0.   引言

国家发展改革委等八部委于2020年2月联合印发《关于加快煤矿智能化发展的指导意见》，提出建设智能化生产、安全保障、经营管理等多系统、多功能融合的一体化平台，实现煤矿产运销业务协同、决策管控、一体化运营等智能化应用^[1-3]。数字矿山时代的各类单一系统可实现独立的环境参数监测、数据存储、数据分析、控制及执行等功能，但仅从单一系统层面来考虑问题是孤立的、静止的、片面的^[4-6]。人工智能、工业物联网、云计算、大数据、机器人、智能装备等新技术的兴起为煤矿决策者从全局层面分析解决问题提供了技术支撑^[7-11]，作为新技术应用载体的智能矿山综合管控平台可为煤矿安全、生产、经营等业务应用中存在的问题提供全新的解决方案。

目前，学者们对智能矿山综合管控平台的开发和应用进行了大量研究^[12-14]。陈晓晶^[15]提出基于综合管控平台建立集安全保障、生产协同、机器人集群协同等于一体的协同管控应用。张倍宁等^[16]从集团公司层级提出基于三级管控架构的综合管控平台应用。毛善君等^[17]设计了基于设备层、控制层、生产执行层、经营层与决策层的系统业务架构。智能矿山综合管控平台的建设为煤矿提供了全局实时协同管控的基础，但煤矿作为典型的多业务协同的复杂生产系统^[18]，在动态化销量需求及不确定性生产环境的作用下，其运作过程难免受到干扰，同时受到煤矿企业内部各业务部门纵向信息传递和横向业务影响的限制，使得煤矿安全、生产、经营等业务协同性和联动性较差。

数字孪生技术采用数字化建模方式，以实体物理模型为基础建立虚拟模型，通过虚实信息交互实现虚拟世界与物理世界之间数据的互联互通，在虚拟世界中充分利用数据融合分析、多物理量数值仿真、智能决策等手段，为物理世界赋能。数字孪生技术可为实现煤矿全局业务系统数据融合、协同管控和智能联动提供技术保障。目前基于数字孪生技术的智能矿山多元业务融合及协同管控应用研究处于起步阶段^[19]，有必要进行深入研究。本文从专业业务内部的融合、专业业务之间的融合2个方面分析了煤矿多元业务的融合及协同管控，构建了基于数字孪生的业务动态协同管控架构，并详细探讨了数字孪生驱动的“安全−生产−经营”协同管控策略，提出了“决策算法前摄性静态规划+孪生模型预测性协同管控+实时数据动态性协同管控”三重驱动的煤矿全局业务动态协同管控模式。

1.   煤矿多元业务融合及协同管控

1.1   专业业务内部的融合及协同管控

1.1.1   安全监测类业务融合

瓦斯灾害、水害、火灾、顶板冒落、冲击地压等依然是煤矿主流灾害，目前对各类灾害从监测、分析、预警、治理等都进行了充分研究^[20]，各煤矿企业根据实际情况建设了相关子系统。然而矿井灾害往往波及范围广、发生时间短、持续时间长，甚至会产生次生灾害等，如煤矿采空区火灾会引起采空区瓦斯爆炸，矿井外因火灾产生的火风压会导致风流逆转，瓦斯灾害会导致风流下游有害气体超标。因此，仅从单一灾害或单一系统的角度来分析和解决问题是不全面的。智能矿山建设为灾害的融合预警、联动控制提供了平台。综合管控平台集成了灾害监测相关子系统，使得决策人员可以从全矿井安全、生产层面分析及治理灾害。

以火灾监测为例，安全监测类业务融合如图1所示。从单一灾害层面，智能矿山综合管控平台融合各安全监测、分析及灾害防治类系统数据，将某一区域或地点内相关的监测系统关键数据作为输入参数，通过单一灾害融合分析预警模型输出预警等级及控制指令，智能控制相关区域内与该灾害有关的防治装备自动采取防治措施，及时将灾害控制在初始阶段。从关联灾害层面，平台接入的其他相关系统数据为关联灾害数据分析提供了基础，关联灾害融合分析预警模型通过分析单一灾害影响的其他区域或地点的监测数据作出控制命令，从而触发关联灾害防治装备及措施。同时，单一灾害及关联灾害融合分析预警结果可触发煤矿生产及辅助系统（如矿井广播、视频监控、人员定位、运输系统、排水系统等）联动控制，实现灾害的综合联动及协同控制。

