智能矿山基础平台建设及其发展趋势

余洋, 张申

余洋,张申. 智能矿山基础平台建设及其发展趋势[J]. 工矿自动化,2023,49(9):13-22, 121. DOI: 10.13272/j.issn.1671-251x.2023070023
引用本文: 余洋,张申. 智能矿山基础平台建设及其发展趋势[J]. 工矿自动化,2023,49(9):13-22, 121. DOI: 10.13272/j.issn.1671-251x.2023070023
YU Yang, ZHANG Shen. Construction and development trends of intelligent mining basic platform[J]. Journal of Mine Automation,2023,49(9):13-22, 121. DOI: 10.13272/j.issn.1671-251x.2023070023
Citation: YU Yang, ZHANG Shen. Construction and development trends of intelligent mining basic platform[J]. Journal of Mine Automation,2023,49(9):13-22, 121. DOI: 10.13272/j.issn.1671-251x.2023070023

智能矿山基础平台建设及其发展趋势

基金项目: 国家重点研发计划资助项目(2017YFC0804400,2017YFC0804401)。
详细信息
    作者简介:

    余洋(1978—),男,河南新密人,高级工程师,主要从事煤矿机电与信息化工作,E-mail:370911871@qq.com

  • 中图分类号: TD67/655

Construction and development trends of intelligent mining basic platform

  • 摘要: 智能矿山是数字矿山和综合自动化系统发展的延续,相较于数字矿山和矿山综合自动化系统,智能矿山对基础平台提出了更高要求。智能矿山基础平台分网络平台和数据平台两大部分,网络平台分为主干网和接入网。主干网经历了工业总线网、100 Mbit/s工业以太网、1 000 Mbit/s工业以太网和10 Gbit/s工业以太网的发展过程。分析了主干网从工业总线到10 Gbit/s工业以太网的发展过程、各自的优缺点及适用性,指出工业总线网和100 Mbit/s工业以太网不适合作为智能矿山主干网,而1 000 Mbit/s和10 Gbit/s工业以太网目前是智能矿山主干网络的首选。通过分析智能矿山接入网的建设需求,指出智能矿山的接入网应具备无盲区接入和底层计算能力。目前的无线接入网仍难以具备上述能力:如漏泄通信系统属于半无线方式,应用场合受限,速率不高;5G主要为无线传输网络,有较为灵活的速率适应性,适合作为纯接入传输网络,由于不具备自组网和底层计算能力,在无盲区监测应用方面受到一定限制;无线传感器网络具备一定自给网及底层计算能力,但速率较低,特别是矿山井下多跳使用时速率明显下降,且功耗上升,从而降低计算能力和自组网能力。因此,需要研发新的适应智能矿山需求的接入网设备。针对分立服务器和简单虚拟服务器的数据平台方式已不能适应智能矿山对数据平台的要求,分析了数据平台的超融合服务平台架构及其关键技术、超融合服务的特点及对智能矿山建设的适应性,指出超融合服务器是智能矿山数据平台的发展方向。
    Abstract: Intelligent mines are the continuation of the development of digital mines and integrated automation systems. Compared to digital mines and integrated automation systems, intelligent mines have higher requirements for basic platforms. The basic platforms of intelligent mine are divided into two parts: network platform and data platform. The network platform is divided into backbone network and access network. The backbone network has gone through the development process of industrial bus network, 100 Mbit/s industrial Ethernet, 1000 Mbit/s industrial Ethernet, and 10 Gbit/s industrial Ethernet. This study analyzes the development process, advantages, disadvantages, and applicability of the backbone network from industrial bus to 10 Gbit/s industrial Ethernet. It is pointed out that industrial bus network and 100 Mbit/s industrial Ethernet are not suitable as intelligent mine backbone networks. The 1000 Mbit/s and 10 Gbit/s industrial Ethernet are currently the preferred backbone networks for intelligent mines. By analyzing the construction requirements of intelligent mine access networks, it is pointed out that the access networks of intelligent mines should have blind spot free access and underlying computing capabilities. Currently, wireless access networks are still difficult to possess these capabilities. Leakage communication system belongs to semi wireless mode, the application situation is limited, and the speed is not high. 5G is mainly a wireless transmission network with relatively flexible rate adaptability. It is suitable to be a pure access transmission network. Due to its lack of ad hoc network and underlying computing capabilities, it is limited in blind spot free monitoring applications. WSN has a certain degree of self-sufficient network and underlying computing capabilities. But its speed is relatively low. Especially when used in underground mines with multiple hops, the speed rate significantly decreases, and the power consumption increases, thereby reducing computing capabilities and self-organizing network capabilities. Therefore, new access network devices that meet the needs of intelligent mines need to be developed. The data platform approach based on discrete servers and simple virtual servers can no longer meet the requirements of intelligent mines for data platforms. This paper analyzes the architecture and key technologies of the data platform's hyperconverged service platform, the characteristics of hyperconverged services, and its adaptability to the construction of intelligent mines. It is pointed out that hyperconverged servers are the development direction of intelligent mine data platforms.
  • 20多年来,智能矿山建设经历了数字矿山、矿山综合自动化、智能矿山的发展过程。数字矿山的概念提出得比较早[1-2],但长期停留在理论上,难以实施。直至2003年柴天佑院士在金矿的流程工业信息化实施中提出:金矿综合自动化是应用企业资源计划系统(ERP)/生产执行系统(MES)/过程控制系统(PCS)3层框架结构[3]。2007年,文献[4]首次提出了数字矿山两大基础平台——网络平台与数据平台的概念,比较具体地给出了数字矿山建设的模型,有效推进了数字矿山建设。

