智能化煤矿大数据平台架构及数据处理关键技术研究.pdf

第48卷第7期 2020年 7月 煤炭科学技术 Co a l Sc ienc e a nd Tec h no l o g y Vo l . 48 No . 7 Ju l y 2020 杜毅博，赵国瑞，巩师鑫.智能化煤矿大数据平台架构及数据处理关键技术研究[J].煤炭科学技术,2020,48 7 177-185. d o i 10. 13199/j. c nk i. c st . 2020. 07. 018 Du Yibo , ZHAO Gu o r u i,Go ng Sh ix in.St u d y o n big d a t a pl a t f o r m a r c h it ec t u r e o f int el l ig ent c o a l mine a nd k ey t ec h no l o g ies o f d a t a pr o c essing [ J ]. Co a l Sc ienc e a nd Tec h no l o g y, 2020, 48 7 177 - 185. d o i 10. 13199/ 移动扫码阅读 J- c nk i- c st . 2020. 07. 018 智能化煤矿大数据平台架构及数据处理关键技术研究 杜毅博赵国瑞巩师鑫1,2 1.中煤科工开采研究院有限公司，北京100013；2.煤炭科学研究总院开采研究分院，北京100013 摘要随着煤矿智能化技术深度推进,其数据量级及类型均呈爆炸式增长，利用大数据技术针对煤 矿多源海量数据进行集成分析与数据价值挖掘，实现动态诊断与辅助决策，成为煤矿智能化的关键。 煤矿大数据平台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提供数 据服务，打通感知数据和数据智能应用之间的屏障,是煤矿智能化运行的基础。针对当前煤矿大数据 平台建设初级阶段缺乏成熟建设体系的现状,在分析煤矿大数据数据来源、数据特征以及处理要求的 基础上，提出由数据接入层、数据存储层、数据资产管理层、数据服务层构成的煤矿大数据集成分析平 台技术架构；系统研究数据接入与存储系统，主数据管理系统及数据服务系统等大数据平台关键系 统，从而建立大数据平台基础框架，为大数据融合分析处理提供基础数据与资源能力；针对煤矿大数 据处理要求，研究数据获取与数据标准管理,提出基于位号的煤矿数据编码标准，实现煤矿数据标准 化管理，并在此基础上研究数据集成与数据治理技术与数据可视化技术，实现数据全生命周期管理； 研究提出基于循环神经网络的数据预测及基于知识工程的态势感知与推理等基于人工智能的处理算 法实现数据纵向和横向的智能化分析。以陕煤张家節煤矿及陕西延长石油巴拉素煤矿为代表进行大 数据平台建设与工程实践，为建设智能化煤矿大数据平台，构建煤矿数据生态提供技术参考。 关键词智能化煤矿;大数据;数据智能化;数据处理 中图分类号TD67 文献标志码A 文章编号0253-2336 2020 07-0177-09 Study on big data plat architecture of intelligent coal mine and key technologies of data processing DU Yibo12, ZHAO Gu o r u i12, GONG Sh ix in12 1. Coal Mining Research Institute, China Coal Technology Engineering Group f Beijing 100013, China ； 2. Mining Design Institute, China Coal Research Institute, Beijing 100013, China Abstract Wit h t h e d eep a d va nc ement o f c o a l mine int el l ig ent t ec h no l o g y, t h e d a t a vo l u me a nd t ypes a r e ex pl o d ing . Using big d a t a t ec h no l o g y f o r c o a