“煤礦大腦”人工智能技術在煤炭行業生產中的應用研究

摘要：作為一種新興IT技術，人工智能已深入到社會影響的方方面面。煤炭行業作為國家能源的重要支柱，近些年來也在加速擁抱人工智能，企業發展以“安全保障、減人增效”為核心目標，利用云、邊、端等技術架構“煤礦大腦”，融合了云計算、邊緣計算和人工智能等眾多新技術，通過AI技術保障煤炭企業安全、高效生產，優化企業安全生產管理過程，進而提升煤炭企業核心競爭優勢，并為煤炭企業高質高效發展發揮著重要支撐作用。

關鍵詞：煤礦大腦;人工智能;智能化煤礦;智慧礦山

中圖分類號：TP18? 文獻標識碼：A? ? ?文章編號：1007-9416（2020）10-0000-00

0引言

能源與人們生活和社會經濟息息相關，是人們生活的物質基礎和社會經濟發展的源動力，保證能源的有效利用和可持續利用對于現代社會經濟發展具有重要意義[1]。

中國在能源生產和消費上均位于世界前列，并且取得了巨大的能源工業成就。但我們卻是靠大量消耗能源資源和粗放發展而得到的，這種發展模式的過于粗放給我們原本就短缺的能源資源和脆弱的生態環境帶來更大的壓力，一些安全生產事件的發生給人身安全和企業財產也造成巨大損失。

1能源結構

在全球，煤炭、石油和天然氣是三種主要化石燃料，但這些需求的增速各有不同，其中，原油占比最高，達到了33%;煤炭占比28%;天然氣占比為24%。在亞洲，煤炭占亞洲能源結構的50%左右，其憑借低廉的價格和充沛的儲量將繼續成為未來最重要的能源來源之一。

在過去數十年的經濟快速發展中，我國能源消費結構合理性與世界各國及平均水平還有相當的差距。而中國能源消費結構中占比最高的為污染最嚴重的原煤，原煤占比為62%，而占比全球近四分之一的能源天然氣，在中國占比僅有6%，并且預計十年內煤炭仍將是能源結構的重要組成部分。

1.1煤炭的能源價值

煤炭，作為近現代人類主要使用的能源之一，作為工業的重要食糧，一直參與著人類的生產生活。隨著新清潔能源的發展，其它能源產業的崛起，煤炭的應用范圍和需求程度雖不再時時處處作為人類的首選，但不管是現在還是以后，都將作為一種重要的能量來源，繼續服務于我們的生產和生活。煤炭的使用也緊密地參與著我國工業和社會的發展，它的穩定供應和安全生產問題也始終是我國能源發展中重要的一個發展方向。

煤炭是大自然給予的豐厚禮物，是上萬年前特殊時期特殊氣候條件的植物埋藏于地下，再經歷了漫長的歷史和復雜的生物化學等變化，而形成的固體可燃性物質，是地球上目前勘探得知的最豐富蘊藏和最廣分布的礦物燃料。它的適用范圍非常廣泛，主要在以下幾個地方：

電力：中國發電用煤約占總耗煤量的1/3以上，電廠是將煤的熱能轉變為電能，平均下來，目前我國的單位耗煤量為370g/（kw·h）標準煤。

（2）蒸汽車：蒸汽機車作為一種重要交通工具，也需要利用煤的熱能轉變為動能，占總耗煤量的3%左右，蒸汽機車的平均耗煤量為100kg/（萬噸·km）左右。

（3）建筑材料：在建筑材料的生產制造當中，煤的使用也非常普遍，大致占到總耗煤量的13%以上。這些建筑材料大致有水泥、玻璃、磚、瓦等，其中，水泥的耗煤量最大。

（4）工業鍋爐：熱電廠和大型供熱鍋爐需要使用大量的煤作為主要燃料，除此之外，其它企業生產或取暖用的工業鍋爐也需要用煤，這些鍋爐型號多、數量大、管理分散，這一部分的用煤量約占動力煤總量的1/4以上。