    但在数字矿山建设之初,由于对矿山数据融合应用的需求还不是太迫切,所以,绝大部分矿山均是重视网络平台建设,而轻视数据平台建设,矿山许多子系统的数据库是相互独立的,不利于数据融合应用。在智能矿山的概念逐步为大众所接受后,情况却朝相反方向变化,即大家的兴趣更多地转向了应用平台和各种智能化应用[5-6],而有关智能矿山基础平台的建设及发展的讨论反而比较少了。

    基础平台是智能矿山建设的重要基础,是各种智能矿山应用的根基。因此,本文结合智能矿山基础平台升级改造,讨论基础平台建设及其发展趋势,希望能对从矿山综合自动化向智能矿山过渡有一定的借鉴作用。

    从数字矿山到矿山综合自动化,再到智能矿山的建设一直沿用基础平台和应用平台的概念。应用平台主要是指架构在基础平台之上,支撑矿山各种应用系统运行的平台,典型的如矿山管控一体化平台[6-7]、矿山地理信息系统平台[8]、云计算平台[6]等。智能矿山基础平台、应用平台与应用系统之间的关系如图1所示。可看出不同矿山具有不同的应用平台和应用系统,但网络平台和数据平台都是必须的,所以称其为基础平台。

    图  1  智能矿山基础平台、应用平台与应用系统的关系
    Figure  1.  The relationship of basic platform, application platform and application system in intelligent mine

    2000年左右,神华集团大柳塔煤矿首次采用双ControlNet总线作为主干传输网络[8],并将生产与安全子系统分别接入ControlNet总线,如图2所示。这改变了过去矿山各个监测监控子系统相互独立的情况,在国内起到了很好的示范作用。2004年,宁煤集团羊场湾煤矿的综合自动化建设中采用了工业总线Profibus DP环网,这是第1次将环网的冗余能力用于矿山综合自动化系统,提高了基础网络平台的可靠性。2005年,兖矿集团济宁三号煤矿采用了ControlNet环网作为综合自动化主干网。然而,由于工业总线网络的固有限制,并不适用于作为主干网,究其原因主要有以下2个方面:① 工业总线是一种询问应答机制的网络,即由地面主机轮流向工业总线中各个分站查询数据,分站接收到查询自己分站的指令才会将数据发送给地面主机。当接入的系统增多时,询问应答周期时间明显加长,难以适应矿山综合自动化实时性的要求。而且这种应答机制也不适用于分站有紧急情况时的主动数据上报。② 工业总线网络接入的都是监测监控数据,不能接入语音和视频信息,不满足综合自动化系统的“三网”(视频网、语音网和监测监控网)合一的要求。

    图  2  神华集团大柳塔煤矿ControlNet总线综合自动化系统
    Figure  2.  The ControlNet bus integrated automation system in Shenhua Daliuta Coal Mine

    1) 100 Mbit/s工业以太主干网。2006年,龙口集团百皂煤矿首次将100 Mbit/s工业以太网用作矿山综合自动化主干网络[9],如图3所示。网络采用有冗余能力的环网,各个应用系统通过各自的工业控制总线与以太网的网关接入主干网络。随着以太网的使用,矿山综合自动化系统中首次出现了主干网+接入网的异构网形式。工业以太网作为主干网,各子系统分站大部分仍沿用原来不同的工业总线监控系统,如井下的胶带监控系统、水泵监控系统、变电所监控系统等均采用各自原有的工业总线监控方式,再通过以太网分站接入主干网,以太网分站实际起到了网关转换的作用。除监控系统外,百皂煤矿还接入了视频和音频信号,但在实际应用过程中很快就显露出100 Mbit/s工业以太网的不足之处,当仅接入几路视频后,网络传输速度大受影响,甚至影响到监控系统的实时性[10]。原因分析:① 以太网的竞争机制。与工业总线时间确定的查询机制不同,以太网数据传输使用CSMA/CD(Carrier Sense Multiple Access/Collision Detection,带有冲突检测的载波侦听多路存取)访问方式,这是一种竞争机制。当以太网数据要传输时,先要检测网络上是否有数据在传输,如有数据,则等待一段时间再检测,直到检测到网络上没有数据才开始将数据传送至网络。显然,当网络传输数据量较大时,这种竞争机制引起的等待时间较长,会影响网络速度。分析表明,当单位时间数据量达到网速的30%左右时,以太网传输速度会受到明显的影响。② 矿山的网络结构形式。与地面的网状网有多条路由不同,矿山基本采用环状网,所有数据都沿着环传输,不存在多条路由。因此,井筒网络自然成为主干环网的卡脖子路段,所有的上下行数据均需通过井筒上传,特别是视频数据,进一步造成网络延时长。因此,100 Mbit/s工业以太网用于矿山“三网”合一受到很大的限制,对监测监控数据的实时性造成影响。在百皂煤矿试用后,其他矿山再也没用过100 Mbit/s工业以太网。

