煤矿安全数据分析与辅助决策云平台研究

刘海滨 刘 浩 刘曦萌

(1. 中国矿业大学(北京)管理学院，北京市海淀区，100083; 2.明尼苏达大学双城分校科学与工程学院，美国明尼阿波利斯市，55414)



★ 煤炭科技·机电与信息化 ★

煤矿安全数据分析与辅助决策云平台研究

刘海滨1刘 浩1刘曦萌2

(1. 中国矿业大学(北京)管理学院，北京市海淀区，100083; 2.明尼苏达大学双城分校科学与工程学院，美国明尼阿波利斯市，55414)

煤矿安全数据的深层次挖掘和分析对提高煤矿事故预警能力与安全管理决策水平至关重要，根据我国煤矿信息化水平和安全管理特点，分析了煤矿安全数据分析与辅助决策云平台的功能需求，确定了煤矿事故综合分析、煤矿生产系统可靠性评价和基于大数据分析的煤矿事故预警三类主要服务功能。基于云计算的服务模式，提出了基于IaaS、PaaS和SaaS等层次的煤矿安全数据分析与辅助决策云平台的系统框架，给出了各层级的具体服务内容。结合国家关于发展云计算产业的相关意见，讨论了煤矿安全数据分析与辅助决策云平台的运行模式，研究结果对煤矿安全数据分析与辅助决策云平台的开发和运营具有重要参考价值。

煤矿安全 大数据 云平台 事故预警 可靠性评价

当前，机械化、自动化、互联网、物联网、移动通信网等相关技术以及各类信息系统已在煤矿得到广泛应用，并由此积累了大量的数字、音频、视频、图片、网页、日志和文本等各种数据和信息。对这些数据和信息的采集、处理和分析在煤矿的安全生产和管理决策中发挥了一定作用。但由于缺乏统一规划，在煤矿信息化建设中普遍存在不同专业信息系统无法进行集成，信息不能实现共享，信息孤岛现象严重等问题。上述问题导致难以对煤矿积累的大量多源异构数据进行深层次的挖掘和分析，无法实现其应有的价值。

近年来，大数据技术快速发展并在零售、金融、电信、物流、医疗和交通等领域等得到广泛的应用，这种技术为我们从海量煤矿安全数据中对一些未知规律事故进行预测提供了可能。同时，云计算作为一种新兴的技术，从其理念诞生至今，已使企业IT架构从传统非云架构，向目标云化架构进行演变，云计算、大数据和物联网等技术在煤炭行业中的应用也得到越来越多的关注。当前的研究大多处在理论和应用探索阶段，随着云计算技术的成熟和应用，可以使越来越多的煤矿和煤炭企业通过租赁云计算资源，实现信息和数据共享，并可为信息和数据进行深层次挖掘和分析提供技术支持。因此，构建煤矿安全数据分析与辅助决策云平台(以下简称云平台)，对提高煤矿安全管理水平具有重要意义。

1 云平台服务功能需求分析

随着科学技术和管理水平的提高，煤矿安全管理正在实现从事后管理、事中管理向事前预控管理转变。为了实现煤矿生产风险管理的目标，既要学会从已发生的安全事故中吸取经验教训，又需要实时掌握煤矿复杂生产系统的安全可靠性，同时能够及时对煤矿可能发生的事故进行预警，以便及时采取控制措施，防止事故的发生。

1.1 煤矿事故综合分析

通过对已发生事故的科学分析，可以找出事故发生的根本原因，有针对性地制定预控措施，预防类似事故的再次发生。在云平台上，事故综合分析既要实现瓦斯、水灾、火灾、顶板、运输以及机电等典型煤矿事故信息的录入、增减和更新管理等功能，同时能够实现分析事故原因，总结事故发生规律，给出管控策略的功能。

事故信息包括事故名称、发生地点、发生时间、事故级别、事故类型、事故现场负责人、事故单位负责人、联系电话、事故简要经过、现场处理情况、已采取的措施、初步原因分析、其他情况、轻伤人数、重伤人数、失踪人数、死亡人数、损失金额、录入人、审核单位和审核人等，同时也包括事故发生前、发生中和发生后煤矿各类信息系统中记录的全部数据。

