基于FDTD建模的采礦大數(shù)據(jù)應(yīng)用研究

楊 勇

(河北工業(yè)職業(yè)技術(shù)學(xué)院 宣鋼分院，河北 張家口 075100)

隨著物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)的發(fā)展，建設(shè)“智慧礦山”成為煤礦企業(yè)轉(zhuǎn)型發(fā)展、提升核心競爭力的主要途徑，生產(chǎn)智能化已深度融合到采礦工藝的全過程。電力消耗作為采礦工藝優(yōu)劣評(píng)價(jià)的關(guān)鍵指標(biāo)，降低電力成本的主要方法之一是提高批發(fā)電力市場中企業(yè)需求的準(zhǔn)確性，在地下煤炭開采的企業(yè)中，有條件恒定的能耗成分(通風(fēng)、烘干、選煤、輸送等)的份額很大[1]，在礦山生產(chǎn)中，電力消耗占所有消耗電力的50%以上。

目前，能源資源和特定電力消耗增加相關(guān)的價(jià)格和關(guān)稅政策已經(jīng)導(dǎo)致生產(chǎn)成本的能源成分顯著增加。本文提出基于有限差分時(shí)域(Finite Difference Time Domain，F(xiàn)DTD)對(duì)能源消耗進(jìn)行建模，為了實(shí)現(xiàn)時(shí)間獨(dú)立，采用時(shí)間相關(guān)的波動(dòng)方程(Time-Dependent Schrdinger Equation，TDSE)進(jìn)行設(shè)計(jì)，F(xiàn)DTD方法可以分為2種方法：實(shí)時(shí)FDTD(R-FDTD)方法[2]和虛時(shí)FDTD(I-FDTD)方法[3]。R-FDTD方法利用離散化的時(shí)間依賴性波動(dòng)方程和傅里葉變換過程來演化波函數(shù)的演化，以獲得本征能量和波函數(shù)；I-FDTD方法使用擴(kuò)散方程來演化初始波函數(shù)，并且在很長的時(shí)間間隔之后波函數(shù)接近基態(tài)波函數(shù)。在考慮煤礦節(jié)能問題時(shí)，應(yīng)注意：①鍋爐燃料節(jié)省；②節(jié)能；③省電；④提高電力效率的其他措施。針對(duì)以采煤工藝過程中的節(jié)省燃料和節(jié)省熱能為目的，本文基于FDTD方法進(jìn)行建模，對(duì)采礦工藝過程數(shù)據(jù)進(jìn)行采集、處理后進(jìn)行處理，為煤礦生產(chǎn)過程提供生產(chǎn)決策支持?jǐn)?shù)據(jù)。

1 模型理論

本章簡要介紹了FDTD方法，F(xiàn)DTD方法的詳細(xì)介紹可在文獻(xiàn)[4]中查閱。為了應(yīng)用FDTD方法，按照時(shí)間依賴的波動(dòng)方程(Time-Dependent Schrodinger Equation，TDSE)開始，獲取元素r1，r2，如式(1)所示。

(1)

其中m是電子的有效質(zhì)量，V(r1，r2)是給出的電位，如公式(2)所示。

(2)

具有量子點(diǎn)的諧波限制勢Vdot(r)表示如下：

(3)

將式(1)以特征函數(shù)的擴(kuò)展形式表示，如式(4)。

(4)

除了波動(dòng)方程之外，具有相同自旋的電子的波函數(shù)φn(r1，r2)也必須滿足Pauli不相容原理，其中波函數(shù)必須在兩個(gè)電子的交換下反對(duì)稱，表示如式(5)：

φn(r1，r2)=-φn(r2，r1)

(5)

(6)

其中波函數(shù)表示如式(7)：

(7)

從式(6)中對(duì)于大的假想時(shí)間τ，由于因子exp(-Enτ)，具有高能量的波函數(shù)φn(r1，r2)減小并且最低能量狀態(tài)(或基態(tài))保持不變。因此，在大的模擬時(shí)間之后，最終的波函數(shù)如式(8)：

(8)