    图  3  100 Mbit/s工业以太网平台
    Figure  3.  100 Mbit/s industrial Ethernet platform

    2) 1 000 Mbit/s工业以太主干网。2007年后,山东新汶矿业集团、山西潞安矿业集团等率先将1 000 Mbit/s工业以太网用作煤矿综合自动化网络平台。其后神华集团、兖矿集团、郑煤集团、宁煤集团等也都采用了1 000 Mbit/s工业以太网作为主干传输网络[10],如图4所示。从网络结构上来说,1 000 Mbit/s工业以太网与100 Mbit/s工业以太网没有太大区别,真正的区别在接入网方面,1 000 Mbit/s工业以太网可以接入更多的子网络,包括各种无线网络,因此,能更加体现出异构网的特征[11]。至此,1 000 Mbit/s工业以太网成为综合自动化网络平台的主流,基本满足了矿山综合自动化系统“三网”合一的要求。

    图  4  1 000 Mbit/s工业以太网平台
    Figure  4.  1 000 Mbit/s industrial Ethernet platform

    随着矿山综合自动化系统的发展,接入网络的子系统越来越多,应用也越来越广,特别是大量数字工业电视信号的接入,大型矿山1 000 Mbit/s工业以太网也开始出现网络速度方面的问题。主要从2个方面来解决:① 进行有效的网络管控。灵活配置数字视频源,提高数字视频的利用率,尽可能减少不常用的数字视频;给常用的视频设置较高的数据传输速率,不常用的视频设置较低的数据传输速率;给重要的监控系统划分专用虚拟网,提高其实时性。② 采用更高速的10 Gbit/s主干网络。2014年,神华集团锦界煤矿在数字矿山建设中率先使用了10 Gbit/s工业以太网作为主干传输网络[12],网络结构基本与1 000 Mbit/s工业以太网类似,如图5所示。地面和井下采用多个冗余以太环网,各种应用系统就近接入环网中。

    图  5  10 Gbit/s工业以太网基础平台
    Figure  5.  10 Gbit/s industrial Ethernet basic platform

    现在10 Gbit/s以太网仍可使用与以往10 Mbit/s和100 Mbit/s以太网相同的形式,允许直接升级到高速网络,同样可使用IEEE 802.3标准的帧格式。在半双工方式下,10 Gbit/s以太网使用基本的CSMA/CD访问方式来解决共享介质的冲突问题。也可使用波分全双工业务和流量控制方式,避免CSMA/CD带来的竞争问题,网速利用率大大提高,但带来的问题是设备价格较高,主要适用于大型矿山。

    综上所述,矿山综合自动化的主干网络基本已经定型,就是1 000 Mbit/s或10 Gbit/s的主干网,主干网与多种不同形式的接入网相融合,这是矿山网络平台的发展趋势。

    矿山各种监控与管理系统均可通过各自接入网或以太网接入主干网络。目前,接入网在矿山基础网络平台中发展较快,接入网有工业总线网络、无线传感器网络(Wireless Sensor Networks, WSN)、漏泄移动网络(智慧线)、小灵通移动通信系统、4G移动通信网络、5G移动通信网络等。由于矿山接入网技术之间基本是相互独立发展的,不像主干网那样有较明显的前后传承关系,所以,没有必要对每种矿山接入网技术进行传承发展的讨论,本文从矿山接入网需要关注的重点来进行讨论。

    对矿山接入网应该关注的基本要点:① 兼容多种接口协议。② 多异构网融合及多应用系统联动。③ 网络传输数据优先级可管可控,避免网络崩溃。④ 支持人工智能(Artificial Intelligence,AI)与多源大数据接入。⑤ 保障工业网络安全。⑥ 矿山安全生产多源异构数据无盲区接入。⑦ 分布式网络的计算能力。其中,前5个要点基本是所有接入网需要共同关注的问题,这里不多作赘述。以下重点分析最具矿山特色的后2个要点。

