“智能化矿山数据治理”专题_中国煤炭行业知识服务平台

首页 > 专题

“智能化矿山数据治理”专题

来源：工矿自动化

专题来自于《工矿自动化》2023年05期，共5篇研究成果。

行业视野: 智能化
类别; 31个
关键词; 18位
专家; 5篇
论文; 1227IP
点击量; 0次
下载量

综采工作面海量数据挖掘分析平台设计

作者(Author)：王宏伟, 杨焜, 付翔, 李进, 贾思锋

摘要：当前综采工作面海量数据采集的实时性和完整性差、异常数据清洗耗时大、数据挖掘时延大，导致综采数据利用率低，无法辅助管理层实时下发决策指令。针对上述问题，设计了一种综采工作面海量数据挖掘分析平台。该平台由数据源层、数据采集存储层、数据挖掘层和前端应用层组成。数据源层由工作面各类硬件设备提供原始数据；数据采集存储层使用OPC UA网关实时采集井下传感器监测信息，再通过MQTT协议和RESTful接口将数据存入InfluxDB存储引擎；数据挖掘层利用Hive数据引擎和Yarn资源管理器筛选数据采集过程中受工作现场干扰形成的异常数据，解决因网络延时导致的数据局部采集顺序紊乱问题，并利用Spark分布式挖掘引擎挖掘工作面设备群海量工况数据的潜在价值，提高数据挖掘模型的运行速度；前端应用层利用可视化组件与后端数据库关联，再通过AJAX技术与后端数据实时交互，实现模型挖掘结果和各类监测数据的可视化展示。测试结果表明，该平台能够充分保证数据采集的实时性与完整性，清洗效率较单机MySQL查询引擎提升5倍，挖掘效率较单机Python挖掘引擎提升4倍。

工矿自动化

2023年第05期

248
智能化煤矿大数据治理关键技术研究、实践与应用

作者(Author)：方乾, 张晓霞, 王霖, 石磊, 王雅琨

摘要：针对智能化煤矿建设过程中存在的“数据孤岛”现象严重、数据质量低、数据治理体系缺乏、数据赋能不够充分等问题，分析了智能化煤矿大数据治理的基本需求，研究了智能化煤矿的数据采集和存储、数据清洗与标准化处理、数据资产规划、数据共享交换等关键技术。结合小保当煤矿数据治理现场实践情况，提出了基于工业互联网体系的智能化煤矿大数据治理总体技术架构，该架构功能与智能化煤矿大数据治理的基本需求相对应，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开发提供数据服务，中间沉淀煤矿各类业务指标、模型算法，形成煤矿重要的数据资产。基于不同的数据接入协议，通过数据接入存储服务统一接入煤矿各系统的数据；通过数据清洗与标准化服务实现数据加工，提升数据质量；采用分层治理架构将数据转换为体系化的分层数据资产；通过数据共享服务将数据资产以标准接口的方式提供给其他系统使用，实现数据价值落地。从煤矿单系统应用、矿井级应用和公司级系统应用全方面展示智能化煤矿数据治理成果在不同业务场景下的实践应用情况，智能化煤矿大数据经过统一的数据治理之后，能够实现数据的融合应用，打破数据孤岛，提升数据质量，形成煤矿独有的数据资产，为煤矿生产运营提供重要价值。

工矿自动化

2023年第05期

310
智能化煤矿数据治理体系与关键问题研究

作者(Author)：谭章禄, 王美君, 叶紫涵

摘要：智能化煤矿数据治理是实现煤矿智能化建设高阶段发展目标的关键瓶颈，对于确保数据运营合规、保障数据质量、防控数据风险、提升数据价值具有重要意义，但目前缺乏完善的方法论体系指导智能化煤矿数据治理的理论研究和技术实践。针对该问题，从数据治理要素、治理机制、治理层次和治理过程4个维度构建智能化煤矿数据治理要素-机制-层次-过程参考模型，提供多维度融合的方法论视角和理论分析逻辑，达成对关键问题的认识。分析得出复杂系统理论、数据战略管理理论、协同创新理论、数字连续性理论、公共治理理论、信息生命周期理论、PDCA循环理论是智能化煤矿数据治理重要的理论基础。在智能化煤矿数据治理参考模型的指导下，基于相关理论基础，构建包括数据治理环境、驱动与保障因素、顶层设计、数据治理域、数据治理过程与能力5大组成部分的智能化煤矿数据治理体系框架。对标智能化煤矿数据治理体系框架，得出智能化煤矿数据治理尚需进一步突破数据价值运动规律揭示、元数据与数据字典构建、数据质量和数据安全体系管理规则设计、复杂巨系统数据耦合模型开发和数字智慧发生规律建模等5个方面的关键问题。

工矿自动化

2023年第05期

253
煤矿综采设备故障知识图谱构建

作者(Author)：蔡安江, 张妍, 任志刚

摘要：现有煤矿综采设备故障诊断方法缺乏对综采设备历史故障数据的系统化管理及应用，针对该问题，引入知识图谱技术对综采设备故障数据进行系统化管理。采用自顶而下的方法对综采设备故障知识进行本体构建，将综采设备故障知识归纳为故障位置、故障现象、故障原因、处理方法 4类，并进行规范化命名；采用通用的命名实体标注方法 BIOES对综采设备故障知识进行人工标注；将双向长短期记忆（BiLSTM）和条件随机场（CRF）相结合，构建BiLSTM-CRF模型，对已标注的综采设备故障知识进行命名实体识别，并通过人工抽取实体关系，从而实现故障知识抽取；结合BiLSTM-CRF模型的实体识别结果和人工抽取的实体关系，使用Neo4j图数据库存储综采设备故障知识，构建综采设备故障知识图谱。实验结果表明，相较于BiLSTM模型和BiLSTMAttention模型，BiLSTM-CRF模型精确率显著提高，为87%,F1值也有一定幅度上升，为69%。综采设备故障知识图谱的构建可为大规模、多域综采设备故障数据的有效分析、管理及应用提供支持。

工矿自动化

2023年第05期

222
煤矿安全大数据特征及治理方法体系研究

作者(Author)：陈孝慈, 李东海

摘要：高效分析利用煤矿安全大数据，对于提高煤矿的安全管理水平和生产效率具有重要意义。目前煤矿安全大数据治理存在数据特征不明、治理方法不清等问题，针对该问题，着重分析了煤矿安全大数据特征，得出煤矿安全大数据具有5V特征，即数据体量大（Volume）、数据类型多（Variety）、处理速度快（Velocity）、价值密度低（Value）、真实性（Veracity），此外还具有结构化程度不一致的特征。介绍了可应用于煤矿安全管理中的主要数据治理方法及模型，并分为单变量方法、多变量统计分析方法、智能模式识别方法、系统动力学模型和综合集成模型五大类。从主体和客体的视角，提出了煤矿安全大数据治理方法体系，认为数据治理方法的选择必须与智慧矿山的主体、客体的数据治理目标相契合。基于主体的治理方法选择：根据数据主体的需求、层次、担负的任务及安全管理目标确定数据治理具体内容；基于客体的治理方法选择：根据客体对象的时效性、吞吐量要求及安全管理目标确定数据治理具体内容。最后得出煤矿安全大数据治理方法的确定需要在统一目标和统一标准下，根据作用域和作用对象的不同，满足共性和个性需求。

工矿自动化

2023年第05期

194