基于免疫多Agent技術的煤礦綜合能耗B/S動態監控方法

羅 偉

(國家能源集團神東煤炭集團有限責任公司，陜西 神木 719315)

煤炭在我國能源體系中占據主體地位，煤炭企業作為能源行業的重要組成部分，在生產能源的同時也會消耗能源[1-3]。為有效管理能源消耗問題，在煤礦中建設能耗管理系統，可實時對煤礦的整體運行進行監測。為實時監測煤礦的運行情況，需要設計一個有效的監測方法，許多科研人員開展了監測方法的研究，并取得了一定的研究成果。如文獻[4]選擇無線動態監測傳感器設計了一個監控系統，針對于煤礦開采深度、空間以及強度進行分析，有效防范了煤礦的沖擊地壓事故。該系統主要通過無線動態監測傳感器進行數據采集，在不同的監測節點中獲取多種類型數據，對不同的巖層應力進行實時監測，可以實時掌握煤礦的動態變化規律，以此實現了煤礦中不同應力參數的監測。但由于傳感器在數據傳輸過程中，會受到多種因素影響，導致在數據傳輸過程中會同時帶有干擾信號，增加了測量難度。文獻[5]對現有的遠程監測系統進行改造，提高了煤礦系統的穩定性和安全性。該改造方法主要是利用綜合監測設備，在共同的組網中進行連接，增加了數據信息傳遞的可靠性，可以實現越級監測和遠程控制。

為更加有效地對煤礦中的數據進行檢測，本文以免疫多Agent技術為研究基礎，重新設計一個新的動態監測方法。通過合理劃分設備類型并配置可編程控制器，實現對不同設備的監測與控制。采用極大似然估計法構建線性方程，在多個未知節點中確定各組設備的監測節點位置，能夠準確且有效地確定監測節點，確保數據采集的精確性和全面性。以多種通信協議部署B/S監測架構，在三層網絡結構下實現數據的采集和傳輸，保證能耗設備運行數據的及時采集和準確傳輸，并為后續的數據分析和決策提供支持。通過基于免疫多Agent技術的學習模型，對接收到的數據信息進行分析和推理，實現對煤礦綜合能耗的動態監測，提高能耗設備動態監測的準確性和效率。

1 分站控制原理劃分煤礦能源消耗設備類型

為了全面解決動能問題，煤礦企業對煤礦內的動能能耗產生設備進行有效管理[6-8]，以動態監測為應用前提，采用分站控制原理對煤礦內的能源消耗設備類型進行劃分。此次選定煤礦內的空壓機房、水站以及皮帶機和絞車為監測對象，分別應用自動控制理論和計算機技術對上述儀器進行連接，具體組成原理見圖1。

如圖1所示，針對不同的能耗設備，對應有各自的傳感器，分別對各組設備的傳感器進行分類。其中皮帶機與絞車設備會產生較大電能，采用溫度傳感器；空壓機的功率變化較大，采用壓力和溫度兩種傳感器；水站運行時會產生較大水壓，因此采用壓力傳感器。

整體監測結構以調度主機為集中管理中心，可以隨時查看煤礦內的電能和風能以及水能的運行情況，并在傳感器的作用下，將數據傳入至顯示器[9-11]。在對應的設備中以分站控制原理獨立監控各組設備，將現場設備形成的數據轉化為光纖信號，能夠通過以太網進行數據交換。具體模式見圖2。

圖2 基于分站控制連接煤礦耗能設備

根據圖2內容所示，以分站控制為煤礦設備的監測核心，在不同的控制器下連接產生能耗的設備，對其電能數據和功率數據進行接收，并各自分配有對應的多路串口器。由于此次選擇以太網結構交換數據，直接通過以太網接口連接傳感器，在光纖收發器的作用下，將分站中的設備信息上傳到網絡。

2 極大似然估計法確定設備監測的節點位置

在劃分完煤礦內的能源消耗設備類型后，針對不同的設備接入對應傳感器，為準確獲取設備產生的能耗信息，需要計算具體的監測節點位置[12-14]。本次選擇極大似然估計法確定節點位置，假定存在有p個監測節點，表示為oy(iy，uy)，以保證在上述所有節點中存在合理的監測節點，根據距離公式計算得出：

(1)

式中：(i，u)為監測節點；(i1，u1)為第1個節點；(i2，u2)為第2個節點；(iy，uy)為第y個節點；(ip，up)為第p個節點。t為節點之間的距離?；诖?，以線性矩陣表示最大似然估計矩陣為：

rw=e

(2)

(3)

(4)

(5)

公式3為線性方程組。r為標準差向量函數矩陣。w為監測節點坐標矩陣，表示設定的監測節點具體坐標。e為均方差函數矩陣。通過對假定的節點位置與其余位置的距離計算，在標準均方差估算下獲取節點位置。在此基礎上，以極大似然估計法中的三邊測量獲取具體監測節點的位置坐標：

(6)

式中：分別在監測節點周圍設置另外三組節點，假定其余監測節點能夠形成三邊示意結構，三組節點分布為(iq，uq)、(ia，ua)、(is，us)，其距離監測節點(i，u)的距離分別為tq、ta、ts。該方法為最大似然估量法中的特殊案例，能夠在三邊確定的基礎上固定出具體的監測位置，減少節點的設計誤差。

