智慧矿山安全管控大数据平台建设探讨--中国期刊网

字体：大中小

首页> 原创作品> 正文

智慧矿山安全管控大数据平台建设探讨

发表时间：2020/10/14 来源：《基层建设》2020年第19期作者：宋跃进王腾

[导读] 摘要：我国经济的发展离不开能源的支持，非金属矿就是其中非常重要的一种能源，怎样才能确保矿山的安全生产，进而为我国经济的高速发展提供保障支持已经是我国目前关注的一项重点内容。

        中国非金属材料南京矿山工程有限公司江苏省南京市 210000
        摘要：我国经济的发展离不开能源的支持，非金属矿就是其中非常重要的一种能源，怎样才能确保矿山的安全生产，进而为我国经济的高速发展提供保障支持已经是我国目前关注的一项重点内容。近些年来，伴随着对安全生产重视度的不断提高，在对矿山现有的安全检测控制系统和自动化系统进行应用的基础上，大数据等信息技术也越来越被人们所关注。本文就主要对智慧矿山安全管控大数据平台建设进行了分析研究。
        关键词：智慧矿山；安全管控；大数据
        引言
        非金属矿能源是我国重要的能源之一，也是确保经济建设和人们生活水平有序进行的重要保障。目前，如何在现有的条件下对大数据等信息技术进行利用，来不断提高矿山监测预警体系的自动化和智能化水平，从本是上对矿山的成产安全予以保证，已经成为相关专家学者需要重点关注的问题。
        1矿山安全管控平台建设需求分析
        1.1对数据获取的多样性要求进行满足
        想要确保矿山安全管控的精准实施，就必须要对海量的数据中进行挖掘并做好安全评估工作。基础数据、经营投资和安全管理数据、外部数据和物联感知数据都是矿山生产的重要数据类型。主要的矿山静态数据包括了矿山的基础信息、经营投资数据、安全管理数据等。矿山动态的物联网感知数据指的主要就是企业生产过程中感知设备所收集的包括设备运行状态、环境参数等数据，这些数据都属于工业大数据，具有时间跨度大、增长速度快、位置相关的特点。外部数据主要指的就是企业的生产活动和产品投放向相关企业的外部信息，其主要的来源式企业舆情、市场预测、行业评价等互联网数据。如何对静态和动态数据进行全面采集，以此来对数据的全面性和多样性进行保证，这已经成为了建设智慧矿山安全管控大数据平台的重要基础保障。
        1.2与矿山生产大数据的特征相适应
        矿山大数据的主要特点就是体量大、增长速度快、数据种类多、价值密度低、可信赖性低等一般大数据的特点特征。数据体量大主要指的就是矿山企业在生产的过程中产生不间断的动态数据，比如说机电设备运转数据、检测数据、相关人员运动轨迹数据、视频监控图像等多种数据，并且矿山安全监管部门多年来也一类了大量的执法和监管数据。增长速度快主要指的是自动化和物联网系统大量的运用到了矿山安全生产管理中，子系统的数量越来越多，并且各个系统二十四小时不间断运行，这样一来就产生了大量的数据，使数据的增长速度不断加快。数据种类繁多主要指的就是有结构化数据和有半结构化与非结构化数据，有结构化数据主要是瓦斯监测数据、产量、入井人数等，有半结构化和非结构化数据主要使照片、音频文件、监控视频流、规章制度文件、应急预案等，这里恶行数据的比例相对要高一些。数据交织密度低主要说的就是井下得各种类型得监测设备和传感器在实时运行，对井下生产环境和设备运行状况进行连续得监控，进而产生海量得不间断数据，但是具有真正价值得数据比例却不高。可信赖性低主要说的就是以目前生产安全管控的情况来看，数据填报得真实性、周期性、可获取性都比较差，共享交换数据、非结构化视频数据得真实性、周期性、可获取性比较好，感知的监测监控数据的实性、周期性、可获取性需要进行提高。对数据得可获取性问题进行解决，确保数据的真实有效，使进行平台建设的重要基础。
        1.3对全方位的数据和信息进行融合
        不同来源数据间相互关联和自相关也是矿山大数据所具有的一个重要特征，从关联的复杂海量数据中进行潜在知识的挖掘，并获取可分析过去、感知现在和预测未来的深层智慧，以此来保证风险预警和智能研判的实现。矿山行业历经了对年的信息化应用，产生了海量的结构化数据和非结构化数据，主要有矿山的地质测量数据、生产自动化监测控制数据、以瓦斯及一氧化碳为主的环境监测监控数据、GIS数据、矿图数据和监控视频的图像数据等。结构数据使技术人员需要重点分析的数据，约占5%。剩下的一些格式不一、混杂的板结构化和非结构化的数据现在还没能被开发和利用。大数据分析技术可以从更多的酵素进行事故的预测和感知，实现安全管理关口前行，同传统的事故分析相比精确度更高，不过全方位数据和信息的智能感知与融合分析使目前急需解决的问题。
        2智慧矿山安全管控平台的关键技术分析
        2.1网络服务和集群服务
        矿山对于海量数据进行存储需要根据数据的类型采用不同的关系型数据库、分析型数据库和实时数据库进行存储，以使用频率的不同按照热数据、问数据、风数据进行维护和规划。由于海量数据中会存在数据准确性不高、干扰数据多等数据质量问题，因此，就需要高度重视数据的治理工作，做好元数据管理、数据规则制定和质量评估等工作。
        2.2风险指标体系的构建技术
        矿山行业属于一种高位行业，在进行矿山井下开采的过程中会遇到复杂的地质条件，不仅工作场所狭窄、环境恶劣，同时还存在这火灾、水灾、瓦斯、冒顶、煤尘等几大灾害，为矿山的安全生产造成了严重的威胁。另外矿井的持续生产以及新技术、新采区、新工作面的不断开拓，都会使风险管理工作变得更为复杂。风险指标体系构建技术能够在矿山信息化建设的基础上对放线评估中头脑哦风暴和专家经验的参与权重进行弱化，以相关的矿山安全生产标准规范为主要依据，对多源实时感知的动态信息和安全管理过程等静态信息进行综合。风险的指标模型使两种指标体系和五类主要指标构成的，主要指标里的因素动静结合、区域企业双重风险研判和指标权重动态计算的主要特征。具体的指标体系构建如下图所示。

