Research on the application of digital twin in coal mine power grid
-
摘要: 立足于数字孪生的基本概念和内涵,分析了数字孪生技术在煤矿电网中的应用优势:以同步实体运行状态、数字化模拟运行 2 种手段来辅助煤矿电网的运行管理,具有数据驱动、实时更新、同步反馈的特点。提出了由煤矿电网物理实体层、煤矿电网数字孪生模型层、用户管理服务层、数据交流层组成的煤矿电网数字孪生体系基本架构,从物理实体、数字孪生模型2个方面探索了煤矿电网数字孪生体系运行模式。介绍了建立煤矿电网数字孪生体系的关键技术:煤矿电网数字孪生模型构建、智能数据采集、基于5G的智能通信、数字孪生智能数据库、数字孪生设备智能管理平台。给出了数字孪生技术在煤矿电网中的具体应用场景,包括煤矿井下电气设备状态评估、煤矿电网故障定位和保护、煤矿电网智能监控、煤矿井下线路智能巡检。将数字孪生技术应用在煤矿电网中,对煤矿电网的状态和运行进行动态仿真建模,一方面可以满足当今规模庞大的煤矿电网相对地面电网更高的运行要求,保障煤矿生产安全性,另一方面可推进煤矿电网的智能化进程,实现数据资源高效合理利用。Abstract: Based on the basic concepts and connotations of digital twin, this paper analyzes the application advantages of digital twin technology in coal mine power grid. The operation management of the coal mine power grid is assisted by two means of synchronous entity operation status and digital simulation operation. The technology has the characteristics of data-driven, real-time update and synchronous feedback. The basic framework of the digital twin system of the coal mine power grid is proposed. The framework is composed of physical entity layer, digital twin model layer, user service management layer and data exchange layer. The operation mode of the digital twin system of the coal mine power grid is explored from two aspects of the physical entity and the digital twin model. This paper introduces the key technologies for establishing the digital twin system of the coal mine power grid. The technologies include digital twin model construction of coal mine power grid, intelligent data acquisition, intelligent communication based on 5G, digital twin intelligent database, and digital twin equipment intelligent management platform. The application scenarios of digital twin technology in the coal mine power grid are proposed. The scenarios include the condition evaluation of underground electrical equipment, fault location and protection of the coal mine power grid, intelligent monitoring of the coal mine power grid and intelligent inspection of underground lines. The digital twin technology is applied to the coal mine power grid to carry out dynamic simulation modeling on the state and operation of the coal mine power grid. On the one hand, the higher operation requirement of the current large-scale coal mine power grid relative to the ground power grid can be met. The safety of coal mine production can be guaranteed. On the other hand, the intelligent process of the coal mine power grid can be promoted. The efficient and reasonable utilization of data resources can be realized.
