0 引 言
工业互联网是制造业数字化、网络化、智能化的重要载体，也是新一代信息通信技术与现代工业技术深度融合的产物，已经成为全球新一轮产业竞争的制高点[1]。物联网、云计算、大数据、人工智能等新技术、新模式与煤炭行业生产、建设、运销、经营的融合发展，可使煤炭行业的整体水平大幅提升，企业管控和防风险能力进一步增强，经营效率、经济效益、决策的智能化水明显提升[2]。特别是在矿井层面，可利用煤炭工业互联网(Coal Industry Internet，CII)对矿山地质情况进行分析，获取煤炭资源分布情况，提高开采质量并减少矿山资源的浪费；同时将智能化采掘工作面、智能机器人通过多种形式融入到生产系统中，保障煤炭生产安全，大幅度提高煤炭系统的安全预警能力，避免灾难事故的发生。此外，煤炭工业互联网还能提供远程监督、智能供销、设备故障预测、通风保障等智能化服务，进一步促进煤矿数字化转型和提升信息化水平。
从产业链的角度来看，通过将煤炭行业纳入到工业互联网体系中，有助于打通煤炭生产企业与上游生产设备及原材料供应企业和下游消费企业的整体产业链，将生产制造、采矿、化工、电力等多个行业进行融合。连接上游企业有助于煤炭生产企业及时获取生产设备、生产原材料等的相关服务支撑，减少因为设备故障或者材料短缺导致的生产暂停，也可及时获知上游企业的市场售价等信息，及时调整生产成本；连接下游企业将有助于煤炭生产企业提前预判市场变化趋势，及时做出生产进度、人员安排以及物流调度等方面的调整，节约生产运输成本的同时，根据市场需求生产，在保证下游市场需要的同时，稳定煤炭价格，减少市场波动。
我国煤炭工业互联网尚处在初级阶段，整体上煤炭行业和企业对如何构建煤炭工业互联网技术体系还不明晰，煤炭工业互联网产业生态有待完善；局部存在平台应用深度和广度不足、标准体系不完善、安全保护机制不健全等突出问题。笔者以问题为引导，综述了煤炭工业互联网的国内外研究现状，构建基于设备感知层、IaaS层(Infrastructure as a Service)、PaaS层(Platform as a Service)、SaaS层(Software as a Service)和云边端协同的煤炭工业互联网技术架构，归纳分析了煤炭工业互联网发展重点领域，提出基于数字矿山基础信息平台、煤炭工业互联网数据中台、矿山中央控制系统和5G快速云边端协同的煤炭工业互联网关键技术及其发展思路。
1 煤炭工业互联网研究现状
21世纪以来，欧美等发达国家相继提出“工业互联网”与“工业4.0”战略，以巩固其在技术、产业方面的领先优势，抢占未来制造业的制高点。为实现从制造业大国到强国的历史性跨越，我国于2014年12月制定实施了“中国制造2025”战略，推进信息化与工业化深度融合，促进产业升级转型。煤炭行业积极响应国家号召紧跟技术发展趋势，在工业互联网领域进行了积极探索。
1.1 国内研究现状
2000年以前，受制于我国薄弱的工业制造基础，综采装备、液压系统、采煤装备等煤矿大型机械设备主要依赖国外进口(图1)。部分国产设备与国外检验标准、可靠性、技术参数差距巨大，在此基础上进行自动化改造难度较大。“十二五”与“十三五”期间，我国集中科研攻关，成功研发了一系列国产大型智能化煤矿装备[3]，为我国煤炭工业互联网建设奠定了坚实的基础[4]。2013—2014年，黄陵一号煤矿首次实现综采工作面智能化开采以及无人值守[5]。2014—2016年，兖矿集团与天地科技股份有限公司合作，首次研发了国产8.2 m综采成套技术与智能化控制系统[6]，达到了国际领先水平。2017年，兖矿集团转龙湾煤矿在综采工作面首次应用工作面直线度控制系统(LASC)，实现了液压支架与刮板输送机自动校直，研发了具有惯性导航特性的智能化采煤机[7]。
图1 大型煤炭企业采煤机械化程度变化情况
Fig.1 Coal mining mechanization in large coal enterprises
遵循信息化与工业化深度融合战略思想，立足煤炭行业现状，大批国内学者在煤炭工业互联网领域做了很多研究，取得了一定成果。王国法等[8]针对我国煤矿智能化标准建设尚处在初级阶段，构建了煤矿智能化标准体系框架，统筹规划各项标准顶层设计。袁亮[9]为实现互联网+科学开采的未来少人无人采矿提供了技术路径，可显著提高煤炭安全开采智能化、自动化、信息化水平，实现煤炭行业由劳动密集型向技术密集型转变。丁恩杰等[10]总结了国内外煤炭物联网研究现状，指出我国煤炭物联网存在缺乏低能耗传感器、数据与网络安全难保障和欠缺公共服务平台等问题，为煤炭物联网的未来发展指明了方向。文献[11]根据矿山工业互联网的发展情况，探讨了其与智慧矿山的关系，提出基于网络体系、数据体系和安全体系的矿山工业互联网体系架构。文献[12]针对煤炭工业互联网信息安全防护多应用于较小区域，提出一种基于动态和静态2个维度的煤炭工业互联网信息安全评估方法，降低煤炭工业互联网信息安全风险。文献[13]结合煤炭企业实际情况，提出“四块三层两翼一中心”的矿井两化深度融合的管理应用体系，保障矿井的生产效率与运营效益。文献[14]分析了兖矿集团煤矿大数据的现状及存在的问题，探讨大数据时代下煤炭工业监控大数据平台的建设和使用方法，保障了煤矿的安全生产。
