基于边缘计算的煤矿安全风险预警系统的构建研究
来源:用户上传
作者:周天墨 陈佳林
摘要：为进一步提升煤矿风险辨识、综合研判和智能预警的能力，构建基于云化技术路线，采用“端→边→云”架构的煤矿安全风险预警系统。结果表明：1）系统在统一框架约束下，满足了煤矿安全生产、安全监察和风险分析一体化的综合管理需求。2）基于混合云模式进一步解决了传统云计算模式下，数据传输延时、云端处理负荷高、计算分析效率低、隐私保护性差等问题。3）系统具有较优的灵活性与数据共享性，对提升用户交互体验、增强分析效率、降低传输风险，实现决策的实时准确响应等具有重要意义，有助于我国煤矿安全生产与风险综合研判分析工作的深入发展。
关键词：边缘计算;边云协同;煤矿;安全生产;风险预警;分布式计算
中图分类号：TP311 文献标识码：A
文章编号：1009-3044（2022）15-0010-03
1 引言
煤矿作为我国的首要能源产物，在社会经济发展中占有举足轻重的地位，而煤矿开采作为高危行业，如何尽可能快且准确地识别风险，保障安全状态始终是产业长足发展需要重点关注与解决的问题。近些年随着信息技术的发展，我国煤矿生产与监察管理类系统[1-5]建设工作进展迅速，在助力减人增效工作的同时，也为行业安全生产管理、风险监测预警工作提供了强有力的支撑。
当前，信息化系统已成为“国家监察、地方监管、企业负责”模式下煤矿安全生产、监管监察与风险预警分析的主要辅助方式之一，但是伴随智能感知设备的部署与实时监测能力的持续提升，面对海量异构数据的综合管理与研判分析等客观业务需求仍存在不足[6-9]：一是数据采集管理问题。由于不同传感设备数据标准不一，导致实际工作中在数据汇交共享环节普遍存在底层数据融合困难、无效数据多、数据质量低等问题，进而直接影响上层业务功能流转的通畅性与准确性，并且各类业务系统独立建设运行、跨系统数据互通受阻的现状也不断加剧“数据烟囱”的困境。二是数据传输响应问题。由于煤矿生产的特殊性与安全性要求，一般采用相对封闭的专用网络，这造成网络链路与传输协议具有较强的复杂性，进而影响数据上传下载延迟、数据质量受损、网络资源利用率低等问题，无法满足实时快速获取数据分析结果的需求。因此，亟须通过技术优化补齐短板，进一步推动煤矿信息化建设进程。
边缘计算作为近些年逐渐兴起的技术，主要通过充分利用分布在数据源附近的边缘设备直接执行计算分析任务，而非传输至云中心计算并等待结果回传的特点[10-12]，被推广应用于各领域的信息系统建设工作中，以弥补传统云计算模式的不足。可以说，通过融合边缘计算技术的边云协同模式，进一步解决了云计算中存在的带宽压力大、对云中心稻萸肭笙煊Τ时、数据安全风险高、灵活性有限等问题，对实际系统建设与应用推广具有重要意义。
因此，为了更好地解决煤矿风险监测与预警分析过程中存在的数据传输延时、数据回传压力大、网络协议复杂灵活性差、云端处理负荷高效率低等问题，设计基于边缘计算的煤矿安全风险预警系统，为进一步提升煤矿风险辨识、综合研判和智能预警的能力提供支持。
2 总体设计
2.1 建设思路
综合采用云计算、边缘计算、物联网等多项技术，在解决日常安全生产管理、安全监管监察所需的多源异构基础数据的快速获取、清洗分类与集中管理、综合研判分析的基础上，以“全天候监测获取数据、智能研判发现问题、智能匹配解决方案、辅助监察执法开展”为主线，构建适应智慧煤矿信息化建设与安全监察为一体的综合管理系统，即煤矿安全风险预警系统，着重提升煤矿安全生产与监察执法、隐患排查治理与风险预警的效率与实效。
系统采用云化技术路线，利用公有云和私有云相结合的混合架构，实现海量日常生产、设备监测与分析数据的存储管理，通过Java和ArcGIS Server for Flex完成并实现GIS相关访问与数据分析功能的开发。支持与已有业务系统、操作平台的交互操作，进一步满足实际工作中跨部门、跨层级的数据操作需求以及对不同移动终端的自适应需求。通过系统的建设和推广应用，不断提升煤矿安全管理数据与安全监管监察数据的全面性、准确性与可用性，进而为及时发现、报告、分析隐患点提供支持。可依据隐患相关信息与既往案例智能匹配，为隐患治理提供切实可行的决策支持方案，通过系统的构建与应用，进一步提升煤矿安全监管监察部门与煤矿企业识别风险、应对与处理隐患的能力。
2.2 系统架构
鉴于系统建设对数据安全性、响应度等方面的需求，采用当前信息化建设中常用的边云协同架构进行构建。该模式与传统云服务方式相比，由于“端→边→云”相结合的三层模式使系统同时具有了云计算与边缘计算的优势，又起到了两种技术短板互补的效果，可进一步提升系统的服务时效与灵活性并降低网络带宽与云中心能耗，使基于“端→边→云”架构的系统具有更为显著的性能优势，如图1所示。
通过图1“端→边→云”架构可同时支持横向和纵向双方向协同操作[10]。横向协同主要用于数据层间的共享交互，通过分布在多处的边缘节点（即边缘计算设备）实现对多源数据（即终端感知设备，如人员定位、视频监控、瓦斯传感器、温度传感器、皮带运输机等等）在边缘层的数据清洗与整合汇集，通过过滤无效数据减少其对进入云端数据的有效性与准确性的干扰，进一步减轻海量数据对于云端的压力，降低数据访问延时度，提升数据读写响应的速率。鉴于煤矿生产与实时监测数据的特殊属性，通过边缘计算设备在边缘层对其进行加密处理，进一步保证数据上传与进入云端的安全性。
纵向协同主要为“端→边→云”三个层级间的相互操作。由于不同设备对于系统实际应用需求的差异，三个层级具有不同的作用特点。云层主要用于完成整个系统的复杂模型计算分析任务，通过集成多源海量数据对表面现象开展深层次解析并返回计算结果。边缘层作为中间部分，具有连接上下与数据缓冲的作用，数据就近于边缘计算设备中进行简要运算与分析，可进一步缩减数据上传下载的时间，提高访问效率，并且减轻终端直接访问云端导致的计算负载，降低作业访问时间，达到系统整体优化的目标。终端主要为各类感知设备，用于完成生产与监管环节最真实与基础数据的实时收集。
nlc202207151401
转载注明来源:https://www.xzbu.com/8/view-15436006.htm