-
Keywords:
- coal mine power grid /
- digital twin /
- digital twin model /
- physical entity /
- 5G
-
0. 引言
我国煤炭工业以井工开采为主,井下开采环境复杂[1-2],劳动繁重,如何实现自动高效开采成为煤矿建设重要目标[3-6]。工作面综采自动化可以改善劳动环境,促进工作面安全高效生产,而综采自动化的实现依赖于软件系统的支持,通过自动化软件可实现生产工况数字化监测与设备远程控制,从而达到减人提效的目标[7-8],因此自动化软件的设计研发成为实现综采自动化的关键技术。
综采工作面自动化系统在开采装备[9-11]、远程干预[12]、协同控制[13-14]、智能决策[15-19]等方面取得了一定的研究成果,这些成果需要自动化软件作为数据载体和控制核心,而面向综采工作面的自动化软件研究较少,软件产品缺乏,导致自动化系统的优势和性能发挥受限,影响自动化系统的效能。通用的工业组态软件在综采工作面应用中面临接口协议各异、通信建立复杂、缺乏行业针对性、对综采自动化业务场景适应性差等问题,不能完全满足自动化系统对于软件方面的需求。
针对目前行业内自动化软件面临的问题,本文提出了一种面向综采工作面的自动化软件设计方案。阐述了软件的设计架构和核心功能,并在综采工作面部署应用,对各类综采设备进行实时监测与远程集中控制,支持综采工作面自动化高效生产。
1. 软件架构
面向综采工作面的自动化软件包括井下服务端、地面服务端、地面客户端3层架构,如图1所示。井下服务端与井下设备通信,是整个架构的基础,地面服务端作为中间桥梁,与井下服务端和地面客户端通信,地面客户端直接面向用户。
井下服务端由驱动层、数据库模块、模型逻辑层、数据可视化层构成。驱动层负责接入适配工作面各类设备及通信协议,用以解决设备因接口协议繁多带来的通信复杂的问题,通过驱动层实现与各设备的实时双向通信。数据库模块包括实时数据库和历史数据库,实时数据库为驱动层提供实时读写服务,历史数据库为驱动层提供数据记录服务。模型逻辑层是系统的内核,针对煤矿开采业务场景构建综采工作面的数据模型,用以解决软件缺乏行业针对性和适应性不足的问题。模型逻辑层通过与驱动层交互实现设备数据的实时上传和控制指令的实时下发,为数据可视化提供数据驱动,并且通过加载控制分析组件,完成各类设备的协同控制和数据分析功能。数据可视化层集成了多种数据展示技术,便于对数据进行多维度展示。
地面服务端与井下服务端架构相似,为了减少对设备的访问次数,地面服务端不与井下设备直接通信,所以地面服务端不包含驱动层,通过数据同步功能将数据由井下服务端传输到地面服务端。
地面客户端是直接面向用户的交互界面和接口,地面客户端不存储和分析数据,只进行界面显示,支持通过PC、浏览器、移动客户端3类不同的终端访问地面服务端数据。
2. 核心功能
面向综采工作面的自动化软件通过驱动层屏蔽各设备通信协议的差异;通过定义综采设备对应的数据模型,适应开采场景的设备数据;通过远程集控功能减少设备操作人员数量;通过数据同步功能实现数据在软件架构中各层级间的传输;通过数据可视化功能支持数据多种形式展示,便于用户实时监测工况数据,提升工作效率。
2.1 驱动层
面向综采工作面的自动化软件通过驱动层与设备通信,采集设备数据上传到模型逻辑层,并存储展示。驱动层支持常见的通信协议(包括Modbus,OPC,CAN等)。为使模型逻辑层便于对不同协议的数据进行读写,屏蔽不同协议接口的调用差异,驱动层以设备协议类DeviceProtocol作为父类,通过集合型成员DataBuffer在内存中缓存数据,采用ReadData和WriteData方法读写缓存数据。通信协议的具体实现类均继承父类DeviceProtocol,根据协议规范重写ReadData和WriteData方法,如图2所示。
驱动层框架如图3所示,底层为各协议的通信接口,中间层为实时数据读写服务,上层为综采设备的数据模型。综采设备通过通信接口与实时数据读写服务建立连接,实时数据读写服务通过统一调用ReadData和WriteData方法,实现与设备的实时通信。调用ReadData方法获取设备数据,将数据解析后转换为内部构建的数据模型,实现综采设备的数据上传,调用WriteData方法下发控制指令,实现对设备的反向控制。工作面正常供电情况下,多台设备会同时在线,为了保证与设备的并发通信,每台设备的通信任务都在线程中执行,并使用线程池调度。
2.2 数据模型
面向综采工作面的自动化软件中定义了采煤机、液压支架、运输设备、供液设备、供电设备等其他设备的数据模型,并将所有的数据模型组织为树型结构,构建成一棵多叉数据模型树,如图4所示。树的根节点以工作面名称命名,第一层树枝节点为采煤机、液压支架等主要设备对象,第二层树枝节点为各设备的子设备对象,最后一层叶子节点为具体的数据点位(例如传感器或设备参数)。将经过解析的设备原始数据通过驱动层上传到数据模型层后,通过遍历数据模型树找到对应的叶子节点,更新叶子节点的时间戳和数值,实现数据的实时更新。
2.3 远程集控
面向综采工作面的自动化软件的远程集控功能是为了方便操作员远程集中控制综采设备。由于各个综采设备的地理位置相对分散,在就地模式下需要多名人员就近完成操控。为了减少操作人员,通过矿井环网和工业总线将各设备与井下主机建立通信链路,操作人员与主机部署的软件集控界面进行交互,当各设备切换到远控模式后,只需1~2名操作人员即可实现对常用设备的远程集中控制。
