煤矿智能化建设是煤炭工业集成新一代信息技术，实现煤矿生产、运营、管理全流程自动化水平的体现，也是煤炭行业高质量发展升级的关键。借助人工智能、大数据、物联网等新一代信息技术，将其充分融入到煤炭勘探、开采、运输、洗选、安全监控、经营管理等环节，形成全面感知、实时互联、自主学习、动态预测、分析决策、协同控制的多智能系统，让装备、系统、厂区等相关信息数据实现信息的实时收集与共享，并进行信息深度挖掘，以此为决策者判断设备故障、预测未来来压、决定开采周期等提供参考依据，进一步提升煤矿安全生产水平，保障煤炭稳定供应。
随着煤矿数字化转型、网络化协同、智能化变革的进程不断加快和深入，构建融合一体化感知、大数据分析、设备自主管理的智能化运维模式，能够为煤矿一线员工、设备运维人员、生产管理人员进一步提供战略性业务服务。同时，煤矿企业多层次管理架构具有不同需求，以网络化、数字化、智能化为方向，布局远程运维智能化综采共享平台（简称远程运维共享平台），同步推进网络安全和煤矿智能化发展。借助远程运维共享平台，煤矿用户不仅能够提升煤矿中的设备管理效率，也可使矿井之间的业务联动变得更加全面和系统。因此，以“信息采集全覆盖、数据资源全共享、统计分析全自动、业务管理全透明、人机状态全监控、生产过程全记录”为目标，基于现有工作面级数据平台汇集矿业公司级的上层协同管理平台，建设集团公司级的远程运维智能化综采共享平台，形成跨地区、跨矿井、跨系统的多维度实时数据监测分析，打造“工作面—矿业公司—集团公司”多级远程运维智能化综采共享平台，已逐渐成为煤矿智能化发展的新目标。
远程运维共享平台架构
远程运维共享平台基于云平台计算中心，通过以太网传输工作面实时生产设备的姿态数据，利用数据驱动诊断分析方法对海量、多源、高维数据进行信息提取，并针对不同管理层级进行信息统计分析和特征挖掘，得到各种与生产息息相关的指标数据，从而提供相应的决策支持信息。因此，远程运维共享平台能够充分发挥煤矿综采装备运行特点，提升矿山开采过程的综合管理水平，推动矿山智能化的发展。
远程运维共享平台架构（图1），分为以下4 层：
（1） 基础层。承载系统运行、数据分析及数据存储的基础应用。
（2） 数据层。作为生产数据、传输数据基础应用，是系统获取数据的重要途径。
（3） 业务层。系统对数据收集、整理、加工的重要环节。数据层的原始数据通过业务层处理和分析，存储到分布式数据库中，方便在展示层存取。
（4） 展示层。直接面向用户的重要窗口，根据不同管理层级，以多种形式展示给用户，作为指导用户生产的重要依据。
远程运维共享平台建设目标
远程运维共享平台旨在融合“云大物移智”等新技术，提升智能化生产效率和生产安全。为保障实施效果，实现从工作面级到集团公司级的跨地区、跨矿井、跨系统的多维度数据共享与分析，以不同层级对象为主体，从对智能化工作面运行数据实时采集与基础分析，到开展基于机器学习等技术的智能分析，再到针对不同用户角色推送不同的报表，以此来分阶段地进行远程运维共享平台建设（图2）。具体建设阶段如下：
第一阶段：以工作面自动化集成界面为基础，利用北京天玛智控科技股份有限公司（简称天玛智控）自研LongWallMind 集控平台建设工作面综合监控系统，实现工作面数据集成；通过网络镜像和Web 服务发布与共享，将矿井各个工作面数据进行集成，通过页面进行访问；利用工作面级互联网平台将各矿数据集成上传，可在公司专用网上进行有权限的访问和调用，实现了数据集成与共享。
