前言：想要寫出一篇引人入勝的文章？我們特意為您整理了礦井大型設備運行數據采集淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

［摘要］大型設備運行大數據系統融合物聯網、云計算、大數據、人工智能等技術，具備全面感知、趨勢預測、風險隱患預警及生產管理與安全管理智能決策支持等能力，是實現少人或無人化礦山的必經階段。未來應緊密圍繞大型設備運行情況深度感知、數據深度挖掘、安全生產與管理決策支持等核心問題，綜合運用物聯網技術、大數據技術及智能決策支持技術，形成對礦井大型設備安全運行的強大支撐和保障，為最終實現無人礦山奠定堅實基礎。

［關鍵詞］礦井；大型設備；數據采集及分析

1礦井大型設備運行數據采集的意義

礦井大型設備（提升機、主通風機、空壓機、主排水泵、主運皮帶）主要擔負礦井提升、通風、壓風、排水、運輸等重要任務，是保證礦井安全生產最重要的裝備和環節。2002—2012年，由于工業快速發展產生的巨大電力需求，極大地刺激了煤炭產業的發展，從而造就了煤炭行業的“黃金十年”。煤炭行業固定資產投資逐年增加，礦井大型設備因此也得到了更新換代［1］。2013年，隨著我國工業發展轉型、節能減排以及新能源快速發展，煤炭行業面臨的下行壓力逐步顯現，煤炭行業固定資產投資逐年減少，礦井大型設備電控系統也開始進入老化期，嚴重地威脅著礦井和職工的安全。因此，研究礦井大型設備運行數據采集及分析應用具有非常重大的意義。

2礦井大型設備運行大數據的建立

礦井大型設備運行大數據一般采用傳感器監測獲取和人工采集錄入2種方式。原則上以傳感器采集為主，以人工采樣錄入為輔，數據通過數據通訊接口實時提交到上級聯網數據中心。

2.1礦井大型設備自動化控制系統

礦井大型設備自動化控制系統主要包括：主提升絞車自動化控制系統、主通風機自動化控制系統、空壓機自動化控制系統、主排水泵自動化控制系統和主運皮帶自動化控制系統［2］。

2.2礦井大型設備數據采集方法

根據國家煤礦安全監察局科技和信息化司2019年5月公布的《煤礦感知數據接入規范（試行）》，礦井大型設備數據采集分為礦井級、省市級、國家級3種類型，分別通過FTP、WebService、Socket、消息隊列等方式實現數據交換。礦井大型設備數據采集傳輸模型如圖1所示。2.2.1FTP方式服務器端提供FTP接口，分單位、礦井設置不同的目錄路徑、用戶名、密碼，按照規定的通訊文件格式將數據文件提交到相應目錄，供服務器端讀取數據。2.2.2Web服務方式采用標準的Web服務模式，以獲取安全生產監測配置數據，所需數據為設備編碼、設備類型、安裝日期、生產廠家、安裝位置X、安裝位置Y、安裝位置Z）。數據采集有以下2種模式：①拉數據模式。在礦端由監控廠家部署WebServices程序，用于提取組合監測數據，在數據中心端由集成廠家部署采集程序，按照數據接口規范采集數據。②推數據模式。在數據中心由集成廠家部署WebServices程序，用于接收數據，在礦端由監控廠家部署采集程序，按照數據接口規范推送數據到數據中心。2.2.3讀取礦端生成的XML文件模式在礦端由監控廠家根據文件規范標準生成礦端XML文件，在數據中心端由集成廠家部署采集程序，使用FTP、文件夾共享、WebServices等方式，讀取礦端XML文件。

3礦井大型設備運行大數據分析方法

原始數據體現出量大而價值密度低的特點，利用大數據技術對獲取的各類數據在一定準則下加以自動分析、優化綜合，通過挖掘、獲知來判斷設備和環境狀態，發現異常事件和潛在危險。因此，礦井大型設備運行數據深度挖掘需要對多源數據進行挖掘，并注重對不同數據之間關系的挖掘，以獲取、提供所需的決策和計劃任務。這種基于多源信息的大數據融合是協調優化和綜合處理的核心所在。

3.1礦井大型設備運行大數據類型

礦井大型設備運行大數據按照現場信號類型分為模擬量及開關量2種。其中模擬量主要是溫度、壓力、負載電流及電壓等，開關量主要是設備保護及運行狀態參數。模擬量分為電壓型信號和電流型信號。其中，電壓型信號為弱信號傳送，易受到外界干擾源的干擾；電流型信號受外界干擾小可以實現遠距離傳送。為確保遠距離信號傳送的穩定可靠，采用增加屏蔽措施或加裝變送器，可減少環境對信號的影響。開關量傳送采用直接連接到數字量采集模塊或加裝變送器轉換再進行傳送2種方式。