集控界面包含了采煤机、支架、“三机”、泵站、视频设备控制区,以及全部设备的一键启停控制区。各设备控制区内包含了控制设备启停和动作的界面交互元素,每个元素都绑定了数据模型,界面交互会改变数据模型中的控制点数值,模型逻辑层中的控制分析模块会实时监测控制点的数值变化,根据数值变化构造相应的远控指令,并将远控指令通过驱动层传输给设备,设备根据指令进行相应动作,构成完整的远程控制流程。
远程集控功能采用了有限状态机的模式对设备进行启停逻辑控制,如图5所示。
在控制过程中,设备的状态(State)包括自检、准备、启动中、停止中、预警、运行、停机、反馈。事件(Event)包括启动、停止、中断、复位。执行动作(Action)包括Reset,Ready,Start,Stop,PreAlarm,Feedback。集控界面设计了响应的按键,通过按键触发事件,引发状态机内部的状态间切换。
2.4 数据同步
数据同步功能主要实现的是不同类型数据在客户端与服务端的传输。客户端显示的数据全部来源于服务端。服务端的数据分为结构化数据和非结构化数据;结构化数据包括报警数据(如过载超限)、事件数据(如用户登录)、设备上传的实时数据和历史数据;非结构化数据包括运行过程中产生的工程文件(JSON文件、XAML配置文件、图片文件)。
数据同步功能同时支持结构化和非结构化数据的同步,支持不同客户端采用不同通信技术实现数据的获取,如图6所示。PC客户端利用Windows Communication Foundation(WCF)通信技术获取服务端的报警数据、事件数据和实时数据。本系统服务端和客户端通过WCF技术将不同的通信方式整合,提供一种统一的编程模型,建立可靠链接保证通信稳定及低时延。对于历史数据,客户端直接访问服务端的数据仓库,与数据库建立连接进行查询。浏览器客户端和移动客户端通过HTTP协议或WebAPI访问WebServer获取服务端数据,在浏览器客户端和APP端界面展示。
为了便于数据同步功能的调试和运维工作,面向综采工作面的自动化软件提供了一套逻辑脚本、界面组态、报文解析等工具集,服务端与客户端可通过插件形式将所需工具进行集成,在部署期间调试数据同步功能。
2.5 数据可视化
数据可视化技术是一种将数据转换成图形化表达的技术,其主要功能是提供高质量的解释数据分析成果,方便用户获得更具价值的信息[20]。随着工作面的生产,自动化软件积累了大量不同设备的数据,对数据进行融合分析后实现可视化展示,便于直观高效监测生产状况,对煤矿用户具有重要意义。
在Windows平台上,借助WPF技术开发大量的图形控件和界面模板,支持在PC客户端以图形组态方式生成可视化界面。在浏览器客户端和移动客户端采用Vue框架开发前端界面,可支持跨平台运行。
对于实时数据的可视化,以Unity为引擎,构建各类设备的三维模型,以实时数据作为三维模型的数据驱动,仿真综采工作面各设备的位姿信息和生产状态,实现基于数据驱动的三维实时可视化效果,如图7所示。
对于历史数据的可视化,借助Grafana开源工具生成丰富的可视化图表,集合多种数据视图生成综采工作面dashboard,根据业务需要进行多纬度的展示和统计,提供交互式的即席分析体验,让观察者更容易发现数据规律,为决策者提供更丰富详实的数据依据。
3. 部署应用
3.1 部署概况
面向综采工作面的自动化软件采用分布式部署,分别部署在井下巷道和地面调度室的多台主机上,如图8所示。
井下巷道配置有监控中心,综采设备通过井下环网与监控中心实现网络互通,监控中心通过网络交换机与地面调度室实现网络互通。井下服务端软件部署在监控中心的多台隔爆主机上。地面调度室或机房配置多台高性能服务器,地面服务端软件部署在高性能服务器上,地面客户端部署在PC或移动终端上,与地面服务端通信。
巷道的监控中心部署3台隔爆主机,其中第1台隔爆主机作为数据主机,部署关系数据库和时序数据库,用于存储历史数据,第2台隔爆主机作为通信主机,部署服务端的驱动层模块,通过井下环网与设备通信,第3台隔爆主机作为逻辑主机,部署服务端的模型逻辑模块,用于逻辑分析,并为可视化界面提供数据模型。地面调度室既可选择独立的服务器部署数据库,也可在公有云或私有云的基础上建立数据仓库。面向综采工作面的自动化软件在井下监控中心和地面调度室的显示器数量按需配置,接入主机显示不同的软件界面。
3.2 应用效果
通过面向综采工作面的自动化软件的部署应用,为用户提供了对综采设备实时监测与集中控制的技术手段,提升了综采工作面的自动化水平。
在辅助生产的基础应用方面,面向综采工作面的自动化软件应用前后井下工作人员分布如图9、图10所示。由图9可看出,面向综采工作面的自动化软件应用前,采场需要2名采煤机司机和2名以上的支架工,并在泵站、三机、胶带、组合开关等设备附近需要有人值守,负责单机设备的启停控制与设备状态监测,设备间的控制顺序需要人工沟通,无法实现自动顺序控制,井下工作人员数量较多且沟通效率低。由图10可看出,面向综采工作面的自动化软件应用后,可以实现对工作面工况信息和设备状态连续在线实时监测,支持对工作面设备的远程集中控制,包括采煤机和液压支架的远程实时控制,以及其他设备的单机控制和多机顺序自动控制功能,将井下需要在各设备附近的多人值守,减少至2人在监控中心远程集中监控,有效减少了操作人员数量。