图  1  安全监测类业务融合

Figure  1.  Security monitoring business integration

下载: 全尺寸图片 幻灯片

1.1.2   生产协同类业务融合

不同于煤矿灾害之间的相互影响，煤矿生产协同业务的特点在于各生产环节环环相扣。主煤流生产线通常包括生产单元、运输单元、提升单元、洗选单元、运销单元。智能矿山综合管控平台建设之前，各环节的子系统独立运行，通过人工综合调度实现生产线的正常运转。然而实际运行过程中煤矿生产各环节影响因素复杂、各环节之间互相掣肘，导致生产流程频繁中断，仅从各单一环节监测数据考虑问题是滞后的。综合管控平台的建设从整个主煤流生产线乃至全矿井生产、辅助系统的层面为调度人员提供了有力支撑。

从单一单元层面，由于各单元内部子系统关联更加紧密，综合管控平台通过本环节及上下游各环节协同管控实现生产协同类业务融合，如图2所示。本环节协同管控通过整合单元内相关的监测系统数据，实现单元内部各子系统的协同运转及联动控制。若某一单元发生故障或出现异常情况，综合管控平台通过协同控制算法分析与该环节相关联的前后各环节的监测系统数据，对故障影响时间及影响范围进行预判，并控制关联环节及时采取措施，将目前的事后补救优化为事前预判，从而最大程度地减少损失。同时，关联环节故障时协同控制算法触发控制命令，实现矿井生产、辅助相关的矿井广播、视频监控、人员定位、运输系统等的协同控制。

图  2  生产协同类业务融合

Figure  2.  Production collaboration business integration

下载: 全尺寸图片 幻灯片

1.1.3   经营类业务融合

煤矿企业经营类业务融合的目的是从煤矿企业全局考虑，保证企业生产成本最小、资源配置最高效、整体利益最大，因此必须打破部门壁垒，实现跨部门、跨层次的业务融合。煤矿企业经营业务融合层级划分为内部融合和外部融合，如图3所示。内部融合包括煤矿企业内部业务群内各业务单元之间的协同、不同业务群的业务单元之间的协同和不同业务群之间的协同。外部融合是指煤矿企业与所属集团公司之间的业务协同。

图  3  经营类业务融合

Figure  3.  Business integration of operation and management

下载: 全尺寸图片 幻灯片

1） 内部融合。同一业务群内各业务单元相关性强，涉及到的部门人力、财力、物力等资源较类似，具有很强的协同性，可通过资源共享及生产成本分摊实现整体利益最大化。不同业务群中各业务单元的业务流程关联上下游，可通过纵向融合实现协调时间成本、资源成本的最小化。煤矿企业内不同业务群之间可将流程相近的业务单元进行资源共享，提高各业务群之间的密切程度，发挥协同效应。

2） 外部融合。煤矿企业不是一个独立的个体，通常是受矿业集团公司管理的下级单位，在安全、生产及经营等业务领域需要频繁地与矿业集团公司交互数据，通过综合管控平台可从煤矿主体、业务群和业务单元3个层面与上级管理部门协同，实现资源、能力的共享。

1.2   专业业务之间的融合及协同管控

为灵活应对煤炭供需季节性变化，保障紧急情况下的煤炭应急储备，实现煤炭产量的柔性供给，要求煤矿业务深度融合及协同管控，实现煤炭“生产−运输−存储−销售−使用”一体化运行模式。以安全、生产和经营为代表的三大业务群是煤炭企业运转的3个重要因素，各业务群之间的协同模式直接决定了煤矿企业全局的运转效果。在智能矿山建设之前的独立运行模式下，安全、生产和经营业务分别由多个不同的业务部门承担，不同部门或环节之间无法进行有效协同和信息共享，决策时往往顾此失彼，难以平衡煤矿企业整体的安全状态、生产进度和经济效益。因此，必须从煤矿全局高度优化以安全、生产、经营业务为主体的业务群之间的协同度，从而实现煤矿整体运行的最优化。“安全−生产−经营”全局业务协同管控如图4所示。