    智能矿山的网络平台是一个兼具监控与传输两大功能的网络,监控的数据类型包括相对静态数据(如矿压、温度、气体浓度等)和动态数据(如工况、矿震、设备振动、冲击地压等)。这些多源异构数据分布在整个矿区,特别是井下一些不易接近的地方。因此,要实现有效监控,真正实现透明化开采,理想情况就是实现矿山无盲区监控,而这只能依靠接入网实现,特别是具有移动功能的无线接入网。

    智能矿山多源异构数据的特殊性注定了目前还不可能由1种接入网形式来实现矿山的监控与传输。如利用漏泄电缆作为天线的半无线传输方式,离开漏泄电缆一定距离,就难以可靠传输,使用也不灵活。WSN兼具监测与传输功能,但数据传输速率低,在矿山巷道中需要多跳传输时速率会大幅下降,采样方式不灵活,难以适应智能矿山多源异构的数据传输要求。而最近应用广泛的5G移动网络的速率灵活可变,比较适应异构数据的传输,但5G原则上是一个传输网络,在灵活自组网能力方面不如WSN。鉴于上述原因,目前各种无线接入网均有应用,如WSN、5G、超宽带(Ultra Wide Band,UWB)、远距离无线电(Long Range Radio,LoRa)、漏泄移动通信等。

    1) 漏泄移动通信系统。漏泄移动通信系统无线接入网如图6所示,利用沿巷道布置的漏泄电缆,构建通风环境参数监测系统、煤岩动力参数监测系统、安全隐患监测系统、安全管理及预警系统等[13],实现巷道沿线的移动监控。从图6可看出,漏泄移动系统主要解决的是巷道沿线的无线接入问题。由于需要布置专用漏泄电缆,漏泄移动系统使用的灵活性受到一定限制,且较低的数据传输速率不适合传输移动视频。

    图  6  漏泄移动通信系统无线接入网
    Figure  6.  Leakage mobile communication system wireless access network

    2) WSN。基于WSN的无线接入网如图7所示,用于实现井下人员和机车定位[14]。基于WSN的井下人机定位系统采用UWB定位技术,结合到达时间法(Time of Arrival,TOA)和卡尔曼滤波法,实现了固定基站节点和移动传感器节点之间的精确测距;利用WSN定位模型,获得井下人员和机车位置信息,结合高精度地图及计算机三维展示技术,实现对井下人员和机车位置的实时感知,并将信息接入高速工业以太网。该系统功能相对比较单一,数据传输速率也不高,主要用于机车巷相对固定的场景,计算依赖于基站位置。

    图  7  基于WSN的无线接入网
    Figure  7.  Wireless access network based on WSN

    3) 5G移动通信系统。5G具有大带宽、低时延、广连接的特性和支持边缘计算、网络切片及端到端数据传输的技术优势,将5G融入矿山智能化,构成5G+智能化矿山技术体系,是当前关注的热点方向。陕煤集团张家峁煤矿建设了矿区5G接入网的网络平台[15],采用宏基站加室内分基站的模式解决了信号覆盖范围和信号强度问题,实现了地面厂区的信号全覆盖,地面实测数据传输速率均为4G的5倍以上。井下采用5G皮基站进行组网,完成井下5G数据传输测试的同时,开展5G+巡检机器人巡检测试、5G+通风机远程控制测试等5G应用场景试验。试验成功破解了5G在煤矿应用初期存在的功耗高、传输距离短等实际问题,具有重大意义。5G移动通信系统无线接入网如图8所示,可看出5G分站仍需要接入矿山基础网络,因此,5G本质上还是属于接入网技术。

    图  8  5G移动通信系统无线接入网
    Figure  8.  5G mobile communication system wireless access network

    目前,5G在煤矿智能化建设中的应用和发展仍面临诸多问题和挑战。由于5G技术植根于地面手机移动通信技术,在矿山井下的应用还缺乏相关的基础研究,如井下基础电磁环境的特点,不同频率电磁信号在井下特殊电磁环境下的吸收、反射、传输和多径的特性,高频引发的感应电动势导致瓦斯或煤尘爆炸的临界参数的确定,以及多天线和多频段无线电波引起的能量聚集临界点确定等问题,导致井下5G新装备的研制和矿用产品安标认证标准的制定缺乏依据,因此安全检验标准也就一直无法落地[15]。另外,5G的基本终端是手机及类似设备,这些终端设备并不具备集群自组网与底层计算的能力。因此,5G仍属于一种传输网络。

