留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

智能化煤矿数据仓库建模方法

王霖 方乾 张晓霞 苏上海 施展 王雅琨

王霖,方乾,张晓霞,等. 智能化煤矿数据仓库建模方法[J]. 工矿自动化,2022,48(4):5-13.  doi: 10.13272/j.issn.1671-251x.2021120007
引用本文: 王霖,方乾,张晓霞,等. 智能化煤矿数据仓库建模方法[J]. 工矿自动化,2022,48(4):5-13.  doi: 10.13272/j.issn.1671-251x.2021120007
WANG Lin, FANG Qian, ZHANG Xiaoxia, et al. Intelligent coal mine data warehouse modeling method[J]. Journal of Mine Automation,2022,48(4):5-13.  doi: 10.13272/j.issn.1671-251x.2021120007
Citation: WANG Lin, FANG Qian, ZHANG Xiaoxia, et al. Intelligent coal mine data warehouse modeling method[J]. Journal of Mine Automation,2022,48(4):5-13.  doi: 10.13272/j.issn.1671-251x.2021120007

智能化煤矿数据仓库建模方法

doi: 10.13272/j.issn.1671-251x.2021120007
基金项目: 中国煤炭科工集团科技创新创业资金专项项目(2019-2-ZD002);中国煤炭科工集团重点项目(2021-TD-ZD001);北京市科技计划应用技术协同创新资助项目(Z201100004520015)。
详细信息
    作者简介:

    王霖(1986-),男, 山西太原人,助理研究员,硕士,现主要从事煤矿大数据技术研究工作,E-mail:wanglin@ccteg-bigdata.com

    通讯作者:

    方乾(1994-),男, 湖北黄冈人,助理研究员,硕士,主要从事大数据、人工智能等技术研究工作,E-mail:fangqian@ccteg-bigdata.com

  • 中图分类号: TD67

Intelligent coal mine data warehouse modeling method

  • 摘要: 煤矿海量数据存在“数据孤岛”、关联性弱、因缺乏数据管理体系而导致数据质量差等问题,难以充分利用,无法为煤矿智能化提供分析决策支撑。数据仓库可满足煤矿多源异构数据集成需求,为煤矿智能化应用提供数据基础。通过分析煤矿数据类型、特点及实际数据智能化应用需求,研究了智能化煤矿数据仓库建模方法。首先,构建了智能化煤矿数据仓库分层架构,分析了原始数据层、明细数据层、基础指标层、服务数据层、公共维度层数据模型特点;其次,以综采工作面数据为例,从业务数据分析、应用需求分析、分层架构设计等方面阐述了数据仓库建模过程;再次,介绍了煤矿数据仓库中数据模型构建方法,即通过维度对齐、维度关联、维度化指标聚合等将原始数据转换为数据仓库维度模型,解决了不同维度的煤矿数据关联应用问题;最后,为解决煤矿数据仓库的可迁移性问题,提出了煤炭行业通用数据仓库+参数化ETL(抽取、转换、加载)方法的煤矿参数化数据仓库设计思路。在实验室环境下搭建了煤矿数据仓库平台,对山西天地王坡煤业有限公司综采工作面数据进行处理,并基于处理数据辅助机理模型分析、实现可视化管理驾驶舱,验证了智能化煤矿数据仓库的实用性;对比了原始数据模型与智能化煤矿数据仓库的性能指标,结果表明智能化煤矿数据仓库的数据组织度、模型复用度和迭代难易度均优于原始数据模型,且数据查询响应时间缩短50%以上。

     

  • 图  1  数据仓库运转流程

    Figure  1.  Data warehouse operation process

    图  2  星型维度模型数据结构

    Figure  2.  Data structure of star dimension model

    图  3  智能化煤矿数据仓库分层架构

    Figure  3.  Layered architecture of intelligent coal mine data warehouse

    图  4  综采工作面数据3级组织

    Figure  4.  Three-level data structure of fully mechanized working face

    图  5  综采工作面智能化应用分析主题

    Figure  5.  Intelligent application analysis subjects of fully mechanized working face

    图  6  综采工作面数据仓库分层架构

    Figure  6.  Layered architecture of data warehouse of fully mechanized working face

    图  7  测点数据时间维度对齐

    Figure  7.  Time dimension alignment of measured point data

    图  8  维度信息关联扩展

    Figure  8.  Association expansion of dimension information

    图  9  煤矿参数化数据仓库

    Figure  9.  Parametric coal mine data warehouse

    图  10  煤矿数据仓库平台核心架构

    Figure  10.  Core structure of coal mine data warehouse platform

    图  11  液压支架压力随割煤变化规律

    Figure  11.  Changes law of hydraulic support pressure with coal cutting

    图  12  智能煤矿管理驾驶舱

    Figure  12.  Management cockpit of intelligent coal mine

    表  1  综采工作面核心数据分类

    Table  1.   Classification of kernel data of fully mechanized working face

    数据来源数据描述内容
    采煤机采煤机位置、机身俯仰角及倾斜角、左右牵引速度、左右滚筒高度、温度、电流等
    刮板输送机电流、电压、闭锁状态、转速、启停、故障信息等
    转载机电流、电压、闭锁状态、转矩、转速、启停、故障信息等
    破碎机电流、电压、闭锁状态、速度、启停、故障信息等
    带式输送机电流、电压、温度、转速等
    液压支架压力、行程、跟机动作、人工操作信息等
    泵站乳化液泵、喷雾泵的电流、电压、温度、转速等
    下载: 导出CSV

