煤矿智能化的基础是实现业务全流程数据的高度共享与动态分析，当前我国煤矿建设的自动化与监测监控系统主要以单系统为主，各系统功能相对独立，缺乏关联性，导致各系统之间数据孤立。虽然也有综合自动化系统，将多个子系统数据采集到一起，但从实际效果来看，仅是将各子系统的原始数据进行物理性地堆砌在一起，未实现数据按照业务逻辑的重组，进而导致智能化应用落地实施困难，跨系统的综合分析难以实现。

数据中台指通过数据技术，对海量数据进行采集、计算、存储、加工，统一标准和口径，将数据加工以后封装成一个公共的数据产品或服务，为大数据应用提供数据支撑。通过数据中台能够快速响应前台业务需求变化，解决业务系统数据孤岛、数据繁杂、数据隔离的难题，形成前台和后台之间的数据桥梁，帮助企业实现数据驱动业务决策的目的。

数据中台是煤矿智能化建设的数据底座，实现煤矿全链路数据的融通是煤矿智能化建设的关键因素。李首滨首次提出建设煤炭工业互联网是煤炭行业智能化转型的重要支撑，基于工业互联网架构建设数据中台能够实现统一的数据管理和统一的数据标准，将各子系统割裂的原始数据转化成标准化的数据资产，为上层智能化应用提供数据支撑；疏礼春提出智能煤矿数据中台的总体建设思路，并对数据中台架构设计进行了深入探讨；何敏等人对数据治理在智能化煤矿的实践框架进行研究，为数据中台在煤炭行业的实践提供了指导。笔者以数据中台在智能化煤矿中的应用为出发点，以陕西能源冯家塔矿业运营有限责任公司（简称冯家塔煤矿） 为例，详细阐述了数据中台在煤矿智能化建设中的实践与效果。

矿井概况

冯家塔煤矿位于陕西省榆林市府谷县东北方向25 km，井田面积59.5 km2，地质储量11 亿t，可采储量约5 亿t，服务年限为59.6 a。2005 年正式建设，年设计生产能力600 万t，属于低瓦斯矿井。矿井按照煤电一体化、高产高效现代化矿井的模式进行设计，3 条斜井开拓，综合机械化采煤掘进，输送带“一条龙”运输。

冯家塔煤矿随着业务发展和智能化应用创新的不断深入，数据的融合分析、应用与智能升级改造的关系逐渐凸显，日常的平台运行和数据管理已经成为该矿的重要资产。因此，需要建设统一的数据管理平台，即数据中台，遵循统一的数据标准完成数据接入，打通生产控制、安全监测、经营、智慧园区、地质建模、管控平台等系统数据链路，进行全矿井数据的融合加工，建立安全、共享、高效的煤矿数据服务机制，让数据作为生产资料成为资产融入到业务价值中，并持续产生价值，从而敏捷地响应矿井的智能化创新。

数据中台总体设计和系统组成

基于工业互联网架构的数据中台按照“云、边、端”的分层体系构建，既能兼容边缘层子系统的计算与接入，又能保证智能应用层的数据共享，具备统一的架构体系优势。基于工业互联网架构数据中台总体设计示意如图1 所示。

边缘端主要包含设备层和边缘层。其中设备层主要由煤矿井下的采掘设备、大型机电设备和大量环境感知传感器组成；边缘层由部署于井下的智能控制子系统、安全监测与感知子系统和地面园区的经营管理系统组成，子系统协同各类设备完成各类生产作业，保障生产过程按计划安全有序进行。

云端主要包含IaaS 层、PaaS 层、SaaS 层。其中基础IaaS 层部署于煤矿地面机房，通过私有云提供虚拟化/OS/容器化能力；PaaS 层包含支撑各类平台的基础平台层和数据平台工具；SaaS 层主要包括煤矿智能化决策应用，基于数据中台提供的数据资产实现数据决策过程的指导分析，提升业务运行效率。

数据中台具备数据汇聚整合、数据清洗加工、数据服务可视化、数据共享交换4 个核心功能，并以提升业务运行效率、持续促进业务创新为目标。数据中台由以下4 部分组成：

（1） 数据采集平台

面向底层各类子系统的数据通信协议，实现数据从边缘层子系统到数据中台的离线、实时接入，并完成必要的数据预处理及协议转换。

（2） 大数据基础平台

基于分布式存储、时序存储技术，面向多源异构数据实现分层存储架构和技术方案，提供离线批处理和在线实时处理的分流式处理引擎，以及任务调度引擎，支持大数据分布式任务的协同调度。

