智慧露天矿山总体框架及关键技术研究
2021-09-02付恩三刘光伟赵浩曲业明邸帅姜琳
付恩三, 刘光伟, 赵浩, 曲业明, 邸帅, 姜琳
(1.应急管理部 信息研究院,北京 100029;2.辽宁工程技术大学 矿业学院,辽宁 阜新 123000;3.应急管理部 研究中心,北京 100713;4.内蒙古吉林郭勒二号露天煤矿有限公司,内蒙古 锡林浩特 026200)
0 引言
露天开采是一个复杂的系统工程,涉及的系统繁多、工艺复杂、各环节作业场所关联度高。随着我国工业化和信息化融合不断加深,露天矿山企业建设了相应的信息化系统和业务平台,使得露天矿山各生产业务部门的信息有效共享,实现了生产、管理、安全、销售等各环节融为一体的新局面。随着云计算、人工智能、物联网和大数据等技术快速发展,出现了智慧城市、智慧医疗、智慧物流、智慧林业、智慧农业等新兴发展模式[1]。充分利用云计算、大数据、三维云平台等手段,进行多源数据深度分析和学习,以最小生态扰动为目标,建设融安全、绿色、环保、高效、智能、可视化于一体的新型智慧矿山具有重要意义[2]。
目前对智慧露天矿山总体建设框架的研究较少。王国法等[3]对我国智慧矿山建设进行了规划,但主要侧重于井工煤矿;王忠鑫等[4]提出了基于建筑信息模型的智慧露天矿协同工作平台架构与关键技术。王祥生[5]提出了智慧露天矿安全系统平台建设。张瑞新等[6]提出了智慧露天矿山建设基本框架及体系设计。付恩三等[7]提出了基于“互联网+”智慧露天煤矿建设发展新构想。赵国瑞[8]针对煤矿智能开采初级阶段问题与5G应用关键技术进行了研究。在上述研究的基础上,本文以构建具有深度学习能力的智慧露天矿山为目标,研究了智慧露天矿山的总体框架和关键技术,以期形成具有感知、互联、分析、自学习、预测、决策、控制等功能的完整智慧矿山系统[9-10]。
1 智慧露天矿山定义
近年来,国内专家学者相继提出感知矿山、智能矿山、智慧矿山等概念,但从整个矿山行业来看,目前并未形成明确统一的智慧矿山的概念,也未形成统一的评价指标体系、建设思路和规范体系[11-12]。许多矿山企业宣称已建成智慧矿山,但建成的智慧矿山水平差异较大[13]。目前,整个露天矿山迫切需要对现有自动化设备进行智能化改造,对海量数据进行深度挖掘分析,将不同维度的数据信息进一步关联,从而使整个矿山具有自我分析和决策的能力[14-18]。
智慧露天矿山的建设需要构建快速感知、实时监测、超前预警、联动处置、系统评估、应急联动等新型能力体系,提升数字化管理、网络化协同、智能化管控水平,形成完善的露天矿山支撑和服务体系,实现更高质量、更有效率、更可持续、更为安全的发展模式[19-23],最终实现开采无人化、监测感知实时化、风险预警智能化、应急处置快速化、绿色开采一体化的智慧露天矿山新生态。
结合我国露天矿山的特点,给出智慧露天矿山的定义:智慧露天矿山是一种全新的矿山生态,通过关键的基础设施和创新应用新技术,在矿山优化开采工艺的基础上,融合矿山地理信息、人员信息、设备信息、环境信息、管理信息等多维数据,实现露天矿山全面互联、协同开采、灾害预警及上下游产业链、价值链的全面融合,不断创新传统矿山生产模式和产业形态,推动矿山企业加速产业升级转型,最终提升露天矿山的自学习、分析和决策能力。
2 智慧露天矿山架构
2.1 总体网络架构
智慧露天矿山采用云、边、端的总体网络架构,如图1所示。端:指接入的生产业务系统中的设备,主要实现各生产环节感知数据接入。边:主要是指边缘计算服务。云:主要提供相应的云端服务,包括模型、算法、数据协议、大数据平台等。通过接入露天矿山多源异构数据,充分应用大数据、云计算等先进技术,实现地质储量分析、开采方案优化、边坡安全预警、设备实时调度及经营指标多维分析,从而实现露天矿山各个生产环节的协同关联。