其中[c0exp(-Enτ)]只是一個(gè)常數(shù)因子，可以通過歸一化最終波函數(shù)來消除。使用初始函數(shù)ψ(r1，r2，τ=0)，可以通過使用式(1)的模擬來獲得基態(tài)波函數(shù)。調(diào)用式(5)對(duì)于τ的足夠長的間隔，條件是初始函數(shù)包含基態(tài)或c0≠0。激勵(lì)狀態(tài)可以使用相同的程序獲得，條件是所有較低能量波函數(shù)已從初始函數(shù)中移除。

在獲得波函數(shù)ψ之后，可以通過計(jì)算其能量如式(9)所示：

(9)

2 采礦大數(shù)據(jù)平臺(tái)設(shè)計(jì)

如前所述，煤礦企業(yè)正面臨著來自井下多類型設(shè)備和計(jì)量系統(tǒng)的同步數(shù)據(jù)流，如何實(shí)現(xiàn)智能化管控，為企業(yè)提供大量能源管理創(chuàng)新平臺(tái)的設(shè)計(jì)具有獨(dú)特的要求、功能和結(jié)構(gòu)設(shè)計(jì)。

(1)以并行方式處理物聯(lián)網(wǎng)能量計(jì)量流(井下設(shè)備能量獲取通過物聯(lián)網(wǎng)采集系統(tǒng)，本文不作介紹)，以提高數(shù)據(jù)分析的性能并優(yōu)化能源動(dòng)態(tài)管理操作。根據(jù)分析活動(dòng)，具體要求包括彈性資源獲取、高效數(shù)據(jù)網(wǎng)絡(luò)管理、數(shù)據(jù)可靠性和功能數(shù)據(jù)抽象。

(2)數(shù)據(jù)處理應(yīng)充分利用所有計(jì)算資源，以解決近實(shí)時(shí)計(jì)算算法的性能挑戰(zhàn)，例如尋找隱藏模式并產(chǎn)生新的、更快速和更豐富的結(jié)果。

(3)由于井下設(shè)備多樣性原因，按照開采工藝的不同，能源消耗量隨時(shí)間而變化。因此，自動(dòng)數(shù)據(jù)提取管道必須支持可變速率和數(shù)量的動(dòng)態(tài)數(shù)據(jù)采集，并且能夠適應(yīng)當(dāng)前數(shù)據(jù)源和操作需求。

2.1 平臺(tái)架構(gòu)

采礦大數(shù)據(jù)平臺(tái)組成如圖1所示，本文采用基于FDTD建模，利用霧計(jì)算平臺(tái)實(shí)現(xiàn)采礦大數(shù)據(jù)分析，平臺(tái)支持多井下設(shè)備能耗數(shù)據(jù)的持續(xù)集成、處理和分析的復(fù)雜操作。該架構(gòu)主要由4個(gè)子系統(tǒng)組成，能夠近乎實(shí)時(shí)地管理采礦能耗數(shù)據(jù)。

圖1 采礦大數(shù)據(jù)平臺(tái)組成

(1)采集信息管理模塊。在建議的模型中，數(shù)據(jù)是通過數(shù)據(jù)采集模塊從井下各類設(shè)備進(jìn)行數(shù)據(jù)采集，如鉆機(jī)、水泵、風(fēng)機(jī)等。可通過M2M/MQTT之類的IOT協(xié)議完成采集設(shè)備與網(wǎng)關(guān)之間的數(shù)據(jù)傳輸，網(wǎng)關(guān)充當(dāng)將采集設(shè)備連接到數(shù)據(jù)集成服務(wù)的中介，數(shù)據(jù)集成服務(wù)將通信橋接到霧節(jié)點(diǎn)。

(2)數(shù)據(jù)集成服務(wù)。數(shù)據(jù)集成服務(wù)起著中介作用，用于將數(shù)據(jù)從采集設(shè)備傳輸?shù)届F計(jì)算節(jié)點(diǎn)，然后再傳輸?shù)皆葡到y(tǒng)。該服務(wù)獨(dú)立于協(xié)議，負(fù)責(zé)維護(hù)整個(gè)采礦大數(shù)據(jù)生態(tài)系統(tǒng)的連續(xù)性和可擴(kuò)展性。數(shù)據(jù)傳輸?shù)念l率通常是特定于應(yīng)用程序的。例如，以15 min的間隔以各種分辨率收集井下設(shè)備數(shù)據(jù)。集成服務(wù)提供與外部系統(tǒng)的API接口。將霧節(jié)點(diǎn)的分析組件與外部系統(tǒng)解耦有很多好處，由于用戶將無法直接訪問分析引擎，因此這種去耦確保了安全性。

