智能化綜采管理平臺中多源異構(gòu)數(shù)據(jù)處理

　　摘 要: 針對智能化綜采管理平臺存在的信息孤島以及子系統(tǒng)割裂等煤礦建設(shè)中存在的一系列問 題，提出了智能化綜采管理平臺中的多源異構(gòu)數(shù)據(jù)處理系統(tǒng)為主體的智能化煤礦建設(shè)體系架構(gòu)。 通過對大數(shù)據(jù)的采集、存儲、分析以及系統(tǒng)實現(xiàn)，在井下構(gòu)建智能化的多源異構(gòu)大數(shù)據(jù)平臺，成功建 成了各個子系統(tǒng)之間能夠統(tǒng)一管理、信息之間能夠共享的格局。分析認為，多源異構(gòu)數(shù)據(jù)處理系統(tǒng) 可實現(xiàn)各類多源異構(gòu)數(shù)據(jù)的高效傳輸和快速處理分析，能消除信息孤島，以及設(shè)備持續(xù) 開采的周期壽命進行預(yù)警預(yù)判和自動分析。

　　關(guān)鍵詞: 智能化綜采; 多源異構(gòu)數(shù)據(jù); 數(shù)據(jù)倉庫; 數(shù)據(jù)處理

　　0 引言

　　煤礦綜采自動化技術(shù)對實現(xiàn)煤炭安全、高效的 回采具有非常重要的意義，是國家經(jīng)濟發(fā)展所需煤 炭供應(yīng)的先決條件。國家“十五”“十一五”期間以來，我國煤炭開采技術(shù)及裝備取得重大進步，推動了 煤礦安全高效綠色開采技術(shù)的發(fā)展，建成了一大批 綜合機械化和高自動化程度的現(xiàn)代化礦井，生產(chǎn)效 率、安全指標和煤炭產(chǎn)量大幅度提高[1-4]。

　　國內(nèi)煤 礦企業(yè)也在積極探索綜采自動化技術(shù)的研究，并進 行了多方面的嘗試，取得了顯著進步。但由于綜采 工作面復(fù)雜的生產(chǎn)過程，龐大的綜采設(shè)備系統(tǒng)，各設(shè) 備作業(yè)條件協(xié)同復(fù)雜，動作繁多，且對動作的邏輯順 序、準確性、響應(yīng)速度要求高，所以針對其監(jiān)控和管理面臨著各設(shè)備控制方式分散、無法實現(xiàn)快速、準確 的協(xié) 作，不 能 充 分 發(fā) 揮 設(shè) 備 性 能，生 產(chǎn) 效 率 較 低[5-8]。

　　而且綜采工作面自動化系統(tǒng)以過程化控制 為核心，與生產(chǎn)管理過程脫節(jié)，未進行高效實時的實 現(xiàn)信息的集成和互通，不能有效的對綜采關(guān)鍵設(shè)備 進行管理，無法為生產(chǎn)管理者提供決策和建議。因 此，綜采自動化系統(tǒng)的統(tǒng)一管理平臺應(yīng)運而生，但對 于智能化綜采管理平臺中多源異構(gòu)數(shù)據(jù)的處理仍需 進一步探究。

　　1 智能化綜采管理平臺應(yīng)用現(xiàn)狀

　　現(xiàn)有的安全生產(chǎn)監(jiān)測監(jiān)控系統(tǒng)，多是局部性、少 量指標的檢測[9-11]。同時，因為生產(chǎn)廠商以及系統(tǒng) 建設(shè)兩者在時期上存在差異，所有子系統(tǒng)在通信協(xié) 議和接入技術(shù)上不能夠?qū)崿F(xiàn)統(tǒng)一，子系統(tǒng)之間存在 較大的數(shù)據(jù)結(jié)構(gòu)差異，同時具有多源性和異構(gòu)性的 特點。煤礦井下設(shè)備( 包含各裝備、機器、儀器等電 子設(shè)施) 的數(shù)據(jù)采集均通過監(jiān)控系統(tǒng)直接從設(shè)備上 采集。