在提升自动化的高级应用方面,面向综采工作面的自动化软件应用前,工作面各子系统相对独立,各系统之间的数据关联性较低,产生了信息孤岛,设备间的协同控制完全依赖人工劳动(例如采煤机停机后,需采煤机司机人工喊话通知泵站工作人员关闭喷雾泵,进而停止采煤机喷雾;瓦斯浓度变化时,需要瓦斯监测员人工喊话通知采煤机司机改变采煤机速度等),这些场景亟需通过自动化的方式实现,解放人工劳动,提升自动化水平。面向综采工作面的自动化软件应用后,将采煤机系统、支架电液控制系统、工作面运输系统、泵站供液系统、供电系统等有机结合,对各系统数据进行分类融合。对于控制类数据,将各系统相关的控制点位进行聚合与联锁,实现了泵站、胶带、“三机”、采煤机和支架跟机的顺序一键启停,实现采煤机喷雾与清水泵的联动启停等功能;对于传感类数据,将各系统传感类数据进行集成分析,解决了单机设备信息孤岛的问题,实现依据支架动作计算供液需求、依据“三机”电流判定运输负荷等功能;将控制类数据与传感类数据根据业务需求提取相关点位进行融合关联,实现多类设备自动化协同控制功能(例如依据瓦斯浓度控制采煤机速度、依据采煤机位置切换支架跟机工序等)。
4. 结语
面向综采工作面的自动化软件包括井下服务端、地面服务端、地面客户端3层架构:井下服务端与井下设备进行通信,是整个架构的基础;地面服务端作为中间桥梁,与井下服务端和地面客户端分别进行通信;地面客户端直接面向用户。面向综采工作面的自动化软件通过驱动层的设计,实现了与各类综采设备的双向通信,屏蔽了协议之间的差异;依据综采设备的类别,定义了综采设备的数据模型,构建了数据模型树用以对接驱动层采集的数据,可以较好地适应综采工作面的业务场景;实现了设备的远程集控功能,减少了操作人员数量,提升了工作效率;通过数据同步功能,实现了结构化和非结构化数据在服务端与客户端之间的传输,满足用户使用多种客户端进行远程监控的需求;利用数据可视化技术为用户提供多种数据展示方式和丰富的交互界面。自动化软件采用分布式部署将各端软件分别部署在井下巷道和地面调度室。从应用效果上看:在辅助生产方面,面向综采工作面的自动化软件达到了减员提效的目的;在提升自动化的高级应用方面,面向综采工作面的自动化软件实现了多类设备自动化协同控制功能,提升了综采工作面自动化水平。
-
-
[1] 贺兴,艾芊,朱天怡,等. 数字孪生在电力系统应用中的机遇和挑战[J]. 电网技术,2020,44(6):2009-2019. HE Xing,AI Qian,ZHU Tianyi,et al. Opportunities and challenges of the digital twin in power system applications[J]. Power System Technology,2020,44(6):2009-2019.
[2] 庞宇. 行星齿轮箱数字孪生体动力学仿真与故障诊断研究[D]. 太原: 中北大学, 2020. PANG Yu. Simulation study on dynamics and fault diagnosis of digital twin in planetary gearbox[D]. Taiyuan: North University of China, 2020.
[3] 纪志伟. 基于数字孪生的泛在电力物联网模型研究[J]. 电力学报,2020,35(3):274-279. JI Zhiwei. Research on ubiquitous power Internet of things model based on digital twinning[J]. Journal of Electric Power,2020,35(3):274-279.
[4] 王浩,许海伟,杜勇,等. 基于数字孪生模型的GIS筒体关键部件温变行为研究[J]. 高电压技术,2021,47(5):1584-1594. WANG Hao,XU Haiwei,DU Yong,et al. Research on temperature change behavior of key components of GIS barrel based on digital twin model[J]. High Voltage Engineering,2021,47(5):1584-1594.
[5] 张帆,葛世荣,李闯. 智慧矿山数字孪生技术研究综述[J]. 煤炭科学技术,2020,48(7):168-176. DOI: 10.13199/j.cnki.cst.2020.07.017 ZHANG Fan,GE Shirong,LI Chuang. Research summary on digital twin technology for smart mines[J]. Coal Science and Technology,2020,48(7):168-176. DOI: 10.13199/j.cnki.cst.2020.07.017
[6] 夏玲,姜媛媛,张杰,等. 基于数字孪生的Buck电路故障诊断方法[J]. 工矿自动化,2021,47(2):88-92,115. DOI: 10.13272/j.issn.1671-251x.2020070063 XIA Ling,JIANG Yuanyuan,ZHANG Jie,et al. Buck circuit fault diagnosis method based on digital twin[J]. Industry and Mine Automation,2021,47(2):88-92,115. DOI: 10.13272/j.issn.1671-251x.2020070063
[7] 程晓涵,李宗吾,谢秉沁,等. 基于MEMS技术的矿用无线传感采集系统设计[J]. 煤炭工程,2022,54(3):26-32. CHENG Xiaohan,LI Zongwu,XIE Bingqin,et al. MEMS technology-based mine wireless sensor acquisition system[J]. Coal Engineering,2022,54(3):26-32.