1.2 国外研究现状
国外对工业互联网的研究起步较早，取得了较为丰硕的成果，相关技术成熟度较高，部分技术已经成功应用到矿山行业。
自2008年以来，澳大利亚Rio Tinto公司[15]就一直在使用自动驾驶的自动采矿卡车来运送矿石。每辆自动驾驶卡车都具有200多个传感器、GPS接收器和雷达制导系统。机队由1 000多英里外的运营中心管理。在运营中心，车辆和其他设备的数据被输入到综合的矿山自动化系统中，该系统提供整个采矿作业的系统视图，包括工作地点的3D可视化和预测性维护计划。2015年，澳大利亚联合日本，开发了一套集成ZigBee网络与GIS的自动化地下矿山监视和通信系统[16]，ZigBee网络基于WSN的功能，提高了通风系统和紧急通信系统的实时性，促进矿山安全生产，提高企业运营效益。
1984年，美国矿务局发表了一份技术报告[17]，比较了地下矿山的不同监测系统，为计算机监控、仪器和系统维护提供指南。2014年，通用电气与采矿设备制造商小松合作实施工业物联网解决方案[18]，以提高采矿运营的效率和服务，建立了名为Komatsu和GE Mining Systems LLC的合资企业，以开发新一代采矿解决方案，预计工业物联网和大数据分析将在其中发挥重要作用。美国国家职业安全与健康研究所正在研究工业物联网应用程序[18]，明确将工业物联网从其他行业转移到采矿业。结果表明，已安装的通信系统中约有40%需要最少的修改或根本不需要修改就能支持工业物联网应用程序。该可行性研究结果有助于促进利用现有通信和基础设施探索工业物联网在煤炭行业中的应用。
在学术研究方面，文献[19]设计了工业互联网构架下的实时感测模块，该模块使用连续光学和介电法测量沉积的浮尘/岩石粉尘指标，给出了保障矿山内部安全防止粉尘爆炸的最小指标值。文献[20]基于ZigBee的无线数据采集系统，分析和测量大气中燃烧气体浓度，并由编程环境LabVIEW通过SCADA模块进行处理，提出了一种地下煤矿爆炸性环境无线检测系统。文献[21]讨论了菲涅耳区障碍物和多径效应对射频传播的影响，并提出最佳天线和系统配置，可满足地下采矿作业数据网络的带宽要求，尤其是在采矿设备严重阻碍无线信号的地方。
2 煤炭工业互联网体系构架
2.1 总体构架
煤炭工业互联网通过人-机-环-物的全面感知互联，实现煤炭行业全生产要素、全产业链、全价值链的全面连接，推动形成涵盖煤炭生产、物流、消费等领域的工业生产制造和服务体系。煤炭工业互联网平台作为核心，将综合利用大数据处理、互联网+物联网、云计算等先进技术，建立“感知→互联→分析”的基本运行框架，形成空间数字化、信息集成化、设备互联化和控制网络化。
煤炭工业互联网总体架构如图2所示，分为设备感知层、IaaS层、PaaS层、SaaS层、云边端协同5个层次。设备感知层作为整个煤炭工业互联网平台的最低层，通过各类传感器实时监控煤矿温度、湿度、气体浓度、设备运行参数，并通过网络传输给IaaS层。IaaS层可以提供虚拟机、CPU或者存储等硬件资源来装载相关的应用。PaaS层提供通用资源管理、数据采集、分布式计算等功能，并且用户可在此平台上非常方便地进行应用开发。SaaS层用户可根据实际需求，通过互联网向企业提供勘探设计、煤炭生产、运输销售等应用软件服务。
图2 煤炭工业互联网总体框架
Fig.2 Framework of Coal Industry Internet
2.2 设备感知层
设备感知层是由各种传感器件以及传感器件组成的网络2大部分组成。设备感知层是工业互联网的核心，是信息采集的关键部分。通过对煤矿采掘机械、运输设备、终端监测设备等的网络化改造，或者加装多种状态的监控设备，如震动传感器、RFID(Radio Frequency Identification)传感器等，可实时获取井下生产设备的运行状况和井下生产环境的准确变化情况，并可通过控制设备，实现对井下生产设备、辅助生产设备以及安全设施的远程控制；通过物流、消费等环节信息采集环节的部署，可实施掌握运输管理、仓储、客户需求、供求关系等的实际情况。通过5G、IPv6、WiFi6、万兆以太网、TSN(Time Sensitive Network，时间敏感网络)等新一代通信技术在设备端和控制器端的应用，打造企业工业控制网、管理信息网和无线网，以地理空间为参考系，帮助煤炭生产企业、物流运输企业和终端消费企业建立覆盖范围更广、连接更多、带宽更大的基础网络，以满足对海量过程数据的采集、传输、分析的需要。
2.3 IaaS层
IaaS层提供所有计算需要的基础设施，包括处理CPU、内存、存储、网络和其他基本的计算资源，根据PaaS层的运算需要部署和运行相应的软件，包括操作系统软件和应用程序软件等。