（5）民用生活：居民生活也需要使用大量的煤，這一比例約占到用煤總量的23%。

（6）冶金：冶金行業需要燒結動力煤或使用高爐噴吹無煙煤，這一部分的用量僅占動力用煤總量的1%。

（7）煉焦：煉鋼行業多使用焦炭作為主要生產原料，是鋼鐵工業的“基本食糧”，而焦煤或混合煤高溫冶煉才能形成優質的焦炭，所以，煉焦也是重要的用煤方向。

1.2煤炭行業發展現狀

煤炭作為能源行業中的主要來源，其基礎地位不可動搖，并且國家現有的產業政策也一再強調煤炭行業的健康發展，說明了其在宏觀經濟高速發展中的不可或缺，這為持續增長的煤炭需求提供了長久性和可能性。現代技術的進步和創新更為煤炭行業的發展帶來了強有力的動力。目前，煤炭工業的發展面臨著大好的發展形勢，國家全面出臺多項政策支持行業深化改革，這也為煤炭工業轉變經濟發展方式和實現科學化發展提供了有利時機，進而有效提高了國家能源行業的自主創新能力，為國家成為能源自主的世界先進大國提供了重要機遇[2]。

我國煤炭企業正處于勞動密集型向技術密集型轉換的初級階段。國家現有煤炭資源儲量較為豐富、品種多種多樣，分布十分廣泛，但與其它國家比較起來，我國的煤田地質構造比較復雜，變化和差異性較大，自然開采條件相對惡劣。在資源開發技術上，我們起步慢，基礎理論研究滯后，安全高效開采技術以及清潔高效利用手段還有很大空間可以提高。根據之前的能源結構預測中，我國在未來的十年中（2020年到2030年），煤炭在主要能源結構中還將保持著最高比重，2030年可能實現在55%左右。并且在目前的從業人數統計中，我國年產36.5億噸煤炭，從事該產業的工人約525萬人，同期美國年產約10億噸，而從事該產業的工人僅有約10萬人。我國實現年產量可以達到美國的3倍多，但從業人數卻遠超美國的50多倍。因此，我國急需要一些手段完成探測、掘進、運輸、運維、管理等各個生產一節的自動化、數字化和智能化。

2人工智能推動產業革命

2.1人工智能在煤炭行業安全生產中扮演重要角色

煤炭作為我國的傳統能源行業，引入現代人工智能技術，旨在通過這一技術手段，從根本上解決煤炭安全生產過程中碰到的問題，幫助煤炭行業盡快實現少人高效，推動行業實現轉型升級。

煤炭這個直接雇用大約500萬人口的行業，由勞動密集型向技術密集型改革將是一個極具挑戰和實踐意義。精英數智與華為、中國煤炭科學研究院在2019年4月福州共同提出開發“煤礦大腦”平臺，這是針對于煤炭安全生產而量身定制的人工智能整體技術解決方案，IT行業、通訊行業、煤炭科學研究行業將共同助力煤炭行業的人工智能發展，為實現國家安全生產和推動煤炭行業轉型升級做出重要貢獻。

2.2煤礦大腦概述

煤礦大腦基于云計算、大數據和人工智能技術，為煤炭行業安全生產態勢感知提出一套完整的解決方案。

（1）基于云平臺的PaaS框架，依托云計算、云存儲等虛擬化技術，煤礦大腦加快了各種針對智能礦山應用的開發、部署和服務化，方便了各項業務的管理。

（2）基于大數據據技術，為海量礦山傳感器數據（溫度、濕度、瓦斯、監控、電力），實現快速流轉、多數據類型匯聚、價值密度低數據融合和存儲。

（3）基于人工智能技術，對礦山各種作業場景中的音頻、視頻及傳感器數據進行實時分析，完成了機器運行狀態、人員操作是否合規、工作進度量化、環境指標預測等各種業務的數字化和智能化。

