智能建筑中央空調監控系統存儲優化策略研究

白 燕，任慶昌

(1.西安建筑科技大學理學院，陜西 西安 710055;2.西安建筑科技大學信息與控制工程學院，陜西 西安 710055)

智能建筑中央空調監控系統存儲優化策略研究

白 燕1,2，任慶昌2

(1.西安建筑科技大學理學院，陜西 西安 710055;2.西安建筑科技大學信息與控制工程學院，陜西 西安 710055)

隨著智能建筑的迅速發展及管理要求的不斷提高，監控系統信息管理的實時性、快速性以及存儲模式設計的合理性要求也不斷提高。針對智能建筑中央空調管控子系統監控點位多、數據存儲量大、子系統多樣以及管理復雜等特點，構建數據采集平臺，利用OPC XML技術，將關系數據模型與XMLDB結合，設計低冗余數據存儲及查詢優化策略。實驗及應用結果表明, 該策略適用于中央空調監控系統的信息管理與優化存儲，在一定程度上提高了系統的管理水平和運行效率。

存儲優化；中央空調; 監控系統；XML數據庫

1 引言

隨著智能建筑的迅速發展及控制管理要求的不斷提高，異構信息網絡與控制網絡的集成與數據融合已經成為企業自動化系統及智能建筑發展的重要方向與研究熱點，同時也是控制理論學術研究發展的必然趨勢[1]。

智能建筑管理與控制系統集成分布式網絡各子系統信息；對各子系統、關鍵設備、關鍵監測點狀態進行集中監控；訪問數據庫并寫入相關信息；實現各子系統間的聯動功能，并協調優化不同子系統的運行，從而為建筑環境提供安全、舒適、方便的生活條件和高效的工作環境，并保證其運行維護管理的經濟性和智能化[2]。

目前，常用的控制與信息網絡集成技術主要包括：(1) 在控制網絡和信息網絡之間加入協議轉換接口(網關)；(2) 在控制網絡和信息網絡之間采用DDE (Dynamic Data Exchange)技術；(3) 采用統一的協議標準實現，融合控制網絡協議傳輸速度高以及信息網絡高實時性的優勢；(4) 采用網絡數據庫技術，通過瀏覽器與信息網絡數據庫進行動態交互式信息交換；(5) 采用OPC (Object Linking and Embedding for Process Control)技術實現分布應用和異構環境下應用程序間的無縫集成和互操作性[3]。近年來，于仲安等人[3]對工業控制網絡和信息網絡融合技術進行了分析對比；雍靜等[4]學者提出了基于Web數據庫技術的控制網絡與信息網絡的集成架構，并將其應用于中央空調系統網絡集成；周路明等人[5]基于OPC技術，將實時數據庫引入智能建筑管理系統的設計。

Figure 1 Central air-conditioning system structure diagram圖1 中央空調系統結構示意圖

中央空調系統作為智能建筑樓宇自動化系統BAS (Building Automatic System)的主要組成部分，在有效融合控制網絡與信息網絡的基礎上，針對實際業務過程中對半結構化數據及輕量級數據的應用需求，將XMLDB與傳統關系數據庫結合，設計合理的數據庫結構，可在發揮各自優勢的前提下，進一步提高數據存儲及查詢效率。Haw Su-Cheng等人[6]對基于XML數據庫的數據存儲與查詢過程進行了研究；Min Jun-Ki等人[7]構建了基于關系數據庫的XML數據管理系統。

上述研究在控制網絡與信息網絡集成、基于OPC技術的Web數據庫及實時數據庫應用、XMLDB與關系數據庫融合等領域取得了一定成果。但是，對于智能建筑管控系統存儲優化策略的研究仍需進一步探討。本文針對智能建筑-中央空調數據管理子系統監控點位多、數據存儲量大、子系統多樣以及管理復雜等特點，進行低冗余存儲優化研究，基于西安建筑科技大學-智能建筑研究所變風量中央空調系統實驗平臺，構建數據采集系統；利用OPC XML技術，在實現底層控制系統到高層應用程序的縱向信息系統集成的基礎上，將關系數據模型與XMLDB結合，設計低冗余數據存儲及查詢優化策略。

