0.   引言

当前，物联网、大数据、云计算、人工智能（Artificial Intelligence，AI）等新一代信息技术迅速发展，深刻影响了世界各国的经济和社会发展，推动了第四次工业革命进程。2013年，德国最先提出工业4.0，将物理信息系统与工业制造产生的信息数据进行融合，通过“智能+网络化”方式推动产业革命。美国通用电气公司提出将互联网和工业结合，将人、机器、数据进行互联，形成开放的工业互联网，从而实现工业高效率、智能化生产。日本提出社会5.0背景下的互联工业，通过物联网和AI连接人、设备、技术等，实现价值创造的互联工业。我国提出了“中国制造2025”三步走战略计划，积极推进工业互联网发展。

煤炭是我国的主要能源，煤炭工业经历了从机械化、自动化、数字化到智能化的发展过程，当前煤炭行业面临的主要问题已发生重大变化。文献[1-3]分析了煤炭行业发展不平衡、不充分的几大问题，表现在矿井开采效率和技术水平、煤炭利用清洁程度不平衡，煤炭安全发展、绿色发展、低碳发展、人力资源发展、企业转型发展等不充分。文献[4-7]指出传统信息技术应用到矿山时存在信息感知不够精准、缺乏大数据分析、工业APP不成体系等问题。文献[8]分析了智慧矿山建设目标和技术体系架构，指出了以大数据、物联网、AI等新一代信息技术为基础的工业互联网是智慧矿山发展的必然趋势和技术路径。

煤炭工业互联网是加速煤炭领域高质量发展的重要驱动力。当前，我国正在加快建设新型基础设施，先后发布了《关于加快煤矿智能化发展的指导意见》《关于加快推进国有企业数字化转型工作的通知》《工业互联网发展行动计划（2021−2023）》等一系列政策文件，指出要依托工业互联网在能源领域的支持性作用，发展能源领域设备智能化，推动产业数字化。然而，工业互联网在煤炭领域的发展和应用还面临着许多挑战，本文深入探讨煤炭工业互联网的发展现状、技术特点、应用案例及未来趋势，旨在为相关领域的研究者和决策者提供有益参考。

1.   煤炭工业互联网体系架构

煤炭工业互联网主要由感知层、传输层、赋能平台和工业APP组成，如图1所示。

图  1  煤炭工业互联网体系架构

Figure  1.  Coal industry internet architecture

下载: 全尺寸图片 幻灯片

感知层位于架构最底层，主要由部署在现场的各类传感器和摄像机等构成，用于实时采集煤炭开采、运输、存储和销售各环节中井下机械设备、人员、环境或其他设备资产的数据信息，完整、精准获取煤炭工业全生命周期的状态数据。

传输层将感知层的数据发送到赋能平台进行进一步处理和分析，由于煤炭生产环境的复杂性，各传输技术在实际应用中需考虑不同业务场景。

赋能平台整理和分析从感知层获得的数据，利用大数据和AI技术提供可靠、高效、灵活的数据管理和分析功能，基于煤炭工业机理模型实现知识发现−知识优化−知识迭代的知识自动化过程，提高生产效率和安全性，提高运维效率，帮助企业实现数据驱动的智能化转型。

工业APP是工业互联网体系中最上层的部分，负责提供各种工业应用服务，支持工业生产的数字化、智能化和自动化，从而提高产品质量，降低生产成本。

为保障采集、存储、处理、交换等环节中数据的标准化、规范化，实现各层之间数据的无缝对接和交换，需要设计适用于煤炭工业互联网的标准体系。另外，信息安全在整个工业互联网架构中担任着至关重要的角色，信息安全保障包括多个维度，涉及物理安全、网络安全、主机安全、数据安全、系统安全和应用安全。

2.   煤炭工业互联网技术

2.1   感知层

感知是煤炭工业互联网的基础，精准实时感知是实现煤矿智能化的前提，感知数据是智慧矿山的核心数据。感知层通过射频识别（Radio Frequency Identification，RFID）读写器、传感器、摄像机等各类感知设备采集煤矿设备运行状态和健康状况、生产环境数据及突发事件数据等，实现对煤矿各类系统数据的实时感知^[9]。

