基于大数据和云计算的数据处理方法及大数据服务平台

摘要

本发明公开了基于大数据和云计算的数据处理方法及大数据服务平台，包括以下步骤：S1、大数据实时性分析：对控制系统的实时数据进行分析，根据所述控制系统设定的阈值及报警持续时间进行分级报警，并根据不同岗位，通过语音、消息推送的方式对报警异常信息进行分级提醒。本发明中将矿区大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

说明书

技术领域

本发明涉及大数据技术领域，具体为基于大数据和云计算的数据处理方法及大数据服务平台。

背景技术

矿井大型设备主要担负矿井提升、通风、压风、排水、运输等重要任务，是保证矿井安全生产最重要的装备和环节。由于工业快速发展产生的巨大电力需求，极大地刺激了煤炭产业的发展，矿井大型设备因此也得到了更新换代。随着工业发展转型、节能减排以及新能源快速发展，煤炭行业面临的下行压力逐步显现，煤炭行业固定资产投资逐年减少，矿井大型设备电控系统也开始进入老化期，严重地威胁着矿井和职工的安全。

现有技术中，如中国专利号为：CN 206710846 U的“一种基于大数据的矿井信息采集系统”，主控制器、二氧化碳检测模块、瓦斯检测模块、氧气检测模块、电磁辐射采集模块、声发射采集模块、电源模块、备用电源模块、温湿度检测模块、压力检测模块、语音报警模块、风机驱动模块、串口转网络模块、数据服务器、大数据处理平台、决策终端，采用多种传感器检测矿井中的环境信息，不仅能够检测矿井中生存环境信息，还能够检测电磁辐射信号和声发射信号，并通过大数据处理平台进行处理，从而给决策终端提供更有价值的信息。但现有技术中，对于煤矿灾害监测预警主要是针对某一灾害某一因素，缺乏系统性、完整性，全局性的煤矿灾害监测预警系统。

所以我们提出了基于大数据和云计算的数据处理方法及大数据服务平台，以便于解决上述中提出的问题。

发明内容

本发明的目的在于提供基于大数据和云计算的数据处理方法及大数据服务平台，为解决上述提出的问题，本发明。

为实现上述目的，本发明提供如下技术方案：基于大数据和云计算的数据处理方法，包括以下步骤：

S1、大数据实时性分析：对控制系统的实时数据进行分析，根据所述控制系统设定的阈值及报警持续时间进行分级报警，并根据不同岗位，通过语音、消息推送的方式对报警异常信息进行分级提醒；

S2、大数据历史性分析：通过基础数据的历史对比给矿井大型设备的预防性检修维护提供数据支撑；

S3、对设备状态深度感知：实时采集矿山的人员、设备、环境、管理四个方面的动态变化，并确认变化发生的具体地点及设备；

S4、对运行数据深度挖掘：通过数据分析和挖掘才能获知对矿井大型设备和环境状态的判断，对异常事件的监测及对潜在危险进行预警；

S5、安全生产与管理预测：在对所述矿井大型设备的状态判断、异常监测、危险预警的基础上，结合大型设备安全运行专业知识，自动做出合理决策。

优选的，在步骤S1中，所述分级提醒分为一级提醒、二级提醒和三级提醒，且优先级依次下降；其中，所述一级提醒为通知现场维护人员，所述二级提醒为通知后台监管人员，所述三级提醒为通知整体矿区所有人员。

优选的，在步骤S2中，所述大数据历史性分析包括以下步骤：

S20、对比分析：在实时数据进入数据库前，与前期历史数据进行分析对比，根据对比规则完成数据分析工作，并发出预警通知；

S21、经验值分析：通过与经验值的分析、对比，及时发现风险隐患并加以消除；

S22、综合分析：基于所述对比分析和经验值分析，使用加权计算判断各类风险隐患。

优选的，在步骤S4中，所述数据分析包括反应各类设备工作状态数据和反应工作人员的数据，所述反应各类设备工作状态数据包括反映温度、瓦斯浓度、压强的环境参数的数据，所述反应工作人员的数据包括工作人员地理位置和工作状态的数据。

优选的，所述矿井级监管系统包括矿井级监管系统、省市级监管系统和国家级监管系统；

所述矿井级监管系统用于监管单个矿区的运行状态和危险预测；

所述省市级监管系统用于收集所属辖区内的所有矿区的实时运行状态和安全等级；

所述国家级监管系统用于汇总全国范围内的所有矿区的实时运行状态和安全等级。

优选的，所述矿井级监管系统包括数据采集模块、历史数据库、分析对比模块和风险预估模块；

所述数据采集模块用于采集矿区内的人员、设备、环境、管理的实时数据；

所述历史数据库用于存储矿区采集的各项历史数据并按照人员、设备、环境分类；

所述分析对比模块用于将所述数据采集模块采集的实时数据导入历史数据库进行分析对比；

所述风险预估模块用于通过分析对比模块的差值与阈值对比分析得出所在矿区的风险隐患。

优选的，所述数据采集模块包括安全监控模块、工业视频监控模块、井下作业人员管理模块、水文地质模块、供电监控模块、重大设备数据采集模块、矿压及矿震监测模块和井下运输模块；