    综上所述,研发适应智能矿山应用需要的无线接入网,使其兼具多速率、灵活自组网、监控与传输一体化等特性是当前无盲区感知需要解决的问题。

    除无盲区感知外,接入网的另一个趋势是发展分布式无线接入网的计算能力。比如节点之间相互联系,以决定哪些数据需要传输,哪些数据应该丢弃;对需要传输的数据进行适当数据融合后再传送给网关节点。这种底层网络的计算能力也称作微云计算或雾计算,其对于降低网络传输数据量、提高数据融合应用的能力及尽早发现矿山安全隐患都是极其重要的,是智能矿山网络平台的一个重要发展方向。接入网中WSN具有一定的计算能力。

    某矿山井下利用WSN分簇实现数据融合计算,如图9所示[16]。数据融合过程:首先WSN中瓦斯传感器节点将采集的稳定瓦斯浓度数据传输到监控基站,基站根据所采集的正常数据设定一个瓦斯浓度变化阈值,然后反向传输给每一个节点。其次各簇内节点在工作面采集瓦斯浓度数据,如果本次采集的数据与前一次瓦斯浓度数据变化不大,节点处理器判别其为正常数据,不发送数据,以减少网内数据的传输量。而当判断数据可能为异常数据时,则将本次采集的数据与前一次数据都暂时存放到节点缓存器中,等待一定周期后再采集数据,并进行数据异常频次计数,当计数值达到一个设定值时,确认为数据异常,则通知簇头节点启动传输通道将异常数据快速上传。上述过程既能消除数据冗余,又能排除误采样数据的干扰。

    图  9  基于WSN分簇的数据融合计算
    Figure  9.  Data fusion and computing based on WSN clustering

    总的来说,接入网技术是多样化的,有些应用比较单一,如工业总线接入技术、漏泄通信系统接入技术等;有些则可进行多用途开发,如WiFi,WSN,5G等接入技术。从功能上接入网又可分为传输网络和具有计算能力的网络。5G,WiFi等无线接入网主要是传输网络,基本不具备分布式计算与数据融合的能力,这些工作需要传输给上层来做。矿山监测监控系统中需要许多底层计算,而WSN虽然具有分布式计算能力,但该能力有限,且耗能严重,实际应用较少。因此,今后需要加大5G等接入网的实际应用,提高接入网的计算能力,以满足矿山无盲区实时监测监控和底层计算的需要。

    图4图5可看出,在智能矿山建设的初始阶段,数据服务器基本是相对单独设置的,有的系统是2~3个应用共用1个服务器,有些重要的系统更趋向于使用单独的服务器,这种设置造成数据存储在多个不同的服务器中,难以对数据进行统一调度和管理,甚至数据格式难以统一进行描述,更谈不上数据融合与数据挖掘,因此,智能矿山的许多数据应用都难以开展。另外,随着智能矿山中应用系统不断增加,所需的数据服务器也在不停增加,尽管目前逐步采用了虚拟服务器技术,能够让更多应用共用1个服务器,但仍不能适应智能矿山对数据平台的要求。智能矿山要揭示更高层次的矿山多源异构数据的关联关系和基于知识需求模型的信息实体主动匹配与推送策略,构建基于开采行为预测推理的智慧逻辑模型进化机制,研究智能矿山海量信息之间的关联关系,融合各系统的数据逐步成为迫切需要解决的问题[6]

    针对上述问题,将智能矿山数据服务器升级为智能矿山数据平台的改造要求如下:将原本相对独立的服务器应用软件迁移至新服务器,确保原有功能正常使用,实现现有的智能化矿山管控平台、综合自动化平台与底层子系统数据无缝对接,优化数据采集服务器数据采集驱动,为智能化管控平台提供稳定的驱动支持。数据平台系统正常运行情况下,主机接收信息并提供给集控中心值班人员,备机监视主机的运行情况,主机也同时监视备机是否正常。当主机出现异常,不能支持数据采集时,备机主动接管主机的工作,在无需人工干预的情况下继续维持数据平台系统的运行。要实现智能矿山数据融合和数据挖掘的目标,超融合服务器是数据存储与处理的首选。超融合技术易于实现计算虚拟化、存储虚拟化、网络虚拟化。郑煤集团赵家寨煤矿、中煤平朔集团、亳州煤业信湖煤矿、贵州江铜银山矿业、山东黄金矿业焦家金矿等矿山均实现了超融合服务平台架构[17]

    超融合服务平台架构是一种集成了虚拟计算资源和存储设备的信息基础架构[18]。其以软件定义为基础、分布式存储为核心,在同一套单元设备中不但具备计算、网络、存储和服务器虚拟化等资源和技术,而且多套单元设备可通过网络聚合起来,通过软件定义形成统一的资源池[19],提供计算、存储、网络、运维等一体化的基础设施服务平台,是智能矿山实现云数据中心的最佳解决方案,是智能矿山数据平台的发展趋势[20]。超融合服务平台架构如图10所示,其中VM为虚拟机,HYPERVISOR为超级管理,SDS为软件定义存储,HCI为超融合架构。超融合服务平台架构以VM为核心,采用软件定义方式来规划与运用底层硬件资源,并向终端用户交付需要的资源[19]

