基于大數據分析的煤礦供電系統安全智能管控平臺設計

摘" 要：伴隨著煤礦安全生產高度智能化集約化的發展趨勢，煤礦開采用電需求逐年攀升，從而使得礦山電網結構的復雜程度越來越高，采用傳統模式運營管理的礦山各級變電所供電監控系統相對分散，也缺乏統一的集控平臺，難以滿足現階段的煤礦安全生產發展需求。為了實現煤礦電力系統的自動化、信息化、智能化，達到安全、人員、效益的有機結合，利用大數據分析處理、消息隊列、分布式存儲等技術，設計基于大數據分析的煤礦供電系統安全智能管控系統，通過實現對實時采集數據的統計報表、告警分析、質量分析等功能，該平臺能夠支持監控看板、報表統計、數據分析等應用場景，從而滿足礦山供電安全化智能化的需求。

關鍵詞：礦山自動化；大數據分析；數據倉庫；安全監控；智能系統

中圖分類號：TD608" " " "文獻標志碼：A" " " " " 文章編號：2095-2945（2023）16-0023-04

Abstract： With the development trend of highly intelligent and intensive coal mine safety production， the demand for power consumption in coal mining is increasing year by year， which makes the mine power grid structure more and more complex. The power supply monitoring system of mine substations at all levels under the traditional mode of operation and management is relatively scattered and lack of a unified centralized control platform， which is difficult to meet the needs of the development of coal mine safety production at the present stage. In order to realize the automation， information and intelligence of coal mine power system， and to achieve the organic combination of safety， personnel and benefit， big data analysis and processing， message queue， distributed storage and other technologies are used to design the safety intelligent management and control system of coal mine power supply system based on big data analysis. Through the realization of real-time data collection of statistical reports， alarm analysis， quality analysis and other functions. The platform can support application scenarios such as monitoring dashboard， report statistics， data analysis and so on， so as to meet the needs of mine power supply security and intelligence.

Keywords： mine automation; big data analysis; data warehouse; safety monitoring; intelligent system

隨著煤礦生產機械化自動化的推進，煤礦開采用電需求逐年攀升，礦山電網結構的復雜程度越來越高。輸變電設備運行安全對煤礦安全生產可靠運行的影響重大，礦山開采進程的正常推進不僅受到高低壓供電設備與系統事故的影響，并且當其影響到排水系統、通風系統等電力系統部分重要負荷時，更為嚴重的結果將會發生[1]。對高低壓供電設備進行智能管理、狀態檢測、告警分析，有利于提高供電系統的穩定性和安全性，對煤礦的安全生產具有極其重要的應用價值，研發基于大數據分析的煤礦供電系統安全智能管控系統勢在必行[2-3]。

現有煤礦各級變電所供電監控系統相對分散，缺少統一的集控平臺，存在“數據孤島”問題，缺少有效的多級聯動機制，設備狀態分析不夠精準，智能分析與診斷能力嚴重不足[4]，海量數據分析在礦山供電設備的智能服務應用仍處于探索階段，針對多維數據耦合的煤礦用電智能分析技術研究處于起步階段。

建設煤礦供電系統物聯網平臺，打造供電系統智能診斷平臺，實現煤礦電力系統的自動化、信息化、智能化，達到安全、人員、效益的有機結合，礦山供電系統的統一接入、聯動控制、狀態在線診斷與全生命周期健康管理將是礦山供電智能化的必然趨勢。為此，本文基于大數據分析的煤礦供電系統安全智能管控系統，采集、存儲、處理及分析煤礦供電安全生產過程中產生的海量數據，面對不同形式、不同規模的數據進行針對性存儲，從而提供智能化的科學分析決策，支持電能質量分析、系統數據看板、實時報警服務等多種場景的功能與服務。

1" 相關工作

1.1" 數據接入與預處理

在供電系統監控管理的過程中，集成分析平臺每天將面臨著數十GB級的增量數據，多源異構的數據信息和龐大的數據吞吐量對數據平臺的實時交互承載能力提出了高要求。

1）非結構化數據轉換。供電設備在線監測采集的電流、電壓、功率和紅外溫度圖像等多源傳感器非結構化數據，可以準確地提供煤礦供電系統設備的狀態變化數據，為設備狀態評估診斷提供重要依據。

2）狀態數據質量評估。數據質量的評估能夠保證數據分析結果的有效性。煤礦供電系統設備的狀態數據大部分是來自多元傳感器的非結構化數據，具有數據量大、種類繁多等明顯特征，且存在部分數據不完整、不可靠甚至出現錯誤的問題，特別是數據監控系統在部分情況下會發生某種未知的錯誤異常，如通信異常、干擾性大、短暫失效等情況，過程監控數據中或多或少存在部分無效值，影響數據分析與設備狀態診斷的結果。因此，必須進行適度的狀態數據質量評估以提高并保證數據的有效性。