第二阶段：在第一阶段基础上通过对数据的清洗、分类与分析，实现不同层级对智能化工作面运行数据统计分析并自动生成统计报表。统计报表主要内容包括工作面自动化开机率、记忆截割率、矿压数据等。随着数据不断的增多，共享平台逐步加入新的统计，实现工作面级矿压预测预报、设备运行统计、故障预判分析、支护质量分析等，依托LongWallMind 集控平台深度集成井上井下各系统和设备的关键点位，实现矿井级高效协同，逐班、逐天、逐月割煤刀数统计、产量统计、进尺统计等。最终以集团公司为整体，统筹各煤矿不同特点，实现跨地区、跨矿井、跨系统的多维度实时数据监测分析，实现能够查看整个矿区各个工作面的刀数统计、产量统计、进尺统计及对比分析等目标。
第三阶段：在第二阶段基础上运用技术原理、行业知识、基础工艺、算法模型规则化、软件化、模块化，将共享平台封装为通用组件，实现工业知识的固化封装和复用。同时，实现对海量工业机理模型和微服务的编排、管理和治理，方便开发者的调用和使用者的管理。可为每个设备进行数据历史回溯，通过数据回溯分析设备在工作时的规律或异常信息，为故障诊断、统计分析、机器学习做铺垫。远程运维共享平台通过5G和工业互联网大数据模块，实现数据云端上传与访问，使用者可通过PC端和手机端随时查询设备的运行和统计数据。同时，建设了双向通信通道，地面各端口可直接与井下实时语音、视频，方便对井下突发情况进行调度指挥。
远程运维共享平台关键技术
云端关系数据库集群
云盘的特性是可伸缩、高可用，不会因为磁盘损坏造成数据丢失，能够满足数据存储的可伸缩性和可靠性要求。因此，为实现数据的高效存储，采用PgSQL 中间件技术实现数据集群配置和读写分离；将PgSQL 业务接入Atlas 智能计算平台，以Atlas 平台作为服务端，通过PgSQL客户端和服务端通信，由此数据库每天承载读写请求数可达几十亿条。由于，上述机制对应用程序屏蔽了数据库的细节，同时为了降低PgSQL负担，Atlas 平台通过维护连接池，增加了数据库的可用性；数据共享方面，通过云盘服务形式，增加了数据可靠性，减少了数据丢失等异常的情况发生。
全平台移动APP 应用
目前，随着井下5G和WiFi6 等通信技术的成熟应用，手持终端APP应用逐渐成为井下监测的补充手段。通过开发手持终端APP 应用软件，支持鸿蒙、IOS、安卓3 大主流移动平台，并基于国产鸿蒙系统深入研发煤炭行业的“矿鸿”应用，利用现阶段“矿鸿”应用研发成果，完成与其所有应用对接集成，形成完整的煤炭行业移动APP应用。移动应用软件可与天玛智控自研的LongWallMind 集控平台通信， 进而统一远程运维平台移动APP 应用和LongWallMind 集控平台的数据中心移动APP 应用，实现在不同网络中对接远程运维共享平台监控功能和LongWallMind 集控平台环网的数据中心功能，用户可以无感知自动切换系统数据平台。远程运维共享平台数据架构如图3 所示。
手持终端APP 消息推送
在工作面生产过程中，装备及系统会不定时产生大量报警、故障、预警、数据分析指标以及部分通知消息，客户可能无法及时收到工作面设备运行的相关消息通知。为解决这个痛点，在移动APP终端集成消息推送功能，可及时将各种关于工作面的消息推送到客户手机中。针对部分煤矿已有企业微信，为了本土化展示信息，在移动APP终端推送消息功能基础之上，增加了企业微信推送功能。在矿方条件允许的情况下，远程运维共享平台可接入本地化的企业微信消息推送功能，实现人性化地适配矿方现有系统。
关键数据分析功能
工作面的关键指标数据均与生产密切相关，同时也是煤矿在生产过程中的重要考核指标。对于与客户密切关系的数据指标，远程运维共享平台能够实现以下功能：
（1） 设备启停机分析。分析设备启、停、运行时间、耗电量、负荷量等。