随着矿山数字化建设的不断推进和微机电系统（Micro-Electro-Mechanical System，MEMS）传感器、光纤传感器等技术的发展，感知层在实现超低功耗、精准感知、高可靠性、能量自动捕获等方面取得进步，井下设备状态感知范围得到延伸^[10-12]，但仍存在一些问题，如感知手段单一、传感器易受环境因素影响、网络化分布式监测理论与方法欠缺、传感器智能化程度不高等。感知层目前还无法充分满足矿井泛在感知需求，矿井生产过程仍处于不透明状态^[13]。

矿井感知主要包括人员感知、设备感知、环境感知等方面^[12]。人员感知研究主要集中于人员精确定位应用中，而对体温、心率等人员生命特征指标的感知研究较少。设备感知研究主要集中于感知信息的数值显示和简单阈值分析，缺乏深入研究。环境感知方面，如综采工作面需感知煤岩变化、截割状态等信息，为智能决策和控制提供支持^[14]。

随着新材料、半导体技术的不断发展，矿用传感器向智能化不断推进。相较于传统传感技术，智能传感器具有以下优势：能提供不同量级的边缘计算能力，具备更强的实时服务能力，可实现自我诊断、自我识别与自适应实时决策反馈功能^[15]；自带微处理器，可自动处理待测信息、记忆存储信息等，同时还可决定数据弃存，通过智能控制运行时间实现最优功耗；成本低且功能多样化，可通过边缘计算提供实时决策反馈，助力井下工作面实现感知−通信−控制一体化。

为满足矿山智能化建设需求，可从以下方面进一步提高感知层智能化水平：① 研发新型传感器，拓宽感知边界，使煤炭工业互联网平台获得更为完备、全面的数据。② 研究传感器低功耗和能量收集技术，降低传感器整机功耗。③ 研究传感器抗电磁干扰技术，提升井下传感器的鲁棒性。④ 研究智能感知技术，提供更强大的实时处理能力和一定程度的决策能力，借助矿井传输网络，实现矿井的感知−通信−控制一体化。

2.2   传输层

传输层是煤炭工业互联网中不可缺少的部分，通过设备之间的互联通信实现数据的可靠交换，完成矿井监测数据的上传、设备控制信号的实时交互及高可靠通信。矿井一般网络架构中通常采用千（万）兆级工业以太环网作为骨干网络，采用工业无线网络和现场总线系统作为分支网络，由此构成矿井物联网体系^[16]。

智慧矿山需要传输视频、语音、振动、温度、瓦斯浓度等各类型数据，同时矿山全要素实时精准监测的要求使得数据体量快速增加，这对传输网络提出了很高要求，尤其是井下视频监控密集的区域要求传输网络具有很大的上行带宽。在智能化场景中，当出现突发灾害时，要可靠、快速地将前端环境感知数据上传到决策层，保证准确、高效地完成预测并下达控制指令。为了实现智能化、无人化开采的愿景，未来将会有更多的设备、监控点接入网络，需要更灵活的接入控制技术和更高的承载能力，实现全要素的广连接。因此，高可靠、高带宽、低延迟的传输技术才能满足智慧矿山传输要求。

目前矿山网络中以太网、4G、NB−IoT、LoRa、WiFi、ZigBee、RS485等多类型有线网络与无线网络共存^[17]。在煤矿井下，有线网络具有高效、稳定等优势，但其固定布线无法满足工作面动态作业需求，且在巷道作业过程中易受破坏，安装、维修成本较高。主流无线通信技术包括ZigBee、LoRa、WiFi、UWB等，其优缺点见表1。

表  1  无线网络技术对比

Table  1.  Comparison of mine wireless network technologies

传输技术	技术指标	优点	缺点
ZigBee	采用IEEE 802.15.4标准，传输距离从75 m至数百米	近距离，低复杂度，低功耗，低成本	性能较差，传输速率较低
4G	支持100 Mibit/s下载速率、50 Mibit/s上传速率	便捷高效，传输速率高，传输距离长	成本较高，功耗较高
WiFi	采用IEEE 802.11标准，传输速率为54 Mibit/s或更高，空旷地带无线传输距离为300 m	传输速率高，成本较低，较为可靠	覆盖范围受限，跨AP切换时延较大
LoRa	空旷地带传输距离达15 km，最高传输速率为600 KiB/s	广覆盖，低功耗，长距离	传输速率低
UWB	采用时间间隔极小（纳秒级）的脉冲进行通信	密度低，功率低，穿透力强，抗干扰效果好，传输速率高，定位精度高	传输距离短，缺少大规模商业应用
5G	要求最低速率为1 Gibit/s，时延为1 ms	高带宽，低时延，广连接	成本较高，井下应用存在限制

