《煤矿智能化建设指南（2021年版）》中明确提出针对选煤智能化的建设目标与总体设计。在选煤智能化与选煤数智化背景下,选煤厂积极探索信息化转型,探索过程中暴露出现有选煤信息系统中选煤数据来源纷杂,数据量井喷式增长,数据集成、处理与可视化能力欠缺等一系列问题。针对上述问题,研究了基于大数据Hadoop生态圈技术的选煤信息管理系统的框架设计与关键技术。确定了包括系统架构、业务模块、数据库、网络拓扑与运行环境等设计方案。关键技术包括采用面向服务的企业服务总线（ESB）和主数据管理系统（MDM）字段映射实现了不同系统中选煤数据集成与互通互联。设计角色设定、样本集拆分、归一化去量纲和皮尔逊相关性分析程序实现选煤数据处理。利用Echarts组件开发智慧大屏看板,实现了选煤数据可视化展示与实时交互。在对选煤信息管理系统研究的基础之上,发现系统中选煤能源、能耗等相关数据处理效率低、数据分析能力弱等问题。而在“碳达峰”、“碳中和”背景下,选煤厂积极践行降碳减排已成为绿色、可持续发展的关键之举。全生命周期、全生产链路的碳排放核算是作为能耗大户的选煤厂降碳减排的基础性、关键性工作。由于洗选加工是煤炭从开采到使用必不可少的工艺环节,选煤厂碳排放在煤炭生产链集群企业整个生命周期碳排放中占据重要地位,因此如何界定选煤厂碳排放源与碳排放边界、解决碳排放因子取值混乱、弥补缺失的核算模型和精准预测未来碳排放量等问题成为选煤厂实现降碳减排的基本支点。在梳理学界关于选煤厂碳排放核算与预测领域研究成果的基础之上,以山西焦煤集团太原选煤厂为研究对象,参考国内外最新的碳排放核算、预测体系与方法,并结合太原选煤厂实际生产工况,确定了该选煤厂的碳排放源、碳排放核算边界、各项碳排放核算因子与影响其碳排放量的关键因素,构建了基于生命周期评价（LCA）的选煤碳排放核算模型和基于遗传算法-神经网络（GA-BP）的选煤碳排放预测模型。本研究通过选煤信息管理系统核算了该选煤厂2012年至2021年十年的全年碳排放量,得出该厂碳排放量整体趋势为稳中有降,年平均碳排放为45255.7 t CO2e。其中,电资源消耗碳排放均占全厂生产碳排放的90%以上。同时,将十年的月度数据分为训练数据和验证数据分别代入基于GA-BP的选煤碳排放预测模型,验证结果表明,该预测模型相对误差均小于3%,平均相对误差为1.28%,充分验证了该预测模型的高度拟合性。将7个影响因素2022年计划值代入基于GA-BP的选煤碳排放预测模型中,得到太原选煤厂2022年碳排放量预测值为38149.5 t CO2e。选煤信息管理系统实现了系统Web端登录、主页、数据管理、报表结算与智慧大屏看板五大功能与系统移动端登陆、主页与应用的三大功能,实现了碳排放活动基础数据的搜集、存储、集成、处理与展示的全生命周期管理,提供了坚实的数据保障。对选煤厂碳排放核算与预测达到了选煤信息管理系统将选煤数据升级为选煤数据资产的目标,最终提高了选煤厂智能化与数智化水平。