[8] 王怀秀,仇帅,朱国维,等. 基于MEMS与LwIP的煤矿三分量地震数据采集系统[J]. 煤田地质与勘探,2021,49(4):8-14. DOI: 10.3969/j.issn.1001-1986.2021.04.002 WANG Huaixiu,QIU Shuai,ZHU Guowei,et al. Three-component seismic data acquisition system of coal mine based on MEMS and LwIP[J]. Coal Geology & Exploration,2021,49(4):8-14. DOI: 10.3969/j.issn.1001-1986.2021.04.002
[9] 范海东. 基于数字孪生的智能电厂体系架构及系统部署研究[J]. 智能科学与技术学报,2019,1(3):241-248. DOI: 10.11959/j.issn.2096-6652.201930 FAN Haidong. Research on architecture and system deployment of intelligent power plant based on digital twin[J]. Chinese Journal of Intelligent Science and Technology,2019,1(3):241-248. DOI: 10.11959/j.issn.2096-6652.201930
[10] 邹东,冯剑冰. 数字孪生技术在城市轨道交通供电系统中的应用场景分析[J]. 城市轨道交通研究,2021,24(3):158-162,165. DOI: 10.16037/j.1007-869x.2021.03.036 ZOU Dong,FENG Jianbing. Application scenario analysis of digital twin technology in urban rail transit power supply system[J]. Urban Mass Transit,2021,24(3):158-162,165. DOI: 10.16037/j.1007-869x.2021.03.036
[11] JAIN P,POON J,SINGH J P,et al. A digital twin approach for fault diagnosis in distributed photovoltaic systems[J]. IEEE Transactions on Power Electronics,2020,35(1):940-956. DOI: 10.1109/TPEL.2019.2911594
[12] 韩将星. 6G时代数字孪生在无线电监测站的应用研究[J]. 通信技术,2021,54(2):352-362. HAN Jiangxing. Digital twin application in radio monitoring stations in 6G era[J]. Communications Technology,2021,54(2):352-362.
[13] 苗可彬. 基于LoRa技术的矿用无线一氧化碳传感器设计[J]. 电子设计工程,2021,29(14):95-100. DOI: 10.14022/j.issn1674-6236.2021.14.021 MIAO Kebin. Design of wireless carbon monoxide sensor for mine based on LoRa technology[J]. Electronic Design Engineering,2021,29(14):95-100. DOI: 10.14022/j.issn1674-6236.2021.14.021
[14] 潘晓博. 基于LoRa的低功耗瓦斯浓度分布式监测系统设计[J]. 工矿自动化,2021,47(6):103-108. DOI: 10.13272/j.issn.1671-251x.2021030052 PAN Xiaobo. Design of low-power distributed gas concentration monitoring system based on LoRa[J]. Industry and MineAutomation,2021,47(6):103-108. DOI: 10.13272/j.issn.1671-251x.2021030052
[15] 孙学波,李志福,王元杰,等. 基于5G通信网络的高精度无线微震监测技术研究[J]. 矿业安全与环保,2022,49(2):83-90. DOI: 10.19835/j.issn.1008-4495.2022.02.015 SUN Xuebo,LI Zhifu,WANG Yuanjie,et al. Research on high-precision wireless microseismic monitoring technology based on 5G communication network[J]. Mining Safety & Environmental Protection,2022,49(2):83-90. DOI: 10.19835/j.issn.1008-4495.2022.02.015
[16] 吕晟,唐小平,汤雪鹏,等. 基于多数据融合的智能电网运检信息平台设计[J]. 电子设计工程,2021,29(10):120-124. DOI: 10.14022/j.issn1674-6236.2021.10.026 LYU Sheng,TANG Xiaoping,TANG Xuepeng,et al. Design of intelligent power grid operation and inspection information platform based on multi-data fusion[J]. Electronic Design Engineering,2021,29(10):120-124. DOI: 10.14022/j.issn1674-6236.2021.10.026
[17] 胡伟飞,方健豪,刘飞香,等. 基于数字孪生的掘锚一体机实时状态映射[J]. 湖南大学学报(自然科学版),2022,49(2):1-12. DOI: 10.55463/issn.1674-2974.49.2.1 HU Weifei,FANG Jianhao,LIU Feixiang,et al. Real-time state mirror-mapping for driving and bolting integration equipment based on digital twin[J]. Journal of Hunan University(Natural Sciences),2022,49(2):1-12. DOI: 10.55463/issn.1674-2974.49.2.1
[18] 郑忠斌,王朝栋,蔡佳浩. NB-IoT的技术优势及在电网中的应用研究[J]. 通信技术,2020,53(7):1786-1793. DOI: 10.3969/j.issn.1002-0802.2020.07.035 ZHENG Zhongbin,WANG Chaodong,CAI Jiahao. Technical advantage of NB-IoT and its application in power grid[J]. Communications Technology,2020,53(7):1786-1793. DOI: 10.3969/j.issn.1002-0802.2020.07.035
[19] 殷鹏, 肖开泰, 肖长亮, 等. 煤矿安全监控系统数据采集方式[J]. 煤矿安全, 2019, 50(8): 104-106. YIN Peng, XIAO Kaitai, XIAO Changliang, et al. Data acquisition method of coal mine safety monitoring system[J]Safety in Coal Mines, 2019, 50(8): 104-106.
