氫能及燃料電池汽車示范評價大數據平臺建設研究

陳宗娟 孫二鑫 蔡建軍 劉朋

摘要：針對燃料電池汽車示范應用場景多樣、數據實時傳輸、產業鏈企業眾多、產業鏈信息挖掘等特點，搭建了以SpringBoot、Hadoop、DevOps為核心技術的大數據集群部署架構，基于此設計并實現了氫能及燃料電池汽車示范評價大數據平臺，為示范應用提供產業鏈跟蹤、技術評價、產業鏈、審核清算、業務管理等全方位的服務，保障示范應用平穩、可靠、高效地運行。

關鍵詞：氫能;燃料電池汽車;大數據;示范評價

中圖分類號：TP3? ?文獻標識碼：A

文章編號：1009-3044（2022）17-0015-02

2021年9月，國家發展改革委、財政部、科學技術部、工業和信息化部、國家能源局五部委聯合發布《關于啟動燃料電池汽車示范應用工作的通知》，將在示范城市開展燃料電池汽車示范推廣應用，利用信息化手段，開展示范跟蹤指導、考核評估、資金核算、效果評價、經驗總結、監督管理等各項工作。由于示范參與城市眾多、涉及氫能產業鏈上下游企業、燃料電池汽車應用場景多樣等，需建立高并發、高時效、高容量、高擴展的大數據服務平臺，以滿足日益增長的數據服務要求。目前，我國氫能產業尚處于初期發展階段，尚未完全掌握氫能核心技術，關鍵材料及零部件仍依賴進口，氫能產業鏈的生產成本較高[1-4]。關于氫能平臺的研究大多是針對制氫、儲氫、運氫、加氫、用氫單個或多個環節的管理，尚未形成針對氫能全產業鏈的較為完善的大數據服務平臺[5-7]。

本文深入研究示范運營管理應用需求，分析國家部委、政府、企業、專家等對功能權限的需求，研究示范評價大數據平臺的建設，分別完成針對示范城市的車輛監管、審核清算、產業鏈、安全監測等的功能開發，針對燃料電池汽車整車企業和關鍵零部件企業的技術評價與提升的功能開發，實現燃料電池汽車多場景監管、氫能全鏈條精細化管理，為獎補資金的合理分配提供可靠的數據支撐，保證示范區域和相關企業服務的高效便捷，保證燃料電池汽車示范政策的穩步推進。同時，不斷積累燃料電池汽車、關鍵零部件、加氫站、產業鏈等示范原始數據，以全產業鏈數據分析驅動氫能技術提升和產業鏈優化升級。

1平臺大數據架構

1.1大數據架構設計原則

大數據平臺目標是滿足示范運行數據的監測，為決策提供及時、準確、可靠的數據依據，平臺架構設計遵循以下原則：①高并發：支持10萬輛量級車輛和加氫站在線進行數據采集和下發;②無偏差：全天候、高頻次（秒級）數據采集，數據不間斷和無偏差提取;③高時效：支持海量數據秒級實時分析;④高可靠：通過校驗和加密機制，確保數據和指令安全、可靠推送;⑤高容量：支持PB級數據存儲，形成大數據資源池;⑥不間斷：通過集群計算和數據容災機制，規避宕機、斷電等風險，實現不間斷數據服務;⑦高擴展：靈活支撐業務擴展和變化;⑧安全性：防止數據篡改和外部入侵。

1.2平臺大數據架構

平臺大數據架構需支持10萬級車輛并發接入和PB級分布式存儲與計算。架構以SpringBoot、Hadoop、DevOps為核心技術點，用CDH來監控管理大數據平臺里的各類組件，基于ADC-DA框架搭建平臺里的各類服務，并采用DevOps模式對平臺進行持續集成迭代及持續交付，提升研發運維效率。具備高度先進性和可擴展性，能夠滿足業務需求的不斷變化。根據平臺特定的需求進行一定的分層設計，保證平臺安全高效運行。

