青年专家委员学术专栏
在当前智能化的时代背景下,煤矿智能化建设能够助力煤炭产业转型升级、创新发展[1],已经在业内达成了广泛共识。目前一些煤矿正在开展智能化建设工作,但存在基础理论研究滞后、技术标准与规范体系不健全、平台支撑作用不够、技术装备保障不足、高端人才匮乏等问题。为推动煤矿智能化高质量发展,2020年2月,国家发展改革委、国家能源局等八部委联合印发了《关于加快煤矿智能化发展的指导意见》[2](以下简称意见)。意见指出:要以数据为核心资源,推动煤矿智能化技术开发和应用模式创新。鉴此,笔者针对煤矿自动化、数字化、信息化建设过程中数据治理存在的一些问题,提出了煤矿智能化建设的数据治理框架和发展路径,以期为煤矿智能化发展提供参考。
我国煤矿自动化、数字化、信息化经过几十年的发展,如今已有超过90个系统在煤矿采、掘、机、运、通、水、电、安全、地测、调度、经营管理等方面得到成功应用[3],为煤矿生产运营提供了大量的数据支撑。但是面对新时期煤矿智能化发展的需要,现有的数据治理模式还存在一些问题亟需解决。
(1) 顶层设计弱化。煤矿众多子系统是获取各种信息数据的重要手段。对于这些子系统,煤矿企业更重视各子系统在业务数据获取与处理方面的功能,对于子系统间的数据集成标准缺少顶层设计。在没有顶层设计的统一约束下,不同厂商推出的子系统的数据标准千差万别,在数据传输协议、存储格式等方面差别巨大,无形中增加了各子系统间数据共享与融合的障碍。这样一方面导致信息孤岛和数据重复获取现象严重;另一方面在通过数据接口和数据点表进行系统对接时,由于信息不明确、数据格式不统一等原因,往往导致数据共享效果不佳。
(2) 数据平台支撑能力不足。随着煤矿自动化、数字化、信息化的不断深入和两化融合的快速推进,煤矿企业积累了体量巨大、类别多样、层次丰富的数据资源[4],然而大数据平台的建设却没有有效跟进,数据采集、数据集成、数据共享与处理有待进一步完善[5]。现有的大数据平台大多着眼于煤矿局部业务领域[6-7],全局性的大数据平台尚未建设与应用,煤炭大数据的隐含知识还没有被充分挖掘、价值没有得到充分体现。
(3) 数据融合分析能力不够。时至今日,煤炭科技面临的诸多待解难题大多涉及多种学科知识。如煤与瓦斯突出、冲击地压灾害事故发生机理至今仍不明确,煤矿动力灾害的形成过程是一个复杂非线性的科学问题,涉及的学科知识包括煤层地质条件、煤岩体变形破坏演变进程、工程动力动态响应特性、采动应力场分布特征、能量场的时空演化等[8-10],只有充分融合多学科知识,才可能对其有较充分的认识。掌握这些学科前沿知识和算法模型的专家大多集中在高校和科研院所,但由于这些专家大多面临现场数据匮乏、模型算法无法得到有效性验证的窘境,以及煤炭行业长期重硬件轻软件的环境,导致多学科交叉融合分析的应用软件缺乏诞生条件。
(4) 泛在感知网络与感知设备缺乏。煤矿井下目前没有公共的无线感知网络[11],不能进行多业务数据的统一传输、无法实现井下空间信息感知的泛在化、不能做到矿井感知全覆盖。传感器被限制在各自系统内部,系统间数据的时空一致性符合度较低,在需要多系统的数据进行算法模型构建时灵活性和准确性较差。适用于煤矿的无源MEMS(Micro-Electro-Mechanical System,微机电系统)传感器尚未研制成功,监测类系统的传感器大多采用有线方式连接进行单点监测,无法针对井下重点区域进行密集性采样,而且缺乏感知层面的数据信息融合,井下空间的真实数字场尚未得到全面还原。
智能煤矿是基于物联网、云计算、大数据、人工智能等技术,集成各类传感器、自动控制器、传输网络、组件式软件等,通过主动感知、自动分析,结合深度学习的知识库,形成最优决策模型并自动执行,实现设计、生产、运营管理等环节安全、高效、经济、绿色的矿山[12]。智能煤矿数据治理的总体框架如图1所示。
图1 智能煤矿数据治理总体框架
Fig.1 Overall framework of data governance in intelligent coal mine
(1) 数据源层。全面、可靠、具有时空一致性的数据源是煤矿智能化得以实现的重要基础条件。煤矿数据按照来源可分为内部数据和外部数据。内部数据是指由煤矿目前的综合自动化系统、井下环境监测系统、生产管理系统、安全管理系统、地测系统、经营管理系统等各类子系统采集及人工录入台账的数据。外部数据是指煤矿企业外部产生并对煤矿业务具有指导和参考作用的数据,包括但不限于国家机关下发的政策法规、煤炭及相关原材料市场行情信息、煤矿所在地区的监测数据(包括气象、水文、环境等数据)。