[20] 周海坤. 高并发煤矿安全监控数据采集系统的设计[J]. 煤矿安全,2018,49(6):85-87,91. DOI: 10.13347/j.cnki.mkaq.2018.06.022 ZHOU Haikun. Design of data acquisition system for high concurrent coal mine safety monitoring[J]. Safety in Coal Mines,2018,49(6):85-87,91. DOI: 10.13347/j.cnki.mkaq.2018.06.022
[21] 李军,赵军. MEMS传感器的发展及其在煤矿井下的应用研究[J]. 煤炭技术,2014,33(7):238-240. DOI: 10.13301/j.cnki.ct.2014.07.089 LI Jun,ZHAO Jun. Development and application of MEMS sensor under coal mine[J]. Coal Technology,2014,33(7):238-240. DOI: 10.13301/j.cnki.ct.2014.07.089
[22] 赵悦,兰英,屈贤. 基于 MEMS传感器的煤矿井下人员定位系统设计[J]. 工矿自动化,2018,44(8):87-91. ZHAO Yue,LAN Ying,QU Xian. Design of personnel positioning system in coal mine underground based on MEMS sensor[J]. Industry and Mine Automation,2018,44(8):87-91.
[23] 张新. LoRa技术及其在煤矿中的应用分析[J]. 煤炭工程,2019,51(3):79-82. ZHANG Xin. LoRa technology and its application analysis in coal mine[J]. Coal Engineering,2019,51(3):79-82.
[24] 薛光辉,赵贺,孙宗正. 基于LoRa技术的矿用无线复合传感器设计与实现[J]. 煤炭工程,2020,52(4):166-170. XUE Guanghui,ZHAO He,SUN Zongzheng. Design and implementation of mine wireless composite sensor based on LoRa[J]. Coal Engineering,2020,52(4):166-170.
[25] LARSSON E G,EDFORS O,TUFVESSON F,et al. Massive MIMO for next generation wireless systems[J]. IEEE Communications Magazine,2014,52(2):186-195. DOI: 10.1109/MCOM.2014.6736761
[26] GAO Hongyuan,SU Yumeng,ZHANG Shibo,et al. Joint antenna selection and power allocation for secure co-time co-frequency full-duplex massive MIMO systems[J]. IEEE Transactions on Vehicular Technology,2021,70(1):655-665.
[27] GAO Xinyu,DAI Linglong,CHEN Zhijie,et al. Near-optimal beam selection for beamspace mmWave massive MIMO systems[J]. IEEE Communications Letters,2016,20(5):1054-1057.
[28] ZHOU Tao,CHEN Guichao,WANG Chengxiang,et al. Performance analysis and power allocation of mixed-ADC multi-cell millimeter-wave massive MIMO systems with antenna selection[J]. Frontiers of Information Technology & Electronic Engineering,2021,22(4):571-585.
[29] 王国法,赵国瑞,胡亚辉. 5G 技术在煤矿智能化中的应用展望[J]. 煤炭学报,2020,45(1):16-23. WANG Guofa,ZHAO Guorui,HU Yahui. Application prospect of 5G technology in coal mine intelligence[J]. Journal of China Coal Society,2020,45(1):16-23.
[30] 顾义东,孟玮. 煤矿5G无线通信系统建设构想[J]. 工矿自动化,2021,47(10):1-6,13. DOI: 10.13272/j.issn.1671-251x.17850 GU Yidong,MENG Wei. Coal mine 5G wireless communication system construction concept[J]. Industry and Mine Automation,2021,47(10):1-6,13. DOI: 10.13272/j.issn.1671-251x.17850
[31] 刘扬,刘建功,王毅颖,等. 煤矿坚强智能电网建设理论与技术探讨[J]. 煤炭学报,2020,45(6):2296-2307. DOI: 10.13225/j.cnki.jccs.ZN20.0334 LIU Yang,LIU Jiangong,WANG Yiying,et al. Discussion on theory and technology of building robust intelligent power grid in coal mine of China[J]. Journal of China Coal Society,2020,45(6):2296-2307. DOI: 10.13225/j.cnki.jccs.ZN20.0334
[32] 赵涵. 基于区块链的智能矿山数据共享方案研究[J]. 工矿自动化,2021,47(增刊2):45-48. ZHAO Han. Research on smart mine data sharing scheme based on blockchain[J]. Industry and Mine Automation,2021,47(S2):45-48.
