矿井大型设备运行数据采集及分析应用

　　[摘要]大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，是实现少人或无人化矿山的必经阶段。未来应紧密围绕大型设备运行情况深度感知、数据深度挖掘、安全生产与管理决策支持等核心问题，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

　　[关键词]矿井;大型设备;数据采集及分析

　　1矿井大型设备运行数据采集的意义

　　矿井大型设备(提升机、主通风机、空压机、主排水泵、主运皮带)主要担负矿井提升、通风、压风、排水、运输等重要任务，是保证矿井安全生产最重要的装备和环节。2002—2012年，由于工业快速发展产生的巨大电力需求，极大地刺激了煤炭产业的发展，从而造就了煤炭行业的“黄金十年”。煤炭行业固定资产投资逐年增加，矿井大型设备因此也得到了更新换代[1]。

　　2013年，随着我国工业发展转型、节能减排以及新能源快速发展，煤炭行业面临的下行压力逐步显现，煤炭行业固定资产投资逐年减少，矿井大型设备电控系统也开始进入老化期，严重地威胁着矿井和职工的安全。因此，研究矿井大型设备运行数据采集及分析应用具有非常重大的意义。

　　2矿井大型设备运行大数据的建立矿井大型设备运行大数据一般采用传感器监测获取和人工采集录入2种方式。原则上以传感器采集为主，以人工采样录入为辅，数据通过数据通讯接口实时提交到上级联网数据中心。

　　2.1矿井大型设备自动化控制系统矿井大型设备自动化控制系统主要包括：主提升绞车自动化控制系统、主通风机自动化控制系统、空压机自动化控制系统、主排水泵自动化控制系统和主运皮带自动化控制系统[2]。

　　2.2矿井大型设备数据采集方法根据国家煤矿安全监察局科技和信息化司 2019年5月公布的《煤矿感知数据接入规范(试行)》，矿井大型设备数据采集分为矿井级、省市级、国家级3种类型，分别通过FTP、WebService、Socket、消息队列等方式实现数据交换。

　　2.2.1FTP方式

　　服务器端提供FTP接口，分单位、矿井设置不同的目录路径、用户名、密码，按照规定的通讯文件格式将数据文件提交到相应目录，供服务器端读取数据。

　　2.2.2Web服务方式

　　采用标准的Web服务模式，以获取安全生产监测配置数据，所需数据为设备编码、设备类型、安装日期、生产厂家、安装位置X、安装位置Y、安装位置Z)。数据采集有以下2种模式：①拉数据模式。在矿端由监控厂家部署WebServices程序，用于提取组合监测数据，在数据中心端由集成厂家部署采集程序，按照数据接口规范采集数据。②推数据模式。在数据中心由集成厂家部署WebServices程序，用于接收数据，在矿端由监控厂家部署采集程序，按照数据接口规范推送数据到数据中心。

　　2.2.3读取矿端生成的XML文件模式

　　在矿端由监控厂家根据文件规范标准生成矿端XML文件，在数据中心端由集成厂家部署采集程序，使用FTP、文件夹共享、WebServices等方式，读取矿端XML文件。

　　3矿井大型设备运行大数据分析方法

　　原始数据体现出量大而价值密度低的特点，利用大数据技术对获取的各类数据在一定准则下加以自动分析、优化综合，通过挖掘、获知来判断设备和环境状态，发现异常事件和潜在危险。因此，矿井大型设备运行数据深度挖掘需要对多源数据进行挖掘，并注重对不同数据之间关系的挖掘，以获取、提供所需的决策和计划任务。这种基于多源信息的大数据融合是协调优化和综合处理的核心所在。

　　3.1矿井大型设备运行大数据类型

　　矿井大型设备运行大数据按照现场信号类型分为模拟量及开关量2种。其中模拟量主要是温度、压力、负载电流及电压等，开关量主要是设备保护及运行状态参数。模拟量分为电压型信号和电流型信号。其中，电压型信号为弱信号传送，易受到外界干扰源的干扰;电流型信号受外界干扰小可以实现远距离传送。为确保远距离信号传送的稳定可靠，采用增加屏蔽措施或加装变送器，可减少环境对信号的影响。开关量传送采用直接连接到数字量采集模块或加装变送器转换再进行传送2种方式。