煤炭企业可以接入云IaaS，在租用存储、网络或其他硬件资源的基础上部署和运行各类操作系统和应用程序，企业并不需要管理或控制底层的基础设施，直接操作硬件资源的接口获取资源，几乎不受逻辑上的限制。以服务器资源为例，在接入IaaS时，企业按实际租用CPU的时间和数量来付费，成本是租用云运营商的服务费。为了对不同的底层硬件用统一的标准进行度量，需要对计算资源归一化，为此Amazon EC2(Elastic Compute Cloud)定义了计算单元ECU(Elastic Compute Unit)，一个ECU相当于1个12 MHz的Opteron或Xeon处理器的计算能力，Amazon按ECU分配硬件资源。每个虚拟机能够运行小、大、极大3种能力的虚拟服务器[22]。
2.4 PaaS层
PaaS层通过网络层进行数据的采集与汇聚，利用IaaS层的数据处理能力，对海量的设备数据、人员位置数据、实时通讯数据、物资数据、标识数据、各生产系统产生的数据等统一汇总、统一存储。将生产、运输、销售、使用过程中的实际数据结合各环节运行流程、工业模型等，建立数据模型库。通过“数据+模型”优化管控策略，构建企业微服务组件、行业微服务组件、行业智能服务组件等微服务组件池，对行业经验知识进行持续积累，将不可见的经验转化为可见的数据进行存储管理，以解决人才流失造成的经验、技术流失问题。同时打通各产业环节，通过各系统的集成、数据的汇聚，打破信息孤岛，形成以价值挖掘提升为核心的煤炭工业互联网平台生态。
PaaS层借助Hadoop、Spark、Storm等分布式处理架构，满足海量数据的批处理和流处理计算需求，运用数据冗余剔除、异常检测、归一化等方法提供高质量的数据来源。同时PaaS层可提供二次开发API接口，基于上述汇总数据进行深度学习、数据挖掘、智能检测，为煤炭开采、运输、销售等环节提供优化决策、安全预测等智慧服务[23]。
2.5 SaaS层
SaaS层利用平台层积累沉淀的各类型数据模型，为煤炭产业链的各环节打造高可靠、可扩展的应用(工业APP)。通过煤炭工业互联网平台可实现对生产数据的实时分析和实时决策，为企业提供安全、生产、管理方面的智慧化应用。例如，基于SaaS构建矿震预警系统，实现多矿区远程矿震预警[24]；结合数据挖掘技术，有效预报井下瓦斯事故、机电事故、火灾事故等[25]。此外，SaaS层可提供应用边界防护、访问控制、入侵防范等安全技术，识别和抵御来自内外部的安全威胁，处理各种安全风险，实现网络安全与物理安全的真正融合。
2.6 云边端协同
云边端协同即云计算、边缘计算与设备端、客户端之间的资源数据协同，如图3所示，欧洲电信标准化协会对边缘计算的定义：在移动网络边缘提供IT服务环境和计算能力，强调减少网络操作以及服务交付时延。云边端协同在煤炭行业有十分广泛的应用前景，可通过压力、温度、气体、粉尘、运行参数等传感器，实现对各个环节的自动化数据收集和安全监控，实时检测矿井各生产设备的状态，提前防范安全事故。通过采用边缘计算技术，在井下建立边缘云，实时采集煤矿生产和运行数据，不用将数据传递到中心云就可以进行计算，并且可以与中心云协同，将复杂处理和模型训练等计算放在中心云进行，实现云边协同，充分实现资源利用和最优化计算。为保障云边端协同数据跨级交互能力，可利用OPC UA技术提供一个具有统一性、跨级安全性的架构[26]，解决信息孤岛问题。
图3 云边端协同示意
Fig.3 Schematic diagram of cloud-side collaboration
Gartner公司预测，到2021年边缘计算将成为所有数字业务的必要需求。边缘计算正在拓展云计算的边界，云计算和边缘计算可以优势互补。边缘计算在靠近客户端、设备端的地方计算，能够更实时地进行数据处理，做出最优决策。煤炭企业在对两者进行取舍时应综合对比，边缘计算主要考虑时延和算力问题，而云端计算更多考虑的是传输成本及算力消耗。5G传输拥有可靠性高、时延低的优点，在此背景下，边缘计算的能耗与时延都比云计算低，煤炭企业可优先考虑边缘计算的实践方式。
3 煤炭工业互联网发展重点领域
煤炭行业信息化程度与其他行业整体水平还有一些差距，建设快速、安全、绿色的煤炭工业互联网，需要进一步研究信息化与智能化技术[27]。笔者列出煤炭工业互联网信息安全、技术体系、信息传输、生态环境等重点发展领域，也是我国目前发展煤炭工业互联网亟待解决的问题，以问题引导煤炭工业互联网发展建设。
3.1 煤炭工业互联网信息安全
2010年震网(Stuxnet)病毒爆发，席卷全球工业界。自爆发以来，该病毒已感染全球超过45 000个网络，且震网病毒可定向攻击国家基础能源设施，比如核电站、水坝、国家电网等。此次事件震惊世界，互联网信息安全开始受到全球各国关注。煤炭工业是我国能源支柱，其互联网信息安全直接关系到国计民生，当前我国煤炭工业互联网信息安全主要存在以下问题：