l mine mu l t i-so u r c e ma ssive d a t a int eg r a t io n a na l ysis a nd d a t a va l u e mining t o a c h ieve d yna mic d ia g no sis a nd a u x il ia r y d ec i sio n-ma k ing bec o me t h e k ey o f sma r t c o a l mine. Co a l mine big d a t a pl a t f o r m o n o ne h a nd r ea l ized t h e f u nc t io n o f a c c e ss, int eg r a t io n a nd f u sio n f o r mu l t i-so u r c e h et er o g eneo u s sensing d a t a , o n t h e o t h er h a nd pr o vid ed t h e d a t a ser vic e f o r a l l k ind s o f c o a l mine int el l ig ent APP, w h ic h o pened t h e ba r r ier bet w een per c ept u a l d a t a a nd d a t a int el l ig ent a ppl ic a t io n. Th e c o a l mine big d a t a pl a t f o r m h a s bec o me t h e f o u nd a t io n o f sma r t c o a l mine. In view o f t h e c u r r ent l a c k o f a ma t u r e c o nst r u c t io n syst em in t h e init ia l st a g e o f c o a l mine big d a t a pl a t f o r m c o n st r u c t io n ,o n t h e ba sis o f a na l yzing t h e d a t a so u r c es, d a t a c h a r a c t er ist ic s a nd pr o c essing r equ ir ement s o f big d a t a in c o a l mines, t h is pa per pu t f o r w a r d t h e t ec h nic a l f r a mew o r k o f c o a l mine big d a t a int eg r a t io n a na l ysis pl a t f o r m w h ic h c o nsist s o f d a t a ser vic e syst em, d a t a a c c ess a nd st o r a g e syst em, ma st er d a t a ma na g ement syst em a nd d a t a ser vic e syst em a nd o t h er k ey syst ems o f big d a t a pl a t f o r m, so a s t o est a bl ish a big d a t a pl a t f o r m ba sic f r a mew o r k t o pr o vid e ba sic d a t a a nd r eso u r c e c a pa bil it y f o r big d a t a f u sio n a na l ysis a nd pr o c essing . Fu r t h er mo r e, 收稿日期2020-05-11；责任编辑赵瑞 基金项目国家自然科学基金青年基金资助项目51804158;国家自然科学基金重点资助项目51834006 作者简介杜毅博1985，男，河北邯郸人，副研究员，博士。