智能化煤礦大數據平臺架構及數據處理關鍵技術研究

候雪嬌 山東東山新驛煤礦有限公司

引言：互聯網應用分支之一的煤炭行業，經過30多年的發展已經邁入了信息化、自動化、智能化的發展進程，目前正在以“智慧礦山”的名義形成煤炭工業領域智能化解決方案，從而落地工業互聯網的相關先進技術。煤炭行業領域內的專家學者們已經針對智慧礦山關鍵技術、架構體系和平臺設計等方面進行了長期的研究，并在一些示范礦井取得了較為顯著的成績。

一、智能化煤礦建設目標和任務

在機械化、電氣化和自動化之后，以智能化為代表的第四次工業革命已開始深刻改變工業模式，煤礦已由傳統的“人－機”二元架構升級為“物理空間－數字空間－社會空間”的三元世界。智能化煤礦的建設過程與三元世界的統一過程相輔相成，其最終的建設目標是以“礦山即平臺”的頂層設計理念支撐全球領先的智慧礦山實踐，以時空全方位“實時化、交互化、智慧化、標準化”為主線，建設“創新礦山、融智礦山、生態礦山”，實現“物質流、信息流、業務流”的高度一體化協同，構建以人為本的智能生產與生活協調運行的綜合生態圈。

二、煤炭開采的數據源構成

目前我國煤炭工業已進入機械化、智能化階段，很多煤礦開采設備都具備工作狀態數據采集功能，良好的采礦環境，需要同時運行探測、通風、排水、防火、供電、采礦、運輸等近百個子系統，這些子系統的原始數據采集構成了智慧煤礦或精準開采系統的元數據。在煤礦日常生產中每天還會產生數以TB量級的圖片、文本、視頻、音頻等類型的連續或離散的數據。在沒有實現全域數字化或智慧化前，這些數據基本上是孤立的，每個子系統為信息孤島。

三、煤礦大數據平臺數據處理關鍵技術

（一）智能化煤礦獲取與數據標準管理

數據標準化是系統相關數據信息縱向貫通、橫向共享的基礎，將直接關系到智能化煤礦各應用系統的數據共享、系統集成與信息聯動的成功與否，是進行大數據分析的前提條件。如前所述煤礦數據特征，其重要特征是與煤礦空間位置特征產生關聯?；谶@一聯系，化工領域進行設計與數據采集的位號標準已較為成熟。因此筆者參考現有位號標準及煤礦實際應用情況，設計應用于煤礦領域的位號數據標準，以解決數據標準及管理問題。

（二）大數據平臺軟件關鍵技術

1.復雜指標的增量計算。煤炭開采中有計數、求和、平均值等計算，有指標、狀態查詢等簡單計算，也有傳感器數據融合決策的方差、標準差等復雜計算，有多維度、長時間和多次的重新計算等，這些計算會占用更多的資源。

2.基于分布式內存的并行計算。在煤炭開采中，基于各類傳感器的信息融合存儲策略會大量占有內存，如果沒有合適的數據調度策略，會影響系統的內存使用效率。

（三）大數據平臺服務器關鍵技術

1.搭建集群結點數。煤炭開采環境比較分散、數據源來源復雜、實時性要求高，我國煤炭開采信息化經多年發展已逐步積累了許多硬件設施，因此，該平臺擬建成分布式平臺。由于原來的服務器都是獨立工作，為了數據統一處理，需將原有獨立工作的服務器集群。在集群中每個服務器都是一個結點，選擇服務器時應根據當前集群中使用的煤炭精確開采業務場景來確定。結點越多，集群的運行性能就越好，但成本也越高。每個服務器集群至少需要4臺服務器，其功能:記錄煤炭開采的全部數據分布狀況及平臺運行進程;用于突發情況下數據恢復的備份服務器;存儲實際數據;記錄應用軟件的運行的日志。現有的煤炭開采過程信息化的應用系統都配置了服務器，可將這些服務器集群，以此減少投資，提升效益。

2.集群環境中服務器選擇。根據服務用途完成服務器內存、CPU、網卡配置。（1）服務器內存的計算；（2）服務器CPU的選擇。

（四）基于人工智能的數據分析技術

1.基于循環神經網絡的數據預測。煤礦工業場景以實時監測數據為主，強調時序性。針對時序數據問題，實現對于歷史數據的異常檢測與分類以及對于未來數據的狀態預測是其關鍵。針對這一問題，采用循環神經網絡進行深度學習與泛化，在煤礦數據預測方面具有較強的適用范圍。筆者以綜采工作面礦壓數據為例，提出其數據處理與預測方法。LSTM(LongShort－TermMemory)長短期記憶人工神經網絡是循環神經網絡的一種。LSTM模型主要由遺忘門、更新門及輸出門組成。進行數據預測首先對于數據進行歸一化處理，將每組數據歸一化到(－1，1)區間中。之后將待處理數據按時間步轉化為序列，將數據迭代輸入網絡進行數據訓練。

2.基于知識工程的態勢感知與推理。煤礦大數據平臺向下實現多源異構感知數據的接入、集成和融合，向上為各種煤礦智能化APP開發提供數據服務，打通感知數據和數據智能應用之間的屏障。通過煤礦大數據平臺使多源數據信息實現數據融合以及關聯分析，從而在全局視角實現識別、決策以及控制。

結語：根據煤礦控制實時性與安全性要求，智能化煤礦應采用“云邊端”數據處理架構和3層遞階控制策略，在此基礎上對煤礦智能化應用系統進行具體設計，用數據為礦山賦能，實現全礦井生產管理智能化運行。