2.2.1系統架構

煤礦大腦率先提出云、邊、端架構體系，實現了各項業務的時間靈活性和空間靈活性，以及計算、網絡、存儲等各種資源的虛擬化與彈性按需調度。

（1）在云側：訓練集制作、管理與各種人工智能模型的訓練及模型的管理;AI識別任務的下發、狀態監控及安全生產態勢分析與展示。

（2）在邊側：業務鏡像化：將模型的運行環境（操作系統、必要庫文件及其他軟件）與模型一起制作成統一的鏡像文件，簡化了業務的部署、標準化了模型運行環境，方便了管理提高了模型的移植性;任務容器化：將一次AI識別任務以容器的方式進行運行，保證了應用程序與資源的獨立性，提高了資源的有效性和業務的安全性。

（3）在端側：通用智能：提出AI agent框架，標準化模型、權重、任務以及推理的輸入與輸出流程，以流水線式的方式完成不同業務場景AI識別需求，如圖1所示。

（4）智能終端：除基于Nvidia RTX消費卡和企業級Tesla計算卡外，智能終端還將各種機器學習模型移植到華為Atlas200、英偉達Tx2和Xavier智能計算平臺極大地擴展了智能終端的應用范圍。

2.2.2煤礦大腦典型應用

（1）勘探系統。近年來隨著國內煤炭行業的迅速發展，對勘探技術及其管理工作提出了更高的要求。實踐中，智能化的地質勘探技術方法已在煤礦領域廣泛應用，尤其在煤層薄、穩定性差、地質構造復雜的礦井，智能地質勘探技術將起到重要作用。影響礦井安全因素的非常多，目前尚未建立一套科學、高效的地質勘探安全防范措施。一旦發生安全事故則后果不堪設想，因此煤炭資源開采前應對井田地質條件進行全面勘探。煤層中一般會含有瓦斯和水等物質，瓦斯含量在很大程度上決定了可能產生的影響。一旦泄露或者爆炸產生的后果就越嚴重;而水害給礦井人員傷亡和生產同樣帶來巨大損失。

生產中，為了預防和應對瓦斯和水害事故的發生，應明確瓦斯和水的分布情況，這樣才能夠做好預防措施。工作面超前勘探技術在挖煤機挖井前，采用向掘進方向不同角度打孔的方法對前面瓦斯、水量的情況進行探測是一項比較簡單有效并被廣泛使用的探測技術。然而探測會給礦企帶來額外的人力和物力成本，同時井下環境極其艱苦，導致不探、少探的情況時有發生，給安全生產帶來重大隱患。針對探測工作面臨的問題，煤礦大腦智能勘探分析系統基于計算機視覺技術通過對工作面機器運行軌跡、人員姿勢和軌道物體等視覺特征，對整個探測過程進行實時監控與分析，不但有效地降低了監管成本，而且其準確率甚至超越了人類。

（2）掘進系統。掘進是礦井產生中最關鍵的環節之一。在生產中挖煤機的工作狀態，人員操作的規范性都走到了關鍵的作用。掘進現場空間小、環境復雜人員違規操作行為時有發生，煤礦大腦基于圖像識別技術，對人員行為進行實時分析，當發現特定禁進入區域有人員進入時或者操作不規范（未正常支護）時實時產生警示。影響挖煤機正常工作的一個常見問題是挖到堅硬的巖石，現有方法主要通過在挖煤機的掘進齒上安裝溫度傳感器，操作員通過觀察溫度的變化來粗略地判斷挖煤機前面煤層的狀況，然而溫度傳感器容受環境的影響非常大，導致準確率非常低。煤礦大腦提出基于音頻、響度和波型等特征，使用機器學習方法實時地對掘進現場發出的各種聲音進行識別，對挖到巖石等發出的異常聲音進行警示。圖2中AI模型檢測到有人員出現在禁入區。