图1 智慧露天矿山总体网络架构
2.2 业务架构
智慧露天矿山业务架构采用“5层+3体系”的模式,如图2所示。“5层”自下而上分别为基础设备层、业务数据层、分析服务层、分析业务层和分析展现层,“3体系”分别为数据分析标准体系、安全规范标准体系、元数据及代码规范标准体系。基础设施层主要包括服务器、互联网、物联网、存储设备和计算平台等内容,为智慧露天矿山提供硬件基础和网络数据传输基础。业务数据层主要涵盖智慧露天矿山生产过程中的多维数据,包括地质模型数据及边坡、车辆实时监测数据等。分析服务层主要为露天矿山三维系统提供地理信息系统(Geographic Information System,GIS)服务、数据清洗服务、数据查询服务等。分析业务层实现露天矿山业务分析,涵盖边坡数据在线监测、车辆工况数据监测、成本分析、决策支持等。分析展现层主要实现露天矿山分析结果的可视化展示、多维数据综合查询和展示、GIS“一张图”综合展示等功能。
图2 智慧露天矿山业务架构
2.3 智慧露天矿山协同流程
智慧露天矿山协同自下而上要实现“基础+数据”支撑、矿山生产系统协同、灾害风险分析协同及经营决策协同,如图3所示。
图3 智慧露天矿山协同流程
(1)“基础+数据”支撑。智慧露天矿山“基础+数据”支撑主要包括地质云、数据库建设、大数据支撑、模型算法及移动互联网建设等内容,如图4所示。地质云实现对智慧露天矿山地质资源数据的三维化,展示露天矿山的资源储量及分布。数据库建设包括时序库、关系库及非关系数据库的建设。大数据支撑实现对多维数据的实时采集,将露天矿山的各类结构化数据、非结构化数据进行分类存储,同时,将各类数据按照使用频率分成热数据、温数据、冷数据,用于海量多源异构数据的融合分析。模型算法主要实现算法更新、模型选择应用,如故障诊断算法、边坡风险分析模型等。移动互联网主要是指5G网络建设。“基础+数据”支撑将为露天矿山协同生产提供基础保障,具有重要意义。
图4 “基础+数据”支撑
(2)矿山生产系统协同。智慧露天矿山生产系统协同主要提供协同生产的能力,实现露天矿山各系统环节的协同目标。生产系统协同主要体现在露天矿山各个生产环节,如穿孔、爆破、测量、剥离、采煤、排土、复垦等。涉及的关键技术包括路径优化、物料流规划、边坡监测设计、生产规划等。以露天矿山穿爆剥采排为例,地质部门、测量部门、采矿部门之间的协同关系如图5所示。
图5 矿山生产系统协同关系
(3)灾害风险分析协同。露天矿山灾害风险分析协同主要涵盖实时监测数据采集、算法模型构建及灾害风险评估流程建设,如图6所示。实时监测数据包括边坡实时数据、设备实时监测数据、矿山环境数据及矿山道路实时数据。算法模型包括设备故障模型、滑坡预警模型、运输能力模型、系统可靠性模型、尾矿库预警模型等。灾害风险评估包括灾害风险研判、灾害风险处置、灾害风险预警等。
图6 灾害风险分析协同流程
(4)经营决策协同。经营决策协同主要实现对露天矿山总体战略规划的决策支持,主要涵盖生产规模优化、生产成本控制、生产效率分析、矿产售价预测、利润分析、企业上下游产业链资源调配及露天矿山整体行业的市场需求预测,如图7所示。
图7 经营决策协同流程
3 智慧露天矿山关键技术
3.1 露天矿山无人驾驶技术
随着导航系统、传感技术、无线通信技术及机器学习技术的发展,无人驾驶技术也在不断地突破革新。无人驾驶系统能帮助矿山企业优化业务管理流程,提升整体生产经营管理和决策水平;形成集中管控,对汽车运输、协同生产、应急处理等过程进行全面监测和集中控制;优化剥离、采装、运输和地面生产过程,提高资源利用率,实现节能减排、绿色开采。无人驾驶技术在露天矿山的应用将解决设备作业效率低、运输成本高、安全事故频发等难题。