[33] 秦晓伟,王立兵,汪磊,等. 区块链技术在矿山物联网中的应用研究[J]. 工矿自动化,2020,46(3):21-26. DOI: 10.13272/j.issn.1671-251x.17542 QIN Xiaowei,WANG Libing,WANG Lei,et al. Research on application of blockchain technology in mine Internet of things[J]. Industry and Mine Automation,2020,46(3):21-26. DOI: 10.13272/j.issn.1671-251x.17542
[34] 谭靓洁,李永飞,吴琼. 基于区块链的煤矿安监云数据安全访问模型研究[J]. 工矿自动化,2022,48(5):93-99. DOI: 10.13272/j.issn.1671-251x.2022030023 TAN Liangjie,LI Yongfei,WU Qiong. Research on security access model of coal mine safety supervision cloud data based on blockchain[J]. Journal of Mine Automation,2022,48(5):93-99. DOI: 10.13272/j.issn.1671-251x.2022030023
[35] 朱珂,张莹,李瑞丽. 全息课堂:基于数字孪生的可视化三维学习空间新探[J]. 远程教育杂志,2020,38(4):38-47. DOI: 10.15881/j.cnki.cn33-1304/g4.2020.04.004 ZHU Ke,ZHANG Ying,LI Ruili. Holographic classroom:A new exploration of visualized 3D learning space based on digital twin[J]. Journal of Distance Education,2020,38(4):38-47. DOI: 10.15881/j.cnki.cn33-1304/g4.2020.04.004
[36] 李梅,孙振明,吕平洋,等. 煤矿综采工作面多角色虚拟演练平台关键技术研究[J]. 煤炭科学技术,2018,46(1):156-161,223. DOI: 10.13199/j.cnki.cst.2018.01.022 LI Mei,SUN Zhenming,LYU Pingyang,et al. Study on key technology of multiplayer virtual reality training platform for fully-mechanized coal mining face[J]. Coal Science and Technology,2018,46(1):156-161,223. DOI: 10.13199/j.cnki.cst.2018.01.022
[37] 李新虎. 基于大数据挖掘的矿井旋转机械状态评估系统[J]. 电子器件,2021,44(2):434-438. DOI: 10.3969/j.issn.1005-9490.2021.02.032 LI Xinhu. State evaluation system of mine rotating machinery based on big data mining[J]. Chinese Journal of Electron Devices,2021,44(2):434-438. DOI: 10.3969/j.issn.1005-9490.2021.02.032
[38] 何俊峰,肖慧明. 矿井提升机健康管理系统研究[J]. 制造业自动化,2020,42(6):4-7,38. DOI: 10.3969/j.issn.1009-0134.2020.06.002 HE Junfeng,XIAO Huiming. Reserch on system of health management for mine hoist[J]. Manufacturing Automation,2020,42(6):4-7,38. DOI: 10.3969/j.issn.1009-0134.2020.06.002
[39] 齐波,张鹏,张书琦,等. 数字孪生技术在输变电设备状态评估中的应用现状与发展展望[J]. 高电压技术,2021,47(5):1522-1538. DOI: 10.13336/j.1003-6520.hve.20210093 QI Bo,ZHANG Peng,ZHANG Shuqi,et al. Application status and development prospects of digital twin technology in condition assessment of power transmission and transformation equipment[J]. High Voltage Engineering,2021,47(5):1522-1538. DOI: 10.13336/j.1003-6520.hve.20210093
[40] 王玉梅, 张家康. 基于卷积神经网络多判据融合的井下电网故障选线方法[J/OL]. 电源学报: 1-12[2022-06-15]. http://kns.cnki.net/kcms/detail/12.1420.TM.20210826.1712.010.html. WANG Yumei, ZHANG Jiakang. Fault line selection method for mine power grid based on fusion of multiple criteria of convolutional neural network[J/OL]. Journal of Power Supply: 1-12[2022-06-15]. http://kns.cnki.net/kcms/detail/12.1420.TM.20210826.1712.010.html.
[41] 倪少军,李双良,匡欣欣,等. 面向煤矿供电的智能分布式防越级保护系统[J]. 工矿自动化,2021,47(增刊1):78-80,87. NI Shaojun,LI Shuangliang,KUANG Xinxin,et al. Intelligent distributed anti-override protection system for coal mine power supply[J]. Industry and Mine Automation,2021,47(S1):78-80,87.
