大數據時代能耗數據的優化應用

丁猛

【摘 要】隨著云時代的來臨，大數據（Big data）也吸引了越來越多的關注。采用大數據技術分析石油企業能耗數據具有非常重大的研究意義。

【關鍵詞】大數據；能耗優化；銷售VT；銷售V20

引言：

隨著云時代的來臨，大數據（Big data）也吸引了越來越多的關注。加油站數據以及巨大的數量完全吻合了符合大數據的多、深、全、雜特性。因此采用大數據技術分析石油企業能耗數據具有非常重大的研究意義。

一、生產監控、能耗優化實現思路

結合實際情況，加油站損耗管理主要包括運輸及零售保管兩種損耗。目前在運輸損耗方面已實現油庫發油及加油站收油的V20數據統計，而零售保管損耗受加油機發出體積的影響，對保管損耗影響較大，主要存在以下問題：

（一）熱脹冷縮。油站以標準體積V20入賬，而以實際體積Vt銷售，兩者存在溫度差，當銷售油品溫度大于20℃時，零售保管盈余，而當銷售油品溫度小于20℃時，零售保管虧損；

（二）油品丟失。由于Vt是環境溫度下計量所得的體積，外界環境溫度較高的加油站油品盈余情況就會比較突出，在這種情況下易發生油品丟失風險；

（三）溫度失真。由于溫度對油品體積變化有較大的影響，傳統計算采取的都是平均溫度，無法真實體現損耗管理狀況。

經過深入分析，我們發現，為了真實反映加油站零售保管損耗，只要通過大數據手段云計算的實施路線，實時采集到加油站每一筆銷售量、實時溫度，按照一定的計算規則，將銷售Vt同步換算成V20銷售量，達到公平、公正、真實反映加油站的管理狀況的目的。我們將這種計算過程名為“能耗管控”，在管控過程發現的各種設備運行監控數據、現場監控數據。利用大數據手段進行深入分析后，管控過程自動進入良性“能耗優化”循環。

二、研究目標及技術難點

（一）能耗管控就是要利用信息技術和手段，實現損耗計算信息化、自動化和智能化，應該具有如下功能：

1.數據自動采集。必須實時獲取到加油站銷售數據、庫存數據，對加油站每一筆槍出交易進行體積轉換，從而獲取標準體積下油品零售保管損耗的數據。

2.數據自動轉換。將獲取到的每一筆交易數量與同時間內油罐溫度進行綁定計算，實現每一筆Vt銷售自動轉換為V20銷售量。

3.能耗統計分析。結合庫存、購進、銷售等基礎數據，自動生成每個加油站的損耗數量，按照不同需求進行統計分析，實現能耗管控大數據化。

（二）技術難點。要實現能耗管控大數據化，自動獲取基礎數據成為關鍵所在和技術難點。

1.如何實時獲取加油站銷售數據？如果采用匯總數據進行Vt和V20數據轉換，計算結果和傳統手工方式一樣可能不符合實際。

2.如何獲取實時油溫，油溫與交易支付如何綁定，油罐油溫隨著氣候變化、接卸油等實際情況在隨時變化，而交易隨時都在發生。

通過多次技術試驗，我們發現通過針對加油站銷售數據分析，可以有效的體現加油站現場情況，以及操作情況，非常便于查找能耗管控過程中的軟硬件問題，以及人為操作問題，為應對能耗優化的提供了良好的數據支撐。

三、加油站銷售數據數據加工

（一）集成說明

采集服務前端部署一組Socket Server群集用來接收結構化數據，采集服務作為服務端，各業務系統作為客戶端，采用長連接的方式，由業務支持系統發起連接并把業務數據主動推送給采集服務。采用TCP長連接的方式，能夠避免每一次請求都打開新的連接，減少了建立和關閉連接時的性能開銷，同時也減少了后續請求的響應時間。

（二）技術實現

1.結構化數據技術實現：Socket Server群集中的多個Server是平等的，客戶端應該保存這個Server列表，客戶端可以把它當成主備方式使用，即先連接一個Server，這個Server不可用時才連接下一個Server；也可以當成負載均衡來使用，即客戶端和每個Server都建立一個連接，每次發消息都從連接列表中取出一個連接來發送，只要實現一個簡單的輪詢策略就可以達到負載均衡的效果。

Accepter負責接收客戶端的請求，分配工作線程對請求進行處理

Decoder/Encoder負責對消息進行編碼和解碼

Handler負責實際的業務處理邏輯

2.非結構化的采集實現，利用Hadoop套件、MapReduce工具、抽取工具、自建系統、統建系統、微信、QQ等手段將非結構化數據匯總至數據服務端。

（三）加油站數據獲取

站級數據通過前庭控制器傳遞至數據采集端，然后再分析數據結構和格式化，將數據分為若干種類型，根據類型分揀其重要性和傳輸頻次。

1.液位儀數據

分為三種類型數據上傳：實時庫存、卸油數據、期間付出，實時庫存每5分鐘傳輸一次。實時庫存數據采集了液位儀上的油溫、油高、水高、密度、油體積等數據，其中油體積計量方式為Vt方式，DIT服務端采集到各加油站對應罐實時庫存后，將統一存儲和分流至多個其他物理數據表中。卸油數據和期間付出數在業務發生時采集。

接口為加油站實時庫存，接口方式為Socket接口，數據頻度為實時；

2.加油機交易支付數據

銷量數據包含交易單價、金額、油品數量、油品類型及脫機交易。大數據服務器端將銷售數據逐筆存放，并將非油數據和主油數據分別存儲。其中主油數據在次日凌晨被逐筆由Vt轉換V20，轉換依據當次交易最近庫存對應的油溫數據，依據公式轉換為V20。

3.加油站銷售日報表數據

通過采集加油站日報表數據，可以獲取存、進、銷、損耗等數據，確保采集數據與加油站日報一致。數據頻度為日結成功后10分鐘。

四、能耗信息計算

（一）系統自動讀取站級系統中每筆加油交易數據信息并抓取與相對應的發油油罐內油品溫度，自動進行銷售VT與V20的換算。加油站純槍銷售V20=純槍銷售VT*[1+（20-發油油罐實時油溫）*體積膨脹系數]，體積膨脹系數為汽油0.0012（%/℃），柴油0.0008（%/℃）。

（二）加油站每班進行班結時，系統同步讀取站級系統各油罐購進量及實際庫存數量作為下一個班的期初庫存參與系統數據計算。

（三）系統每日自動統計油品損耗情況

考核零售保管損耗量=期初庫存量V20+當期入庫量V20—當期純槍銷售V20—實際庫存量V20

考核零售保管損溢率=（考核零售保管損耗量/當期純槍銷售V20）×1000%。

五、結束語

大數據與能耗優化的相結合已經顯現了如下應用趨勢：

（一）銷售數據、庫存數據、運輸距離的資源化

將加油站銷售數據、運輸資源、資源分配過程變成企業和社會關注的重要戰略資源，并已成為大家爭相搶奪的新焦點。因而，必須要提前制定大數據營銷戰略計劃，搶占市場先機。

（二）將能耗優化與云計算的深度結合

云處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平臺之一。將銷售數據以庫、車站、營業日、油品為最小作業單元，進行云化布局，在多種維度下同時發揮大數據的速度、效率、深度分析結果。

【參考文獻】

[1]張潔，白云，蘇慧君，陳剛，李彥. 源于天然油脂的原油流動性改進劑制備[J]. 特種油氣藏. 2016（06） [期刊]