（2） 采煤机割煤阶段分析。分析采煤机的割煤循环、截割效率、自动化率、干预率、割煤刀数、启停机次数及运行状态等数据。
（3） 液压支架工艺阶段分析。分析液压支架状态信息、支架自动化信息，计算支架自动化率、干预率等，识别支架降移升推姿态。
（4） 顶板来压分析。分析工作面液压支架压力随时间和推进度变化情况，计算每个支架压力随推进度的循环末阻力变化情况，生成二维矿压热力图，分析工作面来压情况。
（5） 报表生成与查询。包含支架自动化报表、采煤机自动化报表、工作面自动化报表、设备运行状态报表、工作面压力报表、供电系统报表和生产运行报表。
（6） 报警分析。基于LongWallMind 集控平台进行报警分析。
视频监控管理功能
工作面视频监控系统是智能化采煤工作面的重要组成部分。利用视频监控系统，地面监控人员可以直接对井下情况进行实时监控，也能直观地记录井下工作面现场的安全生产情况。
工作面视频监控系统由摄像、传输、控制、显示、记录、登记6 部分组成。工作面视频监控系统仅可查看监控画面，无法进行视频监控数据采集和管理。基于数据驱动的远程运维共享平台能够建立视频监控管理模块，视频数据通过井上的流媒体服务器，利用LongWallMind 集控平台上传到综采工作面数据中心系统平台中存储，并按照视频访问频率和时间进行整理分类、压缩保存到云端存储中，也可在线提供视频管理功能， 通过RTMP、RTSP、HTTP 视频协议，提供视频数据管理页面，方便客户查看回放视频数据。
工作面知识库
建立了工作面知识库，对原有信息和知识进行大规模收集和整理，按照一定规则进行分类和保存，并提供相应的检索手段。经过处理后，大量隐含知识被编码化和数字化，信息和知识便从原来混乱的状态变得有序化，方便了信息和知识的检索。
在知识库中预存部分设备故障解决方案，用户可以在实际生产过程中不断地完善知识库的内容，使知识库成为生产中不可缺少的一部分。移动APP也提供了方便用户查询知识库的入口，可随时随地查询生产知识。知识库中存在被称作“典型方法库”的特殊部分，该方法库积累了设备常见故障的产生原因和解决方法，以便用户调用和学习。
工作面设备管理
设备管理是对设备寿命周期全过程的管理，包括选择、正确使用、维护修理，以及更新改造设备全过程的管理工作。
现有工作面集控系统以集中控制为主，缺乏设备的运维管理功能，无法将用户的检修、运维、手动操作记录进行有效记录。为了满足工作面设备的日常运维需求，远程运维共享平台提供了设备管理的相关设备训练模型，为集控系统的过程监测数据提供标签数据支撑，能够解决样本数据的有效性和真实性，提升训练模型的精度，以此实现设备的使用、维护、修理、更新、改造直至报废退出生产领域的全生命周期监控。
权限管理
权限管理是远程运维共享平台的重要组成部分，其目的是针对不同操作人员的访问资源进行权限控制，从而使用户避免因权限控制缺失或操作不当引起的风险问题，如隐私数据泄露。
权限设计采用RBAC模型，即基于角色的访问控制。远程运维共享平台采用的是RBAC0 模型（图4），模型展示了权限最基础和核心的模型，包括用户/角色/权限，以多对多关系形成用户、角色和权限之间的维护。
用户是发起操作的主体，按类型可分为ToB 和ToC用户，可以是后台管理系统的用户，可以是OA系统的内部员工，也可以是面向C端的用户，如阿里云用户。
角色起到了桥梁的作用，连接了用户和权限的关系，每个角色可以关联多个权限，同时1 个用户可关联多个角色，因此，1 个用户可以拥有多个角色的多个权限。
权限是用户可以访问的资源，包括页面权限、操作权限、数据权限等。
根据上述规则，煤矿员工用户角色可分为煤矿安全监控中心人员、煤矿设备维护人员、煤矿生产集控操作员、煤矿普通用户。角色的权限关系介绍如图5 所示。