1)煤炭工业控制系统大部分采用国外控制系统，存在运维不规范、边界未隔离、工业信息泄露的问题。
2)煤炭工业互联网信息安全顶层标准不规范、不统一，存在着边界交叉的情况，亟需对工业控制系统安全、网络安全、生产数据安全进行技术规范化。
3)缺少煤炭工业互联网信息安全风险评估有效手段，无法进一步指导煤炭企业完善信息安全漏洞。
3.2 煤炭工业互联网技术体系
目前我国煤炭工业互联网处于起步阶段，同时也是我国煤炭行业进行信息化、智能化的关键阶段。工业互联网在煤炭行业的应用国内目前尚无成熟的项目经验可以借鉴，技术体系不明晰，主要存在以下问题：
1)现有煤炭工业互联网相关技术标准十分缺乏，各企业、研究院制定的相关标准具有一定局限性，未从总体考虑我国煤炭工业互联网的建设发展。
2)各煤炭企业均按照自己思路建设煤炭工业互联网，缺乏统一的信息采集编码标准、标识体系等，造成通信协议、数据接口不统一，形成信息壁垒[28]。
3)煤矿各生产子系统相互隔离，不利于集中控制，不利于数据资源的合理利用与共享，造成生产组织不均衡。
3.3 煤炭工业互联网信息传输
煤炭工业互联网信息传输系统是带动煤炭产业快速发展的关键之一，可促进现代化生产设备与自动化网络进一步融合。囿于矿井的特殊情况，煤炭工业互联网信息传输的发展应用受到一定制约，其主要存在以下问题：
1)抗干扰性能不足，煤矿井下大功率电动机启停，大功率变频设备工作时电磁干扰大，现存无线通信系统抗干扰性能无法满足煤炭工业互联网建设需求。
2)绕射能力不足，煤矿井下巷道空间狭小，电机车、输送机、变频器、采煤机等无线通信传播障碍物众多，煤炭工业互联网信息传输系统应具备一定绕射能力。
3)信道带宽不足，要实现井下无人驾驶及设备实时监控，需实时获得车辆及设备的运行参数、位置及环境相关参数，数据体量巨大，现存无线通信系统无法满足大数据传输。
3.4 煤炭工业互联网生态环境
煤炭工业互联网是国家信息化与工业化深度融合的产物，以先进制造业与高度网络化为基础。只有外部存在良好的生态环境，我国煤炭工业互联网的发展才能进入良性循环。当前我国煤炭工业互联网生态环境存在以下问题：
1)我国关键软硬件、操作系统等核心技术自主创新能力仍然不足。缺乏如西门子、ABB等集先进制造工艺与高度信息化于一体的领军企业。
2)跨界合作不足，我国煤炭行业与互联网企业合作仍不够充分，跨行业合作受到成本、技术差异等因素的制约。
3)煤炭行业存在工业“2.0”、“3.0”并存的局面，不同煤炭企业之间自动化程度不同，工业门类差异较大，难以统一改造。
4)煤炭工业互联网专业性人才不足，煤炭工业互联网发展缺乏后续驱动力。
4 煤炭工业互联网关键技术及发展思路
在对煤炭工业互联网研究及应用现状存在的问题进行详细分析之后，对我国煤炭工业互联网发展提出关键技术与发展思路。关键技术主要包括煤炭工业互联网安全防护、数字矿山基础信息平台、煤炭工业互联网数据中台、矿山中央控制系统以及5G+煤炭工业互联网。
4.1 煤炭工业互联网安全防护
2012年6月，国务院发布《国务院关于大力推进信息化发展和切实保障信息安全的若干意见》(国发〔2012〕23号)中明确要求：“保障工业控制系统安全。加强核设施、航空航天、先进制造、石油石化、油气管网、电力系统、交通运输、水利枢纽、城市设施等重要领域工业控制系统，以及物联网应用、数字城市建设中的安全防护和管理。”煤炭占我国能源消耗量的60%以上，一旦发生信息安全事故，一方面会严重影响国家经济社会发展，另一方面泄露国家及企业技术机密。
煤炭工业互联网安全架构如图4所示，主要包括设备安全、控制安全、应用安全、数据安全和网络安全5个方面。针对以上问题，煤炭工业互联网安全防护策略包括：
图4 煤炭工业互联网安全架构
Fig.4 Security architecture of Coal Industry Internet
1)实现去中心化存储，利用区块链技术将设备安全信息存放到网络节点中。利用区块链的加密技术、共识算法、P2P技术，有效保障煤炭工业互联网设备安全、数据安全以及网络安全[29-31]。
2)改造煤炭企业重点数据服务器，对操作站及数据服务器进行安全配置，对重要生产数据进行操作均需审计。
3)基于大数据分析技术，定期对煤炭工业互联网进行信息安全评估，指导煤炭企业安全防护设计，降低煤炭工业互联网信息安全风险[12]。
4)系统控制层要做到身份鉴别、隐蔽信道分析、访问控制，并能对异常或攻击行为进行行为溯源分析，确保控制指令不被非法篡改、破坏[32]。
4.2 数字矿山基础信息平台
数字矿山基础信息平台主要针对矿山对象属性信息不丰富、空间分析应用缺失等问题，攻克矿山基础信息数字化过程中矿山对象基础数据采集、处理、存储、表达、建模、分析、可视化、增值利用关键技术，基于BIM+GIS技术开发矿山工程数字化三维协同设计平台，实现矿山工程设计、施工、运营全生命周期信息化管理，为智慧矿山建设提供基础信息支撑。BIM与GIS的集成能够实现不同空间尺度信息的融合，将各自的优势发挥到煤矿全生命周期中各个信息的分析、决策和管理中[33]。BIM与GIS的通用数据标准IFC与CityGML之间存在差异(表1)，研发重点应考虑IFC与CityGML之间的空间和语义数据的处理和转换方法[34]。
