基于數據挖掘技術的煤礦遠程監控系統研究

雷云 安少帥

(1.西安科技大學 電氣與控制工程學院,陜西 西安 710000;2.中國神華神東煤炭集團公司錦界煤礦綜采一隊,陜西 榆林 719319；3.畢節中城能源有限責任公司 ，貴州 畢節 552100)

1 前言

早前，對于煤礦挖掘工作的監控就應用了簡單的集中監視設備。隨著信息技術網絡的發展，越來越多的采集量被匯集到一起，日積月累，數據量想當龐大，人工對于這樣的數據很難理解。因此解決當前復雜數據形成有效信息成為當前煤礦挖掘工作的一大難題，基于數據挖掘技術的煤礦遠程監控系統由此誕生，以解決煤礦企業監控技術的遠程性、復雜性以及自動智能導向挖掘方向等問題，保證煤礦的安全高效生產。

2 系統網絡運行結構

目前，現有的煤礦企業監控系統和網絡運行結構主要包括以下三個模塊：

圖1 煤礦監控系統網絡結構

1)數據采集子系統。數據采集系統分散于礦井下每個角落，形成統一整體，用于采集采掘工作面、通道內瓦斯、粉塵、CO濃度等環境參數，通過網絡通信系統傳遞給遠程監控中心。

2)計算機通信網絡。通信網絡起到聯通的作用，將數據采集量傳送至監控中心，用于分析與研究，是整個系統網絡結構不可或缺的一部分。

3)遠程監控中心子系統。整體來說，遠控中心系統相當于大腦，處理來自各各方面的數據信息，通過對數據的長期跟蹤以及限定與約束，做出去未來煤礦的挖掘工作做出預測、糾正目前的錯誤采掘行動。保證采掘工作安全高效推進，保障企業的利益與人民生命財產安全。

3 系統體系結構

煤礦遠程監控系統采用4層體系結構,包括用戶層、業務邏輯層、服務器層、數據層,系統體系結構模型如圖2所示。

圖2 遠程監控系統體系結構模型

3.1 用戶層(客戶層)。用戶層為用戶提供直接面臨生產現場的實時畫面，同時實時監測各數據采集點的采集量是否超過安全標準，一旦超過安全標準則顯示報警，提醒作業人員危險，提早撤離，直至整改安全措施到再次達到安全標準再進行作業。

3.2 業務邏輯層。業務邏輯層是整個系統結構的核心。在發生事故時是為遠控中心對于發生事故的預測和報警以及提供處理意見的首要工具，未發生事故時通過基于統計分析類數據挖掘技術和信號分析工具,對甲烷(瓦斯)和CO的濃度、風速、風量、粉塵等環境參數以及電壓、電流、風門開閉等工況參數進行定性或定量的分析和預報,對重要設備運行狀況進行監控及對故障進行診斷。

3.3 服務器層。遠程監控系統采用Web服務器、管理服務器、數據庫服務器的三層服務器架構,相當于一個服務平臺。管理服務器用于局、礦監控網絡工作站的管理。

3.4 數據層。遠程監控系統中的數據庫和數據倉庫為業務邏輯層提供數據支持,為數據挖掘提供正確、完整和集成的數據信息。

4 數據挖掘技術在煤礦遠程監控系統中的應用

通過遠程監控系統的應用，就是利用了現有的科學技術條件對煤礦挖掘工作的安全保障進一步的升級優化，實現安全升級、產能提高的雙贏局面。即利用監控系統采集的環境參數數據量以及對采煤機械設備的監控診斷數據進行綜合分析評價礦井的實際工作狀態信息,從而準確及時地評價井下是否安全。因此,監控系統如何做出決策是整個系統的關鍵，數據挖掘的含義也由此而來。決策系統通過對長期采集量數據的積累加上約束條件形成一定的數據模型，數據挖掘技術能自動查找數據庫或數據倉庫中數據的模式和關系,利用先進的統計技術在數據倉庫或數據集市中查找各項事實數據并分析預測,為決策者提供建議。對數據模型加以分析，尋找規律做出預測與判斷。但是由于數據采集的不全面性、模糊性使得對于決策系統做出的預測并非百分之百的準確，還需要加以人工的干預與統計，建立更多的約束條件，以便于決策系統能夠做出更加準確的預測與判斷，提供更高的安全保障性。

5 結語

隨著信息系統普及與計算機網絡應用，基于數據挖掘的遠程監控系統得以在煤礦上順利進行，數據庫的建立、數據模型的產生也為煤礦挖掘提供了更高的安全保障，但是基于數據采集的不全面性以及數據模型本身的模糊性，基于數據模型的初期使用與預判的準確性可能低于預期值，但是已經遠遠超過傳統的預測能力，隨著數據不斷積累、經驗模型建立，基于數據挖掘的遠程監控系統對煤礦做出的安全預測與判斷只會越來越準備，進而保證了煤礦的生產安全，為企業創造效益，造福于人類。相信隨著時代的發展，大數據時代到來，基于數據挖掘的技術應用會越來越普及，技術也越來越先進，煤礦的安全事故不會再發生。

[1] 彭泓.基于數據挖掘與信息融合的瓦斯災害預測方法研究[D].中國礦業大學（北京）,2013.

[2] 楊馭東.基于技術挖掘技術的瓦斯涌出量預測方法研究[D]內蒙古科技大學，2013.