(3)網(wǎng)絡(luò)邊緣(霧計(jì)算)節(jié)點(diǎn)。霧節(jié)點(diǎn)是一種資源高效的計(jì)算實(shí)體，支持對(duì)近實(shí)時(shí)對(duì)井下設(shè)備能耗數(shù)據(jù)采集進(jìn)行快速分析。霧節(jié)點(diǎn)的主要功能之一是預(yù)處理收集的IOT數(shù)據(jù)，并將匯總結(jié)果發(fā)送到云或直接發(fā)送到服務(wù)的應(yīng)用程序。通過這樣做，霧節(jié)點(diǎn)以高度自動(dòng)化的方式增強(qiáng)了平臺(tái)管理采礦數(shù)據(jù)集成分析陣列的能力，從而為企業(yè)運(yùn)營節(jié)省了大量資金。

(4)云計(jì)算服務(wù)。對(duì)于采礦過程中能源消耗管理和數(shù)據(jù)分析是一項(xiàng)復(fù)雜的操作，需要將多個(gè)資源連續(xù)集成到通用處理系統(tǒng)中，并易于訪問數(shù)據(jù)。本文所提出的采礦大數(shù)據(jù)平臺(tái)中，將大量霧節(jié)點(diǎn)的能耗在云計(jì)算服務(wù)系統(tǒng)中匯總，為大數(shù)據(jù)處理提供了集中、安全的計(jì)算服務(wù)。

2.2 大數(shù)據(jù)分析平臺(tái)

大數(shù)據(jù)平臺(tái)中的數(shù)據(jù)分析引擎在云計(jì)算服務(wù)的邊緣執(zhí)行所有短期分析需求，從采集設(shè)備端獲取的能源消耗時(shí)間序列數(shù)據(jù)在到達(dá)分析引擎時(shí)會(huì)進(jìn)行處理，處理過程主要分為3個(gè)階段：預(yù)處理，模式挖掘和分類[5-6]，總體結(jié)構(gòu)如圖2所示。

圖2 采礦大數(shù)據(jù)分析平臺(tái)結(jié)構(gòu)

(1)在預(yù)處理階段，將對(duì)所有采集上來的數(shù)據(jù)流進(jìn)行過濾，解析并轉(zhuǎn)換為統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)以進(jìn)行進(jìn)一步分析。在此階段，對(duì)數(shù)百萬個(gè)高時(shí)間分辨率能量記錄的原始數(shù)據(jù)轉(zhuǎn)換為每個(gè)設(shè)備的預(yù)定分辨率，同時(shí)記錄使用時(shí)間、平均負(fù)載和能耗。

(2)在模式挖掘階段，采用FDTD建模對(duì)數(shù)據(jù)進(jìn)行模式挖掘處理[7]，主要思想是發(fā)現(xiàn)影響能耗行為的設(shè)備關(guān)系；頻繁模式挖掘在給定的數(shù)據(jù)集中搜索這些重復(fù)模式，以確定感興趣的模式之間的關(guān)聯(lián)和相關(guān)性。

與基于歷史數(shù)據(jù)的先前預(yù)測模型不同，由于能耗監(jiān)測中的儲(chǔ)能單元有限，需要預(yù)測近期(如下一分鐘)的功耗以進(jìn)行實(shí)時(shí)控制。因此，昨天或上個(gè)月的功耗數(shù)據(jù)可能沒有多大用處。并且由于針對(duì)不同負(fù)載存在不同的功耗特征，可以基于檢測到的功耗特征來預(yù)測數(shù)據(jù)。預(yù)測算法[8-11]如下：

1：S=φ;

2：whilet

3：ρmax=0，index=-1;

4：for detected consumption pattern do

5：Calculateρi(t)(基于公式(8))

6：ifρi(t)>ρmaxthen

7：ρmax=ρi(t)，index=i

8：end if

9：end for

10：ifρmax>ρminthen

11：detect a new consumption patternSnewand add toS

12：t=t+length(Si)