2 中央空調系統總體架構

本文基于西安建筑科技大學智能建筑環境技術實驗平臺(IBETEP)-變風量中央空調系統進行研究。該系統包括水系統、風系統、末端系統等三部分，由兩臺冷水機組、兩臺空氣處理機組AHU(Air-Handling Units)、六個變風量末端(VAVBOX)、三臺定頻一次泵、一臺變頻二次泵、一臺熱水箱、若干散流器、管道和各種傳感器、控制器、執行器、工控機等組成，如圖1所示。

該實驗平臺由三層構成，如圖2所示，包含現場層、控制層和管理層。現場層與控制層之間采用歐姆龍CJ1W-SCU31-V1串行通信單元、基本I/O單元(CJ1W-ID211、CJ1W-OC211)和特殊I/O單元(CJ1W-DA08C、CJ1W-DA08V、CJ1W-AD081)實現數據傳送。控制層與管理層之間通過歐姆龍 CJ1W-ETN21以太網單元實現PLC與上位機的連接；用NI OPC Server和DSC模塊完成LabVIEW和歐姆龍 PLC的通信，構成一個實時高效的通信網絡系統。

Figure 2 Control system communication structure chart圖2 中央空調控制系統通信結構圖

系統中間控制層包括組態軟件和數據庫服務器；系統管理層包括上位機監控軟件和Web服務器。監控軟件利用XML數據庫及關系數據庫對現場數據進行存儲。通過ODBC 實現實時數據與信息網絡數據的融合 (XML數據庫與關系數據庫集成)。在Web信息層, 客戶端使用瀏覽器通過Internet訪問Web服務器(Browser/Server模式)構成遠程監控系統。

3 關鍵技術分析

3.1 基于OPC XML的現場數據通信

該平臺軟件系統設計的三層結構包括：底層(控制層)、中間層(接口服務層)、上層(Web層)，如圖3所示。其中，底層主要對控制對象進行監控，利用NI OPC Server將底層信息傳送至中間層組態軟件，通過ODBC完成實時數據與信息網絡數據的融合，客戶端通過瀏覽器訪問Web服務器構成遠程監控系統。

Figure 3 Central air-conditioning control network and information network integration architecture圖3 中央空調控制網絡與信息網絡集成構架

本系統采用OPC技術實現現場設備與監控軟件的通信，提供數據源(OPC服務器)和數據使用者(OPC應用程序)之間的軟件接口標準，完成實時數據采集。OPC服務器客戶端應用程序接口如圖4所示。

Figure 4 OPC server client application programming interface圖4 OPC服務器客戶端應用程序接口

圖4描述了自動化客戶端(Automation Client)通過包裝(Wrapper)調用OPC數據訪問接口服務器(OPC Custom Interface Server)的模型。OPC自動化對象層次結構如圖5所示[8]。OPC Server為現場設備的通信提供標準接口，客戶端通過接口與OPC Server通信，以此實現對現場設備信息的間接存取。該實驗系統的數據源為OMRON PLC；將OMRON OPC Server部署在獨立的工控機上，完成現場控制設備的數據讀取；同時與OPC Client的上位監控軟件通信，提供遠程OPC服務。

Figure 5 Automation object hierarchy圖5 自動化對象層次結構

通過OPC服務器及客戶端對OPC規范的支持，異構網絡結構及接口協議間的差異可以得到隱藏，但實際應用中OPC COM/DCOM技術在多平臺互操作性、服務器端口通信的潛在障礙、企業高層應用無OPC-COM接口等方面出現了不足。

