智能化煤矿大数据治理关键技术研究、实践与应用

智能化煤矿大数据治理关键技术研究、实践与应用

马柽森

中煤科工集团重庆研究院有限公司，重庆400039

摘要：随着大数据、人工智能等技术的不断发展和应用，煤矿大数据呈现爆炸式增长，需要充分利用矿山生产中的大量数据，对这些数据进行有效的管理、分析和挖掘，从而提高矿山生产效率和资源利用率，优化矿山生产结构，实现矿山生产的可持续发展。研究智能化煤矿大数据治理技术，对于提高煤矿企业的数据管理和利用水平、优化煤矿生产结构、提高煤矿智能化水平具有重要意义。针对智能化煤矿大数据治理技术，国内外学者已经开展了大量研究工作，将机器学习、人工智能等技术应用于矿山大数据治理中，从大数据采集、处理、存储、分析和应用等方面进行了探索和实践，提高了矿山企业的数据管理和利用水平。但在实际应用中仍存在一些难题。基于此，本篇文章对智能化煤矿大数据治理关键技术研究、实践与应用进行研究，以供参考。

关键词：智能化煤矿；大数据治理；关键技术；实践与应用

引言

随着煤矿智能化建设的推进，制约数据融合、系统联动、业务协同等发展的数据治理问题受到广泛关注。智能化煤矿数据治理是指对煤矿数据及其相关技术和业务全生命周期的权利、责任和利益进行合理制度优化，在“沉淀、复用、共享、协同”的治理理念引导下，认识和构建煤矿信息世界，改造和描述煤矿物理世界，优化和映射煤矿意识世界，搭建3个世界的信息通路，奠定煤矿数据底座，解决数据运营合规、数据质量保障、数据安全防控、数据价值提升难题，促进煤矿战略协同、组织协同、业务协同、数据协同和技术协同，赋能煤矿数字化转型和高质量发展自智能化煤矿数据治理问题被提出以来，学者们在智能化煤矿数据治理概念界定、技术架构及关键技术方面展开了理论研究和实践探索。探讨了智能化煤矿数据归类与编码的实质、技术目标、技术原则和技术方法。基于工业物联网技术提出了智能化煤矿数据采集流程。研究了智能化煤矿监控数据集成策略。设计了智能化煤矿数据仓库的建模方法。分别基于数据中台技术和大数据技术设计了智能化煤矿数据治理的平台架构。提出了基于边缘云协同的智能化煤矿数据交互与计算架构。构建了煤矿装备维护知识图谱以深度挖掘煤矿装备维护数据价值。

1煤矿安全大数据特征

1）数据体量大。在煤炭生产中产生了海量安全数据，主要包括以瓦斯浓度、粉尘浓度、矿井温度、矿井地压、水量、风量等为代表的环境监测信息，以人员定位、设备安置地点等为代表的空间信息，以采煤量、机电监测数据等为代表的生产作业信息，以安全隐患、设备点检数据等为代表的隐患信息，以及其他各种综合自动化、管理信息化和工程数字化系统所产生的数据。随着信息技术应用的深化，煤矿安全大数据的数据规模仍在不断增长。2）数据类型多。在煤炭生产中所产生的数据类型繁多，具有多源异构的特征。其中，既包括以数值型数据为代表的结构化数据，如通过传感器采集的井下环境信息、生产作业信息、人员定位信息，也包括以文本、图像视频数据等为代表的半结构化和非结构化数据，如通过人工录入的安全隐患文本及通过视频摄像获取的井下实况。3）数据处理速度快。煤矿安全监测本身有对数据实时性的要求，随着物联网、云计算、移动互联网等信息技术的应用，传统的信息壁垒已被打破，煤矿安全管理的各系统之间不再相互独立，系统不间断地产生大量数据，这些数据被快速处理、分析，形成可被接受的知识。4）价值密度低。相对于庞大的数据总量，数据中所蕴含的有效信息极为稀少，从海量数据中提取有效信息的过程无异于大海捞针，有效信息的提取需要耗费大量的资源。同时，考虑到信息的时间价值，信息蕴含的价值一直处于不断减少中，这与数据的快速增加形成了鲜明对比。5）数据真实性。一方面，煤矿安全大数据要求整体上的真实性，即全部或大部分数据必须真实有效，具有较高的信噪比，能够从中发现有价值的信息，并应用于生产实践中；另一方面，允许存在一定程度的数据缺失、损坏等，如某一个或几个传感器在一段时间内未能上传数据或采集的数据具有明显错误、安全隐患记录的表述不一致等。

