwei,et al. A study on carbon emission assessment method for typical industrial sectors based on linked knowledge graph(LKG)[J]. Modern Industrial Economy and Informationization,2023,13(10):31−34.
[20] KSSJ/BM13-2023数据编码-井工煤矿数据分类及编码规范. 第3部分:生产类[S]. 北京:国家矿山安全监察局,2023. [21] 国家市场监督管理总局,国家标准化管理委员会. 温室气体排放核算与报告要求 第28部分:矿山企业:GB/T 32151.28—2024[S]. 北京:中国标准出版社,2023. [22] KSSJ/YY25-2023智能化矿山数据融合共享煤矿碳排放数据应用规范[S]. 北京:国家矿山安全监察局,2023. [23] 刘江,赵开功,张晓蕾,等. 基于知识图谱的选煤法规标准培训平台及应用[J]. 中国安全科学学报,2024,34(S1):226−233. LIU Jiang,ZHAO Kaigong,ZHANG Xiaolei,et al. Training platform for regulations and standards of coal preparation based on knowledge graph and its application[J]. China Safety Science Journal,2024,34(S1):226−233.
[24] 刘鹏,叶帅,舒雅,等. 煤矿安全知识图谱构建及智能查询方法研究[J]. 中文信息学报,2020,34(11):49−59. doi: 10.3969/j.issn.1003-0077.2020.11.007 LIU Peng,YE Shuai,SHU Ya,et al. Coalmine safety:Knowledge graph construction and its QA approach[J]. Journal of Chinese Information Processing,2020,34(11):49−59. doi: 10.3969/j.issn.1003-0077.2020.11.007
[25] 曹现刚,张梦园,雷卓,等. 煤矿装备维护知识图谱构建及应用[J]. 工矿自动化,2021,47(3):41−45. CAO Xiangang,ZHANG Mengyuan,LEI Zhuo,et al. Construction and application of knowledge graph for coal mine equipment maintenance[J]. Industry and Mine Automation,2021,47(3):41−45.
[26] 蔡安江,张妍,任志刚. 煤矿综采设备故障知识图谱构建[J]. 工矿自动化,2023,49(5):46−51. CAI Anjiang,ZHANG Yan,REN Zhigang. Fault knowledge graph construction for coal mine fully mechanized mining equipment[J]. Journal of Mine Automation,2023,49(5):46−51.
[27] 罗香玉,杜浩,华颖,等. 一种煤矿顶板灾害防治知识图谱构建方法[J]. 工矿自动化,2024,50(6):54−60. LUO Xiangyu,DU Hao,HUA Ying,et al. A method for constructing a knowledge graph of coal mine roof disaster prevention and control[J]. Journal of Mine Automation,2024,50(6):54−60.
[28] 付燕,刘佩怡,叶鸥. 煤矿井下不安全行为的命名实体识别方法[J/OL]. 计算机工程,2024:1−9 [2024−11−18]. https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0069917. FU Yan,LIU Peiyi,YE Ou. The named entity recognition method of unsafe behaviors in coal mines[J/OL]. Computer Engineering,2024:1−9 [2024−11−18]. https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0069917.
[29] QIN Y,SHEN G W,ZHAO W B,et al. A network security entity recognition method based on feature template and CNN-BiLSTM-CRF[J]. Frontiers of Information Technology & Electronic Engineering,2019,20(6):872−884.
[30] DEVLIN J,CHANG M W,LEE K,et al. Bert:pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics:Human Language Technologies,2019:4171−4186.
[31] 郭军成,万刚,胡欣杰,等. 基于BERT的中文简历命名实体识别[J]. 计算机应用,2021,41(S1):15−19. GUO Juncheng,WAN Gang,HU Xinjie,et al. Chinese resume named entity recognition based on BERT[J]. Journal of Computer Applications,2021,41(S1):15−19.
[32] ANGLES R,GUTIERREZ C. Survey of graph database models[J]. ACM Computing Surveys,2008,40(1):1−39.