XML結構化、規范化、簡潔化和可擴展等特點對上述不足提供了新的解決方案，憑借與平臺無關的中性數據表達協議，與HTTP結合，提出SOAP(Simple Object Access Protocol)技術，實現大量異構程序和平臺間的互操作，從而解決OPC DCOM的不足[9, 10]。

基于XML的Web服務概念，OPC XML DA規范以SOAP作為應用程序共享消息包裝的標準協議，采用WSDL(Web服務描述語言)進行Web服務描述。OPC客戶端和服務器之間采用HTTP協議進行Web服務傳輸。該規范主要由OPC XML-DA Schema組成，包括構成OPC XML-Web服務的數據類型、數據結構、方法以及通信協議、錯誤處理、發現機制和互操作性等底層規則[11]。

3.2 數據存儲與優化

系統數據庫作為信息網絡和控制網絡集成的基礎，其數據存儲性能及信息檢索效率對于智能建筑中央空調管控系統尤為重要。

本文所研究的中央空調系統軟件架構如圖6所示，主要包括空調系統智能控制模塊、能耗計量模塊、數據管理模塊及系統優化模塊等。其中，數據管理模塊包括數據采集、低冗余存儲優化以及數據查詢等功能，由關系數據庫SQL Server和XML數據庫完成。

Figure 6 Software overall structure chart圖6 軟件系統總體結構圖

3.2.1 數據采集與存儲

現場實時信息的采集由數據采集模塊負責完成，通過Lab SQL提供的ADO (Active Data Object)與ODBC連接完成對SQL Server數據庫的訪問，基于Command VIs、Connection VIs及Recordset VIs等實現Labview與數據庫的掛接、對數據記錄的增、刪、改、查操作。系統后臺數據庫設計如表1所示，由后備數據庫和現用數據庫構成，其中后備數據庫負責存儲長期歷史數據的備份信息，其中記錄所有點位的監控數據及主要耗能設備的能耗信息；現用數據庫經過存儲優化環節，用于存儲近期數據及有用信息，主要是各級操作員的操作數據集記錄，包括用戶表、管理員表、監控點輔助表、能耗輔助表、操作員監控點表、操作員能耗表、室內空氣品質評價表、末端計費表以及報警與故障記錄表等九個表。其中各級操作員監控點表、各級操作員能耗表的查詢以時間命名，以方便管理和檢索。

3.2.2 存儲優化

(1) 基于輔助表的存儲優化。

系統的存儲優化功能由存儲優化模塊負責完成，通過建立與table_Monitor和table_Energy相同結構的輔助表，以提高存儲效率及查詢速度。存儲優化算法如下：

Table 1 Database design and table functions

Step 1 啟動數據采集模塊，將現場數據采集到監控點輔助表table_Monitor及能耗輔助表table_Energy中，采樣時間大于或等于1秒，可由用戶設置。

Step 2 將輔助表的記錄追加到后備數據庫監控點表table_Monitor_bak和能耗表table_Energy_bak中。

Step 3 操作員登錄，通過用戶表user_table與管理員表manager_table進行驗證。

Step 4 根據各級操作員的具體應用需求，對監控點輔助表和能耗輔助表進行相關查詢操作，生成相應的各級操作員監控點表和操作員能耗表，均以該查詢操作的服務器系統時間命名。

Step 5 清空監控點輔助表table_Monitor及能耗輔助表table_Energy。

(2) 基于XML的存儲優化。

該系統中基于XML的存儲優化主要針對室內空氣品質監測和房間能耗計量兩個模塊。

①室內空氣品質評價表。

系統針對空調室內CO2濃度及甲醛濃度這兩個影響空氣品質的主要因素，依據CO2濃度與人體生理反應的關系(如表2所示)[12]，建立室內空氣品質評價與優化存儲系統。

Table 2 Relationship between CO2 concentration and the physiological response

存儲優化算法如下：

Step 1 啟動存儲優化模塊，采集各末端房間現場數據(CO2濃度、甲醛濃度等)到XML數據庫中對應房間的xml_table_room_n表中，采樣時間大于或等于1秒，可由用戶設置。