事故分析将按照成立调查组、确认工作流程、进行致因分析、制定整改措施、给出处理意见和事故档案提交的顺序开展综合分析。事故致因分析建议采用事故树分析法和PII分析法。云平台将以列表和图形的方式展示分析结果，包括事故发生的根本原因、整改措施以及分析过程中的相关文件。同时，云平台还将提供调查报告打印和档案附件下载等辅助功能。

1.2 煤矿生产系统可靠性评价

煤矿生产系统可靠性是煤矿安全生产的基本保障。在云平台上，将煤矿生产系统分为采掘子系统、通风子系统、运输子系统和供配电、设备及通信子系统等四个方面进行评价。每个子系统可基于建立的可靠性评价标准体系，利用与煤矿安全相关的实时数据和基础数据、利用构建煤矿生产系统可靠性评价模型，实现对煤矿生产系统安全性的实时分析和评价。

在构建可靠性评价标准体系中，采掘子系统可靠性评价需考虑矿井安全出口、采取和作业规程、巷道掘进与维护、顶板支护与管理、爆破器料和爆破作业、防治水系统及管理；通风子系统可靠性评价需考虑通风系统及管理、瓦斯检查及管理、安全监控及管理、瓦斯抽放及管理、防尘管理、防火管理等；运输子系统可靠性评价需考虑主运输系统、辅助运输系统、运输巷道和线路管理、其他运输管理等；供配电、设备及通信子系统可靠性评价需考虑供电系统、电气设备、照明通信、采掘设备、地面变电所和井下机硐室、空气压缩机及压力容器等。

在云平台上，各子系统可靠性评价结果以可靠性模糊隶属度的形式给出，同时也可以列表的方式分别列出各子系统中存在的不符合项，并提示相关部门针对各系统中的不符合项制定相应的改进和控制措施。

1.3 基于大数据的煤矿事故预警

根据煤矿各类信息系统产生的人员、机器设备、环境和管理等方面的实时和基础数据，利用云平台提供的事故预警模型，实现对煤与瓦斯突出、煤矿自然发火、冲击地压、煤矿水害、设备(煤矿掘进机、采煤机、刮板输送机、带式输送机、提升机、通风机、水泵、压风机、移动变电站)故障和煤矿人员不安全行为的预警，提示企业采取切实可行的措施，防止事故的发生。

煤矿安全生产相关实时数据包括环境类数据、机器设备类数据以及人员类数据。环境类数据包括煤层瓦斯含量、瓦斯压力、瓦斯涌出量、气味、C2H4浓度、C2H2浓度、氧气浓度、矿山压力、涌水量、水压、水位、水温、水质、声音变化、煤尘浓度、环境温度、微震、地音、电磁辐射、环境湿度、采掘位置、构造变化、工作面推进速度、掘进速度、工作场所照明、气象变化等实时数据；机器设备类数据包括设备累计使用时间、设备振动、设备声音、设备温度、功率、电流等实时数据；人员类数据包括在岗人数、人员分布、人员班次、工作岗位、在岗位置、健康情况、生理指标、情绪状况、不安全行为记录、处罚记录等实时数据。

煤矿安全生产相关基础数据包括基础地质数据、区域地理数据、区域经济和社会发展数据、采煤技术和工艺基础数据、设备基础数据以及人员基础数据。基础地质数据包括煤矿煤层赋存、地质构造和水文地质条件，煤种、煤质、煤自燃倾向性和发火期等；区域地理数据包括区域气温、降雨量、降雪量、气压和风况，河流、湖泊、森林和草场状况；地震、洪水、飓风、风暴潮、冰雹、雪灾、暴雨等自然灾害等；区域经济和社会发展数据包括区域人口数量、基础设施建设、就业率和失业率、教育水平、GDP、煤炭价格、运输价格、消费物价指数以及社会稳定状况等；采煤技术和工艺基础数据包括采煤系统、采煤方和采煤工艺等；设备基础数据包括设备种类、使用单位、设备生产厂商、生产日期、使用寿命、维修周期、检修次数等；人员基础数据包括姓名、性别、年龄、学历、职称、薪酬、婚姻、家庭、兴趣爱好、培训记录、专业考核、证照等在册人员的详细状况。