[33] 隗昊,刁宏悦,孔亮宸,等. 东北亚舆情文本细粒度命名实体识别方法研究[J/OL]. 计算机工程,2024:1−10 [2024−05−21]. https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0068955. KUI/WEI) Hao,DIAO Hongyue,KONG Liangchen,et al. Research on fine-grained named entity recognition method for public opinion texts in northeast Asia[J/OL]. Computer Engineering,2024:1−10 [2024−05−21]. https://link.cnki.net/doi/10.19678/j.issn.1000-3428.0068955.
[34] 王国法,张建中,刘再斌,等. 煤炭绿色开发复杂巨系统数智化技术进展[J]. 煤炭科学技术,2024,52(11):1−16. doi: 10.12438/cst.2024-1190 WANG Guofa,ZHANG Jianzhong,LIU Zaibin,et al. Progress in digital and intelligent technologies for complex giant systems in green coal development[J]. Coal Science and Technology,2024,52(11):1−16. doi: 10.12438/cst.2024-1190
[35] 齐俊,曲睿婷,教传铭,等. 基于知识图谱增强大语言模型双碳领域服务[J]. 计算机与现代化,2024(9):8−14. doi: 10.3969/j.issn.1006-2475.2024.09.002 QI Jun,QU Ruiting,JIAO Chuanming,et al. Enhanced big language model dual carbon domain services based on knowledge graph[J]. Computer and Modernization,2024(9):8−14. doi: 10.3969/j.issn.1006-2475.2024.09.002
[36] 狄飞. 基于知识图谱的典型机电产品碳足迹标签模型研究与应用[D]. 北京:机械科学研究总院,2023. DI Fei. Research and application of carbon footprint label model of typical electromechanical products based on knowledge map[D]. Beijing:China Academy of Machinery Science & Technology,2023.
[37] 陆诗建. “双碳” 目标下CCUS在引领煤炭行业低碳转型过程中的作用[J]. 可持续发展经济导刊,2021(11):28−30. LU Shijian. The role of ccus in leading the transformation of coal industry under carbon peak and neutrality goals[J]. China Sustainability Tribune,2021(11):28−30.
[38] 康红普,王国法,王双明,等. 煤炭行业高质量发展研究[J]. 中国工程科学,2021,23(5):130−138. doi: 10.15302/J-SSCAE-2021.05.016 KANG Hongpu,WANG Guofa,WANG Shuangming,et al. High-quality development of China’s coal industry[J]. Strategic Study of CAE,2021,23(5):130−138. doi: 10.15302/J-SSCAE-2021.05.016
[39] 孙旭东,张蕾欣,张博. 碳中和背景下我国煤炭行业的发展与转型研究[J]. 中国矿业,2021,30(2):1−6. doi: 10.12075/j.issn.1004-4051.2021.02.034 SUN Xudong,ZHANG Leixin,ZHANG Bo. Research on the coal industry development and transition in China under the background of carbon neutrality[J]. China Mining Magazine,2021,30(2):1−6. doi: 10.12075/j.issn.1004-4051.2021.02.034
[40] 陈浮,于昊辰,卞正富,等. 碳中和愿景下煤炭行业发展的危机与应对[J]. 煤炭学报,2021,46(6):1808−1820. CHEN Fu,YU Haochen,BIAN Zhengfu,et al. How to handle the crisis of coal industry in China under the vision of carbon neutrality[J]. Journal of China Coal Society,2021,46(6):1808−1820.