13：else

14：t=t+1

15：end if

16：end while

其中，S為能耗集合；ρi，j(t)為t時(shí)刻設(shè)備i的原始功耗；ρmax為最大功耗；ρmin為最小功耗

(10)

式中，Si(t)為t時(shí)刻設(shè)備i的能量集合；ρi，j為設(shè)備i和j之間的能耗關(guān)聯(lián)；l為能量集合的時(shí)刻長度。

(3)在分類階段[12-15]，采用分類的無監(jiān)督形式，能夠區(qū)分從數(shù)據(jù)中學(xué)習(xí)到的設(shè)備類別。有多種聚類方法，例如層次聚類、基于質(zhì)心或分區(qū)的分布聚類、基于分布的聚類和基于密度的聚類。在本文所提出的模型中，通過擴(kuò)展k-means算法完成采礦設(shè)備能耗時(shí)間關(guān)聯(lián)，目標(biāo)是能源消耗行為進(jìn)行嚴(yán)格分析，以尋求各采礦設(shè)備間在不同時(shí)間周期內(nèi)的能耗關(guān)系，如果已將某設(shè)備記錄為活動(dòng)或可操作的狀態(tài)，則確定該設(shè)備的設(shè)備時(shí)間關(guān)聯(lián)可被視為合理關(guān)閉的設(shè)備使用時(shí)間戳的分組，以形成類或群集。

3 平臺(tái)性能分析

本文在實(shí)際環(huán)境中進(jìn)行平臺(tái)性能驗(yàn)證，井下鉆機(jī)在不同班組中的能耗如圖3所示。由圖3可知，在各交班期間鉆機(jī)的瞬時(shí)能耗較高，經(jīng)過歷時(shí)數(shù)據(jù)分析后，在交班期由于操作人員交換，不同的操作人員的操作手法差距造成鉆機(jī)瞬間電流較大——即能耗較強(qiáng)；而在每班組接班正常后，則能耗區(qū)域平穩(wěn)——即鉆機(jī)工作正常；在每班班中能耗區(qū)域最低值，由于操作人員班中休息的緣故，總體按照2.1節(jié)中的架構(gòu)實(shí)現(xiàn)井下數(shù)據(jù)實(shí)時(shí)分析的目的。

圖3 鉆機(jī)能耗

通常，在企業(yè)管理過程中能耗對(duì)于降本增效來說至關(guān)重要，通過大數(shù)據(jù)分析實(shí)現(xiàn)能耗預(yù)測功能，對(duì)于企業(yè)管理起到預(yù)測作用，并且預(yù)測時(shí)間按照需求進(jìn)行調(diào)整。大數(shù)據(jù)應(yīng)用的最終目的是實(shí)現(xiàn)能耗的預(yù)測，即滿足企業(yè)生產(chǎn)需要的前提下降低生產(chǎn)能耗，根據(jù)1個(gè)月的歷史數(shù)據(jù)運(yùn)行預(yù)測算法，實(shí)現(xiàn)24 h預(yù)測。每小時(shí)平均耗電量和高峰需求預(yù)測，為了使結(jié)果易于理解，在圖4中顯示某型設(shè)備一周的能耗預(yù)測結(jié)果，每小時(shí)平均耗電量的預(yù)測與使用實(shí)況非常吻合。在大多數(shù)情況下，高峰需求的預(yù)測也非常準(zhǔn)確。但與每小時(shí)平均功耗相比，高峰需求的預(yù)測不太準(zhǔn)確，這是因?yàn)閱蝹€(gè)設(shè)備中的每小時(shí)平均功耗通常更穩(wěn)定；同時(shí)，高峰需求高度依賴于能源消耗事件的準(zhǔn)確時(shí)間。

圖4 能耗實(shí)際—預(yù)測對(duì)比

4 結(jié)論

通過分析了FDTD方法，利用TDSE時(shí)間相關(guān)波動(dòng)方程實(shí)現(xiàn)能耗預(yù)測，并以煤礦井下設(shè)備作為研究目標(biāo)，對(duì)能耗進(jìn)行實(shí)時(shí)統(tǒng)計(jì)，并利用大數(shù)據(jù)平臺(tái)基于歷史數(shù)據(jù)進(jìn)行分析預(yù)測，結(jié)果顯示對(duì)于設(shè)備的平均功耗的預(yù)測更為準(zhǔn)確。