                              风险指标体系
        2.3视频智能的分析技术
        为了对矿山生产安全与以保证，企业就需要进行视频监控系统的安装。地面调度人员可以通过视频来实时监控井下的情况，在调度指挥、安全生产、危险救援等方面都起到了积极的促进作用。不过从目前的情况来看，视频监控还使需要由人工进行监视，这样一来就会使得人们出现疲倦的时候无法进行及时、精准的监控，如果再受到外界环境的影响，就会导致无标区分不当，最终对监控人员的判断产生影响。视频智能分析技术，能进行图像处理、人工智能、模式识别等多项工作，对以往的被动监控状态进行了改变，在提供视频画面的同时，还能够对视频信息进行主动的只能发分析，对物体进行识别和区分，自定义事件的类型，一旦发现了突发事件和异常情况能够在第一时间发出警报，能够有效的对人力疲惫的局限性进行攻克，协助安全人员进行高效的突发事件处理。
        3.4综合预测预警关键技术
        第一种是隐患关联预测，主要是通过对历史排查隐患描述的文本进行分割、属性统计和语义识别，对隐患发生的类型、程度、季度等属性之间的关联度进行度量，对隐患的发生规律进行挖掘，做好时间维度、空间维度的隐患预测。
        第二种是主要灾害风险预警，在事故致因经验的基础上，对各个监测刺痛的感知信息进行融合，在事故树中实时监测矿井不同位置的节点撞他，对灾害的趋向性进行评估和预警。同灾害风险实时动态评估模块的评估结果相结合，对风险水平高、预警灾害可能发生的原因进行追溯，对危险源的位置进行明确，为企业明确整改对象。
        结束语
        总之，矿山资源对于我国经济的发展有着至关重要的推动作用，伴随着矿山信息化建设水平的不断深入和提高，数据采集的广度和深度也在不断的发生变化，在未来的发展中智慧矿山安全管控数据大平台必然成为生产经营者需要应用的一项重要安全管理技术。
        参考文献
        [1]贺耀宜．智慧矿山评价指标体系及架构探讨[J]．工矿自动化，2017，43(9):16－20．
        [2]吕鹏飞，何敏，陈晓晶，等．智慧矿山发展与展望[J]．工矿自动化，2018，44(9):84－88．
        [3]谭章禄，马营营，郝旭光，等．智慧矿山标准发展现状及路径分析[J]．煤炭科学技术，2019，47(3):27－34．