Tel010- 84264090,E-ma ild u yibo t d k c sj.c o m 177 2020年第7期媒尖科学技术第48卷 a c c o r d ing t o t h e r equ ir ement o f c o a l mine big d a t a pr o c essing, t h is pa per st u d ied d a t a a c qu isit io n a nd d a t a st a nd a r d ma na g ement, pu t f o r w a r d c o a l mine d a t a c o d ing st a nd a r d s ba sed o n bit nu mber s, w h ic h r ea l ized t h e c o a l mine d a t a st a nd a r d iza t io n ma na g ement, a nd t h en t h e d a t a int eg r a t io n a nd d a t a ma na g ement t ec h no l o g y a nd t h e d a t a visu a l iza t io n t ec h no l o g y w er e st u d ied t o a c h ieve d a t a f u l l l if e c yc l e ma na g e ment . Th e a r t if ic ia l int el l ig enc e -ba sed pr o c essing a l g o r it h m su c h a s d a t a pr ed ic t io n ba sed o n c yc l ic neu r a l net w o r k a nd sit u a t io n per c ept io n a nd r ea so ning ba sed o n k no w l ed g e eng ineer ing w er e pr esent ed . Th e c o nst r u c t io n a nd eng ineer ing pr a c t ic e o f big d a t a pl a t f o r m w er e c a r r ied o u t w it h in Zh a ng jia ma o Co a l Mine o f Sh a a nx i Co a l Gr o u p a nd Ba l a su Co a l Mine o f Sh a a nx i Ya nc h a ng Pet r o l eu m, w h ic h pr o vid ed t ec h ni c a l r ef er enc e f o r t h e c o nst r u c t io n o f int el l ig ent c o a l mine big d a t a pl a t f o r m a nd t h e c o nst r u c t io n o f c o a l mine d a t a ec o l o g y. Key wordsint el l ig ent mine； big d a t a； d a t a visu a l iza t io n； d a t a pr o c essing 0引 言 煤矿智能化是煤矿工业转型升级、解决人才 流失困局，实现高质量发展的重大战略方向⑴。 由国家发改委等八部委联合出台的关于加快煤 矿智能化发展的指导意见，推动我国煤炭行业进 入煤矿智能化发展的高速阶段。煤矿智能化的基 本特征是实现矿井人机环管的全面感知，实时互 联，自主分析与决策⑵。其运行的基础实现煤矿 多源数据的集成分析与数据价值挖掘，从而以数 据为矿山赋能。随着煤矿智能化技术深度推进， 其数据量级及类型均成爆炸式增长，利用大数据 技术实现生产、安全、运维各环节与业务领域的深 度分析与融合，成为助推煤矿安全、高效、绿色发 展的基石3］。 当前煤矿大数据技术发展得到广泛重视，国内 外各大煤矿企业及研究机构均对其大数据平台进行 规划并展开相应的数据处理研究。