　　3.2矿井大型设备运行大数据特征

　　规模性：矿井大型设备运行数据的产生和积累都达到了TB数量级。多样性：矿井大型设备运行数据的来源多样性，不仅包括实时采集数据，还包括台账、记录等纸质类数据。快速性：矿井大型设备运行数据通过工业控制网络实时进入数据仓库，需要大数据快速实时地处理各种数据。价值性：通过挖掘矿井大型设备运行数据间的相关关系，从而发现规律，提前预警，将事故消灭在萌芽阶段。

　　3.3大数据实时性分析

　　实时性分析主要是对控制系统的实时数据进行分析，根据控制系统设定的报警值及报警持续时间进行分级报警，并根据不同岗位，通过语音、消息推送等方式对报警异常信息进行分级提醒，确保矿井大型设备安全运行。

　　3.4大数据历史性分析

　　矿井大型设备在使用过程中，虽然能通过实时性分析发现即时隐患，但是大多数还是需要进行历史性对比分析，才能获取决策性数据。比如主提升钢丝绳寿命、箕斗过煤量、电机保养情况等，这些基础数据的历史对比将会给矿井大型设备的预防性检修维护提供数据支撑，确保矿井大型设备安全高效运行。

　　3.4.1对比分析

　　在实时数据进入数据库前，与前期历史数据进行分析对比，根据对比规则完成数据分析工作，并发出预警通知，按照等级向单位负责人、分管负责人、技术人员进行分级反馈，由接收人及时进行处理并进行跟踪。

　　3.4.2经验值分析在煤矿设计、建设、生产一系列过程中，从借鉴前苏联技术及标准，到自主形成国内技术及标准体系，对设备的选用、维修维护、运行状态等均积累了大量的经验数据，为矿井大型设备运行大数据分析提供了数据支撑。通过与经验值的分析、对比，及时发现风险隐患并加以消除，确保矿井大型设备安全运行。

　　3.4.3综合分析

　　基于对比分析和经验值分析的一种方法，能更好地体现和发现各类风险隐患。

　　4矿井大型设备运行大数据结果应用

　　通过自动分析并能实时给出调整策略，从主动感知能力、自动分析能力及快速处理能力出发，满足矿井大型设备安全运行需要。

　　4.1设备状态深度感知自动化系统已经具备感知能力，但总体感知能力尚不充分。通过大数据的主动感知能力，在原有感知的基础上进行自动分析与快速处理，获得设备状态的深度感知。这种更精准的感知更加全面和深入，涉及矿山的人员、设备、环境、管理等各方面的动态变化，能够确认变化发生的具体部位，如发生烟雾报警的带式输送机运行状况。

　　4.2运行数据深度挖掘

　　原始的运行数据体现出量大而价值密度低的特点，必须通过数据分析和挖掘才能获知对设备和环境状态的判断，对异常事件的监测及对潜在危险的预警等。大型设备运行数据类型繁多，如反映各类设备工作状态的数据;反映温度、瓦斯浓度、压强等环境参数的数据;反映工作人员地理位置等信息的数据。因此，深度挖掘必须具备对多源数据的挖掘能力，更重要的是注重对不同数据之间关系的挖掘。

　　4.3安全生产与管理决策支持

　　在状态判断、异常监测、危险预警的基础上，必须结合大型设备安全运行专业知识，自动做出合理决策，以实现对人员、设备和环境的调整与控制，从而保证大型设备安全高效运行。

　　5结语

　　大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，是实现少人或无人化矿山的必经阶段。未来应紧密围绕大型设备运行情况深度感知、数据深度挖掘、安全生产与管理决策支持等核心问题，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

　　[参考文献]

　　[1]姚西龙，slyve，高燕桃.我国煤炭产业的转型发展研究[J].煤炭经济研究，2018，38(11)：11-16.

　　[2]王国法，杜毅博.智慧煤矿与智能化开采技术的发展方向[J].煤炭科学技术，2019，47(1)：1-10.

　　作者：杨海鹏1，2

转载请注明来自发表学术论文网：http://www.fbxslw.com/jzlw/29565.html