Step 2 以30分鐘為評估周期，計算各末端房間的CO2平均濃度，根據表2進行評估。

Step 3 將Step 2的評估結果寫入xml_table_room_n表中，并清空前一評估周期內的所有記錄。

Step 4 若評估進行了24小時，則將XML數據庫中各xml_table_room_n表寫入現用數據庫的室內空氣品質評價表table_IAQ中；否則，轉Step 1，進行下一采樣周期的采樣。

②末端計費表。

本系統末端用戶的計費包括末端開關時間計費法及當量能量計量法兩種策略，具體采用的方法可由管理員進行定制，計費程序以1小時為周期。存儲優化算法流程如圖7所示。

Figure 7 Program flow chart of the storage optimization algorithm圖7 存儲優化算法流程圖

3.3 數據查詢優化

本系統數據的查詢是通過選取相應的字段及時間段，提交到后臺服務器完成的，Web服務器找到相應的Action類對請求進行響應處理，并將結果返回給前臺頁面。數據查詢操作基于表示層、邏輯層及數據層完成。

(1)表示層。表示層通過登錄頁面的語句引入查詢主頁面login_user_ check.jsp；再通過AJAX異步請求顯示到前臺頁面check_success_user_E.jsp(能耗)或check_success_user_I.jsp(房間狀態)，同時提供“保存數據層到本地Excel文件”的選項，請求后，會在服務器生成對應的Excel文件；然后datasave.jsp頁面會以JSP文件流的形式將Excel文件下載到本地，完成數據的轉儲。

(2)邏輯層。邏輯層在用戶提交查詢請求后，Web服務器根據struts.xml配置文件將請求提交給EnergyQueryAction.java類(能耗查詢)和InfoQueryAction.java類(房間狀態查詢)進行處理，處理之后將結果返回前臺。查詢過程中，涉及到的主要類包括EnergyQueryAction類、InfoQueryAction類、QueryBase類、EnergydataDoAction類、InfodataDoAction類等。

(3)數據層。通過在Hibernate配置文件中添加語句〈mappingresource= "com/acdms/entity/Table_Energy.hbm.xml"/〉和〈mapping resource= "com/acdms/entity/Table_Room.hbm.xml"/〉，獲得與映射文件的關聯。其中，映射文件Table_Energy.hbm.xml和Table_Room.hbm.xml分別實現Table_Energy.java類的屬性與table_energy表字段的映射以及Table_Room類的屬性與table_room表的字段的映射，借助于Hibernate配置文件以及映射文件就可實現數據庫查詢。

本系統通過建立索引提高查詢效率。數據查詢操作模塊中查詢條件為用戶選擇的時間段，故在時間字段上創建索引，從而提高查詢效率，采用SQL語句：

create index energy_時間on table_energy(時間)；

create index room_時間on table_ Monitor (時間)；

系統管理維護模塊中查詢條件為用戶名，此處用戶名為主鍵，故在此列自動創建索引，以此提高查詢速度。

為了驗證查詢優化的效率，在EnergyQueryAction.java類的execute()方法中加入語句System.currentTimeMillis()，用于獲取數據查詢操作執行前后的時間間隔(毫秒)。在不考慮網絡環境等因素的影響下，選擇查詢時間段為2011年5月14日15:41:50至21:41:50，查詢字段為Room1的各能耗數據，在創建索引前后分別隨機地執行10次數據查詢操作，優化前后數據查詢時間對比如表3和圖8所示。

Table 3 Comparison chart for query time-consuming before and after optimization

如表3所示，通過創建索引進行查詢優化后，數據查詢時間均小于優化前，去掉其中最大值和最小值后，對其求均值，優化前后查詢時間分別為1 569.5 ms和1 312.9 ms。由此可見，優化效果顯著，尤其是對于大數據量進行處理時，查詢效率將更加明顯。