    图  10  超融合服务平台架构
    Figure  10.  Hyperconverged server platform structure

    超融合服务平台架构采用通用硬件服务器,将多台服务器组成含有跨节点、跨层次的统一存储池,通过增加群集中节点的数量,来扩充群集的运算效能与存储空间,并实现群集中各节点间数据的复制与备份,具备服务高可用性、扩展性及数据保护能力,可灵活地调配资源。

    超融合服务的核心技术包括三大虚拟化技术:服务器虚拟化、存储虚拟化、网络虚拟化。

    服务器虚拟化是整个超融合服务平台架构的核心组件,虚拟化程序直接运行在服务器上,实现对服务器物理资源的抽象,将CPU、内存、硬盘等服务器物理资源转换为可统一管理、调度和分配的逻辑资源,并基于这些逻辑资源在单个物理服务器上构建多个同时运行、相互隔离的VM运行环境,提高矿山多个系统数据资源的利用率,降低智能矿山系统及数据管理的复杂度,实现对矿山各种子系统服务需求的快速响应,提供高可靠、灵活的应用服务[12]

    存储虚拟化是将各子系统的数据服务在节点服务器上独立的硬盘存储空间进行组织聚合,构成一个共享的存储资源池,所有的存储资源在这个存储池中统一管理,实现存储资源的自动化管理和分配,构建高效灵活的存储架构与管理平台,提供高可靠、高性能存储。上述工作均由软件来进行定义。

    存储虚拟化采用多副本机制,一份数据可同步存储在多个不同的物理服务器硬盘上,提高数据可靠性,保障关键子系统数据和业务的安全稳定运行。

    智能矿山系统的各种业务是灵活多变的,需要相对灵活的网络来适应业务变化的需求。综合自动化系统中的网络基本采用固定形式,缺乏配置的灵活性,甚至有时不得不临时布置网络。网络虚拟化通过实现网络中所需的各类网络连接服务(包括路由、交换、安全、负载均衡等)按需分配及应用的灵活调度,提供了一种新的网络连接与运维模式,解决了传统硬件网络的管理和运维难题,可满足业务应用对网络快速、灵活、自动化部署的需求。因此,超融合服务器是智能矿山数据存储、数据处理、数据融合、数据挖掘的基础保障。

    智能矿山是数字矿山和综合自动化系统发展的延续,因此,相较于数字矿山和矿山综合自动化系统,智能矿山对基础平台提出了更高要求。智能矿山基础平台分为网络平台和数据平台两大部分,而网络平台又分为主干网和接入网,主干网经历了工业总线网、100 Mbit/s工业以太网、1 000 Mbit/s工业以太网和10 Gbit/s工业以太网的发展过程。结合网络发展的过程,分析得出:工业总线网和100 Mbit/s工业以太网不适合作为智能矿山主干网的原因是其有效速率太低,无法适应智能矿山大量异构数据传输的要求。而1 000 Mbit/s和10 Gbit/s工业以太网目前是智能矿山主干网络的首选。由于智能矿山发展的需要,对接入网提出了更高的要求,分析表明,智能矿山的接入网应具备无盲区接入和底层计算的能力。目前的无线接入网仍难以具备这样的能力,如漏泄通信系统属于半无线方式,应用场合受限,速率不高;5G网络主要为无线传输网络,有较为灵活的速率适应性,适合作为纯接入传输网络,由于不具备自组网和底层计算能力,在无盲区监测应用方面受到一定限制;WSN具备一定自给网及底层计算能力,但速率较低,特别是矿山井下多跳使用时速率下降明显,且功耗上升,从而降低其计算能力和自组网能力。因此,研发适用的井下无盲区接入技术是目前网络平台发展的重要内容。智能矿山也对数据融合与应用提出了更高的要求。过去的分立服务器和简单的虚拟服务器的数据平台方式己经不能适应智能矿山对数据平台的要求。分析了数据平台的超融合架构及其关键技术、超融合服务的特点及对智能矿山建设的适应性。分析表明,超融合服务器是今后智能矿山数据平台发展的方向。

  • 图  1   智能矿山基础平台、应用平台与应用系统的关系

    Figure  1.   The relationship of basic platform, application platform and application system in intelligent mine

    图  2   神华集团大柳塔煤矿ControlNet总线综合自动化系统

    Figure  2.   The ControlNet bus integrated automation system in Shenhua Daliuta Coal Mine