图  4  “安全−生产−经营”全局业务协同管控

Figure  4.  "Safety-production-operation" global business collaboration control

下载: 全尺寸图片 幻灯片

2.   基于数字孪生的多元业务动态协同管控架构

数字孪生技术为实现煤矿企业多元业务协同管控提供了技术保障：① 基于工业互联网的数字孪生技术通过感知层获取煤矿全业务流程的灾害监测及防治装备、机械化生产设备、人员、物料等数据，经过煤炭工业大数据中心实现数据治理和提取，基于智能矿山综合管控平台实现数据的融合、决策指令的下发等功能，是物理世界的准确映像。② 数字孪生技术采用实时动态仿真的方式，以接入的灾害监测数据、设备全生命周期数据等为输入条件，在虚拟世界中实现灾害、设备、生产状态等的预演，从而切实避免可预测的故障、灾害等。③ 在数字孪生虚拟环境下，借助智能决策算法和模拟数据，可实现协同管控算法的演练，经过对比寻找最佳决策方案并应用在现实世界中，大大降低试错成本。

为实现煤矿全局业务系统数据融合、协同管控和智能联动，将数字孪生技术应用于智能矿山综合管控平台，构建基于数字孪生的“安全−生产−经营”协同管控服务架构，如图5所示。该服务架构包括物理对象感知层、虚拟空间仿真层、协同管控决策层。

图  5  基于数字孪生的“安全−生产−经营”协同管控服务架构

Figure  5.  "Safety-production-operation" collaborative control service framework based on digital twins

下载: 全尺寸图片 幻灯片

物理对象感知层：该层是智能矿山数据来源基础及指令执行载体。通用感知及执行装备包括传统环境监测传感终端、摄像头、射频卡、井下手机终端等。安全监测及执行装备包括新型智能传感监测装置（如新型光学多参数传感装置、光纤高灵敏风速传感器、低功耗MEMS传感器等）、水害监测装备（如电法、微震、化探等监测装备）、火灾监测及防治装备（如气相色谱法、光纤测温、红外成像、灌浆、注氮等装备），以及顶板、矿压、粉尘等监测及治理装备。生产装备及系统包括智能化采掘装备（如采煤机、液压支架、刮板输送机、采煤类机器人、掘进类机器人、运输类机器人等）、智能化生产辅助装备（如智能供电、智能压风、智能供排水装备等）、智能化主煤流运输装备（如驱动装置、张紧装置等）。经营管理系统包括运销、财务、人事、合同等系统。通过对人、机、物、环等多因素实时感知和互联，为智能协同构建基础条件。

虚拟空间仿真层：以物理对象感知层的海量多源异构数据为基础，基于“人−机−料−法−环”等物理对象，以智能化综合管控平台为依托，通过数字孪生建模技术映射为与物理世界一致的“安全−生产−经营”虚拟模型，并按与物理层对应的协同关系形成虚拟系统，通过多物理量实时动态仿真技术实现多信息系统业务的高保真映射和实时反馈执行，实现孪生空间中虚拟模型与现实空间中物理模型的数据同步，并通过信息接收调整协同管控策略，以保障煤矿多业务一体化协同管控的智能决策。

协同管控决策层：在虚拟空间重塑深度实时动态属性下孪生体的煤矿业务流程，并通过专家模型及自主学习构建最佳调度及控制方案，根据不同应用场景开发订制化应用，如针对安全状态、生产效率、运营效益等多目标优化要素，提供基于实时仿真技术的煤矿“安全−生产−经营”多业务调度策略，在虚拟空间验证可行性后将优化策略反馈至煤矿企业现实空间对应执行层，实现煤矿企业全过程智能决策和协同管控，塑造全流程闭环交互模式，实现顶层决策和底层执行的标准化、可视化、智能化。

3.   数字孪生驱动的“安全−生产−经营”协同管控策略

煤矿企业“安全−生产−经营”系统业务之间紧密关联，系统运行过程中避免不了外界因素的动态扰动，静态状态下的协同管控无法满足实际需求，系统高效协同运行需以自主决策、自适应调整为支撑，减弱外界动态因素对系统运行造成的扰动影响。

3.1   扰动事件类别及等级划分

煤矿企业安全、生产、经营业务运行过程中包含多种扰动事件。煤矿安全方面，各种灾害的日常治理及预防工作（如工作面上下隅角的堵漏风工作、CO超标时的注氮工作、瓦斯治理工作）、灾害监测及治理装备故障及突发性事故均会导致对煤矿生产及经营的影响。生产方面，以掘进、采煤、运输、提升、洗选煤炭流为主线，以辅助运输、通风、压风、供配电、供排水、调度通信、人员定位等为辅线的全流程机械装备突发故障，生产物资材料计划外短缺，车辆故障，调度决策不合理，人工误操作，未探明的地质构造等，均会造成生产流程的延缓甚至中断，产生火灾等安全隐患。经营方面，煤炭企业内部的资金保障因素、外部的季节性变化因素、价格竞争因素、国际煤炭供应因素等均会对煤炭产量造成影响，从而对煤矿企业生产和安全造成影响。