    表  2  综采工作面采煤机位置数据

    Table  2.   Location data of shearer in fully mechanized working face

    数据类别标签时间数据值数据状态
    采煤机位置架2019−12−06T17:12:42.81913Good
    采煤机位置架2019−12−06T17:13:20.43914Good
    采煤机位置架2019−12−06T17:13:46.65815Good
    采煤机位置架2019−12−06T17:14:07.43716Good
    采煤机位置架2019−12−06T17:14:39.94217Good
    下载: 导出CSV

    表  3  割煤阶段维表数据结构

    Table  3.   Dimension table data structure of coal cutting stage

    割煤
    刀号
    方向开始
    架号
    开始时间结束
    架号
    结束时间
    110162020−04−28T05:40:412002020−04−28T16:06:08
    11122002020−04−28T16:06:0862020−04−28T19:32:38
    112162020−04−28T19:32:382002020−04−28T22:29:13
    11322002020−04−28T22:29:1372020−04−29T02:02:37
    下载: 导出CSV

    表  4  液压支架循环动作阶段维表数据结构

    Table  4.   Dimension table data structure of cyclic hydraulic support action

    割煤刀号架号动作阶段开始时间结束时间
    1407012020−05−05T01:08:182020−05−05T01:08:23
    1407022020−05−05T01:08:232020−05−05T01:08:28
    1407032020−05−05T01:08:232020−05−05T01:13:09
    下载: 导出CSV

    表  5  原始数据模型与煤矿数据仓库的定性对比

    Table  5.   Qualitative comparison between primary data model and coal mine data warehouse

    指标原始数据模型煤矿数据仓库
    数据
    组织度
    按照数据来源组织,与
    业务过程缺乏关联性
    按照数据域、业务过程、业务事实进行
    组织,便于从业务角度理解数据
    模型
    复用度
    统计分析过程基于原始
    数据,逻辑实现复杂,无
    法重复使用
    提供多层级数据模型,统计分析过程基
    于服务数据层查询,新增数据可不断沉
    淀到基础指标层,实现模型复用
    迭代
    难易度
    数据模型随业务系统变
    更,按照业务分析需要
    迭代
    根据需求类型支持不同层级迭代,数据
    源变化可迭代明细数据层,指标变化可
    迭代基础指标层
    下载: 导出CSV

    表  6  原始数据模型与煤矿数据仓库的定量对比

    Table  6.   Quantitative comparison between primary data model and coal mine data warehouse

    数据计算指标查询响应时间/min
    原始数据模型煤矿数据仓库
    设备能耗(粒度:1 h,跨度:48 h)5~10<1
    设备能耗(粒度:1 d,跨度:30 d)>101~3
    设备运行时长(粒度:1 d,跨度30 d)5~101~3
    数据上传量(粒度:1 h,跨度:48 h)5~10<1
    工作面开机率(粒度:1 d,跨度:30 d)5~101~3
    工作面割煤量(粒度:1 d,跨度:7 d)>101~3
    工作面推进度(粒度:1 d,跨度:7 d)>101~3
    矿压分布(粒度:1 s,跨度:1 d)>103~5
    液压支架支护时长(粒度:架号+1 s,
    跨度:48 h)
    >101~3
    采煤机循环时长(粒度:割煤刀号+1 s,
    跨度:48 h)
    >101~3
    下载: 导出CSV
  • [1] 王国法,王虹,任怀伟,等. 智慧煤矿2025情景目标和发展路径[J]. 煤炭学报,2018,43(2):295-305.

    WANG Guofa,WANG Hong,REN Huaiwei,et al. 2025 scenarios and development path of intelligent coal mine[J]. Journal of China Coal Society,2018,43(2):295-305.
    [2] 韩安. 基于Hadoop的煤矿数据中心架构设计[J]. 工矿自动化,2019,45(8):60-64.

    HAN An. Architecture design of coal mine data center based on Hadoop[J]. Industry and Mine Automation,2019,45(8):60-64.
    [3] 毛善君,杨乃时,高彦清,等. 煤矿分布式协同“一张图”系统的设计和关键技术[J]. 煤炭学报,2018,43(1):280-286.

    MAO Shanjun,YANG Naishi,GAO Yanqing,et al. Design and key technology research of coal mine distributed cooperative "one map" system[J]. Journal of China Coal Society,2018,43(1):280-286.
    [4] 王国法,刘峰,孟祥军,等. 煤矿智能化(初级阶段)研究与实践[J]. 煤炭科学技术,2019,47(8):1-36.