    图  3   100 Mbit/s工业以太网平台

    Figure  3.   100 Mbit/s industrial Ethernet platform

    图  4   1 000 Mbit/s工业以太网平台

    Figure  4.   1 000 Mbit/s industrial Ethernet platform

    图  5   10 Gbit/s工业以太网基础平台

    Figure  5.   10 Gbit/s industrial Ethernet basic platform

    图  6   漏泄移动通信系统无线接入网

    Figure  6.   Leakage mobile communication system wireless access network

    图  7   基于WSN的无线接入网

    Figure  7.   Wireless access network based on WSN

    图  8   5G移动通信系统无线接入网

    Figure  8.   5G mobile communication system wireless access network

    图  9   基于WSN分簇的数据融合计算

    Figure  9.   Data fusion and computing based on WSN clustering

    图  10   超融合服务平台架构

    Figure  10.   Hyperconverged server platform structure

  • [1] 吴立新,殷作如,邓智毅,等. 论21世纪的矿山——数字矿山[J]. 煤炭学报,2000,25(4):337-342. DOI: 10.3321/j.issn:0253-9993.2000.04.001

    WU Lixin,YIN Zuoru,DENG Zhiyi,et al. Research on the mine in the 21st century:digital mine[J]. Journal of China Coal Society,2000,25(4):337-342. DOI: 10.3321/j.issn:0253-9993.2000.04.001

    [2] 吴立新,殷作如,钟亚平. 再论数字矿山:特征、框架与关键技术[J]. 煤炭学报,2003,28(1):1-7. DOI: 10.3321/j.issn:0253-9993.2003.01.001

    WU Lixin,YIN Zuoru,ZHONG Yaping. Restudy on digital mine:characteristics,framework and key technologies[J]. Journal of China Coal Society,2003,28(1):1-7. DOI: 10.3321/j.issn:0253-9993.2003.01.001

    [3] 柴天佑. 流程工业信息化的发展状况及对策[J]. 中国制造业信息化,2023(5):30-34.

    CHAI Tianyou. Development status and countermeasures of process industry informatization[J]. Chinese Manufacturing Informatization,2023(5):30-34.

    [4] 张申,丁恩杰,赵小虎,等. 数字矿山及其两大基础平台建设[J]. 煤炭学报,2007,32(9):997-1001. DOI: 10.3321/j.issn:0253-9993.2007.09.023

    ZHANG Shen,DING Enjie,ZHAO Xiaohu,et al. Digital mine and constructing of its two basic platforms[J]. Journal of China Coal Society,2007,32(9):997-1001. DOI: 10.3321/j.issn:0253-9993.2007.09.023

    [5] 唐珂. 数字矿山一体化平台研究与实现[J]. 中国煤炭工业,2017(10):68-71. DOI: 10.3969/j.issn.1673-9612.2017.10.023

    TANG Ke. Research and implementation of digital mine integration platform[J]. China Coal Industry,2017(10):68-71. DOI: 10.3969/j.issn.1673-9612.2017.10.023

    [6] 王国法,任怀伟,马宏伟,等. 煤矿智能化基础理论体系研究[J]. 智能矿山,2023,4(2):2-8.

    WANG Guofa,REN Huaiwei,MA Hongwei,et al. Research on basic theory system of coal mine intelligence[J]. Journal of Intelligent Mine,2023,4(2):2-8.

    [7] 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. DOI: 10.13225/j.cnki.jccs.2016.1345

    HAN Jianguo. Key technology research and demonstration of intelligent mines in Shenhua Group[J]. Journal of China Coal Society,2016,41(12):3181-3189. DOI: 10.13225/j.cnki.jccs.2016.1345

    [8] 郭军. 基于3DGIS技术的数字矿山基础信息平台及其应用[J]. 工矿自动化,2010,36(1):1-5.

    GUO Jun. Basic information platform of digital mine based on 3DGIS and its application[J]. Industry and Mine Automation,2010,36(1):1-5.

    [9] 曹茂虹,徐钊,杨芬,等. 基于工业以太网的煤矿综合自动化系统[J]. 煤矿机电,2007,28(2):55-57. DOI: 10.3969/j.issn.1001-0874.2007.02.020

    CAO Maohong,XU Zhao,YANG Fen,et al. Integrated automation system of coal mine based on industrial Ethernet[J]. Colliery Mechanical & Electrical Technology,2007,28(2):55-57. DOI: 10.3969/j.issn.1001-0874.2007.02.020

    [10] 赵小虎,张凯,赵志凯,等. 矿山物联网网络技术发展趋势与关键技术[J]. 工矿自动化,2018,44(4):1-7. DOI: 10.13272/j.issn.1671-251x.17324

    ZHAO Xiaohu,ZHANG Kai,ZHAO Zhikai,et al. Developing trend and key technologies of network technology of mine Internet of things[J]. Industry and Mine Automation,2018,44(4):1-7. DOI: 10.13272/j.issn.1671-251x.17324

    [11] 丁恩杰,施卫祖,张申,等. 矿山物联网顶层设计[J]. 工矿自动化,2018,43(9):1-11. DOI: 10.13272/j.issn.1671-251x.2017.09.001

    DING Enjie,SHI Weizu,ZHANG Shen,et al. Top-down design of mine Internet of things[J]. Industry and Mine Automation,2018,43(9):1-11. DOI: 10.13272/j.issn.1671-251x.2017.09.001

    [12] 郭永文. 神华数字矿山锦界示范工程建设见成效[J]. 中国安全生产,2014,9(6):48-49.