3.2礦井大型設備運行大數據特征

規模性：礦井大型設備運行數據的產生和積累都達到了TB數量級。多樣性：礦井大型設備運行數據的來源多樣性，不僅包括實時采集數據，還包括臺賬、記錄等紙質類數據。快速性：礦井大型設備運行數據通過工業控制網絡實時進入數據倉庫，需要大數據快速實時地處理各種數據。價值性：通過挖掘礦井大型設備運行數據間的相關關系，從而發現規律，提前預警，將事故消滅在萌芽階段。

3.3大數據實時性分析

實時性分析主要是對控制系統的實時數據進行分析，根據控制系統設定的報警值及報警持續時間進行分級報警，并根據不同崗位，通過語音、消息推送等方式對報警異常信息進行分級提醒，確保礦井大型設備安全運行。

3.4大數據歷史性分析

礦井大型設備在使用過程中，雖然能通過實時性分析發現即時隱患，但是大多數還是需要進行歷史性對比分析，才能獲取決策性數據。比如主提升鋼絲繩壽命、箕斗過煤量、電機保養情況等，這些基礎數據的歷史對比將會給礦井大型設備的預防性檢修維護提供數據支撐，確保礦井大型設備安全高效運行。3.4.1對比分析。在實時數據進入數據庫前，與前期歷史數據進行分析對比，根據對比規則完成數據分析工作，并發出預警通知，按照等級向單位負責人、分管負責人、技術人員進行分級反饋，由接收人及時進行處理并進行跟蹤。3.4.2經驗值分析。在煤礦設計、建設、生產一系列過程中，從借鑒前蘇聯技術及標準，到自主形成國內技術及標準體系，對設備的選用、維修維護、運行狀態等均積累了大量的經驗數據，為礦井大型設備運行大數據分析提供了數據支撐。通過與經驗值的分析、對比，及時發現風險隱患并加以消除，確保礦井大型設備安全運行。3.4.3綜合分析。基于對比分析和經驗值分析的一種方法，能更好地體現和發現各類風險隱患。

4礦井大型設備運行大數據結果應用

通過自動分析并能實時給出調整策略，從主動感知能力、自動分析能力及快速處理能力出發，滿足礦井大型設備安全運行需要。

4.1設備狀態深度感知

自動化系統已經具備感知能力，但總體感知能力尚不充分。通過大數據的主動感知能力，在原有感知的基礎上進行自動分析與快速處理，獲得設備狀態的深度感知。這種更精準的感知更加全面和深入，涉及礦山的人員、設備、環境、管理等各方面的動態變化，能夠確認變化發生的具體部位，如發生煙霧報警的帶式輸送機運行狀況。

4.2運行數據深度挖掘

原始的運行數據體現出量大而價值密度低的特點，必須通過數據分析和挖掘才能獲知對設備和環境狀態的判斷，對異常事件的監測及對潛在危險的預警等。大型設備運行數據類型繁多，如反映各類設備工作狀態的數據；反映溫度、瓦斯濃度、壓強等環境參數的數據；反映工作人員地理位置等信息的數據。因此，深度挖掘必須具備對多源數據的挖掘能力，更重要的是注重對不同數據之間關系的挖掘。

4.3安全生產與管理決策支持

在狀態判斷、異常監測、危險預警的基礎上，必須結合大型設備安全運行專業知識，自動做出合理決策，以實現對人員、設備和環境的調整與控制，從而保證大型設備安全高效運行。

5結語

大型設備運行大數據系統融合物聯網、云計算、大數據、人工智能等技術，具備全面感知、趨勢預測、風險隱患預警及生產管理與安全管理智能決策支持等能力，是實現少人或無人化礦山的必經階段。未來應緊密圍繞大型設備運行情況深度感知、數據深度挖掘、安全生產與管理決策支持等核心問題，綜合運用物聯網技術、大數據技術及智能決策支持技術，形成對礦井大型設備安全運行的強大支撐和保障，為最終實現無人礦山奠定堅實基礎。

［參考文獻］

［1］姚西龍，slyve，高燕桃.我國煤炭產業的轉型發展研究［J］.煤炭經濟研究，2018，38（11）：11-16.

［2］王國法，杜毅博.智慧煤礦與智能化開采技術的發展方向［J］.煤炭科學技術，2019，47（1）：1-10．

作者:楊海鵬 單位:中國礦業大學信控學院 棗莊礦業集團公司