    WANG Guofa,LIU Feng,MENG Xiangjun,et al. Research and practice on intelligent coal mine construction (primary stage)[J]. Coal Science and Technology,2019,47(8):1-36.
    [5] 高士岗,高登彦,欧阳一博,等. 煤矿智能一体化辅助生产系统及关键技术[J]. 煤炭科学技术,2020,48(7):150-160.

    GAO Shigang,GAO Dengyan,OUYANG Yibo,et al. Mine intelligent integrated auxiliary production system and key technologies[J]. Coal Science and Technology,2020,48(7):150-160.
    [6] 何敏. 智能煤矿数据治理框架与发展路径[J]. 工矿自动化,2020,46(11):23-27.

    HE Min. Framework and development path of data governance in intelligent coal mine[J]. Industry and Mine Automation,2020,46(11):23-27.
    [7] 李首滨. 煤炭工业互联网及其关键技术[J]. 煤炭科学技术,2020,48(7):98-108.

    LI Shoubin. Coal industry Internet and its key technologies[J]. Coal Science and Technology,2020,48(7):98-108.
    [8] 杜毅博,赵国瑞,巩师鑫. 智能化煤矿大数据平台架构及数据处理关键技术研究[J]. 煤炭科学技术,2020,48(7):177-185.

    DU Yibo,ZHAO Guorui,GONG Shixin. Study on big data platform architecture of intelligent coal mine and key technologies of data processing[J]. Coal Science and Technology,2020,48(7):177-185.
    [9] 吴群英,蒋林,王国法,等. 智慧矿山顶层架构设计及其关键技术[J]. 煤炭科学技术,2020,48(7):80-91.

    WU Qunying,JIANG Lin,WANG Guofa,et al. Top-level architecture design and key technologies of smart mine[J]. Coal Science and Technology,2020,48(7):80-91.
    [10] BOJICIC I, MARJANOVIC Z, TURAJLIC N, et al. A comparative analysis of data warehouse data models[C]//The 6th IEEE International Conference on Computers Communications and Control, Oradea, 2016: 151-159.
    [11] 曾志浩,姚贝,张琼林,等. 基于Hadoop平台的用户行为挖掘[J]. 计算技术与自动化,2015,34(2):100-103. doi: 10.3969/j.issn.1003-6199.2015.02.024

    ZENG Zhihao,YAO Bei,ZHANG Qionglin,et al. User behavior mining based on Hadoop platform[J]. Computing Technology and Automation,2015,34(2):100-103. doi: 10.3969/j.issn.1003-6199.2015.02.024
    [12] 温国锋,陈立文. 煤矿安全管理数据仓库的建立与应用研究[J]. 中国矿业,2009,18(1):95-97. doi: 10.3969/j.issn.1004-4051.2009.01.027

    WEN Guofeng,CHEN Liwen. On building and applacation of coal mine security management data warehouse[J]. China Mining Magazine,2009,18(1):95-97. doi: 10.3969/j.issn.1004-4051.2009.01.027
    [13] INMON W H, LINSTEDT D, ELLIOT S. Data architecture, a primer for the data scientist: big data, data warehouse and data vault[M]. Amsterdam: Morgan Kaufmann, 2015.
    [14] 赵随海. 铁路列车调度指挥系统数据仓库体系结构的研究[J]. 铁道运输与经济,2018,40(12):55-59.

    ZHAO Suihai. A study on the architecture of data warehouse for the railway train dispatching command system[J]. Railway Transport and Economy,2018,40(12):55-59.
    [15] STAVRAKAS Y,GERGATSOULIS M,DOULKERIDIS C,et al. Representingand querying histories of semistructured databases using multidimensional OEM[J]. Information Systems,2003,29(6):461-482.
    [16] 马宏伟,吴少杰,曹现刚,等. 煤矿综采设备运行状态大数据清洗建模[J]. 工矿自动化,2018,44(11):80-83.

    MA Hongwei,WU Shaojie,CAO Xiangang,et al. Big data cleaning modeling of operation status of coal mine fully-mechanized coal mining equipment[J]. Industry and Mine Automation,2018,44(11):80-83.
    [17] 高金标,何利力,邹云阳. 基于分布式存储系统的Hive与Hbase的研究[J]. 工业控制计算机,2015,28(12):44-45. doi: 10.3969/j.issn.1001-182X.2015.12.021

    GAO Jinbiao,HE Lili,ZOU Yunyang. Hive and Hbase based on research on hadoop distributed file system[J]. Industrial Control Computer,2015,28(12):44-45. doi: 10.3969/j.issn.1001-182X.2015.12.021
  • 加载中
图(12) / 表(6)
计量
  • 文章访问数:  180
  • HTML全文浏览量:  45
  • PDF下载量:  50
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-12-01
  • 修回日期:  2022-03-22
  • 网络出版日期:  2022-03-05

目录

    /

    返回文章
    返回