Figure 8 Query optimization comparison chart圖8 查詢優化對比圖

數據庫存儲容量計算方法：

Step 1 獲取表中的行數Num_Rows及列數Num_Cols；

Step 2 獲取固定長度列中的字節總和Fixed_Data_Size與可變長度列數Num_Variable_Cols；

Step 3 獲取可變長度列的最大值Max_Var_Size；

Step 4 若表中有固定長度列，則計算行的空

Table 4 Comparison chart for database storage space before and after optimization

位圖Null_Bitmap=2+((Num_Cols+7)/8)；

Step 5 若表中有可變長度列，則計算行中存儲這些列所需空間：Variable_Data_Size=2+(Num_Variable_Cols×2)+Max_Var_Size；否則，將Variable_Data_Size置為0。

Step 6 計算行總大小Row_Size=Fixed_Data_Size+Variable_Data_Size+Null_Bitmap+4；

Step 7 計算每頁行數Rows_Per_Page=(8096)/(Row_Size+2)；

Step 8 若在表上創建聚集索引，則根據指定的填充因子計算每頁保留的可用行數,否則，將Fill_Factor指定為100；

Step 9 每頁可用行Free_Rows_Per_Page=8096((100-Fill_Factor)/100)/(Row_Size+2)；

Step 10 計算存儲所有行所需頁數。Num_Pages=Num_Rows/(Rows_Per_Page-Free_Rows_Per_Page)；

Step 11 計算存儲表中的數據所需的空間量：8192×Num_Pages。

對該實驗平臺數據采集的特點進行分析，發現各子系統通常并不是對所有監控點位進行數據采集，而是根據控制策略及控制算法有選擇地采樣，故選取通常情況下的平均采樣點位數進行實驗分析。隨機采集系統某一工況下實驗數據，分析采用優化存儲策略前后數據庫存儲空間情況，如表4所示。

由表4可見，采用該策略對各子系統主要參數進行存儲后，存儲空間之和明顯小于優化前所占用空間。

4 結束語

通過編寫大量的軟件程序, 開發了基于關系數據模型及XML數據庫的低冗余數據存儲及查詢優化系統。經測試，在實際工程中運行穩定，在一定程度上提高了存儲及查詢效率。因此，將該策略用于智能建筑中央空調監控系統的管控是一種有效方法。

[1] Perumal T, Ramli A R, Leong C Y, et al. Middleware for heterogeneous subsystems interoperability in intelligent buildings[J]. Automation in Construction, 2010, 19(2):160-168.

[2] Doukas H,Patlitzianas K D,Iatropoulos K,et al.Intelligent building energy management system using rule sets [J]. Building and Environment, 2007,42(10):3562-3569.

[3] Yu Zhong-an, Li Hui-bin. Integrated technology of industrial control network and information network [J]. Industry and Mine Automation, 2008(1):76-78. (in Chinese)

[4] Yong Jing, Liu Li-ping, Zhou Jian. Network integration of central air-conditioner system based on Web database technology[J]. Low Voltage Apparatus, 2007(6):53-56. (in Chinese)

[5] Zhou Lu-ming, Ouyang Song. Research and design on the database module of the intelligent building management system[J]. Computing Technology and Automation, 2007, 26(4):95-98. (in Chinese)

[6] Haw Su-Cheng, Lee Chien-Sing. Data storage practices and query processing in XML databases:A survey[J]. Knowledge-Based Systems, 2011, 24(8):1317-1340.

[7] Min Jun-Ki, Lee Chun-Hee, Chung Chin-Wan. XTRON:An XML data management system using relational databases[J]. Information and Software Technology, 2008, 50(5):462-479.

[8] Xu Hong, Wang Jian-hua. Using standard components in automation industry:A study on OPC specification[J]. Computer Standards & Interfaces, 2006, 28(4):386-395.