表1 数据标准IFC与CityGML的差异性
Table 1 Differences between data standards IFC and CityGML
对象描述IFCCityGML应用场景建筑信息模型(BIM)三维城市建模语义表达侧重于建筑实体对象侧重于地理空间和面对象属性表达侧重于物理功能、建造、管理属性侧重于空间位置、拓扑属性几何表达B-Rep,SweptSolid,CSGB-Rep建模语言EXPRESSXML/GML精细程度统一精细模型LOD4LOD0-LOD4不同精细程度
基于BIM+GIS技术实现矿山工程数字化过程，包含矿山数据标准化及设计规范、三维协同设计平台开发、电子交付平台等主要制订内容，通过这些平台软件的研发及应用，解决矿山基础信息数字化管理过程中涉及的数据采集、处理、存储、表达、建模、可视化、综合分析、增值利用等关键技术问题，为智慧矿山建设提供基础数据支撑。
4.3 煤炭工业互联网数据中台
目前煤炭行业数据分散，缺乏统一的标准。数据中台统一数据管理，建立数据标准，形成煤炭企业大数据资产，可为智能化提供坚实的基础。数据中台主要研究包括：
1)大数据基础平台。基于分布式存储、时空数据存储技术，针对煤炭行业多源异构多模态数据，工业协议多样，采样频率不固定，数据格式不统一，数据海量等特征，建立海量数据采集、预处理、存储技术，制定数据采集技术标准，设计多源异构数据存储结构和技术方案。基于分布式计算技术，在分布式存储平台基础上，建立适用煤炭行业的分布式大数据计算平台；构建离线批处理和在线实时处理分布式数据处理引擎以及分布式任务调度引擎，支持大数据分布式任务的协同调度。
2)煤炭行业大数据资产管理体系框架和系统。煤炭行业数据资产管理体系框架包括数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理、数据共享管理等方面的数据管理职能、管理工具及实施方法，构建大数据层级的煤炭行业数据资产管理系统。
3)算法可视化平台。设计可视化算法组件库，集成业界主流的算法库，形成标准的可视化组件，推动选矿流程可视化监控，实现对监控生产指标的约简[35]；支撑煤炭行业大数据分析、智能决策等需求，如基于流形学习对矿山微震非平衡数据进行分类[36]；构建基于图形化拖拽技术的算法模型开发、训练平台，集成主流机器学习、深度学习、数据分析等引擎，降低算法模型应用难度
4)大数据服务开放平台。基于微服务技术，建立公共的、开放的大数据服务平台，提供API、SDK、RPC等多种接口对外提供数据服务能力；大规模分布式检索技术和煤炭多源异构分布式数据存储相结合，设计高性能数据检索服务。
4.4 矿山中央控制系统
矿山中央控制系统针对煤矿安全生产过程中的难点，集成打通多个信息化体系，将煤矿各生产子系统接入统一控制平台，实现煤矿各生产子系统的高度集中与控制、数据资源的合理利用与共享，为煤炭企业经营管理者提供设计研发、经营管理、生产管控等多方面综合性的数据支撑，通过区域协同控制实现关键大型设备健康状况预警和生产进程优化调度。矿山中央控制系统如图5所示。
图5 矿山中央控制系统示意
Fig.5 Schematic diagram of mine central control system
矿山中央控制系统主要内容包括：
1)智慧矿山控制系统标准化数据模型。针对煤矿采掘过程中所涉及的开采、支护、人员定位、环境监测等系统所产生的大量结构化/非结构化数据、时序型/逻辑型数据，提炼出符合煤炭生产工艺和组织方式的数据模型，建立标准化的数据系统，以保证数据在传输和使用过程中的可扩展、可伸缩、高可靠和高实时性。
2)多级穿透性网络通信驱动技术。传统的基于现场总线的低速轮询通信效率低、信道封闭，不利于跨通信线路的数据交互以及协同控制的开展。研究具有良好兼容性、多级穿透性、实时性的通信协议驱动技术，形成智慧矿山的主干通信方式。
3)集成化的控制工程设计平台。构建一套图形化的、面对对象编程的组态工具软件，实现“数据一张图”全系统导航，包括从现场设备到过程逻辑的整个控制回路图形化的功能设计、在线监视和调整、成批数据处理工具等。
4)垂直一体化控制体系构架。针对煤炭行业离散与流程混合、作业人员相对密集、半自动化与全自动化设备兼备的生产管理特点，构建能够实现人-机-环高效协同、生产环节高度协调同步的控制体系构架。
5)区域协同控制技术。针对煤矿开采动态变化的特性，采用具有自适应、自诊断的区域协同控制技术，建立生产过程数据自动流动的规则体系，实现生产资源的高效配置，减少设备故障率，提高安全生产效率。加强区域协同控制技术在煤流运输[37]、煤矿机电设备智能管理[38]、围岩控制[39]等方面的应用。
4.5 5G+煤炭工业互联网
