基于云平台的煤矿安全智能管控信息平台设计

2019-06-22王万丽宿国瑞

煤炭工程 2019年6期

王万丽，孙超，宿国瑞

(1.包头轻工职业技术学院，内蒙古包头 014035；2.应急管理部信息研究院，北京 100029；3.辽宁工程技术大学安全科学与工程学院，辽宁阜新 123000；4.矿山热动力灾害与防治教育部重点实验室，辽宁葫芦岛 125000)

随着矿山信息化的发展，监控监测系统、人员定位系统、矿压监测系统、安全管理系统等已经在煤矿普及，并在一定程度上，提高了煤矿安全生产管理水平[1，2]。随之而来的是各类监测数据，呈现了一个指数级别的增长，已经形成TB甚至PB级别的数据集[3，4]。并且很多关键的系统和模块都处于独立应用状态，没有形成系统数据关联，造成了煤矿数据孤岛，对于采集的这些数据，并没有得到良好的利用；且随着数据量的不断增多，降低了数据存储、传输和处理的效率[5]。

随着云计算、互联网+、大数据、数据挖掘等关键技术的不断发展，在很多行业及领域得到了应用[6-10]。云计算是实现智慧矿山的基础，可以进行模拟、计算和不确定性分析等[11，12]，鉴于此笔者提出了基于云平台的煤矿安全智能管控信息平台，实现煤矿基础数据采集、存储、传输和处理等统一管理，确保数据可靠性，打破烟筒式建设，实现煤矿各生产系统互联互通，并通过数据挖掘建立煤矿安全风险分析模型对煤矿安全生产状况进行有效分析预测，对提升煤矿的安全管理水平有着重要的现实意义。

1 智慧煤矿安全管控信息平台设计

智慧矿山是两化深度融合的产物，利用物联网、云计算、大数据、人工智能等技术，将井下井上各类传感器、自动控制器等设备联合网络、软件等，形成能够主动感知、自动分析的一套智慧体系，依据学习模型，实现安全、高效、经济、绿色的矿山[13-15]。智慧煤矿安全管控信息平台将煤矿基础数据、监测监控数据、生产管理数据、工业视频数据等结构化和非结构化数据进行采集、存储、处理，通过风险分析模型预测风险情况，最后进行“一张图”发布。平台架构主要由感知层、平台层、应用层3层组成，如图1所示。

图1 煤矿智慧安全管控信息平台建设总体架构图

1)感知层：主要由现场大量传感器、工业视频前端摄像机、井下防爆终端、电源、定位装置等设备构成，实现作业现场环境安全、生产工况的全面感知，依托井下各传感装置、控制装置、定位装置的物联规则，实现各传感器、控制器之间的自动智能识别与就地控制。

2)平台层：主要依托于混合云平台，即私有云和公有云混合平台。私有云主要是煤矿集团内部管理，为煤矿涉密数据提供内部存储库；公有云作为扩展使用，主要提供计算资源，两者相结合对采集的海量数据进行清洗、选择、存储、计算、分析。同时，风险分析模型也设计在此部分，将大量风险分析指标数据，利用设计的模型进行风险分析研判。

3)应用层：主要是将采集的数据和模型计算结果进行展示，包括基础数据管理、风险分析信息、专题多维分析和基于GIS地图的“一张图”综合展示等。具备统一访问入口、统一身份管理、统一权限管理、个性化展现定制等功能，为煤矿从业人员、安全生产监管部门管理人员、集团公司相关业务人员等提供随时、随地、按需访问的安全生产领域信息的获取渠道。

2 平台实现的关键技术

2.1 混合云架构

混合云融合了公有云和私有云，是近年来云平台的主要模式和发展方向。它将公有云和私有云进行混合和匹配，以获得最佳的效果，这种个性化的解决方案，达到了既节省资源又安全的目的。根据NIST(National Institute of Standards and Technology，美国国家标准与技术研究院)定义的云计算的服务模式，混合云架构分为SPI三个层次，即“软件即服务”(Software as a Service-SaaS)，“平台即服务”(Platform as a Service-PaaS)和“基础设施即服务”(Infrastructure as a Service-IaaS)3个层次。混合云架构图如图2所示。