數據接入層為平臺的數據來源，包括企業數據、燃料電池汽車和加氫站數據以及文件流數據;數據通信層定義了數據接入層與平臺的通訊協議，通過HTTP、TCP、UDP、FTP等多種方式進行數據通信;數據存儲層通過數據采集服務獲取數據傳輸層提交的數據，然后利用Hive、Spark等數據處理中間件進行數據處理，最后根據需要整合處理后的數據并將其存儲至分布式存儲集群、關系型數據庫和緩存服務等不同類型的數據庫中。在數據分析方面，定義元數據及數據標準，從完整性、及時性、準確性、穩定性等角度建立數據質量評估方法，并定期開展異常數據清洗融合，保障數據服務的有效性，建立車輛監控模型、加氫站模型、風險預警模型、清算模型、技術提升模型等挖掘數據潛在價值，為補貼資金核算、示范效益評價及產業鏈優化等業務提供有效的數據支撐。平臺業務層分別從分布式存儲集群、Mysql和Redis中獲取業務靜態數據和實時性較強的動態數據供上層業務服務使用，包含公共管理、實時管理、業務管理和智能分析。平臺服務層基于示范應用需求，提供車站監控、技術提升、產業鏈、業務分析等服務，針對不同用戶提供不同權限服務。平臺大數據架構如圖1所示。

1.3平臺部署架構

系統部署以高可用為原則，采用負載均衡加集群的架構進行部署，并基于Docker容器技術，組建分布式集群。出于安全和可靠性考慮，將數據庫和應用系統部署在不同的服務器上，以減少性能上的彼此影響。存儲部分采用至少三臺Mysql數據庫組成集群存儲系統的結構化數據;至少三臺Redis組成緩存集群做Session共享和二級緩存，存儲實時性較強的動態數據;存儲集群均采用主從備模式，同時支持靈活的擴縮容。另外搭建Elasticsearch集群存儲統計類數據。采用Haproxy+Keepalived集群實現負載均衡，其中Haproxy實現對Nginx的負載均衡和讀寫分離;Keepalived實現對Haproxy服務的高可用，并采用雙主模型配置。由群集決定當前連接是接入到哪一臺，當主機發生故障時，1分鐘即可自動重連接到備機。消息隊列Kafka也采用3臺集群的模式進行部署，保證高可用。整體部署架構如圖2所示。

1.4數據采集規范

燃料電池汽車數據上傳按照 GB/T 32960.3—2016《電動汽車遠程服務與管理系統技術規范 第 3 部分：通信協議及數據格式》的方式建立通信連接，并在該標準的基礎上新增電堆溫度、空氣壓縮機電壓、空氣壓縮機電流、氫氣循環泵電壓和氫氣循環泵電流五項擴展數據，上傳數據周期均不大于10s。加氫站協議結構以 TCP/IP 網絡控制協議作為底層通訊協議，實時上報數據通信方式應為基于 TCP/IP 的 Socket長連接通信方式，周期性上報數據采用 HTTP形式逐條上傳或批量打包上傳。

3大數據平臺建設與實現

3.1車站監控

車站監控以地圖為基礎，對加氫站和燃料電池汽車進行實時全方位管控，滿足日常車站跟蹤、數據匯總、狀態監管、風險預警等多種業務需求。車站跟蹤對示范運營接入的企業、車輛和加氫站進行全局監測，基于地圖快速定位企業和加氫站位置以及燃料電池汽車的運行軌跡，可直觀了解到整體示范運行的實時情況，對車輛和加氫站的數據進行實時跟蹤和運行參數監管。數據匯總從宏觀層面展示燃料電池汽車和加氫站的推廣總數、車輛總加氫量、累計用氫總里程和報警信息等。狀態監管實時展示氫燃料電池汽車車牌號、是否在線、速度、運行里程等情況，以及加氫站地址、是否加氫中、總加氫量等情況，通過單車、單加氫站和單企業的跟蹤可查看其詳細的實時運行情況。風險預警匯總車輛和加氫站預警信息并進行實時展示。

3.2審核清算

審核清算主要對示范區域任務完成情況進行積分核算，分別對整車企業、零部件企業和加氫站企業三個維度進行清算數據的統計，整車企業統計維度包括車輛推廣數量、車型類型、應用場景、行駛里程等，零部件企業統計維度包括燃料電池系統額定功率、生產成本等，加氫站企業從運營成本、是否為清潔氫、氫氣運輸距離等基礎參數開展核算，核算內容包括示范基礎積分和示范獎勵積分，從而直觀地顯示出示范區關聯企業任務的推廣進度和完成情況，為完成示范目標和積分評價奠定基礎，同時能夠更好地為效益分析與示范區域內資金下發提供數據支撐。