　　設(shè)備廠商對不同專業(yè)設(shè)備開發(fā)對應(yīng)的監(jiān)控系 統(tǒng)從設(shè)備上實時獲取數(shù)據(jù)。對煤礦而言，數(shù)據(jù)只能 在監(jiān)控系統(tǒng)中查看，不能在其它系統(tǒng)中實時使用; 對 開發(fā)商來講，每個監(jiān)控系統(tǒng)既要負責數(shù)據(jù)的采集，又要負責數(shù)據(jù)的校驗、傳輸、共享，大部分功能重復(fù)開 發(fā)，造成系統(tǒng)臃腫，改動困難。而現(xiàn)有設(shè)備數(shù)據(jù)采集 沒有統(tǒng)一的數(shù)據(jù)標準、采集標準，在使用采集數(shù)據(jù) 時，需要根據(jù)每種提供的格式進行解析、轉(zhuǎn)換，增加 了出錯機率與重復(fù)工作量。并且，現(xiàn)有設(shè)備所生成 的數(shù)據(jù)格式多樣，包含結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化 數(shù)據(jù)。因此，多源異構(gòu)數(shù)據(jù)的處理就成為智能化綜 采管理平臺運轉(zhuǎn)的核心引擎。

　　2 多源異構(gòu)大數(shù)據(jù)處理框架

　　2. 1 數(shù)據(jù)采集與 ETL 數(shù)據(jù)處理系統(tǒng)架構(gòu):

　　智能化綜采管理平臺中數(shù) 據(jù)來源十分廣泛，例如，運輸三機、采煤機等各種生 產(chǎn)器械、電液控制等器械系統(tǒng)、各種傳感器的安全監(jiān) 測數(shù) 據(jù)、用 戶 操 作 行 為 數(shù) 據(jù)、故 障 及 報 警 數(shù) 據(jù) 等[12-14]。這些數(shù)據(jù)通過各自本身的監(jiān)控系統(tǒng)及各 種終端設(shè)備直接傳輸?shù)皆贫�，由于各設(shè)備的生產(chǎn)廠 商不同，且暫無統(tǒng)一的數(shù)據(jù)標準，所以采集的數(shù)據(jù)格 式多樣，存在結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，形 成多源異構(gòu)數(shù)據(jù)，并存在重復(fù)數(shù)據(jù)的可能[15-17]。

　　多 源異構(gòu)數(shù)據(jù)處理系統(tǒng)架構(gòu)，如圖 1 所示。用來描述將數(shù)據(jù)從來源端經(jīng)過抽取 ( extract) 、轉(zhuǎn)換 ( transform) 、加載( load) 至目的端的過程，同時也是構(gòu)建 數(shù)據(jù)倉庫至關(guān)重要的一個環(huán)節(jié)，用戶通過數(shù)據(jù)源抽取出自己需要的數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗，最終將數(shù)據(jù)按 照預(yù)先定義好的數(shù)據(jù)倉庫模型加載到數(shù)據(jù)倉庫中 去。其中數(shù)據(jù)清洗包含: ①對不精確數(shù)據(jù)的清洗。

　　首先就是要識別出數(shù)據(jù)中的異常。在識別數(shù)據(jù)中的 異常時，最常用的方法就是統(tǒng)計學的方法。給每個 屬性賦予對應(yīng)的權(quán)重是它的核心思想，對每個屬性 字段值的平均值和標準差進行統(tǒng)計，依據(jù)此為每一 個屬性建立一個置信區(qū)間，通過查看屬性值是否在 置信區(qū)間內(nèi)來判斷屬性是否異常; ②重復(fù)數(shù)據(jù)的清 洗。在數(shù)據(jù)倉庫中，最常見的數(shù)據(jù)質(zhì)量問題就包括 相似重復(fù)數(shù)據(jù)，不同系統(tǒng)的集成一般會導(dǎo)致大量重 復(fù)記錄生成，因此需要判斷兩條數(shù)據(jù)是否相似或相 同，從而對相似重復(fù)數(shù)據(jù)進行集中的清洗。