上述煤矿安全生产相关数据会随着技术进步、管理水平提高和认知水平提升等不断变化，因此，需要云平台具有强大的数据管理和扩展能力。

2 云平台分层架构

为了实现煤矿安全数据分析与辅助决策云平台的建设目标，即利用获取的煤矿人、机、环、管复杂系统采集的实时数据以及基础数据，实现煤矿安全事故综合分析、生产系统可靠性评价和煤矿安全事故预警等服务功能。根据云计算体系架构，结合煤矿安全数据分析与辅助决策特点和要求，可将其云平台架构设计为1个信息感知层以及IaaS、PaaS和SaaS 3个服务层，煤矿安全数据与辅助决策云平台系统架构如图1所示。

2.1 信息感知层

信息感知层的信息来自煤矿的监测监控系统、人员定位系统、井下运输监控系统、煤矿综合自动化系统、爆破监控系统、设备点检系统、煤矿安全风险预控管理系统等的实时监控、检测和检查数据，以及煤矿的地质、测量、水文和气象等基础数据。来自各类信息系统的实时数据具有数据体量巨大、数据类型繁多、价值密度低、处理速度快等大数据的典型特征。这些数据是煤矿安全数据分析与辅助决策云平台运行的基础，来自不同煤矿各类信息系统的数据在云平台汇集，为实现大数据分析提供了对象和信息保障，同时，通过对这些数据的处理，利用云平台提供的评价和预警模型为煤矿提供实时的安全预警服务和决策支持。

2.2 IaaS

IaaS(基础设施即服务)向煤矿租户提供硬件基础设施部署服务。基础硬件主要包括服务器、网络设备、存储设备和传输设备等。煤矿安全数据分析与辅助决策云平台的IaaS层通过建立大规模数据中心，为上层云计算服务提供海量硬件资源。同时，在虚拟化技术的支持下，IaaS 层可以实现硬件资源的按需配置，并提供个性化的基础设施服务。一般可采用的虚拟化技术包括Xen、Kvm和Vmare等。在使用 IaaS 层服务的过程中，煤矿需要向 IaaS层服务提供商提供基础设施的配置信息和运行于基础设施的程序代码等，以获得相对独立的存储空间，存储其运行的各类信息系统中产生的不同格式的实时数据和相关基础数据。

2.3 PaaS

PaaS(平台即服务)为煤矿租户提供数据模型、数据输入和数据ETL等数据管理服务，将存储于数据库中的数据通过抽取、清洗和转换等预处理，并按照不同的主题，建立数据仓库。在此基础上，利用数据挖掘算法和机器学习技术，实现在线和离线计算，结合煤矿安全生产专家知识，构建煤矿事故和员工行为预警模型；以《中华人民共和国安全生产法》、《煤矿安全规程》、《煤矿安全质量标准化标准及考核评级办法》等为基础，建立煤矿生产系统可靠性评价体系，采用模糊综合评判方法，构建煤矿生产系统可靠性评价模型；采用事故树分析法和PII分析法，构建煤矿事故综合分析模型等。同时，采用封装技术、接口技术等开发用于煤矿各类事故预警、生产系统可靠性分析和典型事故综合分析的中间件以及应用程序接口，为煤矿安全数据分析和管理决策应用软件开发提供支持。

2.4 SaaS软件即服务

SaaS(软件即服务)向煤矿租户提供所需的应用服务。煤矿安全数据分析与管理决策云平台将提供瓦斯、水灾、火灾、顶板、运输以及机电等典型煤矿事故的分析服务；提供煤矿采掘、通风、运输以及供配电、设备和通信等主要生产子系统可靠性评价服务；提供煤与瓦斯突出、煤矿自然发火、冲击地压、煤矿水害、煤矿设备故障和煤矿人员不安全行为等的预警服务。分析、评价和预警结果将采用可视化技术以不同方式进行展示，同时，根据分析、评价和预警结果，云平台会给出相应的对策和建议。