（3）運輸系統。皮帶作為礦井底下最主要的運輸工具，對生產的順利進行走到了至關重要的作用。數十段皮帶構成了井下高速公路，并消耗了整個礦井70%以上的電力資源。然而，皮帶在運行過程中會有多種異常情況發生：皮帶跑偏、皮帶上有異物（大矸石、錨桿甚至人）、皮帶長期空轉、皮帶頭堆煤以及人員違規等。針對皮帶運輸系統的問題，煤礦大腦提出基于目標跟蹤、目標檢測、幀差檢測等人工智能技術，對皮帶運輸系統的運行狀態進行實時監控。圖3左圖為智能運輸監控系統使用目標跟蹤技術，實時地對皮帶是否有跑偏進行分析;圖3右圖為堆積檢測模型發現皮帶機頭出現堆積現象并產生報警的情景。經過研發人員的不斷攻關，模型誤別的準確率達到95%以上，模型的識別延時小于30毫秒。

（4）運維系統。在礦山80%以上的安全生產事故都與人的疏忽大意有關。井下有3000工人在作業，井上就有30人在調度室對數百個攝像頭傳來的機器運行狀態和人員行為視頻進行監視。然而，一方面攝像頭眾多，存在人員監控不過來、漏檢、監視不及時等問題;一方面礦井需要7×24連續動作，由其到夜晚對人的身體挑戰非常大，無論井上還是井下人員都容易出現麻痹大意的情況。煤礦大腦基于姿態識別和目標檢測技術，將人體姿勢、方向、機器位置等元素進行關聯分析，結合場景實時分析出有效的巡檢或值班行為，客觀地評價出每個人的工作質量。解決了監管場景如何量化人員是否在場、按照到場以及是否認真作業難題。

（5）安全態勢感知系統。煤礦大腦基于人工智能技術對聽覺（聲音傳感器）、視覺（視頻傳感器）、嗅覺（氣體傳感器）、觸覺（壓力傳感器）數據進行實時分析與警示。為更好地、實時地對整個礦山安全生產的態勢進行掌握，提出多元異構數據匯聚融合體系，然后再次使用機器學習模型對融合后的數據進行實時的安全態勢分析。為煤礦大腦針對每個工作場景的實時分析結果;展示了對多元異構數據匯聚融合后使用機器學習算法得到的當前礦山安全生產態勢感知情況。

參考文獻

[1]張忠國.煤巷快速掘進系統的發展趨勢與關鍵技術[J].煤炭科學技術，2016（1）：55-60.

[2]曾健平，邵艷潔.Android系統架構及應用程序開發研究[J].微計算機信息，2011（9）：1-3.

收稿日期：2020-07-22

作者簡介：吳喆峰（1981—），男，山西大同人，本科，高級工程師，研究方向：能源行業人工智能研發與應用。

"Coal Mine Brain" Artificial Intelligence Technology Applied Research in Coal Industry Production

WU Zhe-feng

（Elite Digital Intelligence Technology Co.， Ltd.， Taiyuan Shanxi? 030000）

Abstract： As an emerging IT technology， artificial intelligence has penetrated into all aspects of social impact. As an important pillar of national energy， the coal industry has been accelerating the embrace of artificial intelligence in recent years. The core goal of enterprise development is to "safety guarantee， reducing people and increasing efficiency"， using cloud， edge， and terminal technologies to build "mineral brains" and integrate Through the use of many new technologies such as cloud computing， edge computing and artificial intelligence， AI technology ensures the safe and efficient production of coal enterprises， optimizes the safety production management process of enterprises， and improves the core competitive advantages of coal enterprises， and plays a role in the high-quality and efficient development of coal enterprises. Important supporting role.

Keywords： coal mine brain; artificial intelligence; intelligent coal mine; smart mine