井工礦智能礦山大數據體系研究與探索

張 鵬

（國家能源集團神東煤炭集團公司信息管理中心，陜西 榆林 719315）

隨著國家信息化與工業化兩化深度融合的不斷深入，著力建設智能化礦井和智能化礦區，真正走出中國特色新型工業化道路。智能化礦山建設是在數字礦井建設的整體框架下，采用國內外先進的技術和裝備，借助于大數據的前沿技術，構建智能礦山大數據體系，使得“人機料法環”互聯互通，精確分析，精準指導，建成一個能用、實用、管用、高效運行的智能化礦井，實現礦井“管、控、營”一體化，實現礦井安全可靠化、管理高效化、成本最小化、效益最大化。為煤礦安全、高效、綠色、智能生產提供參考依據[1]。

1 研究的背景和意義

（1）研究的背景。十九大報告明確提出加快建設創新型國家，以創新為根本動力，不斷提高技術水平、科研水平和信息化水平，為建設網絡強國、數字強國提供有力支撐。推動互聯網、大數據、人工智能和實體經濟深度融合，在創新引領、綠色低碳、智能制造等領域培育新增長點、形成新動能。煤礦和非煤企業在互聯網領域的推動下同樣會面臨前所未有的壓力。為進一步降本增效、提升市場競爭能力，神東必須登高望遠、領跑領先，推動公司更高質量、高效率、可持續地發展、為國家能源集團打造具有全球競爭力的世界一流綜合能源集團做出應有的貢獻。

（2）研究的意義。當前，云計算、大數據、物聯網、移動互聯、虛擬現實、無人駕駛、人工智能等新一代信息技術發展日趨成熟，正在向更多領域滲透，不斷推動傳統行業的智能化智慧化轉型。神東集團需要結合應用需求進一步加大新技術引入力度，在智能工作面、快速掘進、礦用卡車無人駕駛、礦用機器人、智能一體化應用平臺等方面加強科技研發投入，建立智能礦山大數據體系，深度挖掘數據價值，實現數據價值共享，推進智能化進程，全面推動集團煤炭板塊產業結構的優化升級和生產力水平的整體躍升，最終建成安全、高效、智能、綠色的世界一流煤礦，公司實現高質量發展。

2 井工礦智能礦山大數據體系的構建

礦山行業的大數據分析是利用大數據處理技術、數據分析算法來進行計算與處理的。主要分析煤礦智能化、生產安全化、決策合理化等方面內容，通過標準建立和數據共享平臺搭建實現生產及應用系統之間的互聯互通，利用類似傳感器等智能裝備對煤礦所建立的物理世界進行感知與交互，從而使井下與地面建立起圖形化交互機制，進而對煤礦的安全生產達到科學決策、精準分析、有效預測的目的[2]。

（1）井工礦智能礦山大數據模型。根據礦井實際情況，智能化礦井建設結合實際業務包括：基礎設施規劃建設、生產監控系統建設、生產管理系統建設、經營管理系統建設、安全智能決策系統建設等。對應建立大數據模型架構，分為數據接入層、數據傳輸層、數據匯聚層、數據分析層、數據價值層，形成智能礦山大數據模型。①數據接入層。包括各類智能傳感器和智能分站等設備，設備在運行狀態中，通過智能傳感器感知，將產生的各類生產數據不斷的進行傳輸，實現人員、設備、環境智能化感知、可視化監控、精準定位。是各類生產數據的產生區域，也是數據價值的來源地。②數據傳輸層。傳輸層采用以太網技術，融合井上下千兆/萬兆工業控制網絡、礦山4G/WIFI 網絡等由工業環網與信息網組成，采用網閘加防火墻技術進行安全隔離。整個礦井采用有線和無線結合的方式實現全網絡覆蓋。將數據感知層數據進行采集，傳導。主要包括生產環境在線檢測數據、綜合自動化數據、其他生產指揮信息采集數據。實現井上下多數據的傳輸調用，實現統一調度、互聯互通。是數據價值的流通區域。③數據匯聚層。匯聚層通過建立統一的數據中心，將采集到的數據進行存儲，形成數據倉庫，建立數據分類及標準體系，通信協議轉換，數據格式統一，將數據ETL 后進行模塊化。實現數據實時抽取和共享。數據的存儲區域，是數據價值的收藏區域，也是大數據分析的基礎層。④數據分析層。分析層是將匯聚層的數據進行實時抽取，通過大數據分析工具，利用大數據基礎技術架構Hadoop 平臺，利用大數據分析算法。⑤數據價值層。價值層是通過分析層的結果，將其結果通過控制層、傳輸層達到執行層，完成對設備的控制、礦體的空間形態和屬性的動態修正。通過專家決策，對智能礦山實現監控控制、優化排程、物資調運等功能。是數據的利用區域，數據價值的應用區。

圖1 標準化原則

（2）智能礦山大數據分析決策平臺。面對礦山智能化建設的增速，目前神東已經積累了大量的生產及管理數據，存在數據標準不統一、信息孤島嚴重、數據管控體系不完善以及人才和分析平臺缺乏的挑戰，為了有效的挖掘數據，找到數據潛藏的價值，為安全生產提供決策依據。按照基于大數據的智能礦山建設模型，建設智能礦山數據分析決策平臺，主要包括：建立數據分類體系、制定共享數據標準；建立統一數據倉庫平臺；搭建數據共享、分析平臺。數據標準完全遵循據編碼和分類標準，僅在集團主數據標準體系不涵蓋的業務領域進集團的主數行擴展，擴展過程中使用相同的編碼規則。如圖1 所示。

數據標準化所涉及到的主要內容包括：數據接口標準、模型標準、編碼標準、ETL 標準、數據服務標準、質量管理標準、元數據標準、安全管理標準、生命周期標準。

建立統一數據倉庫平臺。數據倉庫是決策支持系統（dss）和聯機分析應用數據源的結構化數據環境，是在數據庫已經大量存在的情況下，為了進一步挖掘數據資源、為了決策需要而產生的，它并不是所謂的“大型數據庫”。數據倉庫建設的目的，是為前端查詢和分析作為基礎，由于有較大的冗余，所以需要的存儲也較大，為了更好地為前端應用服務。

建立神東統一生產數據倉庫平臺，實現數據統一格式、統一源頭、集中存儲。提供與其它業務系統自動抽取數據功能，梳理各業務系統之間的關系，明確業務數據邊界，并保證數據的一致性；為各類數據的重復利用提供統一、標準的應用及開發接口；對歷史數據提供即席查詢、統計分析，人機界面，打印各種形式的報表。

3 結論

礦產行業大數據前景明朗，企業將對大數據進行全面應用，大數據、人工智能、物聯網，都是解決未來煤炭行業兩化融合的關鍵性問題，是煤炭行業實現升級發展的必經之路。如何把煤采好，采得更安全、更高效、更清潔、更智能是煤炭行業未來的發展落腳點，智能礦山大數據體系的構建必將助力神東更快地邁向數字和智能化開采。