3.3技術評價

通過對上傳到本平臺上的數據進行統計分析，形成數據模型，充分利用大數據和人工智能等技術手段對示范數據進行數字化開發，促進氫能產業鏈升級。針對示范期間產業鏈定量評價需求，主要從性能統計和技術提升兩個方面進行技術提升評價：性能統計對加氫站加氫量、燃料電池汽車純氫續駛里程、氫電續駛里程分布、百公里氫耗、應用場景配置合理性、運營經濟性、累計故障分布等角度進行評價分析;技術提升從車輛續航里程、純氫續駛里程、氫電比例、百公里氫耗、低溫冷啟動時間、發動機質量功率密度等方面進行評價分析。平臺以多維角度評價形成燃料電池汽車示范應用水平評價的科學體系。

3.4產業鏈

對氫能產業鏈數據進行統計分析，挖掘產業鏈上下游之間的供應關系，為產業鏈優化、加氫站點布局優化、網點分布等提供決策依據。用戶可以根據企業、地區等不同條件進行多維度統計分析。對制氫環節上的氫氣制造數據進行統計分析，包括產量、品質等;對儲氫環節上的存儲分布、存儲成本、儲備量等進行統計分析;對運氫環節氫氣運輸數據進行統計分析，包括線路、里程、工況等;對各環節的控制點進行數據分析，精準把控氫能的來源和流向，助力城市群氫能和燃料電池汽車產業鏈優化升級。

3.5安全監測

對車輛、零部件和加氫站數據進行分析預警和故障統計分析，同時對各個環節上報的風險和故障數據進行等級劃分，根據不同等級采取不同的處理機制。車輛安全監測主要對車輛上報的預警和故障數據進行統計分析，如燃料電池電流、電壓、溫度等;加氫站安全監測主要對加氫站上報的預警和故障數據進行統計，如溫度過高、流速過快、壓力過大等。平臺定期對不同應用場景下的車輛進行抽檢，及時發現問題車輛以消除安全隱患。基于電堆壽命衰減、電堆老化速度、氫氣泄漏等預測模型和危險閾值設定，能及時、正確地對示范產業鏈過程中的風險進行全面的預防，保證示范應用的安全穩定運行。

3.6業務管理

業務管理對平臺功能所需要的各種基礎信息和流程審批進行管理設置?；A信息包括整車企業、加氫站企業信息管理，同時對平臺的組織架構、用戶角色及權限進行管理，以支撐系統的有效運行;流程審批包括整車企業和加氫站企業審批、零部件準入審核、車型準入審核、車輛準入審核等流程進行維護，通過工作流表單定義、工作流程定義實現相關工作流程信息的維護。

4結論

本文根據示范政策要求，通過搭建高可用的大數據集群架構，研究氫能及燃料電池汽車示范評價大數據監管平臺的建設，為示范工作的開展提供車站跟蹤、技術評價、產業鏈、審核清算、業務管理等全方位的服務。隨著政策的深入開展，平臺逐步接入多種場景的燃料電池汽車和制氫、儲氫、加氫等相關傳感器設備，不斷積累燃料電池汽車、關鍵零部件、加氫站、產業鏈企業等示范原始數據，提升全產業鏈數據分析能力，為優化產業鏈上下游關系提供指導，后續平臺建設將隨著氫能產業鏈和技術研發升級逐步完善和優化，確保示范應用平穩高效運行。

參考文獻

[1] 孟照鑫，何青，胡華為，等.我國氫能產業發展現狀與思考[J].現代化工，2022，42（1）：1-6，12.

[2] 陳贇.我國氫能發展的現狀與思考[J].中國國情國力，2021（12）：8-11.

[3] 陳洪波，王新春.氫產業發展戰略的國際比較及政策建議[J].企業經濟，2021，40（12）：126-134.

[4] 高慧，楊艷，趙旭，等.國內外氫能產業發展現狀與思考[J].國際石油經濟，2019，27（4）：9-17.

[5] 湯曉棟，鞠晨，張浩.加氫站運營管理云服務平臺的設計與實現[J].交通與運輸，2021，37（1）：66-70.

[6] 何劍朋，姚屏，白路，等.基于物聯網平臺的太陽能-氫能發電技術研究[J].自動化與信息工程，2021，42（4）：50-53，57.

[7] 席雪楠.面向氫能電池的數據分析平臺的設計與實現[D].北京：北京郵電大學，2020.

收稿日期：2022-03-25

作者簡介：陳宗娟（1990—），女，山東臨沂人，碩士，高級工程師;孫二鑫，男，山西呂梁人，學士，研發經理;蔡建軍（1986—），男，河南信陽人，碩士，工程師;劉朋（1992—），男，天津人，學士。