5G是第五代移动通信技术的简称，5G通信技术具有时延低、可靠性高、并发数量大3大特性[40]，满足煤炭工业互联网网络节点大规模部署和大数据容量的传输需求。现阶段5G+煤炭工业互联网重点研究在于：
1)井下无人驾驶及自动运输。依靠5G通信技术的超高可靠、超低时延，实现井下运输车辆、带式输送机、调度装备等设备的实时数据共享，进一步实现相关运输对象的整体调度。依靠5G技术实时传输车辆、煤流及附近环境等相关参数信息，提高井下运输系统的运行效率及事故预警能力。通过5G网络及车辆传感器，实现井下车辆避障、错车、定位等功能，最终实现井下无人驾驶。
2)井下安全监测。通过在井下巷道、设备室布置大量环境、气体传感器，实现对矿井生产环境24 h实时监测。结合5G技术采用边缘计算，对采集的相关数据进行智能分析处理，实现自适应、自诊断与智能决策，保障矿井安全生产，预防灾难事故发生。
3)远程控制系统。利用5G通信技术高可靠、低时延特性，实现设备远程控制，改善工人工作环境，降低事故概率。煤炭开采过程中，采煤机、液压支架、掘进机等器械的设备传感器会产生大量数据，同时高清视觉传感器会采集作业巷道实时环境信息，操作人员在获得大量传感器数据的同时需及时反馈控制信号，上述信息体量大、种类多，必须依靠5G技术才能保障远程控制系统的实时性[41]。
5 结语及展望
煤炭工业互联网是煤炭行业向智能化转型的重要支撑，针对我国煤炭工业互联网存在技术体系不明晰、信息交互时延高、信息安全保障难等问题，总结分析煤炭工业互联网的国内外研究现状和对煤炭产业发展的重要意义。根据煤矿智能化建设的实际需求，提出了煤炭工业互联网的体系架构，该体系构架包含设备感知层、IaaS层、PaaS层、SaaS层、云边端协同等5个层次，形成了人-机-环-物全面互联的基本框架，构建涵盖煤炭生产、物流、消费等领域的工业生产制造和服务体系。在分析煤炭工业互联网在信息安全、技术体系、信息传输、生态环境等重点发展领域存在问题的基础上，提出煤炭工业互联网安全防护、数字矿山基础信息平台、煤炭工业互联网数据中台、矿山中央控制系统、5G+煤炭工业互联网的关键技术及其发展思路，为我国煤炭工业互联网建设中数据不统一、传输时延高、信息安全难保障等突出问题提供了解决方案，以促进我国煤炭行业向信息化、智能化发展。
[1] 工业互联网产业联盟(AII).工业互联网平台白皮书(2019)[EB/OL].(2019-05-07)[2020-03-01].http://www.aii-alliance.org/index.php?m=content&c=index&a=show&catid=23&id=673.
[2] 国家发展改革委,国家能源局,应急管理部,等.关于印发《关于加快煤矿智能化发展的指导意见》的通知(发改能源〔2020〕283号)[EB/OL].(2020-03-03)[2020-04-10].http://www.nea.gov.cn/2020-03/03/c_138838778.htm.
[3] 中国煤炭工业协会.2018煤炭行业发展年度报告[R].北京:中国煤炭工业协会, 2019.
[4] 李首滨.智能化开采研究进展与发展趋势[J].煤炭科学技术, 2019, 47(10):102-110.
LI Shoubin.Progress and development trend of intelligent mining technology[J].Coal Science and Technology, 2019, 47(10):102-110.
[5] 王国法, 范京道, 徐亚军, 等.煤炭智能化开采关键技术创新进展与展望[J].工矿自动化, 2018, 44(2):5-12.
WANG Guofa, FAN Jingdao, XU Yajun, et al.Innovation progress and prospect on key technologies of intelligent coal mining[J].Industry and Mine Automation, 2018,44(2):5-12.
[6] 王国法, 李希勇, 张传昌, 等.8 m大采高综采工作面成套装备研发及应用[J].煤炭科学技术, 2017, 45(11):1-8.
WANG Guofa, LI Xiyong, ZHANG Chuanchang, et al.Research and development and application of set equipment of 8 m large mining height fully-mechanized face[J].Coal Science and Technology, 2017, 45(11):1-8.
[7] 范京道, 徐建军, 张玉良, 等.不同煤层地质条件下智能化无人综采技术[J].煤炭科学技术, 2019, 47(3):43-52.