根据不同扰动事件对煤矿运营系统的影响时长、影响范围、影响程度、可恢复程度等指标，确定影响指数F：

式中：I_per为影响时长；I_sco为影响范围；I_deg为影响程度；I_rec为可恢复程度；α，β，γ，η分别为各影响因素对应的权重系数。

针对每个因素对煤矿业务的影响，将影响因素划分为4个等级，划分标准见表1。

表  1  影响因素等级划分

Table  1.  Classification of different factors

等级	影响 程度Ideg	影响 范围Isco	影响 时长Iper	可恢复 程度Irec
Ⅰ级	影响很小	单一子系统	很短	容易恢复
Ⅱ级	影响较小	业务单元	较短	不容易恢复
Ⅲ级	影响很大	业务群	较长	难以恢复
Ⅳ级	影响严重	煤矿整体	很长	无法恢复

下载: 导出CSV 

| 显示表格

根据煤矿实际扰动事件的影响情况确定权重，对各影响因素加权求和后得到扰动事件影响指数F，表示根据实际情况设置扰动事件等级临界点F₁、F₂，将煤矿运行过程的扰动事件划分为3个等级：① 当0≤F<F₁时，扰动事件影响不大，定义为Ⅰ级扰动事件，需要处理。② 当F₁≤F<F₂时，扰动事件影响较大，定义为Ⅱ级扰动事件，需要及时处理。③ 当F≥F₂时，扰动事件影响很大，定义为Ⅲ级扰动事件，需要立刻处理。

3.2   动态协同管控机制

基于数字孪生赋能的“安全−生产−经营”协同管控架构，采用定性研究方式，提出“决策算法前摄性静态规划+孪生模型预测性协同管控+实时数据动态性协同管控”三重驱动的煤矿多元业务全局动态协同管控模式，如图6所示。

图  6  数字孪生驱动的煤矿多元业务全局动态协同管控模式

Figure  6.  Digital twin driven global dynamic collaborative management and control model for diversified business in coal mines

下载: 全尺寸图片 幻灯片

1） 决策算法前摄性静态规划。基于多元业务感知端全要素初始状态及数据，结合云端协同管控决策层多业务联动规划机制等理论算法模型，在孪生世界构建煤矿“安全−生产−经营”多元业务虚拟模型，以安全状态、生产效率、运营效益等多层级目标作为优化目标，进行安全保障、生产联动、经营管理等前摄性静态规划，制订最优的业务协同管控初始工作计划，为多元业务协同提供理论指导^[21]。

2） 孪生模型预测性协同管控。依托工业互联网“云−管−边−端”架构，以煤矿业务全流程的孪生精准映像为载体，以各业务实时动态数据为输入条件，采用数值仿真模拟方式，结合设备全生命周期管理系统数据、经营管理预测模型等，在信息世界中实现虚拟模型的预测性运行。孪生体中若出现动态扰动，如灾害仿真结果出现异常、设备全生命周期系统报警或提示设备需要更换、销售预测数据出现销量大幅度波动等，先在虚拟世界中及时采取措施并试运行，当管控措施效果得到验证后，及时将决策指令下发到物理世界中，从而将扰动由事件发生后的被动处理变成事件发生前的主动管控，提升管控决策的有效性。

3） 实时数据动态性协同管控。受数字孪生基础支撑技术的阶段性发展制约（如物理对象感知层短时间内缺少多元业务的全息感知、虚拟对象仿真层模拟软件的精准性、协同管控决策层智能决策算法的科学合理性等）及外部环境不可预知因素等影响，作为辅助性决策运行的孪生世界难以实现全部事件及流程的精准预测，当煤矿企业业务运行过程中出现孪生世界未预测到的扰动时，根据实时监测数据，借助决策算法判断扰动事件等级，触发对应应急预案，实现企业多元业务的动态性协同管控。

4.   结语

为切实解决煤矿企业信息孤岛问题，为管理者从煤矿企业全局、整体高度提供辅助决策支撑，在智能矿山综合管控平台基础上，借助数字孪生技术，以安全、生产、经营业务协同管控为目标，从普遍联系的单一业务入手，用全面系统、发展变化的观点深入挖掘单一系统多源异构数据及相关业务之间的关联规则，研究关联环节之间的协同算法，将单一业务层面上升到整体业务数据融合及协同管控层面，为智能矿山建设中管控一体化平台的应用积累了经验。