图1 煤矿安全数据与辅助决策云平台系统架构

3 云平台运行模式

云计算技术是一种新兴的技术，其具有按需服务、超大规模、高可扩展、虚拟化、高可靠、通用化等特点。云计算可分公有云、私有云和混合云3种类型。考虑我国煤矿信息化发展水平以及安全数据管理与分析水平，除了极少数资金实力雄厚、技术能力强、通讯网络覆盖面广、信息化水平高、下属煤矿较多的大型煤炭企业可以尝试建立煤矿安全数据分析与辅助决策私有云平台外，绝大多数煤矿适合租赁公共云平台服务，因此，煤矿安全数据分析与辅助决策公共云平台的建设是关键。

在《国务院关于促进云计算创新发展培育信息产业新业态的意见》中，鼓励大力发展公共云计算服务，实施云计算工程，支持信息技术企业加快向云计算产品和服务提供商转型。因此，在煤炭行业，应该鼓励和支持有能力的信息企业，搭建煤矿安全数据分析与辅助决策公共云平台，一方面通过公共云平台提供的服务，为更多的煤矿提供煤矿安全数据分析和预警服务降低中小煤炭企业煤矿安全信息化门槛和创新成本；另一方面在搭建的公共云平台上，实现煤矿安全历史和实时数据的快速积累，形成海量数据，这样可使其中隐含的内在关系更加清晰，煤矿人、机、环、管复杂系统中预警模型的维度更高，预测预报的精度更高。

参照当前各类云平台的运行模式，可将参与煤矿安全数据分析与辅助决策云平台的角色可以分为云租户(煤矿、相关第三方企业以及政府相关部门)、云应用开发者、云服务运营者/提供者、云设备/物理基础设施提供者，其中后3个角色可以由同一家信息技术企业担任，或者由一家信息技术企业在第三方提供的公共平台上进行云应用开发和提供运营服务，其具体服务模式如图2所示。

图2 煤矿安全数据与辅助决策云平台参与方及关系

4 应用与展望

在煤矿安全数据分析与管理决策公共云平台上，采用的煤矿生产系统可靠性评价以及人员不安全行为预警模型已在“神东煤炭集团本质安全管理信息系统”开发中进行了应用和验证，通过对煤矿人员不安行为预警和生产系统可靠性评价，使管理人员能够更加全面准确地掌控动态安全信息，保证了管理者的决策更具系统性和针对性。煤矿事故综合分析模型已在“神华集团本质安全管理信息系统”中进行了应用，实现了煤矿事故分析的规范化、流程化和科学化，确保查明事故原因，完善危险源管控措施，避免类似事故再次发生。基于大数据的煤矿事故预警模型将随着云平台的推广应用和安全数据的积累不断改进和完善，在煤矿安全管理和决策中发挥更大作用。

5 结论

(1)构建煤矿安全数据分析与辅助决策云平台是实现煤矿安全风险预控管理的重要手段。煤矿事故综合分析、煤矿生产系统可靠性评价和基于大数据的煤矿事故预警等云平台服务功能为煤矿安全管理提供了经验支持、系统保障和决策工具。

(2)在分析煤矿安全数据来源和特征基础上，基于云计算的体系框架，构建了信息感知层以及IaaS、PaaS和SaaS等层级为组件的煤矿安全数据分析与管理决策云平台的框架结构，明确了信息感知层、IaaS、PaaS和SaaS所提供的具体服务内容，阐明了煤矿安全数据储存、预处理、数据挖掘和提供决策支持的数据分析流程，为云平台的开发和运行奠定了基础。

(3)根据我国煤矿机械化、自动化和信息化水平以及安全管理的特点，认为构建煤矿安全数据分析与管理决策公共云平台是理想的选择。同时建议在煤炭行业应该鼓励和支持致力于煤矿安全管理软件开发的信息技术企业，开发和运营煤矿安全数据分析与辅助决策公共云平台，为煤矿提供安全数据分析和辅助决策服务。

[1] 郝贵，刘海滨，张光德. 煤矿安全风险预控管理体系[M]. 北京: 煤炭工业出版社，2012

[2] 王海军，武先利. “互联网+”时代煤矿大数据应用分析[J]. 煤炭科学技术，2016(2)