（3） 数据资产管理平台

通过建立数据资产管理体系框架和数据治理系统，提供数据标准管理、数据模型管理、元数据管理、数据质量管理、数据安全管理等功能，实现原始数据的标准化加工处理及原始业务数据到数据资产的转化。

（4） 数据交换共享服务

基于微服务技术，提供API、SDK、消息队列等多种接口，对外提供数据服务能力；提供多层次、多主题的数据资产目录，支撑按照系统、测点、设备进行信息的快速索引；提供数据请求共享数据量的可视化图表监控，保证数据共享的可靠性和稳定性。

数据中台关键技术

冯家塔煤矿数据中台需要为矿井层面的综合分析场景提供技术支撑，数据中台采用的技术包括数据资产迭代技术、矿井区域标准化技术、指标归因分析技术，通过这些技术实现煤矿数据资产的标准化。

数据资产化迭代技术

煤矿智能化建设是一个长期发展的过程，随着煤矿数字化的逐步推进，从数据探查分析、探索数据价值，到数据产品的上线，提供业务价值。构建数据中台的重要意义在于建立数据价值实现的良性循环过程，持续实现从原始数据到数据资产的转化过程，因此采用数据资产化迭代技术，数据资产化迭代流程如图2 所示。

（1） 数据需求

需求是数据驱动的源头，会随着煤矿智能化进展不断变化，因此需要立足煤矿企业当前现状，面向业务上的重点问题，才能使数据中台真正为业务提供数据价值。考虑到冯家塔煤矿的经营管理模式，需要全面接入矿井生产安全系统数据和地面系统，如洗选系统、园区系统、经营管理系统的数据，为矿井级的分析决策奠定基础。

（2） 数据资源盘点

数据中台需要立足于煤矿信息化基础现状，否则可能会造成信息化资源的浪费和信息化基础设施的重复建设。要对现存的网络资源、存储资源、计算资源、数据资源等进行全面盘点，科学评估数据中台的建设需求和现实条件，充分盘活具有潜在价值的数据资源和信息设施，摒弃改造成本较大的数据资源和信息设施，避免资源浪费和重复建设，要在基于煤矿现有数据标准的规范下实现对数据、技术与业务的整合集成。

（3） 数据接入

煤矿各子系统积累了结构复杂、体量庞大的各类数据。根据数据特性，按照数据更新频率和吞吐量2 个指标对数据进行分类分级，从而合理实施数据采集、数据存储和数据加工过程。根据不同分类情况，数据源层包含以离线大批量为特征的历史数据，以准实时小批量为特征的过程数据和以实时数据流为特征的快照数据。

（4） 数据资产建设

数据资产建设的目标是实现煤矿智能化数据资产体系，按照分层架构划分为原始数据层、业务明细层、轻度汇总层、应用分析层和公共维度层。原始数据层汇聚煤矿全域全量数据，与业务系统数据保持一致，确保历史数据的可追溯性，为其他层级数据提供数据基础；业务明细层对原始数据进行数据清洗和加工处理，形成统一规范的标准业务明细数据；轻度汇总层面向业务分析对象建模，打通面向对象的全域数据标签体系；应用分析层面向分析需求进行数据加工和封装，以满足前台个性化指标的分析要求；公共维度层面向全业务域进行通用编码与维度字典的定义。在业务明细层与轻度汇总层内部，需要结合煤矿业务场景定义分层主题，并按主题结构实现数据资产的组织划分，冯家塔煤矿构建的数据资产分层主题体系如图3 所示。

（5） 数据共享服务

对数据、模型和算法进行逻辑封装，生成统一的标准化API 以供智能化应用调用。这是数据中台对外赋能的标准化出口，通过数据共享实现数据价值的落地，同时也是新需求产生的起点，真正实现数据价值的持续迭代。

矿井区域标准化技术

煤矿井下区域数据的标准统一是煤矿数据标准的重要研究课题，也是进行安全分析需要考虑的重要因素，很多井下子系统也都涵盖了区域信息，例如安全监测监控系统的感知传感器位置，井下人员定位系统的人员、车辆及分站位置，双预控系统的风险与隐患位置等。但不同系统中位置区域的定义、命名、粒度存在较大差异，导致按照区域维度进行跨系统多因素融合分析困难。

冯家塔煤矿数据中台通过矿井区域标准化技术实现了安全类感知数据的区域统一，将按照源系统划分的原始数据转换为按照“人、机、环、管”主题划分的安全分析数据资产，其数据加工过程如图4 所示。