[9] Liao Guo-fu, Yang Ge-fang, Yang Liu. The research of the integration model for intelligent buildings based on OPC XML[J]. Journal of Huanggang Normal University, 2007(6):103-104. (in Chinese)

[10] Zheng Ke, Xu Yan-qun, Zhang Bin. Research on integration of industrial control system based on FDT and OPC XML[J]. Computer Measurement & Control, 2010, 18(8):1805-1807. (in Chinese)

[11] Subramaniam S,Haw Su-Cheng,Poo Kuan Hoong.s-XML:An efficient mapping scheme to bridge XML and relational database[J]. Knowledge-Based Systems, 2012, 27:369-380.

[12] Lei Xiao-feng. The research of energy consumption analysis and air quality control of variable air volume air-conditioning system[D]. Xi’an:Xi’an University of Architecture and Technology, 2011. (in Chinese)

附中文參考文獻：

[3] 于仲安, 李慧斌. 工業控制網絡和信息網絡的集成技術[J]. 工礦自動化, 2008(1):76-78.

[4] 雍靜, 劉利萍, 周健. 基于Web數據庫技術的智能建筑中央空調系統網絡集成[J]. 低壓電器, 2007(6):53-56.

[5] 周路明, 歐陽松. 智能建筑管理系統數據庫模塊的研究和設計[J]. 計算技術與自動化, 2007, 26(4):95-98.

[9] 廖國富, 楊戈方, 楊柳. 基于OPC XML的建筑智能化系統集成模型研究[J]. 黃岡師范學院學報, 2007(6):103-104.

[10] 鄭珂, 徐艷群, 張斌. 基于FDT與OPC XML的工業控制系統集成研究[J]. 計算機測量與控制, 2010, 18(8):1805-1807.

[12] 雷曉鳳. 變風量空調系統能耗分析與空氣品質控制研究[D]. 西安:西安建筑科技大學,2011.

BAI Yan,born in 1979,PhD,lecturer,her research interests include environment technology intelligent buildings, and optimization technology of large scale system.

任慶昌(1945-),男,河南湯陰人，教授，博士生導師，研究方向為系統仿真與辨識、計算機過程控制、智能控制和智能建筑環境技術。E-mail:renqch@163.com

REN Qing-chang,born in 1945,professor,PhD supervisor,his research interests include system simulation and identification, computer process control, intelligent control, and environment technology of intelligent buildings.

Research on storage optimization strategy for central air conditioning monitoring system in intelligent buildings

BAI Yan1,2，REN Qing-chang2
(1.School of Science,Xi’an University of Architecture and Technology,Xi’an 710055;2.School of Information and Control Engineering,Xi’an University of Architecture and Technology,Xi’an 710055,China)

With the rapid development of intelligent buildings and the continuous improvement of management requirements, the requirements of real-time information management and rationality of the storage mode design in monitoring system are increased simultaneously. Aiming at the features of the central air-conditioning data management system with a large number of detecting points, large capacity of storage, variety in subsystems and management complexity in intelligent buildings, the data acquisition platform is constructed and the low redundant data storage and query optimization strategy are designed based on OPC XML technology and the relational data model combined with XML database. The experimental and practical results show that the strategy can be used for information management and optimal storage in central air-conditioning monitoring systems, and improve the level and the efficiency of management to some extent.

storage optimization;central air-conditioning;monitoring system;XML database

2012-08-04;

2012-12-19

住房和城鄉建設部科學技術項目(2012-K1-35)；國家杰出青年科學基金項目(51325803);陜西省自然科學基金資助項目(2011JQ8002)

1007-130X(2014)03-0558-08

TP273

A

10.3969/j.issn.1007-130X.2014.03.032

白燕(1979-),女,陜西西安人，博士，講師，研究方向為智能建筑環境技術和大系統優化技術研究。E-mail:yb_xauat@126.com

通信地址：710055 陜西省西安市西安建筑科技大學理學院

Address:School of Science,Xi’an University of Architecture and Technology,Xi’an 710055,Shaanxi,P.R.China