为实现露天矿山特定作业场景下的无人驾驶系统协同作业,需要实现的关键技术如下:① 路径优化技术,可提高无人驾驶卡车的运输效率,降低运距和成本。② 露天矿山车铲智能调度技术,可提高车铲的匹配效率,减少欠车、欠铲事件,提高车铲协同作业效率。③ 精准定位技术,可确定无人驾驶车与车、车与铲之间的精确位置,防止发生碰撞和装载事故。④ 露天矿山特定场景下的跟驰、避障模型,可提高车辆运行效率,减少车与车之间的安全事故。⑤ 车辆控制决策等技术,可提高车辆的安全性能,保证无人驾驶卡车的稳定性。
3.2 露天矿山数字孪生技术
数字孪生是现有或将有的物理实体对象的数字模型,通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态,通过指令来调控物理实体对象的行为,通过相关数字模型间的相互学习来进化自身,同时改进物理实体对象生命周期内的决策[24]。通过露天矿山数字孪生技术,可将现有地质模型、矿山设备、供电系统、矿山生产环境、运输道路等参数输入模型,模拟出一个与现实生产状况一致的数字虚拟环境,以最快的速度进行模拟推演,找出最佳生产方式,优化现有设备的生产调度,提早规避可能遇到的问题及风险。
露天矿山数字孪生涉及的关键技术如下:① 虚拟开采技术,可为露天矿山提供有效的导航开采路径,实现精准的时空反演,为露天矿山精准开采提供技术支撑。② 设备故障诊断技术,露天矿山有大量的大型设备,将设备孪生模型与感知数据实时融合分析,可实现对关键采运排设备的故障诊断和预测,提升设备效率。③ 生产综合决策技术,依托虚拟开采技术,给出不同开采方案下的关键指标,如剥采比变化、运距、经济成本等,可辅助矿山生产决策。
3.3 大数据采集分析技术
露天矿山各系统建设时间不同,使用的协议不统一,因此,需要在露天矿山部署边缘数据采集器,实现多源异构数据采集。大数据采集分析涉及到的关键技术如下:① 数据仓库设计,根据不同的数据使用频率,将数据分成热数据、温数据、冷数据,将不同类型的数据存储到不同的数据库中。根据各类分析场景,建立原始库、资源库、主题库和时序库,实现数据的规范化存储和高效查询调用。② 大数据指标模型组件,根据露天矿山的业务场景,提供相应的指标模型算法组件,为露天矿山故障诊断、灾害分析提供算法支撑。③ 前置边缘数据采集器,主要实现数据的端部采集和实时转发,保证数据上传的可靠性。④ 数据采集智能转换协议,可保证数据的统一性和标准性,提升数据质量,为大数据综合分析提供基础保障。
3.4 风险监测及预警技术
露天矿山安全风险主要包括边坡及尾矿库风险、矿山采运排设备故障风险、各生产系统可靠性风险等。以露天矿山大数据采集分析技术为依托,通过接入露天矿山各生产系统数据,实现露天矿山生产环节的安全保障。
露天矿山风险监测及预警涉及的关键技术如下:① 数据挖掘算法,可为风险监测及预警技术提供相应场景下的多维关联分析,为露天矿山边坡稳定性分析及各生产系统稳定性分析提供算法支撑。② 生产故障事件知识图谱,通过知识图谱的构建,实现对故障事件的关联和展现,给出事故与各类因素之间的耦合关系,为矿山事故预防提供必要支撑。
4 结语
介绍了智慧露天矿山的定义、架构,探讨了智慧露天矿山无人驾驶技术、数字孪生技术、大数据采集分析技术、风险监测及预警技术等关键技术。随着智慧露天矿山的建设,其发展趋势主要体现在以下方面:① 大数据、人工智能等技术将成为整个露天矿山智能化的核心驱动。依托态势感知的数据,逐步推动露天矿山的精准开采和智能决策,最终形成具备自学习、自决策、自优化能力的新型智能化生产方式。② 平台化架构成为未来智慧矿山系统的共性选择。基于统一平台架构化部署,实现数据集成和智能分析,加速露天矿山各类数据的互联互通,解决数据孤岛问题。