国外方面，以德 国PSI公司、鲁尔集团、澳联邦科学院等为代表，依 靠高速监测与数据处理决策系统，实现生产流程的 精细化管控与安全预控。国内方面,对于煤矿大数 据平台技术架构进行了探索建设，并对其数据存储 技术及安全数据处理进行了相关研究血训。但是总 体而言，目前国内有关煤矿大数据平台的建设，主要 集中于井上管控信息化系统主数据建设，对于生产 业务相关信息系统，由于缺乏统一的数据标准和模 型,难以实现数据互联。另一方面，针对煤矿工业场 景的数据深度处理方法目前研究较少,难以发挥大 数据的价值。 综上所述，目前煤矿大数据研究处于初级阶段, 还未能形成成熟的理论体系。笔者在分析煤矿大数 据特征及处理要求的基础上，梳理智能化煤矿大数 据分析平台技术架构,对其数据处理过程中涉及的 数据获取、数据集成与服务、数据深度分析及数据可 视化关键技术进行具体研究，旨在推动煤矿大数据 平台完成顶层设计,实现数据赋能,构建智能化煤矿 数据生态。 178 1智能化煤矿大数据特征与处理要求 随着煤矿信息化技术的不断发展，煤矿数据几 何级数增加，包括生产、安全、管理、运销等诸多方面 涉及的设备、环境、人员、调度等近百个子系统的相 关数据，其数据范围广，数据结构多样。从数据来源 角度划分，煤矿大数据以设备环境监测及生产经营 业务等内部数据为主,并分布管理包括煤矿市场动 态、供应服务商信息、气象信息等外部数据。从数据 结构种类划分，煤矿大数据包括各种SCADA系统 及智能仪表所生产的结构化数据，管理过程中所产 生的报表等半结构化数据以及包括井下视频、音频、 图纸、文档等非结构化数据。 1.1智能化煤矿大数据特征 目前大数据技术在商业、金融等领域应用广泛。 而应用于工业现场,煤矿大数据除满足数据规模大, 高速性、多样性、价值密度低等基本数据特征外⑻， 还具有数据源分散,数据结构复杂，时效性强,特征 数据稀疏，关联性强等特征，对大数据处理提出更高 要求。 1） 煤矿数据源分散。煤矿数据产生包括生产 监控SCADA系统,GIS地理信息系统，安全管控系 统,MES生产执行系统，调度管理系统,ERP管理系 统等不同系统，这些系统由不同部门分散放置、分布 管理,造成“信息孤岛”。 2） 煤矿数据结构复杂。煤矿数据类型极为多 样，其数据长短，数据频率，数据格式都不同。因此 在对这些数据进行处理时，特别是对其进行关联分 析时产生较大难度。 3） 时效性强。煤矿行业实行24 h倒班作业，因 此对于数据的处理必须实时与准确,特别是针对生 产安全相关数据的处理，需实现快速反馈甚至是提 前预测。 4） 数据特征稀疏。煤矿数据量虽大，但能显示 其有效数据特征的数据极少，往往只存在浅层趋势 信息,缺乏具有限制特征的数据样本,如设备故障数 据或环境灾害数据，因此亟需挖掘其潜在特征关联, 杜毅博等智能化煤矿大数据平台架构及数据处理关键技术研究2020年第7期 实现数据预测与决策。 5）数据关联性强。煤矿监测数据强调时序性, 数据全生命周期过程时序关联;而生产过程中各关 键环节相互耦合,特别是与地理信息系统中的空间 数据歸较强关联。 1.2智能化煤矿大数据处理要求 针对煤矿特殊数据特征,煤矿大数据技术架构 显著区别于传统数据挖掘技术，提岀更高的数据处 理要求 1） 多种数据源抽取融合。大数据平台通过集 成主流关系型数据库，非关系型数据库,流式数据等 多种抽取方法，形成融合数据抽取方案,对业务数 据,物联网数据和外部数据完成覆盖式收集。 2） 多类型ETL方法融合。为了保证数以万计 的物联网节点产生的实时数据流能够被及时处理, 增加基于大数据分布式技术的ETL集群，并且支持 横向扩容,消除数据清洗瓶颈。 3） 实时流式计算。为保证数据处理的时效性, 构建流式计算框架,并基于分布式内存并行计算，兼 具数据处理速度与计算内存调度管理。 4） 多元数据服务融合。为支撑煤矿智能化不 同系统的数据应用,大数据平台包含了从算法库到 数据接口的多元化数据服务，特别是对于元数据的 数据管理,支撑煤矿安全高效生产需求。 5） 人工智能算法实现数据挖掘。应用深度学 习、知识图谱等算法挖掘数据纵向和横向关联关系， 实现全面态势感知与预测。 2智能化煤矿大数据分析平台技术架构 基于Ha d o o p大数据平台的生态已发展出较为 成熟技术架构，针对煤矿大数据分析平台自下而上 包括数据接入层、数据存储层、数据资产管理层、数 据服务层等。如图1所示。 