3）數據清洗。保證供電系統設備狀態數據分析效果的關鍵技術是數據清洗，也是數據預處理中不可缺少的關鍵一環。數據清洗的主要步驟是通過一系列數學分析方法，即聚類分析、關聯分析等手段對相關數據進行再處理的過程，主要起到保證供電系統設備狀態數據的有效性與科學性，補充部分缺少的重要數據等作用，從而符合相關數據分析的前提要求。

1.2" 礦山數據倉庫

平臺實現供電過程四遙數據、微機保護動作數據、智能傳感系統數據等多源信息接入，這些異構的礦山信息是供電系統狀態評估和診斷的重要參考信息，為監測信息的可視化、設備狀態判識、故障診斷和融合分析提供重要的數據支撐[5]。因此，針對這些多源異構數據需要采用信號處理、關聯性分析、文本挖掘等技術實現海量多源異構數據的計算和處理，建立礦山供電設備多源異構數據的統一描述方法、高通量數據訪問和分布式多級異構存儲環境下的數據存儲容災技術，形成安全、高效的礦山數據倉庫[6]。

圖1為礦山數據倉庫架構，平臺針對礦山供電系統的數據特征進行分析，提出適應不同礦山感知子系統數據類型的高效數據存儲管理礦山數據倉庫[7]。

1.3" 數據管理與服務

面向礦山供電系統多源異構數據的采集、分布式存儲和實時/離線分析等服務的管理需求，建立了包括供電數據接入、實時數據計算和預處理、分布式數據存儲、離線數據計算、設備健康狀態分析和故障診斷模型、數據安全機制在內的針對多場景、多設備的平臺管理服務。

1）數據接入管理。礦山供電設備海量運行監測實時數據和歷史全量數據的高并發接入和管理服務。

2）數據存儲管理。供電監測數據分布式存儲策略、數據劃分管理[6]、分布式文件策略管理。

3）算法模型工具管理。管理采用信號處理、特征值計算處理、機器學習等數據模型分析方法建立供電系統設備數據統計算法與告警分析模型，以便于根據不同診斷分析場景選擇所需模型。

4）數據訪問管理。對用戶注冊、數據訪問權限、敏感操作和日志記錄等設置系統安全性的操作行為進行數據訪問權限管理。

1.4" 數據分布式計算

針對礦山供電設備運行海量監測數據的特點，需要采用內存計算技術（如Spark）、即時查詢技術（如Impala）、實時流處理技術（如Storm）和并行批處理技術（如MapReduce）相融合的計算框架。實時流處理技術處理數據具有效率高、速度快、可靠性高等優點。并行批處理技術處理數據具有負載性均衡、可靠性高、數據獨立等特點。礦山供電設備數據的狀態分析可以根據不同任務需求與時間處理要求采用不同的數據分析技術；供電設備數據評估與告警分析需要處理大量歷史數據，可采用并行處理技術；設備異常告警及音視頻影像傳輸對數據的實時性要求較高，可采用實時流處理技術。

1）基于Kafka的高吞吐消息隊列計算。利用Kafka構建統一消息收集平臺，單節點支持上千個節點和每秒百兆字節吞吐，支持副本冗余、流量負載均衡。

2）基于Storm的流式實時計算框架。基于Storm框架的實時數據處理，適用于礦山流數據的處理。Storm支持多種編程語言，對基于Storm的二次應用開發提供簡易、可靠的支持。

3）基于Spark Streaming的流式實時計算框架。基于Spark的流數據處理計算框架，具有高云吞吐量和高容錯性的特點，支持多種框架的輸入，如：Kafka、Flume、Twitter、ZeroMQ和簡單的套接字等。

2" 系統總體設計

基于大數據分析的煤礦供電系統安全智能管控系統總體架構包括數據采集層、數據存儲層、數據交互層和應用接口層（圖2）。

2.1" 數據采集層

系統數據主要來自煤礦安全開采多場景下的傳感器數據、視頻數據、數據規則和波形信號等。數據通過Netty等物聯網通信協議傳輸。

2.2" 數據存儲層

平臺支持MySQL、Redis、Influx DB數據庫，MySQL關系數據庫負責分析處理后的數據，Redis內存數據庫用于處理實時數據及高頻訪問數據等，Influx DB時序數據庫用于處理歷史數據，存放海量的過程數據。

2.3" 數據交互層

平臺采用分布式數據庫引擎混合的計算框架，統一接入中央變電所配電柜、分布式智能感知系統、供電系統、各級變所子系統、點巡檢系統等多源異構數據，利用供電安全狀態知識庫維護的知識與算法規則，提供面向大規模礦山數據實時計算，對采集的實時數據進行各級配電設備的保護狀態分析、電能質量分析、異常告警、能源消耗等數理統計分析。