3 通信協議部署B/S架構獲取煤礦運行數據

為動態獲取各組設備的運行數據，以多種通信協議部署B/S架構，全方位地統計設備能耗數據，如圖3所示。

圖3 煤礦運行設備B/S監測架構

根據圖3內容所示，為實現煤礦內的運行設備耗能數據的全方位采集，將B/S監測架構設定為3層模式，分別為數據采集、數據傳輸以及數據處理層。根據該架構的組成模式，在多種通信協議的連接作用下，從計量終端對設備的運行數據進行采集，并可以實現數據的轉發與分析[15]。分別對每個結構進行劃分。

1)數據采集層與傳輸層：主要用來采集設備的運行數據，并對重點用能設備進行監控，需要實時采集其負荷和電壓信息。該層級同時支持井下與地面的運行設備，不僅可以直接通過傳感器獲取設備信息，也能夠從電表等計量終端采集數據。

2)數據處理層：該層的主要功能是處理采集到的數據，首先是對數據進行合理檢查，是否存在缺失數據和異常數據；其次是對異常數據進行清洗以及對缺失數據進行補充；最后是對數據進行分類，按照對應的工序和班組實現分類保存。

3)數據分析展示層：將數據按照不同的工作班組進行統計，直接餅圖和曲線圖以及柱狀圖的展示，能夠實現數據的同比和環比以及類比分析，為煤礦企業的能耗進行有效統計。

以三層B/S監測結構獲取設備的運行數據，分別對皮帶機、壓力機以及水站系統的數據進行采集，并另外設置能耗指標，當數據超過限值時發出預警信號，實現設備的綜合能耗動態監測。

4 免疫多Agent技術動態監控煤礦綜合能耗

Agent技術可以通過感知環境做出相應的動作，并應用不同的知識對目標進行求解，具有交互性和交流協商性。因此，以免疫多Agent技術為基礎構建慎思型模型，對煤礦內設備的綜合能耗歷史數據進行分析，設計一個監測限值，將其作為判斷依據，實現不同機組在不同時段內的數據監測。具體模型見圖4。

圖4 基于免疫多Agent技術的慎思型模型結構

如圖4所示，在該模型中具有感知器、推理器和規劃器以及效應器，通過感知器對煤礦內的運行環境進行信息感知，再經由推理器和規劃器進行分析、推理以及規劃，整個過程需要在Agent知識庫的支持進行，處理完畢后會形成指示命令，將其作為依據，通過效應器作用于煤礦設備運行環境之中，形成一個閉環。其學習過程如下：

(7)

式中：g(·)為多Agent技術模型的學習函數；β為學習的折扣因子；k(·)為收斂函數；g(h，j)為Agent在h狀態下執行動作j獲取的最優獎賞折扣和；l為動作集合。h″為執行結果；z(·)為更新函數。根據學習函數能夠動態化規劃交互過程，以此對煤礦內的運行設備進行增量式跟蹤，設定其學習效率：

gz+1(h，j)=(1-j)gz(h，j)+j[βz+βmaxg(h″，j)]

(8)

式中：z為更新次數。在每次更新中對每一個Agent行為進行考察，在每一次學習過程中均可以保證為最佳狀態。在執行完感知動作后，能夠對學習值和結果進行觀察和記錄。將最大的結果作為判斷指標，以此對采集到的數據進行對比，實現動態的監測。

5 試驗測試分析

為驗證新方法的應用效果，采用對比測試方法完成論證。分別采用基于無線傳感器的動態監控方法和基于智能設備的監控方法作為對照組，驗證不同方法的監控效果。

5.1 獲取煤礦設備運行數據

為保證此次測試的真實性，以某省效益較好的煤礦企業作為測試對象，對其中運行的多組設備進行數據統計。設定采集間隔為1 h，分別采集皮帶機、水站以及絞車的運行數據，以運行功率為測試數據，具體結果見表1。

表1 設備運行功率數據

此次對三組高耗能設備作為測試對象，分別對其一天內的運行功率進行采集，通過表1數據可知，水站的運行功率最大，而絞車的運行功率較低。為實現不同設備的能耗監控，分別將上述數據上傳至MATLAB測試平臺，并連接三組監控方法，驗證不同方法的應用效果。

5.2 近距離設定下監控效果

將監控節點安置在較近距離，分別設置皮帶機、水站以及絞車監測節點距離為30、50和80 m，結果如圖5所示。

圖5 監控結果

如圖5所示，在本文方法應用下可以實現各組設備的近距離監控，且得到的數據與實際值相一致，而兩組傳統方法會產生一定誤差，說明本文方法更加有效。

5.3 遠距離設定下監控效果

上一組測試結果能夠證明本文方法的近距離監控效果，為進一步驗證本文方法的應用價值，以遠距離監控為測試條件，分別將皮帶機、水站以及絞車監測節點，設置在150、200、250 m處，結果見圖6。

圖6 監控結果

如圖6所示，在遠距離條件下對本文方法的監控結果影響較小，對兩組傳統方法的影響較大，會產生更大的數據誤差，綜合結果表明，本文方法更加有效。

6 結束語

能耗管理系統能夠為煤炭企業的節能降耗提供重要決策，并促進企業的整體水平提升，在有效管理煤礦綜合能耗的過程中，也能夠有效落實國家綠色低碳發展理念，逐步實現能耗總量和強度的“雙控”目標。本文以此為基礎，通過Agent技術設計了新的監控方法，并在試驗論證的基礎上驗證了新方法的有效性，具有現實應用價值。但由于此次時間有限，在研究中仍存在不足之處，如對缺失數據的插補過程沒有詳細說明，后續研究中會針對這一方面進行改進，為煤礦運行提供更具體的理論支持。