数据应用 大数据及综合分析 展示平台 厶 煤矿综合管理 运营平台 煤矿工业物联网平台IT基础设施平台卜.下游系统外部接口 接口应用 Web Ser vic e、RESTf u l 数据 服务层 数据资 产管理 数据 呑储层 数据 接入层 对接 系统 主题模型库 地理信息数据服务生产数摒服务安全管控数据服务 算法模型库微服务组件 辅助运输数据服务 数据服表工具 数据标准规则库 （呈础标准、技术 标准、业务标准、 指标标准） 数据字典管理转换函数管理 元数据/资源 口录管理 、基于Ha d o o p与 MySQL的数据仓库 机电数据服务 主数据分发管理 平台管理 平台预警 半台监控 HDFS 常规采集 报表数据 数据质量规则库 （质量规则、验核 方法、质量报告、 问题数据） 元数据服务 平台调度 数据仓库 HBASE 巧数据冷理eltL Fl u me 统建信息化系统 平台安全 主数据管理 ETL管理 元数据管理 基于大数据技术的分 布式数据采集集群 主数据服务 MySQL Ka f k aSpa r k St r ea ming MES生产执行 系统 安全环境 监测系统J 图1智能化煤矿大数据分析平台技术架构 Fig.l Technical framework of intelligent coal mine big data analysis plat 在该总体技术架构下,煤矿大数据主要针对其 数据接入与存储系统，主数据管理系统及数据服务 系统进行搭建,从而建立大数据平台基础框架,为大 数据融合分析处理提供基础数据与资源能力。 2.1智能化煤矿大数据接入与存储系统 数据源的特征决定了数据采集功能的实现方 式。根据前文所述煤矿数据来源，主要包括各生产 SCADA系统的实时数据，各信息化系统的关系型数 据库,各类消息队列,图纸报表文件等各类文档以及 179 2020年第7期媒農科学技术第48卷 视频音频等非结构化数据。 针对实时生产数据（SCADA、智能仪表、生产实 时数据库），需要强大的分布式ETL处理集群 （Ka f k a Spa r k）,才能完成海量高频率（毫秒级）的 实时数据采集。针对各类信息化系统所涉及的关系 数据库,由于数据频率较低，通过开发组件将数据库 为Jso n或Xml进行定时采集。对于图纸、报表、文 件等各类文档非结构化数据一方面对服务器源目录 实时监听,对文件实时采集;另一方面开发相应分析 Met a Ser ver组件，对文件进行解析，抽取元数据进行 结构化数据存储。经过标准化的数据结合业务应用 决定了数据存储方案，包括结构化数据（Hive、 MySQL、Hba se）,半结构化数据（Hba se ）,文件 （HDFS）等，同时提供结构化数据库,列式数据库,时 序数据库，文件系统等多种类型的数据存储介质。煤 矿大数据接入与存储系统数据处理流程如图2所示。 I 图2智能化煤矿大数据接入与存储系统 Fig , 2 Int el l ig ent c o a l mine b电 d a t a a c c ess a nd st o r a g e syst em 2.2煤矿大数据主数据管理系统 主数据描述了煤矿企业核心业务实体。通过构 建煤矿主数据管理系统，将关键业务价值数据进行 分发与共享,打通数据壁垒,实现各主要环节的数据 资源共享凹。 煤矿主数据管理系统采用面向服务的体系机构 （SOA），主要包括业务规则定义，主数据生成，主数 据上传，主数据发布，主数据分发等环节。基于ESB 企业服务总线，为各业务系统提供主数据中间件，并 完成主数据同步工作。以主数据、共享数据、系统交 换数据为核心，通过对于数据标准管理实现数据质 量管理闭环,使数据信息纵向贯通和横向共享。煤 矿主数据管理系统架构如图3所示。 2.3智能化煤矿大数据仓库与数据服务 根据业务对于煤矿数据集进行结构化划分,形 成煤矿数据主题域。可分为地理信息管理主题域, 经营管理主题域，煤矿生产主题域,机电管理主题 域,安健环主题域,辅助运输主题域,分选加工主题 域以及智慧工业厂区主题域等。根据数据分类属 180 性，将各系统抽取的数据归属于不同数据主题集 市中。 在形成数据集市的基础上,面向服务架构，调用 Rest f il l和RPC协议，应用先进的微服务架构，构建 包括地质信息、生产执行、辅助运输、分选加工、综合 调度等智能引擎,从而实现全面的组态化开发,达到 前后端分离及灵活配置,最终实现应用界面与业务 逻辑的快速组态化构建,满足各类智能化煤矿应用 的功能与性能需要。 