2数据标准的定义

数据标准指数据的命名、定义、结构和取值的规则。数据标准定义了企业或行业层面需共同遵守的数据含义和业务规则，是企业或行业层对某个数据的共同理解，这些理解一旦确定下来，就应作为企业或行业层面的标准在企业或行业内被共同遵守。数据标准是为保障数据的内外部使用和交换的一致性和准确性而发布的规范性要求，可划分为业务类、技术类和管理类，实现对数据的规范性、完整性描述，类似“国有法、书同文、车同轨、有衡”。

3智能化煤矿大数据治理技术应用分析

3.1矿井区域风险等级评估应用

矿井区域风险等级评估模型是一个精细化的煤矿安全分析模型，主要原理是结合矿井实际生产环境将矿井按照区域划分，从人、机、环、管4个方面，给予不同区域不同的赋分，实现各区域安全等级综合评价，使安全评估更加贴近实际生产要求，反映区域安全现状。该模型的实现难点主要包括2个方面：一是煤矿安全子系统众多，数据分散在各系统中，难以将数据及时统一汇集分析；二是煤矿不同系统中位置区域的定义、命名、粒度存在差异，如安全监控系统、井下人员定位系统、安全风险分级管控及隐患排查治理系统都涉及到煤矿安全相关信息，但是各系统对位置区域的编码、名称等不同。通过大数据治理技术可解决以上难题。对包含安全因素信息的系统进行统计分析，作为各区域打分的依据。各系统的数据经采集、清洗后，作为DWS层的重要数据进行存储，不需要重新计算即可复用，进一步可依据不同系统的安全因素信息进行安全等级评估。通过统一规范数据对井下区域进行统一划分，将区域内数据集中进行融合分析，可解决各系统内相关名称不统一的问题。

3.2企业级智能综合管控平台应用

以本文介绍的数据治理技术为基础，为煤矿开发了集安全、生产、经营、管理等功能的公司级智能综合管控平台，涵盖了“六大中心加一张图”，即综合一张图、智能监控中心、智能管调中心、安全管控中心、运营管控中心、后勤服务中心、决策分析中心。该平台在实现数据统一管理的基础上，完成了各子系统之间的资源共享、数据融合、分析决策及统一调度，提升了公司智能化生产、可视化管理、数字化决策的效率。

结束语

智能化煤矿数据治理是制约煤炭工业数字化转型和煤矿智能化高阶段发展目标实现的关键瓶颈，对于解决数据融合、系统联动和全局协同等关键问题具有重要意义。本文分析煤矿大数据安全治理，提供多维度融合的方法论视角和问题分析框架，形成智能化煤矿数据治理的理论基础；在此基础上构建具有智能化煤矿特色的数据治理体系框架，形成数据治理概念体系和全局架构；进一步指出亟待突破的关键问题，以期完善智能化煤矿数据治理方法论体系并推动其理论研究和技术实践的发展。智能化煤矿数据治理是多元主体参与的公共治理。为了保持煤炭供应链和产业链的数字连续性，需要在国家主管部门的领导下，以科学完善的数据治理方法论体系为指导，以煤矿数据治理、数据融合、数据共享和数据开放为纽带，构建煤炭产业数字生态，形成基于数据驱动的以“煤炭生产柔性化、安全保障本质化、管理决策精益化”为特征的运用一体化协同的煤炭产业发展格局。

参考文献

[1]谭章禄,王美君.智慧矿山数据治理概念内涵、发展目标与关键技术[J].工矿自动化,2022,48(05):6-14.

[2]王翀,陈佳林.煤矿物联网大数据平台设计与关键技术研究[J].中国煤炭,2022,48(03):42-49.

[3]王国法.煤矿智能化最新技术进展与问题探讨[J].煤炭科学技术,2022,50(01):1-27.

[4]赵文娟.煤矿安全生产标准管理体系智能化分析[J].当代化工研究,2021(15):57-58.

[5]疏礼春.智能煤矿数据中台架构及关键技术研究[J].工矿自动化,2021,47(06):40-44.

作者简介：马柽森（1992-），男，工程师，现就职于中煤科工集团重庆研究院有限公司，主要研究方向为煤矿机电设备智能检测与控制、煤矿安全技术与管理。