    GUO Yongwen. Achieved results of Shenhua Jinjie digital mine demonstration project[J]. China Occupational Safety and Health,2014,9(6):48-49.

    [13] 聂百胜,彭斌,范鹏宏,等. 矿山无线安全监测预警系统设计及关键技术[J]. 煤炭科学技术,2016,44(7):53-58. DOI: 10.13199/j.cnki.cst.2016.07.009

    NIE Baisheng,PENG Bin,FAN Penghong,et al. Design and key technology on early warning system of mine wireless safety monitoring[J]. Coal Science and Technology,2016,44(7):53-58. DOI: 10.13199/j.cnki.cst.2016.07.009

    [14] 杜富瑞, 陈国良, 谷宝平, 等. 基于WSN的多金属矿井下人机定位系统设计[J]. 金属矿山, 2022, 51(12): 165-169.

    DU Furui, CHEN Guoliang, GU Baoping, et al. Design of personnel and vehicle positioning system in polymetallic mine based on WSN[J]. Metal Mine, 2022, 51(12): 165-169.

    [15] 赵国瑞. 5G+智能化煤矿顶层设计与发展趋势[J]. 智能矿山,2022,3(4):48-54.

    ZHAO Guorui. 5G+ intelligent coal mine top design and development trend[J]. Journal of Intelligent Mine,2022,3(4):48-54.

    [16] 张长森,闵杰. 面向分簇的WSN数据融合在瓦斯监控中的应用[J]. 计算机系统应用,2013,22(9):218-222. DOI: 10.3969/j.issn.1003-3254.2013.09.044

    ZHANG Changsen,MIN Jie. WSN data fusion based on cluster in mine gas monitoring application[J]. Computer Systems & Applications,2013,22(9):218-222. DOI: 10.3969/j.issn.1003-3254.2013.09.044

    [17] 李宏超,刘永,王宇江,等. 基于超融合体系的特大露天矿数据中心及应用支撑架构[J]. 露天采矿技术,2022,37(3):18-21,27.

    LI Hongchao,LIU Yong,WANG Yujiang,et al. Data center and application support architecture of super large open-pit mine based on hyper converged infrastructure[J]. Opencast Mining Technology,2022,37(3):18-21,27.

    [18] 林晓峰. 超融合技术在数据中心建设中的研究与应用[J]. 软件工程,2019,22(6):26-28. DOI: 10.19644/j.cnki.issn2096-1472.2019.06.007

    LIN Xiaofeng. Research and application of hyper-converged technology in data center construction[J]. Software Engineering,2019,22(6):26-28. DOI: 10.19644/j.cnki.issn2096-1472.2019.06.007

    [19]

    AZAGURY A C,HAAS R,HILDEBRAND D,et al. GPFS-based implementation of a hyperconverged system for software defined infrastructure[J]. IBM Journal of Research and Development,2014,58(2/3):1-12.

    [20] 冷迪. 企业数据中心超融合架构的特点和发展趋势研究[J]. 科技创新与应用,2015,5(35):37-38.

    LENG Di. Research on the characteristics and development trend of hyperconverged architecture of enterprise data center[J]. Technology Innovation and Application,2015,5(35):37-38.

  • 期刊类型引用(3)

    1. 陈生凯,明平田,申宁. 青海某金矿安全监管视频AI智能系统建设. 黄金. 2025(01): 20-23+36+6 . 百度学术
    2. 张珂. 井工煤矿智能化基础理论及关键技术. 煤矿机电. 2024(02): 35-38+45 . 百度学术
    3. 江鹤,程德强,乙夫迪,汪鹏,崔文,寇旗旗. 新一代信息技术在智能矿山中的研究与应用综述. 工矿自动化. 2024(11): 1-16 . 本站查看

    其他类型引用(4)

图(10)
计量
  • 文章访问数:  1293
  • HTML全文浏览量:  83
  • PDF下载量:  77
  • 被引次数: 7
出版历程
  • 收稿日期:  2023-07-06
  • 修回日期:  2023-09-06
  • 网络出版日期:  2023-09-26
  • 刊出日期:  2023-09-27

目录

/

返回文章
返回