3煤矿大数据平台数据处理关键技术 针对煤矿大数据处理要求，目前智能化煤矿主 要技术瓶颈集中于数据获取与数据标准管理，数据 集成与数据治理，数据分析与融合处理以及数据可 视化关键技术。 3.1智能化煤矿获取与数据标准管理 数据标准化是系统相关数据信息纵向贯通、横 向共享的基础，将直接关系到智能化煤矿各应用系 统的数据共享、系统集成与信息联动的成功与否，是 杜毅博等智能化煤矿大数据平台架构及数据处理关键技术研究2020年第7期 综合办公应用 前端应用数据库JSON流数据审批流ex c el fC 2| I------- MySQL 1 JSON n Q 旺丄Lbl 主数据管理系统 数据抽取 n n 0 数据 可视化一I 主数据分发系统 ELT管理系统 O O O 数据抽取 外部应用 U 二 U 实时数据库 MySQL SQL Ser ver U 爺 O U JSON 生产系统 数据库 安全环境 数据库 报表填报 数据 JSON 机电管理 I供电］［输送带| ［压风提升］ 0 主数据-J ，分发 安金管控 图3煤矿智能化主数据管理系统模型 Fig. 3 Model of intelligent coal mine master data management system 进行大数据分析的前提条件。如前所述煤矿数据特 征，其重要特征是与煤矿空间位置特征产生关联。 基于这一联系，化工领域进行设计与数据采集的位 号标准已较为成熟。因此笔者参考现有位号标准及 煤矿实际应用情况，设计应用于煤矿领域的位号数 据标准（图4）,以解决数据标准及管理问题。 图4基于位号的煤矿数据编码标准 Fig .4 St a nd a r d o f c o a l mine d a t a c o d ing ba sed o n bit nu mber 主项编码由煤层编号，区域分类号，地点编号3 个部分组成，以确定系统所在位置。煤层编号表示 所处煤层位置，由2位编码构成。其中00代表地 面,0G代表井筒,其余编号根据所采煤层情况具体 设定;区域分类号代表所采煤层中的不同工作区域, 如车场、盘区、大巷等，通过2位编码表述;地点编号 在工作区域范围内确定具体的工作地点及位置，如 工段，工作面等，由3位编码表述。从而将各系统与 其位置信息建立联系,便于后期处理过程中的数据 关联分析。 3.2数据集成与数据治理 智能化煤矿数据来源多样，其数据频率各异，因 此对于煤矿数据的集成,尤其是对于数据特征描述 以及数据关联关系的描述，成为研究的重点。因此, 对于煤矿大数据平台,其元数据管理技术以及数据 治理平台的构建至关重要。 元数据包括业务元数据，技术元数据以及管理元 数据。元数据管理是贯穿于数据整个生命周期。以 元数据管理为核心,以数据的事前、事中和事后管理 为步骤，构建以采集、存储、管理为数据全生命管理的 数据流程化管控平台。其数据治理流程如图5所示。 将数据生命周期划分为数据定义阶段、数据存 储、数据加载转换以及数据应用、数据归档阶段。在 数据定义阶段，分析煤矿各业务系统特征描述，对其 元模型进行设计,结合煤矿数据标准梳理业务术语、 181 2020年第7期媒農科学技术第48卷 过程数据质竝监控 数据规范 元数据质 I I I. I. 电监控 标准执行监控 数据标准 业务元数据持术元数据 发布奖据质虽监控 数据审氐 元数据管理 图5煤矿数据治理流程 Fig. 5 Management process of coal mine data 评价方法与煤矿智能化技术要求之间的关系,从而 建立数据字典，构建业务数据主题域;在数据获取与 存储阶段，对于业务元数据根据数据主题域构建逻 辑数据模型，从而指导设计技术元数据提取过程中 的计算、统计转换等规则，构架数据质量规则技术描 述,将数据标准模板与设计的元模型进行映射，保证 数据按设计模型进行存储;数据共享与应用阶段,一 方面，通过元模型之间的组合和依赖关系描述数据 间的复杂逻辑关系，另一方面,基于元数据进行数据 关联度分析以及血缘分析，研究数据对象影响范围, 回溯其处理过程,实现数据全生命周期可见。 3.3基于人工智能的数据分析技术 大数据面对全量数据进行处理,从海量数据中 分析潜在模态与规律。