[3] 谭章禄，陈晓. 煤炭企业信息化建设现状及发展对策探讨[J].工矿自动化，2016(7)

[4] 宫夏屹，李伯虎，柴旭东等. 大数据平台技术综述[J]. 系统仿真学报，2014(3)

[5] 孙继平. “互联网+煤炭”与煤矿信息化[J]. 煤炭经济研究, 2015(10)

[6] 顾炯炯. 云计算框架技术与实践[M].清华大学出版社,2016

[7] 孙继平.煤矿事故分析与煤矿大数据和物联网[J].工矿自动化,2015(3)

[8] 李光荣，田佩芳，刘海滨.煤矿安全风险预控管理信息化云平台研究[J].中国安全科学学报，2014(2)

[9] 马小平，胡延军，缪燕子. 物联网、大数据及云计算技术在煤矿安全生产中的应用研究[J].工矿自动化，2014(4)

[10] 张科利，王建文，曹豪. 互联网+煤矿开采大数据技术研究与实践[J] .煤炭科学技术，2016(7)

[11] 沈宇，王祺. 基于大数据的煤矿安全监管联网平台设计与实现[J]. 矿业安全与环保,2016(6)

[12] 李树刚，马莉，杨守国. 互联网+煤矿安全信息化关键技术及应用构架[J].煤炭科学技术，2016(7)

[13] 罗军舟，金嘉晖，宋爱波等. 云计算：体系架构与关键技术[J]. 通信学报，2011(7)

[14] 丁振，张驎. 浅析大数据技术助力煤矿安全管理[J].中国煤炭，2015(10)

[15] 题正义，张钦祥. 安全生产法规教程[M].北京：煤炭工业出版社，2015

[16] 李昊，李明珠，张俊虎. 煤矿水害防治中事故树分析法的应用研究[J]. 华北科技学院学报, 2015(4)

[17] 张景钢，安美秀.基于PII分析法的煤矿瓦斯事故分析研究[J].煤矿安全，2016(9)

[18] 冯占科.数字矿山生产执行层综合分析系统的研究与实现 [J].中国煤炭，2016(6)

(责任编辑 路 强)

Study on cloud platform of safety data analysis and assistant decision-making in coal mine

Liu Haibin1, Liu Hao1, Liu Ximeng2

(1.School of Management, China University of Mining & Technology, Bejing, Haidian, Beijing 100083, China; 2.College of Science and Engineering, University of Minnisota, Twin Cities, Minneapolis, Minnisota 55414, USA)

Deep mining and analysis of coal mine safety data was of great importance to improve coal mine accident early warning capability and safety management decision-making level. According to informatization level of coal mine and characteristics of safety management in China, functional requirements of the coal mine safety data analysis and assistant decision-making cloud platform were analyzed, and coal mine accident comprehensive analysis, production system reliability evaluation and coal mine accident forecast based on big data analysis were determined. Based on the service model of cloud computing, framework of coal mine safety data analysis and assistant decision-making cloud platform was put forward based on IaaS, PaaS and SaaS, and service contents of each level were specified. Combined with the nation's relevant opinions on the development of cloud computing industry, operation mode of the coal mine safety data analysis and assistant decision-making cloud platform was discussed. The results of the study were of guiding significance and reference value for the development and operation of coal mine safety data analysis and assistant decision-making cloud platform.

coal mine safety, big data, cloud platform, accident forecast, reliability evaluation

教育部新世纪优秀人才支持计划项目(NCET-10-772)

刘海滨，刘浩，刘曦萌. 煤矿安全数据分析与辅助决策云平台研究[J].中国煤炭，2017，43(4)：84-88，136. Liu Haibin，Liu Hao， Liu Ximeng. Study on cloud platform of safety data analysis and auxiliary decision-making in coal mine[J]. China Coal，2017，43(4)：84-88，136.

TD-918

A

刘海滨(1969-)，男，吉林公主岭人，教授，博士生导师，主要研究方向为安全管理、管理信息系统和能源系统工程。