煤矿安全监控中心人员具有知识库管理权限，负责工作面安全规程的录入、修改及删除功能，可以在地面调度中心对煤矿安全生产事故进行隐患排查和安全事故分析预警。
煤矿设备维护人员具有故障知识输入、查询的责任，可以增、删、改、查故障知识库。用户能够通过搜索引擎快速查询设备相关的知识，以辅助快速进行设备的故障诊断及根本原因分析，同时具有维护故障知识库的功能。
煤矿生产集控操作员不仅能够对设备进行远程控制，同时其操作日志将被记录到远程运维共享平台中，并且能够根据专家经验自定义规则，对数据采集系统采集得到的数据通过可视化的方式进行复杂故障规则条件的设置，使触发的故障告警及时推送给远程运维共享平台。
煤矿普通用户能够查看工作面的实时工况、采煤机自动化、矿压分析等历史数据分析结果，同时提供打印报表等功能。
实践应用效果
智能工作面数据展板
智能工作面数据展板主要用于企业对煤矿开采设备和生产数据进行信息化与数字化管理，以及对矿压和开采设备故障进行智能化分析，可实现对多个矿区的多个采煤工作面进行统筹管理。该数据展板目前部署在各个矿区不同工作面井上集控中心、矿区调度中心，也可以根据实际需求部署于井下运输巷控制中心和矿业公司统筹管控中心。数据展板主要包括分析总览、实时监测、统计分析、矿压分析4 个功能页面。
（1） 分析功能界面详细汇总了工作面的生产工况所有数据，实现对工作面的数据集成展示，智能工作面数据展板数据总览功能界面如图6 所示。
（2） 实时监测功能界面（图7） 详细展示了综采工作面所有设备生产过程的姿态数据。
（3） 统计分析功能界面（图8） 详细展示了综采工作面历史生产的工况，还可以浏览以往生产工况、报警信息、采煤机状态、支架状态、运输系统状态及泵站状态统计信息。
（4） 矿压分析功能界面（图9） 详细展示了综采工作面历史矿压分析结果，还可以浏览过往的压力分布、三维矿压、压力随时间变化、液压支架压力以及周期来压的分析信息。
手持终端矿鸿APP
手持终端矿鸿APP 应用除了集成PC 端重要的数据展板内容，还增加了更多的集控、告警、专家库等功能，如液压支架远程控制功能，该功能可将井下多名支架工人从危险的支架操作环境中解放出来，与人工操作支架相比效率也得到大幅提高。手持终端矿鸿APP应用界面如图10 所示。
大数据集成可视化系统
依托远程运维共享平台建设了公司级的大数据集成可视化系统，集成了满足跨系统、跨平台的通信协议，可将多个煤矿开采重要子系统上位机所采集的数据融合管理，从而构建数据仓库，并提供云计算、数据分析、自定义云组态和低代码高效开发工具等服务。该系统可供多个研发单位进行统一开发，集中管理与调度，大数据集成可视化系统如图11 所示。
后台配置管理
由于大数据集成可视化系统涉及的多个应用系统需要根据不同矿区的每个开采工作面进行特定的配置才能投入正常使用，系统投入应用后的运维服务也需统一管理，这些工作往往较为繁琐，人工通过文档进行配置和现场运维时容易遗漏配置项，导致部分功能的缺失，以及时间和人力的大量损耗。为此，笔者开发了后台配置管理系统（图12） 进行统一配置，提高了各应用系统在实地部署时的工作效率。
结 语
笔者介绍了面向煤矿的远程运维共享平台建设方案，包括远程运维服务管理体系及应用的搭建，实现了设备故障诊断、矿压分析、关键指标分析、多工作面设备姿态数据实时监测、专家知识库、采煤工艺指导及设备健康度评价等功能，形成了工作面到集团公司的多级开采智能化集成共享分析系统，不仅能够为煤矿用户提供远程运维增值服务，还对提升智能化开采建设水平，指导智能化煤矿建设落地提供了技术支持。