下载: 导出CSV 

| 显示表格

LoRa技术具有低功耗、长距离、广覆盖的优势^[18]，适用于对实时性要求不高的感知数据传输，对于视频监测、矿灾监测等场景，LoRa技术无法满足高带宽需求。ZigBee是一种近距离、低复杂度、低功耗、低速率、低成本的双向无线传输技术，其性能较差，性价比较低，可用于井下人员和其他移动目标精确定位，无法支撑矿井其他数据传输^[19]。WiFi移动性差，跨无线接入点（Access Point，AP）切换时延大于100 ms^[20]。UWB技术可实现厘米级高精度定位，满足机械设备定位、姿态监测定位精度需求^[21]，但建设成本较高，不利于应用推广^[22]。矿井不同场景对通信网络的需求差别很大，传统的4G+WiFi的数据传输技术难以满足这种差异化需求^[20]。

5G采用全维多输入多输出、大规模多输入多输出和毫米波无线接入技术，具有高带宽、低时延、广连接的特性，可在10⁶ km⁻²连接密度下，将时延控制在10 ms内，实现海量智能互联传感器感知数据及高清视频的实时传输，满足全矿井泛在感知需求^[23-25]。同时，5G可通过网络切片技术提供强大的定制化能力^[26]，针对不同应用场景进行相关方面的增强，从而支持矿山各场景应用，如矿用卡车无人驾驶场景^[27]。但5G在井下应用中存在诸多限制，GB 3836.1−2010《爆炸性环境 第1部分：设备 通用要求》中允许使用的最大射频功率为6 W，使得5G在实际应用中的效果受限。在井下精确定位方面，使用UWB技术的定位系统精度已达到厘米级，而基于5G的精确定位技术还在研究中。在特定频率范围内，WiFi6的传输速率高于5G，在对时延和移动性要求不高的视频监测场景应选用性价比更高的矿用WiFi6^[28]。另外，停电会导致5G网络无法正常工作，在应急通信场景下使用5G的实际效果不如有线通信系统，5G无法可靠应对各种特殊情况。综合来看，目前井下还不能完全使用5G替代传统通信网络。

2.3   赋能平台

赋能平台是煤炭工业互联网推动智能化的中枢和核心^[29]。其汇聚海量矿山数据，通过机理模型进行数据分析、价值挖掘、知识发现、高效决策，利用大数据和AI技术实现知识的自优化、自迭代，通过数字孪生技术实现数字孪生体与设备实体之间的虚实交互，最终反馈到采、掘、机、运、通等各环节的各场景中，为煤炭行业生产、决策、管理等赋能。大数据是赋能平台的关键要素，以数据为驱动、由知识发现和知识自动化构成的煤炭工业机理模型和诊断决策模型是赋能平台的灵魂^[30-33]。

2.3.1   煤炭工业机理模型

目前针对煤炭领域的工业机理模型已有大量研究，成果主要集中在煤炭开采、矿井灾害监测和设备运行状态监测方面^[34]。

在煤炭开采方面，文献[35]提出了智采工作面建设的几个阶段，构建了智采工作面评价指标体系。文献[36]针对现阶段煤炭开采的实际需要，分析了矿山机器人研发设计亟需突破的关键技术，可为实现无人化开采提供指导。文献[37]提出了数字孪生智采工作面架构，从物理工作面、数字工作面和数据信息3个方面阐述了构建数字孪生智采工作面的机理。文献[38]归纳了针对薄煤层、中厚煤层、大采高与超大采高、特厚煤层的智能化采煤基本模式，总结了井下采煤机、液压支架、刮板输送机、带式输送机智能控制技术，最后提出了目前有待突破的关键问题。

