基于新一代互聯網技術的風電集控系統設計

北京嘉士寶科技有限公司 陳志鵬

1 引言

隨著風電市場的快速發展，風場規模的不斷擴大，建造無人值守、少人值守的智慧風場已經成為一個必然的趨勢。遠程集控系統是實現無人值守、少人值守的一個基礎。目前的集控系統大多還是采用傳統的技術路線及架構，在功能、性能、用戶體驗方面都還有很大的改進空間。隨著互聯網技術的飛速發展，將這些新的、優秀的互聯網技術應用于風電集控系統，將會使集控系統變得更高效、更好用、更智能。

本文從集中監控系統的整體架構、數據采集與傳輸、數據存儲與分析及界面展示四個層面分別進行設計，將傳統技術與互聯網技術進行比對分析，利用新一代互聯網技術優化集控系統設計。

2 系統設計

2.1 系統架構設計

2.1.1 并行數據存儲與數據展示

目前市場上很多廠家采用串行模式，如圖一所示：此種架構數據是串行轉發，會產生較大延時，一般情況數據延時會超過5秒以上，這樣會導致一些實時數據，并不能實時的刷新。

如果采用并行模式，可以讓數據存儲于界面展示同時進行，這樣界面展示就可以做到很小的延時，最小1秒。而且此種架構可以實現不同頻率數據存儲與數據刷新，如果出于成本考慮不想要存儲高頻數據，但是又想看到高速刷新的實時數據，可以將存儲頻度降低，界面刷新頻度保持高頻。

2.1.2 面向服務的SOA架構、B/S模式、松耦合、分布式、跨平臺部署

很多集控系統還是采用緊耦合的傳統C/S架構，一旦一個模塊出現問題整個系統都會癱瘓；C/S結構大都是基于Windows平臺，安全性差，不支持系統升級，兼容性差等問題很是令人頭疼。

采購SOA架構的系統，各模塊各自獨立，互不影響，可以很容易實現集群式分布式部署，通過負載均衡減輕服務器負擔。SOA架構的最小單位是服務，而傳統架構是面向對象的，一個對象可以包含多個服務，面向服務架構的管理力度更小，每個服務均可單獨啟動、停止，支持后臺管理及在線調試。

2.2 數據采集層

2.2.1 數據采集

傳統的工業自動化及電力系統習慣于采用軟硬件結合的嵌入設備進行數據采集，如通信管理機、遠動通信裝置等。這種設備硬件配置較低，不能傳輸大量數據；擴展性差，如果接口不足，需要重新購置設備；軟硬件構成緊耦合，不論是一個軟件模塊或者硬件模塊損壞，需要更換整個裝置。

也有不少廠商用實時庫或者組態軟件進行數據采集的；實時庫的采集協議不多，對于特殊的協議不能支持，實時庫的采集、傳輸及界面展示都是緊耦合，一旦發生故障，整個系統都將癱瘓。組態軟件雖然可以支持多種協議，但是大部分組態軟件的性能都較弱，不能支持大量數據的高頻采集，且大多組態軟件都是采集、傳輸、界面展示與一體，構成了緊耦合，而且不能給第三方系統開放接口。

而采用SOA跨平臺采集協議組件，各個采集組件完全松耦合，各自獨立，按需加載，互不影響。支持分布式部署，在數據量大的情況下可以采用多機并行部署，提高采集效率。后臺采集服務可視化管理，可以實時查看各個采集模塊數據快照，快速查找診斷程序或者數據問題。

2.3 數據存儲與數據分析

2.3.1 數據存儲

工業自動化領域或者火電企業大部分采用實時庫或者關系型數據庫存儲實時數據與歷史數據，實時庫采用高壓縮比策略，將大數據壓縮成了少量數據。在讀出時采用反解壓方式將數據還原，導致實時庫讀取大量數據時速度很慢，且實時庫采用列式序列化存儲，在隨機查詢和多維度查詢方面幾乎不可用，而且實時庫的數據導出性能很弱，在數據量大的情況幾乎不能導出。目前很多風機SCADA系統采用了實時庫存儲數據，運行幾年后的時序數據幾乎都不能導出。這樣會導致我們后續無法利用這些數據進行數據分析。

關系型數據由于要維護負責的邏輯關系，所以在寫入時速度不快，且數據寫入需要同步索引，會使寫入速度更慢。關系型數據在查詢方面比實時庫要稍好一些，但也有瓶頸，不支持大量數據的快速檢索

隨著IT技術及硬件設備的不斷升級、存儲價格的不斷下跌，大型互聯網公司一般采用分布式大數據系統來存儲及分析數據，采用分布式內存數據庫進行實時數據存儲，用分布式非關系數據庫（Hadoop、Hbase、Cassandra、MongoDB）存儲歷史數據及分析，目前Google、Facebook及國內的BAT公司均采用大數據技術進行數據存儲與分析，大數據平臺支持ZB級數據存取與分析。

我們利用分布式大數據技術進行讀寫的測試，每秒可寫入1.2GB數據，如果按每臺風機2K字節算，每秒可以寫入60萬臺風機數據、4.8億個測點。

2.3.2 數據分析

互聯網的發展離不開大數據分析，依托數據分析會產生很大的價值，通過數據分析，可以幫我們節約成本、提高生產力。實時庫設計之初是用于做事故追溯的，本身不具備數據分析的能力。基于大數據平臺有很多開源的分析工具及開源的機器學習平臺，可以實現海量數據的高性能存儲、計算與分析。我們自主研發的可視化大數據分析工具，可以通過拖拽或者寫SQL腳本的方式實現對海量數據的挖掘與分析，并可以生成各種圖形化報表。

我們自主研發的機器學習算法平臺，可以實現數據的清洗、轉換、加工；機器學習算法平臺可視化定制機器學習任務，是實現建模，訓練，測試及任務的執行機器學習算法的一體化平臺。

2.4 界面展示

早期的集控系統大多采用C/S結構，需要安裝客戶端，并且只能在指定操作系統上運行，安裝繁瑣、而且還經常有各種不兼容的問題。

互聯網的應用基本幾乎全部是B/S結構，瀏覽器訪問模式，無需安裝客戶端，支持任何操作系統。HTML5規范是2014年9月正式發布，更高的可用性及更友好的用戶體驗為大多數一流互聯網公司所采用。

基于HTML5技術實現的界面可以支持各種移動端設備展示，如手機、PAD等。而且可以很容易實現和微信的綁定，通過微信客戶端使用集控系統，更簡單、便捷。

圖1 串行模式

圖2 并行模式