传统大数据分析方法主要针 对数据进行统计性的搜索、分类、比较、聚类等分析 和归纳。通过大数据实现了对于煤矿数据的多维采 集以及数据融合处理，使信息提炼为知识，成为可 能。鉴于此，本文主要针对基于人工智能的大数据 分析技术在煤矿中的应用进行探索，以实现煤矿工 业现场的数据智能分析。 1基于循环神经网络的数据预测。煤矿工业 场景以实时监测数据为主,强调时序性。针对时序 数据问题，实现对于历史数据的异常检测与分类以 及对于未来数据的状态预测是其关键。针对这一问 题，采用循环神经网络进行深度学习与泛化，在煤矿 数据预测方面具有较强的适用范围。笔者以综采工 作面矿压数据为例，提出其数据处理与预测方法。 LSTMLo ng Sh o r t -Ter m Memo r y长短期记忆 人工神经网络是循环神经网络的一种。LSTM模型 主要由遗忘门、更新门及输出门组成。进行数据预 测首先对于数据进行归一化处理，将每组数据归一 化到-1,1区间中。之后将待处理数据按时间步 转化为序列,将数据迭代输入网络进行数据训练，如 图6所示。 前一单G 元记忆一 前_单如 元输出 矿压预测数据打 *■ | t a nh | 遗忘门 下一时刻预测数据r ,,,. | t a nh | 更新门激活函数输出门 你t 下一■单 下-单 元记忆 丿 兀输出 凶，尤，九］ 初始矿压时序数据 凶,兀,俎 矿压时序数据第1次迭代 图6基于循环神经网络的数据预测处理流程 Process of data prediction based on cyclic neural networkFig.6 将过去9个时刻的历史数据作为序列输入，进 行时间序列滑行输入，以预测第10时刻的矿压数 据。根据数据维度对输入输出的全连接层进行设 置，设置神经网络层数，确定网络结构。对模型训练 成功后，用少量其他工作面数据，对模型进行迁移学 习训练，从而实现模型的迁移泛化。基于大数据平 台为模型训练提供大量数据样本，从而实现数据纵 向的挖掘分析。 2基于知识工程的态势感知与推理。煤矿大 数据平台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APP开发提供数据 服务，打通感知数据和数据智能应用之间的屏障。 通过煤矿大数据平台使多源数据信息实现数据融合 以及关联分析，从而在全局视角实现识别、决策以及 控制。通过对于领域知识的建模，构建知识的语义 描述与不确定性推理，并进行数据的自主推送，实现 对于煤矿大数据横向关联关系的分析，达到闭环管 控的目标。 182 杜毅博等智能化煤矿大数据平台架构及数据处理关键技术研究2020年第7期 在元数据管理的基础上，基于本体与语义描 述实现对于煤矿数据的广义描述,从而构建煤矿 信息实体;在进行任务分解的基础上，对于信息实 体关联进行分析［闵，进而基于知识工程，实现对于 煤矿相关环节的不确定性推理，提高系统的响应 以及知识获取的能力。目前,基于粗糙集的推理、 贝叶斯网络推理、不确定性因果图等知识推理的 人工智能算法已在其他工业场合得到深入研究与 部分应用综上，通过大数据平台为煤矿智 能化提供了基础的数据能力，在其上如何应用人 工智能算法实现数据智能化赋能,实现煤矿生产 的动态诊断与辅助决策，成为煤矿智能化的 关键。 3.4数据可视化技术 1）定制化数据报表系统。借助大数据平台，有 效整合煤矿全方位信息,实现企业数据与分析成果 的即时分享和业务协同，重点关注包括煤矿生产，安 全风险管控,资源调度,设备管理等煤矿经营相关信 息，寻找数据内在关联价值。通过定制化工具，针对 用户业务角度进行全面分析，为业务决策提供有效 支撑与辅助。 2）数据驾驶舱。数据驾驶舱是面向煤矿调度 管理层的决策支持系统。通过详尽的指标体系、 实时反映煤矿的运行状态，运用适合的查询、 OLAP分析、数据挖掘等管理分析工具对信息进行 处理，使信息变为辅助决策的知识,将采集的数据 形象化、直观化、具体化。提供全面精准的数据展 现，直观形象的图形化展现，便捷快速的指示检 索,能够按需定制、深度分析。煤矿数据驾驶舱系 统如图7所示。 OO 数据报表体系 ■ I ■ .