在矿井灾害监测方面，对煤矿井下灾害影响参数、致灾机理、演变规律等关键问题已有大量研究^[39]。文献[40]提取了工作面瓦斯涌出量的典型作用因子，建立了瓦斯涌出模型，实现了瓦斯涌出灾害动态预测。文献[41-44]对矿井突水判据、水灾模式、水灾演变的时空规律进行研究，构建了矿井突水多因素耦合预警模型。文献[45-46]主要从煤自燃机理、火灾预测预警、应急处置等方面进行研究，结合火灾致灾因素对矿井火灾场景进行建模，探究矿井火灾预警、处置、评价等各环节时空演化过程中的众多影响因素。文献[47]从发生冲击地压的地质构造条件、致灾机理、孕灾过程等方面进行阐述，构建了冲击地压预警模型。由于井下地质条件极为复杂且影响因素众多，对各种矿灾机理模型的研究仍有待进一步深入。

在设备运行状态监测方面，对煤矿综采设备、主要通风机、带式输送机、提升系统设备等的运行指标监测和故障机理、故障诊断等已有大量研究。文献[48]通过研究通风机故障机理，利用量子粒子群优化−极限学习机算法实现了通风机故障诊断和分析。文献[49]构建了智慧矿山信息模型，为综采设备群空间位姿控制、智能决策及全局最优规划提供了解决方案。文献[50]论述了基于数据的综采装备协同控制模型的相关理论和应用。文献[51]研究表明利用神经网络作为故障分类器进行煤矿机械设备故障诊断是完全可行的。

2.3.2   煤矿大数据处理技术

传统矿山数据分析侧重于单一场景数据分析，通过工业互联网赋能平台的多维融合共享，可实现不同场景、多层次的丰富数据融合，实现数据多元分析。煤矿数据种类多、价值密度低、更新快^[52]，为实现海量数据的有效管理和利用，已在数据标准、数据集成、数据分析与挖掘、业务应用等方面进行了一系列研究。

文献[53]构建了煤炭生产各环节的标注体系框架，为基础支撑技术、平台设计、安全保障等提供一系列标准。文献[54]在对煤炭行业相关标准整理分析的基础上，给出了设备接口协议标准、统一数据编码、工业信息化模型标准、集成规范等目前亟需的相关标准。煤矿数据具有多源异构的特点，需要进行数据集成与治理，以提高数据质量。文献[55]梳理总结了近20 a数据集成领域的成果，对数据集成技术发展的几个阶段进行了阐述。文献[56]应用数据抽取−转换−加载（Extract-Transform-Load，ETL）方法实现异构数据的集成和综合管理，最终实现矿山设备维修数据集成。

煤矿大数据处理过程如图2所示。采集井下人员、设备、环境和管理数据，通过ETL方法完成清洗、转换、加载等数据处理操作，实现对煤炭基础数据的汇总。通过数据挖掘技术提取各业务场景数据的一般规律，构建煤炭工业机理模型，结合大数据和AI技术进行模型优化，实现煤炭领域知识的自优化、自迭代，支撑智慧矿山高效运营^[57-58]。

图  2  煤矿大数据处理过程

Figure  2.  Process of coal mine big data processing

下载: 全尺寸图片 幻灯片

2.3.3   数字孪生技术

煤炭工业互联网汇聚了海量数据，为煤矿数字孪生系统的建设奠定了基础。煤矿数字孪生系统借助AI、大数据技术，实现矿山各环节可视交互、知识建模与服务、预测分析和优化管理。郭一楠等^[58]提出知识驱动的智采数字孪生主动管控模式，建立了知识引导的虚实空间信息主动管控机制。丁恩杰等^[59]提出智慧矿山的前提是实现可测、可观、可控，结合数字孪生技术可实现对矿山各环节对象状态及演化规律的可观，另外围绕数字孪生模型的深度数据挖掘分析技术可为矿山安全生产过程的实时再现、预测分析、交互演绎提供支撑。

2.4   工业APP

在煤炭行业数字化和智能化升级过程中，工业APP至关重要，在将工业知识和各工业要素数字化的基础上，可为煤炭产业链各环节提供服务，实现知识的复用，促进煤炭行业数字化和智能化。

针对煤炭生产各阶段，引入工业APP将极大提升信息化管理水平。煤炭领域工业APP应用如图3所示。在研发设计阶段引入工业APP，可实现对通用组件的重复利用，降低研发成本，提高研发效率。在煤炭生产和运输等现场环节，依托大数据、AI和数据挖掘技术，工业APP可助力煤炭智能化升级，加强对工作面的智能化监控。在数据采集和分析处理基础上，通过工业APP可实现系统智能调控和业务管理决策优化。