(2) 数据中台服务层。数据中台[13]通过大数据技术对煤矿海量数据进行采集汇聚、处理加工、统一存储,采用统一的数据标准形成大数据资产,从而为上层应用提供灵活高效的数据服务。其核心理念是“数据取之于业务,用之于业务”,核心思想是“数据共享”,是各类业务智能化应用的公共数据服务平台。其需要具备数据汇聚集成、提纯处理加工、服务可视化等核心功能,从而让煤矿数据应用变得高效、精准、方便。
(3) 数据应用层。数据的深度分析与智能化应用是煤矿实现智能化的核心。煤矿各类业务管控智能化的实现需要在融合智能决策支持模型和算法的基础上,开发出满足业务智能化需求的应用系统。这些应用系统不仅需要实现单一业务管控的智能化,更重要的是实现多业务管控的协同智能化,并具备完善的容错纠错能力,能通过不断自学习迭代优化提高智能化水平[14]。
(4) 基础设施层。基础设施是指数据获取设备、数据传输网络、数据存储与计算平台、数据交互与展示设备、智能化控制执行设备等重要的基础资源,其将为智能煤矿数据源的获取、数据中台的运行、数据应用的智能化实现提供重要支撑。
在完善数据的齐全性上,需要对重要信息数据的缺位进行补齐。随着煤矿智能化和灾害防治研究的逐步深入,一些重要信息数据的缺乏成了瓶颈问题,新的数据采集技术与装备需求日益强烈,如井下空间位置服务技术、采掘前端近距离的透明精准地质信息探测装备与解释技术、高精度易标校的胶带在线称重装备、开采扰动致使地质通道演变的动态探测技术、矿井灾害源的高分辨探测技术与智能传感器等。
在数据属性的完备性上,需要实现多源数据的时空属性同步。对来自不同源头的数据进行大数据分析时,只有在统一的时空维度上才可能获得精准的分析结果。而煤矿目前广泛采用的工业以太网本质上不是时间确定的网络[15],无法提供精准的时间同步服务,因此,必须根据不同业务对时间同步精度的不同要求,采用相应的时间同步技术,保障相关大数据分析的时间维度的一致性。同时通过井下空间位置服务技术的研发实现数据的空间属性同步。
亟需制定煤炭行业层面的统一数据标准,并在此基础上,利用大数据技术构建适应煤矿数据特点的数据中台,逐步将煤矿现有子系统从底层数据获取直到上位机软件处理与分析的垂直应用模式,更替为“底层——设备获取数据、中层——数据中台提供数据服务、上层——数据应用进行智能化管控”的扁平化数据治理模式,从而提高数据的灵活调用、自由组合能力,解决信息孤岛和数据重复获取问题。煤矿数据中台应具备以下能力。
(1) 数据汇聚集成和管理能力。应具备多源异构数据汇聚整合和完善能力,数据接入、转换、写入或缓存的集成化运营能力,基于煤矿业务流的数据解释能力,快捷的数据目录定位所需数据的能力,可视化任务配置能力,安全性高的数据访问权限分配能力,在公有云、私有云、边缘计算等平台的灵活部署能力。
(2) 数据提纯处理加工能力。应构建规范化、扩展性强、紧密结合煤矿业务的数据标签体系,完善数据的智能映射能力,形成面向煤矿业务流的大数据资产平台,建立健全完善的数据质量保障体系。
(3) 数据资产服务能力。应搭建方便、快捷的数据调用环境,降低煤矿智能化应用的数据获取难度;采用满足高并发访问需求的数据服务架构;具备煤矿业务历史批量数据和实时流数据的高效分析能力,并能提供友好的数据可视化服务。
以煤矿数据中台大数据服务为基础、云计算和边缘计算平台为承载,通过人工智能和专家知识库等的有机结合,研发系统、全面、协同的煤矿智能化应用,建立健全煤矿业务智能协同管控支撑体系,是实现煤矿智能化的关键。这些应用系统需在以下主要方面实现突破。
(1) 知识计算能力。煤矿智能决策支持的关键在于业务应用系统知识计算的准确性,而知识计算的核心基础是构建知识库。知识库的构建方式分为手工构建和自动构建两大类。手工构建是通过专家知识在一定的准则下构建知识模型与体系结构;自动构建是依靠知识工程、大数据、人工智能等理论与技术,自动从海量数据中采集与提取概念、属性、关系和实例等知识[16]。煤矿知识库的构建应通过2种方式的有机结合来提高知识计算的准确性,因为缺乏先验知识的指引,自动构建的知识库难以做到百分之百准确,在进行煤矿安全方面的智能决策时可能会导致严重后果。应充分发挥煤矿专家先验知识的准则和方向作用,利用人工智能、大数据的高效率和发现新知识的优势,做到二者有机融合,构建出高准确性的煤矿知识库,为煤矿智能决策提供可靠支持。