针对煤矿井下区域特点，建立煤矿井下区域类型标准，定义标准化的区域类型编码与区域类型名称。基于区域类型标准进行冯家塔煤矿区域定义，区域实例归属于明确的区域类型标准，并定义区域实例编码与区域实例名称。基于GIS 地图辅助工具获取区域范围与位置信息，并与区域实例进行关联映射。通过文本模糊匹配技术实现各类数据模型的区域信息标准化转换，同时按照“人、机、环、管”的分析视角构建出面向区域安全的统一数据视图。

指标归因分析技术

数据指标是数据资产的重要组成部分，采用指标归因分析法可以实现数据指标的标准化。以单产指标为例，单产指综采工作面单位时间的平均原煤产量，是反映煤矿生产技术水平的综合性指标。综采工作面高产高效是影响煤矿整体产能的关键因素，为及时分析影响产量的因素，数据中台采用指标归因分析方法，根据冯家塔煤矿生产现状建立了综采单产指标分解模型，并通过数据融合加工实现了综采单产因子数据模型，综采单产指标分解模型如图5 所示。

定义综采单产指标为P，其关键影响因素可以按照公式P=T×ET 进行分解，其中T 为有效生产时间，ET 表为在有效生产时间T 内的实际生产效率。进一步将有效生产时间进行分解：T=T1−T2−T3−T4，其中T1为固定常量表示单位总时间，T2为计划内停机时间（如计划内停电、日常检修等因素停机未生产的时间），T3为非计划停机时间（如各类故障导致的停机时间），T4为生产辅助过程（如交接班、工作面清扫、更换设备部件） 占用的时间，排除这些时间后的时间是真正投入到采煤过程的时间。生产时间内的生产效率ET影响因素较多，如人工因素（班组差异、操作熟练度）、设备因素（持续运行时间、运行参数是否在额定范围） 和自动化因素（自动跟机、自动循环割煤）。

综采单产指标涉及因素纷繁复杂，如生产计划、班组计划、综采系统和人员定位系统，基于数据中台的分层加工逻辑实现了跨主题、多粒度的数据融合，为生产效能相关性分析计算提供了极大便利。

数据中台实际应用效果

随着煤矿开采深度和开采强度的不断加大，岩层压力大、瓦斯涌出量大、涌水量大、地温高等现象普遍出现，开采条件不断恶化，风险不断增加，灾害治理难度不断加大。将井下区域进行精细化划分，对区域内的风险因素进行辨识和安全指数评估，合理反映区域安全现状，可使安全评估更加贴近实际生产要求。

冯家塔煤矿区域安全等级评估应用，基于统一区域维度实现了“人、机、环、管”4 个方面的安全因素融合，建立了安全评分模型，通过大数据分析方法，实现了不同维度安全因子的评估权重，最终加权计算得到区域安全等级评分，并实现了GIS地图的实时展示。冯家塔煤矿区域安全等级评估界面如图6 所示。

冯家塔煤矿矿井级智能综合管控平台基于数据中台提供的数据模型对矿井生产系统、安全保障系统、经营管理系统系统（如ERP、智慧园区、全生命周期等） 进行集中分析和全面展示，实现了安全诊断分析、生产成本分析、能耗分析（电、水、热等）、生产效能分析、人员绩效分析、设备效能分析。采用数据中台提供的安全、生产、经营管理系统数据，基于数据中台离线数据开发、实时数据开发等建模工具构建矿井级智能联动场景模型，将模型结果在管控平台进行可视化展示，可为生产提供指导，并实现设备运行优化和生产效率提高，促使企业节能降耗。

结 语

基于我国煤矿智能化建设相关政策指导，结合煤矿安全生产系统建设现状，深入分析了数据中台对于煤矿智能化建设的必要性，结合煤矿数据量大、结构复杂、增长速度快等特征，提出以智能化分析为驱动的基于工业互联网架构的煤矿数据中台，详细阐述了数据中台在冯家塔煤矿智能化建设中的实践与意义。

数据中台应融合多源、多类型数据和空间信息，涵盖生产控制类、安全感知类、经营管理类数据，采用大数据分析挖掘技术，为煤矿企业经营管理层提供决策支持。笔者详述了冯家塔煤矿数据中台采用的关键技术和应用效果，随着后续数据采集广度和数据分析深度，数据中台将从多角度、多层面提供更加丰富的业务支撑。

随着煤矿信息化建设的普及和信息化程度的提高，未来可构建横向覆盖全业务流程、纵深延展到边缘设备端的数据资产体系。数据中台将为实现全面感知、实时互联、动态监测、分析决策的智能化煤矿提供支撑。

责任编辑： 李金松