　　2. 2 數(shù)據(jù)存儲

　　根據(jù)數(shù)據(jù)集不同的特點和用途，采用不同的數(shù) 據(jù)庫進行存儲操作。 Gbase /Oracle: Gbase 和 Oracle 兩者都是 SQL 數(shù) 據(jù)庫，都遵從 SQL 語句，語法也差不多。最大的區(qū) 別是表結(jié)構(gòu)不同，Oracle 是傳統(tǒng)行列式，小庫比較 快，大庫靠索引提高效率。Gbase 是分布式，數(shù)據(jù)不 是按行列來排列而是按區(qū)塊分布的，所以小庫的速 度一般般，但是大庫比如 TB 級，效率驚人，數(shù)據(jù)庫 越大 Gbase 優(yōu)勢越明顯。

　　因此采用 Gbase 和 Oracle 對高價值密度數(shù)據(jù)進行存儲及處理。 SQL on Hadoop: 在 SQL on Hadoop 系統(tǒng)中，有兩 種架構(gòu)，一種是基于某個運行時，框架構(gòu)建出查詢引 擎，典型案例是 Hive; 另一種是模仿過去關(guān)系數(shù)據(jù) 庫的 MPP 架構(gòu)，就是依據(jù)過去的 MPP 數(shù)據(jù)庫架構(gòu) 創(chuàng)建一個專門的系統(tǒng)，于是就有了 Impala，Presto 等 等。Hive 具有高擴展性的特點，能夠?qū)⒓�群的�?guī)模 自由擴展，一般不需要重啟服務(wù); 還具有高延展性， 支持用戶自定義函數(shù)，用戶可以根據(jù)需求來實現(xiàn)自 己的函數(shù); 同時還具備高容錯性，SQL 在節(jié)點出現(xiàn)差 錯時仍可完成執(zhí)行; 將復(fù)雜 MR 任務(wù)編寫為 SQL 語 句，提高開發(fā)效率; 靈活的數(shù)據(jù)存儲等。

　　但是也存在 非常明顯的缺點，具有延遲性，性能還有待提升; 索 引功能還不夠完善，效率較低; 不支持事務(wù)類操作。 因此將其作為低價值密度數(shù)據(jù)的數(shù)據(jù)倉庫。 MapReduce: MapReduce 是一種編程模型，主要 用于大規(guī)模數(shù)據(jù)集( 大于 1TB) 的并行運算。概念 “Map( 映射) ”和“Reduce( 歸約) ”，是它們的主要思 想，它具有從函數(shù)式編程語言以及從矢量編程語言 里借來的特性。MapReduce 對不會分布式并行編程 情況下的程序人員提供了極大的便利，并能在分布 式系統(tǒng)上運行自己的程序，是面向大數(shù)據(jù)并行處理的計算模型、框架和平臺。利用其并行計算的特點 對低價值密度數(shù)據(jù)進行批量處理分析。

　　2. 3 數(shù)據(jù)處理

　　系統(tǒng)對于數(shù)據(jù)的處理分為高價值密度數(shù)據(jù)和低 價值密度數(shù)據(jù)兩個部分。 低價值密度數(shù)據(jù)處理: 數(shù)據(jù)的價值密度與數(shù)據(jù) 量成反比，數(shù)據(jù)量越龐大，其價值密度越低。因此對 于低價值密度的龐大數(shù)據(jù)，利用 MapReduce 對大數(shù) 據(jù)并行計算的能力，采用分布式隊列流式計算方法， 進行數(shù)據(jù)管理和分析挖掘。低價值密度數(shù)據(jù)的數(shù)據(jù) 管理包括 Hadoop 集群配置管理、應(yīng)用管理、資源監(jiān) 控、安全管理、告警管理等。