图2 混合云架构图

1)SaaS层主要提供智慧煤矿安全管控信息平台服务，能够使用各种设备上通过Web界面访问，可以满足多级管理用户需求。

2)PaaS层提供开发语言和工具，可以通过API接口调用Iass基础设施中混合云的资源。通过API可以获取或集成传感器、视频等多源异构数据，同时可以进行必要的数据清理，确保数据质量；可管理分布式数据库、大容量存储和高层次分析设备等。GIS平台提供可视化服务，为用户提供统一的服务接口，实现数据采集和处理、模型选择和计算资源管理。

3)IaaS层为混合云资源层，是云服务最基础层，提供动态云计算管理服务，主要包括物理资源管理，如弹性IP资源、网络设备等；虚拟资源管理，如虚拟机、镜像、存储等；自动伸缩管理；资源监控管理；用户身份管理等。

2.2 数据流转

由于智慧煤矿安全管控信息平台数据来源广泛，数据多源异构，平台所面临的基本挑战在于收集、整合、汇总和处理来自异构源的所有可能的数据，并深度数据挖掘与知识发现。数据的及时融合与处理需要大量资源，可通过云计算处理大数据并实时计算，为煤矿安全管理提供真实可靠的数据支撑。数据流转主要包括数据获取、数据存储、数据分析三方面。安全管控信息平台数据包括监测监控数据、视频数据、基础数据、管理数据。数据流转过程如图3所示。

图3 数据流转过程图

1)数据采集：采集时在煤矿部署智能采集系统，煤矿各监测监控系统数据，将按照《煤矿安全生产在线监测联网备查系统通用技术要求和数据采集标准》生成的安全监测文件，通过FTP方式，推送到煤矿端应用服务器的智能采集系统中；工业视频只采集违章视频，通过部署的视频监控系统，把实时采集的视频数据上传至部署在煤矿端的视频分析服务器上，通过视频分析服务器，对工人未戴安全帽、敏感区域人员入侵等进行分析识别，并以违章行为名称、监控点、时间等关键字进行命名，保存格式为AVI、MP4等主流视频格式。基础数据主要是煤矿证照、图纸、主要人员等信息；管理数据包括隐患、事故、“三违”等过程管控数据。

2)数据存储：需根据数据结构进行相应存储。时序数据存储，通过云表格存储服务(Cloud Table)来进行时序数据的存储；非结构化数据存储，使用文件存储服务(SFS)来进行非结构化数据(主要是视频数据)的存储；海量数据存储，通过对象存储服务(OBS)服务进行海量数据的存储；结构化数据存储，通过MySQL数据库来进行结构化数据的存储。

3)数据分析：依托煤矿基础数据、多源监测监控系统数据、安全管理数据、风险分析模型库，进行数据挖掘与知识发现，结合数值计算和模拟仿真等功能。主要包括数据加工与批处理、非实时交互分析、明细查询、实时分析、交互式查询以及分析算法库，以上都是通过搭建基于Hadoop的大数据平台来实现。

2.3 风险分析模型

风险分析模型是通过建立分析指标，利用指标的隶属度函数，将指标进行归一化处理，然后对指标进行权重计算，最够将各指标得分进行叠加，得到煤矿风险得分，评定风险等级，进行风险分析，根据分析结果制定风险管控方案。

煤矿安全风险分析指标体系选取应基于安全原理中的人、机、环、管为主体，同时考虑煤矿本身固有风险因素，并从一级指标中细化出二级指标。针对煤矿具体情况对应展开单项指标，单项指标应体现影响煤矿安全风险的关键因素。在确定指标体系后，应选取正确的风险分析模型对指标体系进行分析研判，风险分析结果等级评判方法见表1。根据评判结果，采用梯度级别预警模型，将煤矿安全风险等级分为四级，风险分析评判流程如图4所示。

采用层次分析法、隶属度函数相结合方法，建立风险分析研判模型。指标权重计算采用层次分析法。层次分析法(Analytic Hierarchy Process，简称AHP)是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。利用层次分析法进行人-机、人-环、人-管、人-固有因素，机-环、机-管、机-固有因素，环-管、环-固有因素进行两两比重研究，确定相应权重，部分指标权重结果见表2。

考虑到指标因素众多，量纲不一致，需对指标进行归一化处理。从人、机、环、管、煤矿固有因素5个方面构建隶属度函数，实现归一化处理。隶属度函数的分界值的来源主要来自于《煤矿安全规程》(2016)的相关数据，作为隶属度函数的界定标准。例如瓦斯压力指标按照《防治煤与瓦斯突出规定》规定：瓦斯压力达到或者超过0.74MPa，必须进行煤层突出鉴定。否则将处以重额罚款，并责令整顿。隶属度函数为：