|
一 研究背景 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。针对智能化煤矿建设过程中存在的“数据孤岛”现象严重、数据质量低、数据治理体系缺乏、数据赋能不够充分等问题，本文研究了智能化煤矿的数据采集和存储、数据清洗与标准化处理、数据资产规划、数据共享交换等关键技术。结合陕西煤业小保当矿业有限公司（简称小保当煤矿）数据治理现场实践情况，验证大数据技术的有效性。 二 智能化煤矿大数据治理关键技术 (1)数据采集与存储。数据采集与存储是煤矿大数据治理的基础。针对不同来源、不同类型的数据，可选择不同的工业协议进行数据实时采集或离线同步。自动化控制系统可采用自动化控制协议，如EIP、Modbus、OPC、S7、IEC104等。应用系统可采用HTTP、WebSocket、MQTT等协议进行实时数据采集，或采用DataX、Sqoop等进行离线数据同步，将数据汇聚至数据中心。超媒体协议包括HyperText、MultiMedia等，可用于文本、音视频、图形图像等类型数据采集。 (2)数据清洗与标准化处理。由于煤矿数据系统众多，数据来源复杂，数据类型多样，数据产生及采集过程中会出现各种问题，导致数据质量低，所以需要按照数据清洗标准，对统一汇聚起来的数据进行清洗和处理，对不规范、不完整、不准确的数据进行删除或更正，以确保最终结果可靠和准确。 (3)数据资产规划。数据资产规划的目的是实现数据价值的充分利用，贯穿在数据治理的整个过程中，应与数据价值实现的业务逻辑过程相适应，主要包含2个部分：一是对数据资产进行盘点，二是选择合理的方式对数据资产进行组织。 (4)数据共享交换。数据共享交换是数据价值体现的载体。将数据共享到各种应用，可实现数据真正的价值。要了解各应用系统对数据的共享需求，形成标准的数据共享接口，提供实时数据、历史数据、统计数据，以及按区域、时间、关联关系等维度汇总的数据共享服务。应明确规定共享接口访问方式、返回数据类型、格式、含义、频率等信息，同时需要对共享接口进行权限认证，保证数据资产安全，避免数据资产过度共享。最后需要形成数据共享的统一标准。 (5)算法模型管理。算法模型是使煤矿原始数据成为高价值数据的途径。通过数值分析、机器学习、人工智能等算法模型对原始接入数据进行处理、分析、挖掘，获得有用的决策分析信息，形成更有价值的数据资产。 三 基于工业互联网体系的数据治理架构 智能化煤矿大数据治理总体技术架构基于工业互联网体系，底层依赖于工业云平台计算、存储及网络通信能力，主要包含基础设施服务层（IaaS）、平台服务层（PaaS）及软件服务层（SaaS）。其中IaaS层部署于煤矿地面机房，通过私有云提供虚拟化、容器化能力；PaaS层包含各类基础平台及数据平台工具；SaaS层主要为煤矿智能化决策应用。该架构向下实现多源异构感知数据的接入、集成和融合，向上为各种煤矿智能化应用开发提供数据服务，中间沉淀煤矿各类业务指标、模型算法，形成煤矿重要的数据资产。  四 智能化煤矿大数据治理技术应用 从煤矿单系统应用、矿井级应用和公司级系统应用全方面展示智能化煤矿数据治理成果在不同业务场景下的实践应用情况。矿井区域风险等级评估模型是一种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。   引用格式 方乾，张晓霞，王霖，等. 智能化煤矿大数据治理关键技术研究、实践与应用[J]. 工矿自动化，2023，49(5)：37-45, 73. FANG Qian, ZHANG Xiaoxia, WANG Lin, et al. Research, practice and application of key technologies of intelligent coal mine big data governance[J]. Journal of Mine Automation，2023，49(5)：37-45, 73. 作者联系方式 方乾（1994—），男，湖北黄冈人，助理研究员，硕士，从事煤矿大数据、机器学习等技术研究工作，E-mail：fangqian@ccteg-bigdata.com。 扫码阅读全文 信息提供：胡娴 图文编辑：张聚 审核：王晖 |
|
|