[41] 王佟,刘峰,赵欣,等. “双碳” 背景下我国煤炭资源保障能力与勘查方向的思考[J]. 煤炭科学技术,2023,51(12):1−8. doi: 10.12438/cst.2023-0095 WANG Tong,LIU Feng,ZHAO Xin,et al. Reflection on China’s coal resource guarantee capacity and exploration work under the background of “double carbon”[J]. Coal Science and Technology,2023,51(12):1−8. doi: 10.12438/cst.2023-0095
[42] 金智新,曹孟涛,王宏伟. “中等收入” 与新“双控” 背景下煤炭行业转型发展新机遇[J]. 煤炭科学技术,2023,51(1):45−58. JIN Zhixin,CAO Mengtao,WANG Hongwei. New opportunities for coal industry transformation and development under the background of the level of a moderately developed country and a new “dual control” system[J]. Coal Science and Technology,2023,51(1):45−58.
[43] 金向阳,李杨,于雷,等. 煤矿区绿色低碳评价指标构建及应用[J]. 煤炭科学技术,2024,52(4):131−142. doi: 10.12438/cst.2023-1806 JIN Xiangyang,LI Yang,YU Lei,et al. Construction and application of green and low-carbon evaluation indicators for coal mining areas[J]. Coal Science and Technology,2024,52(4):131−142. doi: 10.12438/cst.2023-1806
[44] 李树刚,张静非,林海飞,等. 双碳战略中煤气共采技术发展路径的思考[J]. 煤炭科学技术,2024,52(1):138−153. doi: 10.12438/cst.2023-1689 LI Shugang,ZHANG Jingfei,LIN Haifei,et al. Thoughts on the development path of coal and gas co-mining technology in dual carbon strategy[J]. Coal Science and Technology,2024,52(1):138−153. doi: 10.12438/cst.2023-1689
[45] 郭榕,杨群,刘绍翰,等. 电网故障处置知识图谱构建研究与应用[J]. 电网技术,2021,45(6):2092−2100. GUO Rong,YANG Qun,LIU Shaohan,et al. Construction and application of power grid fault handing knowledge graph[J]. Power System Technology,2021,45(6):2092−2100.
[46] 李冬梅,罗斯斯,张小平,等. 命名实体识别方法研究综述[J]. 计算机科学与探索,2022,16(9):1954−1968. doi: 10.3778/j.issn.1673-9418.2112109 LI Dongmei,LUO Sisi,ZHANG Xiaoping,et al. Review on named entity recognition[J]. Journal of Frontiers of Computer Science and Technology,2022,16(9):1954−1968. doi: 10.3778/j.issn.1673-9418.2112109
[47] 刘鹏,程浩然,王莹,等. 煤矿工种知识图谱智能问答研究[J]. 计算机技术与发展,2024,34(3):185−192. doi: 10.3969/j.issn.1673-629X.2024.03.027 LIU Peng,CHENG Haoran,WANG Ying,et al. Research on intelligent question answering based on knowledge graph of coalmine occupation[J]. Computer Technology and Development,2024,34(3):185−192. doi: 10.3969/j.issn.1673-629X.2024.03.027
[48] 焦凯楠,李欣,朱容辰. 中文领域命名实体识别综述[J]. 计算机工程与应用,2021,57(16):1−15. doi: 10.3778/j.issn.1002-8331.2103-0127 JIAO Kainan,LI Xin,ZHU Rongchen. Overview of Chinese domain named entity recognition[J]. Computer Engineering and Applications,2021,57(16):1−15. doi: 10.3778/j.issn.1002-8331.2103-0127
[49] 朱西平,肖丽娟,高昂,等. 基于MacBERT的碳中和实体关系联合抽取[J]. 数据分析与知识发现,2024,8(11):126−135. ZHU Xiping,XIAO Lijuan,GAO Ang,et al. MacBERT-based joint extraction of carbon neutrality entities and relationships[J]. Data Analysis and Knowledge Discovery,2024,8(11):126−135.
[50] 李鑫. 煤炭开发环节碳排放测算及低碳路径研究[J]. 煤炭经济研究,2021,41(7):39−44. LI Xin. Research on carbon emission calculation and low-carbon pathway in coal development[J]. Coal Economic Research,2021,41(7):39−44.