(2) 智能化协同能力。煤矿是一个复杂的巨系统,全面的智能化依赖于全业务系统的整体智能协同运作。而目前煤矿不同业务领域的智能化发展水平参差不齐,其中通风、掘进、辅运的智能化程度相对较低,难以做到全面均衡的整体智能化协同。因此,煤矿的智能化应用开发需按照“强项纵深创新、短板横向快进”的原则进行,从而加快推进煤矿智能化的整体协同能力。
(3) 深度学习能力。深度学习能力是煤矿成为数字化智慧体的重要支撑[3]。无论是煤矿待解科学难题的理论创新探索,还是煤矿业务智能管控效率的优化提升和整体协同策略机制的匹配改进,深度学习都有很大的应用空间。把深度学习算法和技术融入煤矿业务应用系统中,将极大地提高应用系统自主更新和优化升级的能力,从而助力煤矿智能化的实现。
煤矿数据治理的基础设施是实现煤矿智能化的基本保障,根据煤矿智能化发展的现状,笔者认为在基础设施方面,以下几点仍有待加强。
(1) 搭建层次丰富的数据计算平台。搭建云计算与边缘计算相结合的煤矿数据计算支撑平台体系。利用云平台的强大数据计算能力,解决煤矿海量数据的高效计算、智能决策支持算法的快速迭代优化、多业务协同的及时并行计算等问题。边缘计算意味着煤矿的智能化控制将通过本地设备实现而不必交给云端完成,从而大大提升处理效率,使煤矿智能化控制指令得到快速响应。
(2) 研发井下无线自组网通信系统。通过研究具有高带宽、低延时、大容量、透明传输等特点的煤矿无线通信技术,并实现无线网络自发现、自路由、自优化、自治愈等功能,为煤矿感知设备的无线互联互通提供可靠的无线传输网络,实现多业务数据的统一传输和井下感知网络的泛在化,解决井下局部有限空间范围内大量传感器接入和传感器就地互联进行数据融合的难题。
(3) 研制微功耗传感器。煤矿现有传感器以有线供电和传输为主,只能按照煤安要求安装数量有限的传感器,不能实现对井下空间信息数据的全面监测。因此,需要通过微功耗感知技术、超低功耗无线通信技术的研究,开发无源、免人工标校、低成本的感知设备,从而在有限的成本投入下实现大量传感器的布设,解决井下重点区域密集性采样难题。
煤矿智能化是煤炭工业创新驱动与高质量发展的时代趋势。数据作为煤矿智能化的核心资源,其获取与利用的好坏关乎煤矿智能化的实现程度。笔者在分析煤矿自动化、数字化、信息化建设过程中数据治理的一些不完善之处基础上,提出了煤矿智能化建设的数据治理框架和发展路径。煤矿智能化数据治理提升是一项长期而复杂的系统工程,业内各界应秉持开放、合作、共赢的理念,共同为煤矿智能化的发展添砖加瓦,从而提高煤炭产业的核心竞争力。
[1] 韩建国.神华智能矿山建设关键技术研发与示范[J].煤炭学报,2016,41(12):3181-3189.
HAN Jianguo.Key technology research and demonstration of intelligent mines in Shenhua Group[J].Journal of China Coal Society,2016,41(12):3181-3189.
[2] 国家发展改革委,国家能源局,应急管理部,等.关于印发《关于加快煤矿智能化发展的指导意见》的通知[EB/OL].(2020-02-25)[2020-06-10].https://www.mem.gov.cn/gk/tzgg/tz/202003/t20200303_344938.shtml.
National Development and Reform Commission,National Energy Administration,Ministry of Emergency Management,et al.Notice on issuing the Guiding Opinions on Accelerating the Intelligent Development of Coal Mines[EB/OL].(2020-02-25)[2020-06-10].https://www.mem.gov.cn/gk/tzgg/tz/202003/t20200303_344938.shtml.