[42] 张文瑞. 煤矿供电防越级跳闸监控系统[J]. 工矿自动化,2018,44(9):98-101. DOI: 10.13272/j.issn.1671-251x.17343 ZHANG Wenrui. Anti-override trip monitoring system of coal mine power supply[J]. Industry and Mine Automation,2018,44(9):98-101. DOI: 10.13272/j.issn.1671-251x.17343
[43] 刘波. 煤矿智能化供电系统的防越级跳闸与远程漏试应用[J]. 工矿自动化,2021,47(增刊1):85-87. LIU Bo. Application of anti override trip and remote leakage test in coal mine intelligent power supply system[J]. Industry and Mine Automation,2021,47(S1):85-87.
[44] 汪丛笑. 煤矿安全监控系统智能化现状及发展对策[J]. 工矿自动化,2017,43(11):5-10. DOI: 10.13272/j.issn.1671-251x.2017.11.002 WANG Congxiao. Present situation and development countermeasures of coal mine safety monitoring and control system intelligentization[J]. Industry and Mine Automation,2017,43(11):5-10. DOI: 10.13272/j.issn.1671-251x.2017.11.002
[45] 闫兆振. 煤矿安全监控多系统融合平台[J]. 工矿自动化,2017,43(2):11-14. DOI: 10.13272/j.issn.1671-251x.2017.02.003 YAN Zhaozhen. Multi-system fusion platform for coal mine safety monitoring and control[J]. Industry and Mine Automation,2017,43(2):11-14. DOI: 10.13272/j.issn.1671-251x.2017.02.003
[46] 张朝晖,成鑫,牛猛,等. 无人机在煤矿电力系统的应用与研究[J]. 科技资讯,2021,19(11):84-86. DOI: 10.16661/j.cnki.1672-3791.2012-5042-0863 ZHANG Zhaohui,CHENG Xin,NIU Meng,et al. Application and research of UAV in coal mine power system[J]. Science & Technology Information,2021,19(11):84-86. DOI: 10.16661/j.cnki.1672-3791.2012-5042-0863
[47] 侯刚. 煤矿无人机智能系统设计与实现[J]. 煤炭工程,2021,53(2):19-23. HOU Gang. Design and realization of intelligent system of coal mine UAV[J]. Coal Engineering,2021,53(2):19-23.
[48] 王妙云. 煤矿井下四旋翼无人机虚拟远程操控关键技术研究[D]. 西安: 西安科技大学, 2020. WANG Miaoyun. Key technologies of virtual remote control of quadcopter UAV in underground coal mine[D]. Xi'an: Xi'an University of Science and Technology, 2020.
[49] 袁智勇,肖泽坤,于力,等. 智能电网大数据研究综述[J]. 广东电力,2021,34(1):1-12. DOI: 10.3969/j.issn.1007-290X.2021.001.001 YUAN Zhiyong,XIAO Zekun,YU Li,et al. Research review of big data for smart grid[J]. Guangdong Electric Power,2021,34(1):1-12. DOI: 10.3969/j.issn.1007-290X.2021.001.001
-
期刊类型引用(10)
1. 王辉,吴早阳,西成峰,唐博. 基于组态架构的综采工作面综合管控平台设计与应用. 煤矿机械. 2025(01): 208-213 . 百度学术
2. 郭资鉴,李俊士,冯银辉,张勇. 综采自动化控制系统测试方法研究与应用. 煤炭技术. 2025(02): 178-181 . 百度学术
3. 索智文,梁占泽,吴宇鹏,马艺珂,蔡东. 煤矿采煤工作面找直系统设计与应用. 煤矿机械. 2025(03): 164-167 . 百度学术
4. 王嘉栋,宋冰清,王盛荣,刘贺. 基于矿鸿操作系统的采煤机远程监控系统软件设计. 煤矿机械. 2025(04): 216-218 . 百度学术
5. 郭资鉴. 基于PLC和上位机的乳化液泵测控系统设计. 煤矿机械. 2024(09): 24-26 . 百度学术
6. 武瑞杰,宋晓锋,张继承,杜和军,陈胜法,晏增翔. 基于矿鸿的自动风门控制系统研发. 当代化工研究. 2024(21): 185-187 . 百度学术
7. 张磊,李绍良,曲越. 煤矿采煤工作面数字孪生系统研究与应用. 山东煤炭科技. 2024(12): 173-176+182 . 百度学术
8. 王宏伟,杨焜,付翔,李进,贾思锋. 综采工作面海量数据挖掘分析平台设计. 工矿自动化. 2023(05): 30-36+126 . 本站查看
9. 刘海锋. 露天煤矿智能化建设关键技术研究. 工矿自动化. 2023(S2): 107-111 . 本站查看
10. 杨鹏,刘碧波,孟亚光. 矿鸿操作系统在综采工作面中的应用研究. 信息与电脑(理论版). 2023(19): 95-97 . 百度学术
其他类型引用(2)