FAN Jingdao, XU Jianjun, ZHANG Yuliang, et al.Intelligent unmanned fully-mechanized mining technology under conditions of different seams geology[J].Coal Science and Technology, 2019, 47(3):43-52.
[8] 王国法, 杜毅博.煤矿智能化标准体系框架与建设思路[J].煤炭科学技术, 2020, 48(1):1-9.
WANG Guofa, DU Yibo.Coal mine intelligent standard system framework and construction ideas[J].Coal Science and Technology, 2020, 48(1):1-9.
[9] 袁 亮.煤炭精准开采科学构想[J].煤炭学报, 2017, 42(1):1-7.
YUAN Liang.Scientific conception of precision coal mining[J].Journal of China Coal Society, 2017, 42(1):1-7.
[10] 丁恩杰, 赵志凯.煤矿物联网研究现状及发展趋势[J].工矿自动化, 2015, 41(5):1-5.
DING Enjie, ZHAO Zhikai.Research advances and propects of mine Internet of Things[J].Industry and Mine Automation, 2015, 41(5):1-5.
[11] 武福生.矿山工业互联网技术体系架构[J].煤矿安全, 2018, 49(8):128-130.
WU Fusheng.Architecture of Internet technology system for mining industry[J].Safety in Coal Mines, 2018, 49(8):128-130.
[12] 孟庆勇,顾 闯.煤矿工业互联网信息安全风险评估[J].工矿自动化, 2019, 45(8):43-47.
MENG Qingyong, GU Chuang.Information security risk assessment of industrial Internet of coal mine[J].Industry and Mine Automation, 2019, 45(8):43-47.
[13] 赵安新, 翟 勃, 王卫龙, 等.煤炭企业实施两化融合的技术框架及路径研究[J].煤炭技术, 2018, 37(5):313-316.
ZHAO Anxin, ZHAI Bo, WANG Weilong, et al.Research on technical framework and path of coal enterprises implementing fusion of information and industrialization[J].Coal Technology, 2018, 37(5):313-316.
[14] 张元刚, 刘 坤, 杨 林, 等.煤炭工业监控大数据平台建设与数据处理应用技术[J].煤炭科学技术, 2019, 47(3):75-80.
ZHANG Yuangang, LIU Kun, YANG Lin, et al.Platform construction and data processing application technology in coal industry monitoring big data[J].Coal Science and Technology, 2019, 47(3):75-80.
[15] Rio Tinto.Mine of the future[EB/OL].(2008-05-30)[2020-03-12].http://www.riotinto.com/australia/pilbara/mine-of-the-future-9603.aspx.
[16] MORIDI M A K, YOUHEI S, MOSTAFA C, et al.Development of underground mine monitoring and communication system integrated ZigBee and GIS[J].International Journal of Mining Science and Technology, 2015, 25(5):811-818.
[17] U S Bureau of Mines.Underground communications, control and monitoring[Z].Washington:USBM Information Circulation,1984.
[18] ZHOU C, DAMIANO N, WHISNER B, et al.Industrial Internet of Things:(IIoT)applications in underground coal mines[J].Mining Engineering, 2017, 69(12):50-56.
[19] MAHDAVIPOUR O, JAIN A, SABINO J, et al.Opto-dielectrometric sensor for measuring total incombustible content in underground coal mines[J].IEEE Sensors Journal, 2017, 17(19):6443-6450.
[20] ROMERO A A, MARIN C A, JIMENEZ B J.SCADA system for detection of explosive atmospheres in underground coal mines through wireless sensor network[J].IEEE Latin America Transactions, 2014, 12(8):1398-1403.
[21] HARGRAVE C O, RALSTON J C, HAINSWORTH D W.Optimizing wireless lan for longwall coal mine automation[J].IEEE Transactions on Industry Applications, 2007, 43(1):111-117.
[22] 刘书香, 程 聪.煤炭企业接入公有云IaaS的成本效用分析[J].煤炭工程, 2018, 50(12):145-147.
LIU Shuxiang, CHENG Cong.Cost utility analysis of coal enterprises accessing public cloud IaaS[J].Coal Engineering, 2018, 50(12):145-147.
[23] 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.
[24] 刘 鹏, 张 申, 巩思园, 等.基于SaaS的矿震远程预警系统关键技术初探[J].工矿自动化, 2012, 38(5):1-5.
LIU Peng, ZHANG Shen, GONG Siyuan, et al.Probe on key technologies of SaaS-based remote early-warning system of coal mine earthquake[J].Industry and Mine Automation, 2012, 38(5):1-5.
[25] 李昊旻, 卢建军, 卫 晨.基于云计算的煤矿安全监测预警系统研究[J].工矿自动化, 2013, 39(3):46-49.
LI Haomin, LU Jianjun, WEI Chen.Research of coal mine safety monitoring and early warning system based on cloud computing[J].Industry and Mine Automation, 2013, 39(3):46-49.
[26] 姜德义, 魏立科, 王 翀, 等.智慧矿山边缘云协同计算技术架构与基础保障关键技术探讨[J].煤炭学报, 2020, 45(1):484-492.