　　分析挖掘則是利用分析 挖掘算法庫中的自然語言、分類算法、推薦算法、聚 類算法、關(guān)聯(lián)分析等算法對數(shù)據(jù)進行統(tǒng)計分析、效果 監(jiān)控、反饋學習和系統(tǒng)監(jiān)控。 高價值密度數(shù)據(jù)處理: 對于高價值密度數(shù)據(jù)，由 于其數(shù)據(jù)量相對較小可以進行更詳細的數(shù)據(jù)定義、 數(shù)據(jù)篩選、分析定制和算法管理工作。

　　2. 4 功能實現(xiàn)

　　多源異構(gòu)數(shù)據(jù)處理系統(tǒng)目前已在智能化綜采管 理平臺實現(xiàn)運行。通過持續(xù)數(shù)據(jù)采集，實現(xiàn)對生產(chǎn) 設(shè)備的預(yù)警預(yù)判; 通過數(shù)據(jù)的交叉分析，實現(xiàn)對各綜 采自動化生產(chǎn)過程中的事件關(guān)聯(lián)性分析決策。通過 數(shù)據(jù)的積累，豐富企業(yè)決策依據(jù); 實現(xiàn)數(shù)據(jù)的保護以 及數(shù)據(jù)存儲，讓生產(chǎn)數(shù)據(jù)具有繼承傳遞性。

　　煤炭論文投稿刊物：《煤炭學報》是中國煤炭學會主辦的煤炭系統(tǒng)最高水平的綜合性學術(shù)刊物，現(xiàn)為雙月刊，112頁。主要刊載與煤炭科學技術(shù)相關(guān)的基礎(chǔ)理論和重大工程研究的理論成果，包括煤田地質(zhì)學、礦山巖體力學、采礦工程、煤礦安全、環(huán)境保護、煤礦機電一體化、煤的加工與利用、煤炭經(jīng)濟研究等領(lǐng)域的學術(shù)論文。

　　3 結(jié)語

　　多源異構(gòu)數(shù)據(jù)處理系統(tǒng)針對煤礦生產(chǎn)的數(shù)據(jù)特性，可實現(xiàn)各類多源異構(gòu)數(shù)據(jù)的高效傳輸，快速處理分析。此外，可以消除信息孤島，建立統(tǒng)一的數(shù)據(jù)傳 輸網(wǎng)絡(luò)與數(shù)據(jù)處理中心; 針對煤礦綜采的各個環(huán)節(jié)的數(shù)據(jù)采集，結(jié)合專家經(jīng)驗進行開采的安全性預(yù)判， 進而對設(shè)備持續(xù)開采的周期壽命進行預(yù)警預(yù)判和自動分析。

　　參考文獻:

　　[1] 王國法. 綜采自動化智能化無人化成套技術(shù)與裝 備發(fā)展方向[J]. 煤炭科學技術(shù)，2014，42( 9) : 30- 34.

　　[2] 王金華，黃樂亭，李首濱，等. 綜采工作面智能化 技術(shù)與裝備的發(fā)展[J]. 煤炭學報，2014，39( 8) : 1418-1423.

　　[3] 高小強，杜福銀，蔡愛國. 變頻驅(qū)動刮板輸送機負 載特性及調(diào)速的智能控制策略研究[J]. 礦山機械，2011，39( 11) : 12-16.

　　[4] 王凱. 基于刮板輸送機負載預(yù)測的采煤機調(diào)速技 術(shù)研究[D]. 徐州: 中國礦業(yè)大學，2015.

　　[5] 谷勇. 基于模糊控制的采煤機截割自動調(diào)速控制 系統(tǒng)[J]. 煤礦機械，2013，34( 12) : 151-153.

　　作者：楊 波，吳 寧

轉(zhuǎn)載請注明來自發(fā)表學術(shù)論文網(wǎng)：http:///jzlw/24091.html