经营静R体系 地质信，遜源视骷I O 报表体系经营体系资源视图 数据仓库决策引擎 实现多条线（人员、 实现多维度（时间、 各类资源（矿区、 实现所用重点实现智能预测和优 销售、生产、安全、 工作而推进空间、 工作面接续、人 设备实时监控，化、如安全风险预 坏境等）报表体系 煤流、运销、供员、设备、物料） 数据分析，系测、设备故障预测 建设 应）经营效益分析 等地理空间位置 统间数据共享生产评佔等 RP 监控 生产数据 I I I____________________ 生产运行半台业务管理平台VH-.S 图7煤矿数据驾驶舱系统 Coal mine data cockpit system 人数据中心 数据价值变现 Fig.7 4煤矿智能化大数据平台应用案例 基于本文所研究的智能化煤矿大数据平台目前 正在陕煤张家册煤矿及延长石油巴拉素煤矿进行建 设与工程实践。项目在设计阶段对于数据的全生命 周期管理进行了统一规划，形成了包括数据分类、数 据资源、数据集成、数据处理、数据质量及数据安全 六类数据标准，实现了数据标准化建设，解决设备层 数据采集通信协议不统一的问题。 通过煤矿生产执行平台对底层设备环境数据进 行采集，并实现生产相关系统的协同控制;将各系统 数据以消息队列的形式抽取并进行清洗，汇聚至大 数据分析平台，利用数据为煤矿智能化业务场景的 预测预警、关联分析、指标评价、数据可视化等提供 服务,为智能化煤矿建设奠定数据基础。 当前系统、平台建设还在初步扩展与完善中，在 前期的建设过程中已在安全风险预控、工作面状态 评价、生产效率、综合管理等方面取得显著成效。综 采工作面大数据分析系统应用成果的可视化展示如 图8所示。 183 2020年第7期媒農科学技术第48卷 二 f 01腐翘详工皿■开瑕轩 mi* ama ■■■ 图8综采工作面大数据集成分析平台应用 Fig . 8 Appl ic a t io n o f big d a t a int eg r a t ed a na l ysis pl a t f o r m f o r f u l l y mec h a nized mining f a c e 5结 论 1 智能化煤矿大数据平台向下实现多源异构 感知数据的接入、集成和融合,向上为各种煤矿智能 化APP开发提供数据服务，打通感知数据和数据智 能应用之间的屏障,实现数据赋能，是煤矿智能化运 行的基础。 2 智能化煤矿大数据平台建设关键是构建数据 接入与存储系统，主数据管理系统及数据服务系统， 以满足煤矿大数据处理需求,为大数据融合分析处 理提供基础数据与资源能力。 3 数据获取与数据标准管理，数据集成与数据 治理，数据分析与融合处理以及数据可视化是智能 化煤矿大数据处理的关键技术。应用人工智能算法 实现数据纵向和横向的智能化分析,实现煤矿生产 的动态诊断与辅助决策，成为煤矿智能化的关键。 参考文献References [1] 王国法，刘 峰,庞义辉，等.煤矿智能化煤炭工业高质量发 展的核心技术支撑[J].煤炭学报,2019,44 2349-357. WANG Gu o f a , LIU Feng , PANG Yih u i, et a Z.Co a l mine int el l ec t u a l iza t io n c o r e t ec h no l o g y o f h ig h qu a l it y d evel o pment [ J ]. Jo u r na l o f Ch ina Co a l So c iet y,2019 , 442 349-357・ [2] 王国法，王 虹，任怀伟，等■智慧煤矿2025情境目标和发 展路径[J].煤炭学报，2018, 43⑵295-305. WANG Gu a f a , WANG Ha ng , REN Hu a iw ei, et al. 2025 sc ena r io s a nd d evel o pment pa t h o f int el l ig ent c o a l mine [ J]. Jo u r na l o f Ch ina Co a l So c iet y, 2018,432 295-305. [3] 谢和平，王金华,王国法，等煤炭革命新理念与煤炭科技发展 构想[J]煤炭学报,2018,435 1187-1197, XIE Heping , WANG Jinh u a , WANG Gu o f a , et al. New i