[51] 刘峰,郭林峰,赵路正. 双碳背景下煤炭安全区间与绿色低碳技术路径[J]. 煤炭学报,2022,47(1):1−15. LIU Feng,GUO Linfeng,ZHAO Luzheng. Research on coal safety range and green low-carbon technology path under the dual-carbon background[J]. Journal of China Coal Society,2022,47(1):1−15.
[52] 胡敏. 《煤电节能减排升级与改造行动计划(2014—2020年)》发布实施[J]. 炼油技术与工程,2015,45(1):42. HU Min. The action plan for upgrading and transformation of coal-fired power plant energy saving and emission reduction (2014—2020) was promulgated and implemented[J]. Petroleum Refinery Engineering,2015,45(1):42.
[53] 姚帆. 煤化工工艺中二氧化碳减排技术的应用探究[J]. 中国石油和化工标准与质量,2024,44(19):183−185. doi: 10.3969/j.issn.1673-4076.2024.19.061 YAO Fan. Application of carbon dioxide emission reduction technology in coal chemical process[J]. China Petroleum and Chemical Standard and Quality,2024,44(19):183−185. doi: 10.3969/j.issn.1673-4076.2024.19.061
[54] 秦勇,易同生,周永锋,等. 煤炭地下气化碳减排技术研究进展与未来探索[J]. 煤炭学报,2024,49(1):495−512. QIN Yong,YI Tongsheng,ZHOU Yongfeng,et al. Research progress and future study of carbon emission reduction for UCG[J]. Journal of China Coal Society,2024,49(1):495−512.
[55] 谢金龙. 煤矿采矿工程中的采矿工艺分析[J]. 内蒙古煤炭经济,2024(7):46−48. doi: 10.3969/j.issn.1008-0155.2024.07.017 XIE Jinlong. Analysis of mining technology in coal mining engineering[J]. Inner Mongolia Coal Economy,2024(7):46−48. doi: 10.3969/j.issn.1008-0155.2024.07.017
[56] 许家林. 煤矿绿色开采20年研究及进展[J]. 煤炭科学技术,2020,48(9):1−15. XU Jialin. Research and progress of coal mine green mining in 20 years[J]. Coal Science and Technology,2020,48(9):1−15.
[57] 钱鸣高. 绿色开采的概念与技术体系[J]. 煤炭科技,2003,24(4):1−3. doi: 10.3969/j.issn.1008-3731.2003.04.001 QIAN Minggao. Technological system and green mining concept[J]. Coal Sci-tech,2003,24(4):1−3. doi: 10.3969/j.issn.1008-3731.2003.04.001
[58] 康红普,李全生,张玉军,等. 我国煤矿绿色开采与生态修复技术发展现状及展望[J]. 绿色矿山,2023,1(1):1−24. KANG Hongpu,LI Quansheng,ZHANG Yujun,et al. Development status and prospect of greenmining and ecological restoration technology of coal mines in China[J]. Journal of Green Mine,2023,1(1):1−24.
[59] 侯荡. 我国煤炭资源绿色开采效率与保障对策研究[D]. 北京:中国矿业大学(北京),2021. HOU Dang. Research on green mining efficiency and guarantee mechanism of coal resources in China[D]. Beijing:China University of Mining & Technology-Beijing,2021.
[60] 钱鸣高,许家林,王家臣. 再论煤炭的科学开采[J]. 煤炭学报,2018,43(1):1−13. QIAN Minggao,XU Jialin,WANG Jiachen. Further on the sustainable mining of coal[J]. Journal of China Coal Society,2018,43(1):1−13.
[61] 汪莹,祖子帅,王振华. 基于智能化矿山数据分类与编码规范的元数据标准构建方法[J]. 工矿自动化,2024,50(7):130−135,146. WANG Ying,ZU Zishuai,WANG Zhenhua. A metadata standard construction method based on intelligent mine data classification and coding standards[J]. Journal of Mine Automation,2024,50(7):130−135,146.
计量
- 文章访问数: 58
- HTML全文浏览量: 13
- PDF下载量: 26