2.4" 應用接口層

開放應用接口模塊是向外提供數據處理中心的相關接口，如告警分析、統計報表、能耗統計和數據導入等多種數據交互接口，支持接口定制化開發。面向井上、井下多個高壓變電所供電設備，數據平臺通過開放應用接口提供查詢類和交互類服務。實現設備運行數據實時監測與數據顯示、異常狀態告警、控制操作、數據記錄存檔功能、電度計量和報表打印、權限管理和曲線存儲與圖顯等功能平臺應用服務接口。

3 供電設備數據集成分析系統

3.1 輔助分析計算

傳統供電系統保護整定計算大多采用人工方式，存在較多問題：由于供電系統復雜、計算效率低且容易出錯；供電系統參數發生變化，重新計算工作量大；整定規則設計的不合理容易引起保護器動作異常，容易造成多級開關越級跳閘事故。在煤礦安全集控平臺建設的基礎上，設計研發輔助分析計算模塊，提高供電狀態計算分析的科學性和計算效率。

1）自適應整定計算。平臺設計了繼電保護自適應整定計算功能，提供輔助整定計算服務，知識庫集成整定計算規則，提供輔助計算界面和工具，實現保護裝置整定的輔助計算[8]，提高整定計算的科學性和計算效率，避免手工計算整定值考慮因素不足和出現錯誤的情況。

2）供電質量分析。電能質量是描述供電系統性能和安全性的統稱，通常用系統的電壓來進行衡量。電能質量問題分布廣泛、形式多樣，具體體現在用戶設備使用異常或者其他電力問題，大部分的原因是電流、電壓、頻率偏差。主要包括：頻率偏差、電壓偏差、功率因數、三相電壓不平衡度、諧波（波形畸變）、電壓波動與閃變、暫時過電壓與瞬態過電壓。

3.2 設備狀態智能診斷

在平臺集成數據特征分析及智能診斷模式識別算法，針對供電系統應用場景和多源感知信息；研究主成分分析、流行學習、稀疏表示方法，實現特征空間的敏感化表達；針對設備狀態的多因素、多參數關聯問題，研究針對供電設備安全狀態分析的多源特征參數分析與融合表示方法；融合礦山變配電系統狀態知識庫與深度數據特征，挖掘設備狀態與多源感知數據深層隱含的映射關系，建立供電系統狀態實時分析與故障診斷模型與系統。

4 系統實現

4.1 環境部署

平臺基于大數據管理體系，通過建立一定數量的節點集群來進行分析統計，包括部署Netty、Zookeeper及Kafka等計算組件。分布式的節點硬件配置選擇8核3.6 GHz CPU、32 GB內存、2 TB硬盤，選用CentOS 7 64位系統，同時部署組件版本為JDK 1.8。

4.2" 功能展示

基于大數據分析的煤礦供電系統安全智能管控系統能夠支持各變電所“四遙”服務、能耗統計分析、數據報表等多場景下的數據統計分析要求，各變電所的“四遙”服務如圖3、圖4所示，可根據篩選條件進行實時數據查看。

5" 結論

本文針對煤礦工業大數據實時分析的需求，設計基于大數據分析的煤礦供電系統安全智能管控系統，采集、存儲、處理和分析煤礦供電安全生產過程中產生的海量數據，面對不同形式、不同規模的數據進行針對性存儲，從而提供智能化的科學分析決策，支持電能質量分析、系統數據看板、實時報警服務等多種場景的功能與服務。

參考文獻：

[1] 武曉波.煤礦信息化在煤礦安全生產中的應用探析[J].礦業裝備，2022（1）：174-175.

[2] 李林國，查君琪，趙超，等.基于Hadoop平臺的大數據可視化分析實現與應用[J].西安文理學院學報（自然科學版），2022，25（3）：53-58.

[3] 劉海強，陳曉晶，張興華，等.面向煤礦安全監控的數據倉庫關鍵技術[J].工礦自動化，2022，48（4）：31-37，113.

[4] 盛建強，劉振，汪飛.計算機信息化系統在煤礦安全管理中的應用研究[J].煤炭技術，2022，41（4）：167-170.

[5] 張黎平，段淑萍，俞占倉.基于Hadoop的大數據處理平臺設計與實現[J].電子測試，2022，36（20）：74-75，83.

[6] 任仲晟.基于數據倉庫的數據挖掘技術[J].數字技術與應用，2021，39（9）：59-61.

[7] 王新柱，趙杰.基于Hadoop生態系統的電網量測數據共享技術研究[J].電氣傳動自動化，2022，44（1）：40-43.

[8] 王興友.煤礦供電系統智能化建設探析[J].中國煤炭工業，2021（7）：74-75.