图  3  煤炭领域工业APP应用

Figure  3.  Industrial APP application in coal field

下载: 全尺寸图片 幻灯片

工业APP应用可帮助煤炭行业攻克高风险、工艺继承创新难、产业链协同难、资源消耗高、效率低等一系列难题，加快推进煤炭行业数字化转型。但是煤炭领域工业APP的发展应用仍不成熟，未来，基于物联网、云计算、AI驱动的工业APP将具备自动采集海量工业数据、海量数据计算处理、机器学习与挖掘、自动生产等能力，实现煤矿智能化生产。

2.5   信息安全

煤炭行业在向智能化发展的过程中，对大数据、云平台等新技术的应用提高了企业的生产效率和管理水平，但也给原本相对封闭的系统带来了安全隐患。在工业互联网应用中，往往更多关注其适用性和可用性，而对安全性不够重视，存在以下问题：物理信息安全方面，从业人员对物理信息安全的认识不足，在设备物理安全保障方面较欠缺；网络信息安全方面，工业互联网在煤矿中的应用面临网络攻击等风险；系统信息安全方面，可能存在越权访问、数据权限设计缺陷等问题；数据安全方面，数据隐私缺乏有效的防护手段；应用信息安全方面，在煤矿生产和管理中，可能存在工业互联网平台运营管理安全问题。

针对以上问题，在参考信息化程度更高的智能电网并考虑煤矿信息化现状的基础上，总结了提高煤炭工业互联网安全性的措施。在管理方面，应构建完备的信息安全管理组织、制度和预案，提升从业人员信息安全意识，加强设备物理安全保障。针对数据安全，通过数据加密机制保障数据传输安全，同时加强身份认证和访问控制，限制用户对资源的非法访问，从而提高数据的安全性。在信息技术上，利用防火墙、安全网关等技术实现关键生产设施区域的隔离防护，利用入侵检测、漏洞挖掘等技术提升系统信息安全性和鲁棒性，保障系统网络安全。同时，应严格执行网络安全等级保护制度，严格遵守安全标准，定期进行安全等级评估和整改^[60-61]。通过保障设备物理安全防护、网络安全防护、系统安全防护、数据安全防护、应用安全防护，构建起煤矿信息安全防护体系，保障煤矿智能化建设。

3.   结论

1） 新传感器技术的研发不断拓宽矿山感知的边界，同时在功耗、可靠性等方面也有了突破，但在矿山智能化应用中仍有拓展空间，目前感知层智能程度还无法满足矿山泛在感知要求。通过新技术的发展，智能感知将向着集成化、智能化方向发展，在感知层提供更强大的实时处理能力和一定程度的决策能力，借助矿井传输网络，实现矿井感知−通信−控制一体化。

2） 5G高带宽、低时延、广连接的特性为矿山智能化各场景提供了新的解决方案。但目前5G在矿山应用中仍存在许多问题，由于允许使用的射频电磁能最大功率限制为6 W，使符合标准的5G在煤矿井下实际应用效果大打折扣，无法有效支持煤矿智能化建设。在井下部分场景中5G技术现场应用效果不如传统通信网络，目前井下还无法完全使用5G替代传统通信网络，以6G为代表的新一代通信技术应在这些方面进一步突破和发展。

3） 赋能平台是煤炭工业互联网的大脑，大数据是赋能平台的关键要素，煤炭工业机理模型和诊断决策模型是赋能平台的灵魂。目前，针对煤炭工业机理模型已有大量研究，但在结合大数据和AI技术方面仍处于初级阶段，需进行深入研究，实现知识的自优化、自迭代。

4） 工业APP可为煤炭产业链各环节提供服务，帮助煤炭行业攻克高风险、工艺继承创新难、产业链协同难、资源消耗高、效率低等一系列难题。但是煤炭领域工业APP的发展应用仍不成熟。

5） 受制于煤炭行业特点，煤炭信息安全防护方面有缺失，需要从物理信息安全、网络信息安全、系统信息安全、数据信息安全和应用信息安全等方面采取措施，加强管理，提升安全防护水平，保障煤矿智能化建设。