[3] 王国法,王虹,任怀伟,等.智慧煤矿2025情景目标和发展路径[J].煤炭学报,2018,43(2):295-305.
WANG Guofa,WANG Hong,REN Huaiwei,et al.2025 scenarios and development path of intelligent coal mine[J].Journal of China Coal Society,2018,43(2):295-305.
[4] 马小平,代伟.大数据技术在煤炭工业中的研究现状与应用展望[J].工矿自动化,2018,44(1):50-54.
MA Xiaoping,DAI Wei.Research status and application prospect of big data technology in coal industry[J].Industry and Mine Automation,2018,44(1):50-54.
[5] 谭章禄,马营营,袁慧.煤炭大数据平台建设的关键技术及管理协同架构[J].工矿自动化,2018,44(6):16-20.
TAN Zhanglu,MA Yingying,YUAN Hui.Key technologies and management collaborative architec-ture of construction of coal big data platform[J].Industry and Mine Automation,2018,44(6):16-20.
[6] 毛善君,刘孝孔,雷小锋,等.智能矿井安全生产大数据集成分析平台及其应用[J].煤炭科学技术,2018,46(12):169-176.
MAO Shanjun,LIU Xiaokong,LEI Xiaofeng,et al.Research and application on big data integration analysis platform for intelligent mine safety production[J].Coal Science and Technology,2018,46(12):169-176.
[7] 郜彤,刘传安.基于大数据分析的煤矿安全风险预测系统研究[J].煤炭工程,2018,50(7):173-176.
GAO Tong,LIU Chuan'an.Study on coal mine safety risk prediction system based on big data analysis[J].Coal Engineering,2018,50(7):173-176.
[8] 袁亮,姜耀东,何学秋,等.煤矿典型动力灾害风险精准判识及监控预警关键技术研究进展[J].煤炭学报,2018,43(2):306-318.
YUAN Liang,JIANG Yaodong,HE Xueqiu,et al.Research progress of precise risk accurate identification and monitoring early warning on typical dynamic disasters in coal mine[J].Journal of China Coal Society,2018,43(2):306-318.
[9] 姜耀东,潘一山,姜福兴,等.我国煤炭开采中的冲击地压机理和防治[J].煤炭学报,2014,39(2):205-213.
JIANG Yaodong,PAN Yishan,JIANG Fuxing,et al.State of the art review on mechanism and prevention of coal bumps in China[J].Journal of China Coal Society,2014,39(2):205-213.
[10] 潘一山.煤与瓦斯突出、冲击地压复合动力灾害一体化研究[J].煤炭学报,2016,41(1):105-112.
PAN Yishan.Integrated study on compound dynamic disaster of coal-gas outburst and rockburst[J].Journal of China Coal Society,2016,41(1):105-112.
[11] 张申,赵小虎.论感知矿山物联网与矿山综合自动化[J].煤炭科学技术,2012,40(1):83-86.
ZHANG Shen,ZHAO Xiaohu.Comments on sensory mine Internet of things and mine comprehensive automation[J].Coal Science and Technology,2012,40(1):83-86.
[12] 陈晓晶,何敏.智慧矿山建设架构体系及其关键技术[J].煤炭科学技术,2018,46(2):208-212.
CHEN Xiaojing,HE Min.Framework system and key technology of intelligent mine construction [J].Coal Science and Technology,2018,46(2):208-212.
[13] 李广乾.什么是数据中台?[J].中国信息界,2019(6):72-75.
LI Guangqian.What is data middle platform? [J].Information China,2019(6):72-75.
[14] 何敏.智慧矿山重要特征与实现途径[J].工矿自动化,2018,44(3):31-35.
HE Min.Important characteristics and realization ways of wisdom mine[J].Industry and Mine Automation,2018,44(3):31-35.
[15] 张申,胡青松,王刚.矿山物联网标准建设的思考[J].工矿自动化,2018,44(1):1-5.
ZHANG Shen,HU Qingsong,WANG Gang.Consideration about construction of standards for mine Internet of things[J].Industry and Mine Automation,2018,44(1):1-5.
[16] 程学旗,靳小龙,王元卓,等.大数据系统和分析技术综述[J].软件学报,2014,25(9):1889-1908.
CHENG Xueqi,JIN Xiaolong,WANG Yuanzhuo,et al.Survey on big data system and analytic technology[J].Journal of Software,2014,25(9):1889-1908.
HE Min.Framework and development path of data governance in intelligent coal mine[J].Industry and Mine Automation,2020,46(11):23-27.