所述安全监控模块用于通过采集实时图像信息监控矿区内人员工作情况；

所述工业视频监控模块用于通过采集实时图像信息监控矿区内大型设备工作情况；

所述井下作业人员管理模块用于实时采集井下作业人员的地理位置及其工作状态，并通过语音、消息推送的方式调度作业人员；

所述水文地质模块用于实时采集矿区内的水文地质信息；

所述供电监控模块用于实时采集矿区内各个设备的供电数据；

所述重大设备数据采集模块用于实时采集矿区内各大型设备的运作状态数据；

所述矿压及矿震监测模块用于实时监测矿区内各分区的矿压及矿震数据；

所述井下运输模块用于实时监测矿区内运输设备的负载数据。

与现有技术相比，本发明的有益效果是：

本发明中将矿区大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

附图说明

图1为本发明基于大数据和云计算的数据处理方法的的流程图；

图2为本发明基于大数据和云计算的大数据服务平台的的系统框图。

图例说明：

1、矿井级监管系统；2、省市级监管系统；3、国家级监管系统；10、数据采集模块；11、历史数据库；12、分析对比模块；13、风险预估模块；101、安全监控模块；102、工业视频监控模块；103、井下作业人员管理模块；104、水文地质模块；105、供电监控模块；106、重大设备数据采集模块；107、矿压及矿震监测模块；108、井下运输模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施条例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1-2所示，原始数据体现出量大而价值密度低的特点，利用大数据技术对获取的各类数据在一定准则下加以自动分析、优化综合，通过挖掘、获知来判断设备和环境状态，发现异常事件和潜在危险。因此，矿井大型设备运行数据深度挖掘需要对多源数据进行挖掘，并注重对不同数据之间关系的挖掘，以获取、提供所需的决策和计划任务。这种基于多源信息的大数据融合是协调优化和综合处理的核心所在。

基于大数据和云计算的数据处理方法，包括以下步骤：

步骤一、大数据实时性分析：对控制系统的实时数据进行分析，根据控制系统设定的阈值及报警持续时间进行分级报警，并根据不同岗位，通过语音、消息推送的方式对报警异常信息进行分级提醒；其中，分级提醒分为一级提醒、二级提醒和三级提醒，且优先级依次下降；其中，一级提醒为通知现场维护人员，二级提醒为通知后台监管人员，三级提醒为通知整体矿区所有人员。

步骤二、大数据历史性分析：通过基础数据的历史对比给矿井大型设备的预防性检修维护提供数据支撑；大数据历史性分析包括以下步骤：

20）对比分析：在实时数据进入数据库前，与前期历史数据进行分析对比，根据对比规则完成数据分析工作，并发出预警通知，按照等级向单位负责人、分管负责人、技术人员进行分级反馈，由接收人及时进行处理并进行跟踪；

21）经验值分析：通过与经验值的分析、对比，及时发现风险隐患并加以消除；

22）综合分析：基于对比分析和经验值分析，使用加权计算判断各类风险隐患。

通过自动分析并能实时给出调整策略，从主动感知能力、自动分析能力及快速处理能力出发，满足矿井大型设备安全运行需要。

步骤三、对设备状态深度感知：自动化系统已经具备感知能力，但总体感知能力尚不充分。通过大数据的主动感知能力，在原有感知的基础上进行自动分析与快速处理，获得设备状态的深度感知。这种更精准的感知更加全面和深入，涉及矿山的人员、设备、环境、管理等各方面的动态变化，能够确认变化发生的具体部位，如发生烟雾报警的带式输送机运行状况。

步骤四、对运行数据深度挖掘：通过数据分析和挖掘才能获知对矿井大型设备和环境状态的判断，对异常事件的监测及对潜在危险进行预警；数据分析包括反应各类设备工作状态数据和反应工作人员的数据，反应各类设备工作状态数据包括反映温度、瓦斯浓度、压强的环境参数的数据，反应工作人员的数据包括工作人员地理位置和工作状态的数据。

步骤五、安全生产与管理预测：在状态判断、异常监测、危险预警的基础上，必须结合大型设备安全运行专业知识，自动做出合理决策，以实现对人员、设备和环境的调整与控制，从而保证大型设备安全高效运行。

基于大数据和云计算的大数据服务平台，包括矿井级监管系统1、省市级监管系统2和国家级监管系统3；矿井级监管系统1用于监管单个矿区的运行状态和危险预测，省市级监管系统2用于收集所属辖区内的所有矿区的实时运行状态和安全等级，国家级监管系统3用于汇总全国范围内的所有矿区的实时运行状态和安全等级。

矿井级监管系统1包括数据采集模块10、历史数据库11、分析对比模块12和风险预估模块13，数据采集模块10用于采集矿区内的人员、设备、环境、管理的实时数据，历史数据库11用于存储矿区采集的各项历史数据并按照人员、设备、环境分类，分析对比模块12用于将数据采集模块10采集的实时数据导入历史数据库11进行分析对比，风险预估模块13用于通过分析对比模块12的差值与阈值对比分析得出所在矿区的风险隐患。

数据采集模块10包括安全监控模块101、工业视频监控模块102、井下作业人员管理模块103、水文地质模块104、供电监控模块105、重大设备数据采集模块106、矿压及矿震监测模块107和井下运输模块108；安全监控模块101用于通过采集实时图像信息监控矿区内人员工作情况；工业视频监控模块102用于通过采集实时图像信息监控矿区内大型设备工作情况；井下作业人员管理模块103用于实时采集井下作业人员的地理位置及其工作状态，并通过语音、消息推送的方式调度作业人员；水文地质模块104用于实时采集矿区内的水文地质信息；供电监控模块105用于实时采集矿区内各个设备的供电数据；重大设备数据采集模块106用于实时采集矿区内各大型设备的运作状态数据；矿压及矿震监测模块107用于实时监测矿区内各分区的矿压及矿震数据；井下运输模块108用于实时监测矿区内运输设备的负载数据。

本发明中将矿区大型设备运行大数据系统融合物联网、云计算、大数据、人工智能等技术，具备全面感知、趋势预测、风险隐患预警及生产管理与安全管理智能决策支持等能力，综合运用物联网技术、大数据技术及智能决策支持技术，形成对矿井大型设备安全运行的强大支撑和保障，为最终实现无人矿山奠定坚实基础。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。