王启猛

（中煤科工集团沈阳研究院有限公司，沈阳 抚顺 113001）

矿山的电气自动化存在着能源消耗量高、物质消耗量高和污染严重的缺点。近几年来，我国大部分地区都存在着严重的雾霾天气问题，大气污染物和环境承载力已接近饱和，矿山电气自动化设备的节能减排问题亟待解决。物质燃烧过程是矿山电气自动化设备运行过程中首要的环节之一，其能源消耗占矿山生产总耗能的20%以上，SO2和NOx 污染物排放约占64%，烟粉尘排放占50%，是主要的能源消耗和污染物排放源，是长期困扰矿山绿色可持续发展的关键问题。

矿山电气自动化设备组成复杂，在设备运行的过程中，设备一直处在高温状态下动态运行。在运行过程中会产生吸热放热反应、氧化还原反应以及不同的物理状态变化。矿山电子自动化设备在运动生产时由于一直处在高温烧结状态，导致设备很难察觉周围温度场的变化，很难通过实时监控和数据采集，以及使用简单的数学计算和理论分析去精准挖掘设备运行状态。矿山电气自动化设备是一个十分经典的的“黑匣子”设备组成，可以发挥多个变量、潜在信息、非线性、强耦合的特性。

本文针对矿山电气自动化设备运行中不同生产数据的特点，通过对数据进行标准化、归一化、正则化的处理，使用人工智能方法进行矿山电气自动化设备运行预测及数据耦合关系模型的预测，再根据矿山电气自动化设备运行数据的时空特性，将数据转换到二维空间，使用计算机视觉方法进行矿山电气自动化设备预测模型，建立多目标的评价网络，多变量调控的执行网络，建立智能控制模型。……