JIANG Deyi, WEI Like, WANG Chong, et al.Discussion on the technology architecture and key basic support technology for intelligent mine edge-cloud collaborative computing[J].Journal of China Coal Society, 2020, 45(1):484-492.
[27] 李树刚, 马 莉, 杨守国.互联网+煤矿安全信息化关键技术及应用构架[J].煤炭科学技术, 2016, 44(7):34-40.
LI Shugang, MA Li, YANG Shouguo.Key technology and application framework of internet plus mine safety informationization[J].Coal Science and Technology, 2016, 44(7):34-40.
[28] 李仕奇, 韩庆敏, 杜军钊, 等.智能工厂信息安全防护方案[J].电子技术应用, 2019, 45(12):16-19.
LI Shiqi, HAN Qingmin, DU Junzhao, et al.Intelligent factory information security protection program[J].Application of Electronic Technique, 2019, 45(12):16-19.
[29] 蒋融融, 翁正秋, 陈铁明.工业互联网平台及其安全技术发展[J].电信科学, 2020, 36(3):3-10.
JIANG Rongrong, WENG Zhengqiu, CHEN Tieming.Development of industrial internet platform and its security challenges[J].Telecommunications Science, 2020, 36(3):3-10.
[30] ALI M S, VECCHIO M, PINCHEIRA M.Applications of blockchains in the Internet of Things:a comprehensive survey[J].IEEE Communications Surveys & Tutorials, 2019, 21(2):1676-1717.
[31] HUANG J Q, KONG L H, CHEN G H,et al.Towards secure industrial IoT:blockchain system with credit-based consensus mechanism[J].IEEE Transactions on Industrial Informatics, 2019, 15(6):3680-3689.
[32] 余晓晖, 张恒升, 彭 炎, 等.工业互联网网络连接架构和发展趋势[J].中国工程科学, 2018, 20(4):79-84.
YU Xiaohui, ZHANG Hengsheng, PENG Yan, et al.Networking architecture and development trend of industrial internet[J].Strategic Study of CAE, 2018, 20(4):79-84.
[33] 翟晓卉, 史健勇.BIM和GIS的空间语义数据集成方法及应用研究[J].图学学报, 2020, 41(1):148-157.
ZHAI Xiaohui, SHI Jianyong.Spatial and semantic data integration method and application of BIM and GIS[J].Journal of Graphics, 2020, 41(1):148-157.
[34] 汤圣君, 朱 庆, 赵君峤.BIM与GIS数据集成:IFC与CityGML建筑几何语义信息互操作技术[J].土木建筑工程信息技术, 2014, 6(4):11-17.
TANG Shengjun, ZHU Qing, ZHAO Junqiao.Towards interoperating of BIM and GIS model:geometric and semantic integration of CityGML and IFC building models[J].Journal of Information Technology in Civil Engineering and Architecture, 2014, 6(4):11-17.
[35] 徐 泉, 秦 莹, 初延刚, 等.选矿生产指标可视化监控平台研究[J].计算机集成制造系统, 2020, 26(1):81-91.
XU Quan, QIN Ying, CHU Yangang, et al.Research on a mineral production index visual monitoring platform[J].Computer Integrated Manufacturing Systems, 2020, 26(1):81-91.
[36] 程 健, 杨凌凯, 崔 宁, 等.基于流形嵌入过采样的非平衡数据分类方法[J].中国矿业大学学报, 2018, 47(6):1325-1333.
CHENG Jian, YANG Lingkai, CUI Ning, et al.A novel pattern classification method for imbalanced data set based on manifold embedded over-sampling[J].Journal of China University of Mining & Technology, 2018, 47(6):1325-1333.
[37] 李继来.煤矿井下主运输煤流线协同控制研究[J].工矿自动化, 2017, 43(11):27-30.
LI Jilai.Research on coordinate control of underground main coal transport route[J].Industry and Mine Automation, 2017, 43(11):27-30.
[38] 刘振华, 徐绪堪.基于物联网的煤矿机电设备智能管理平台设计[J].工矿自动化, 2019, 45(4):101-104.
LIU Zhenhua, XU Xukan.Design of intelligent management platform for coal mine electromechanical equipments based on Internet of things[J].Industry and Mine Automation, 2019, 45(4):101-104.
[39] 康红普, 王国法, 姜鹏飞, 等.煤矿千米深井围岩控制及智能开采技术构想[J].煤炭学报, 2018, 43(7):1789-1800.
KANG Hongpu, WANG Guofa, JIANG Pengfei, et al.Conception for strata control and intelligent mining technology in deep coal mines with depth more than 1000m[J].Journal of China Coal Society, 2018, 43(7):1789-1800.
[40] 工业互联网产业联盟(AII).5G与工业互联网融合应用发展白皮书[EB/OL].(2019-11-08)[2020-03-30].http://www.aii-alliance.org/index.php?m=content&c=index&a=show&catid=18&id=819.
[41] 霍振龙, 张袁浩.5G通信技术及其在煤矿的应用构想[J].工矿自动化, 2020, 46(3):1-5.
HUO Zhenlong, ZHANG Yuanhao.5G communication technology and its application conception in coal mine[J].Industry and Mine Automation, 2020, 46(3):1-5.
