1 小序
随着风电市场的快速生长 ，风场规模的一直扩大 ，制作无人值守、少人值守的智慧风场已经成为一个一定的趋势。远程集控系统是实现无人值守、少人值守的一个基础。现在的集控系统大多照旧接纳古板的手艺蹊径及架构 ，在功效、性能、用户体验方面都尚有很大的刷新空间。随着互联网手艺的飞速分钟 ，将这些新的、优异的互联网手艺应用于风电集控系统 ，将会使集控系统变得更高效、更好用、更智能。
本文从集中监控系统的整体架构、数据收罗与传输、数据存储与剖析及界面展示四个层面划分举行设计 ，将古板手艺互联网手艺举行比对剖析 ，使用新一代互联网手艺设计优化集控系统设计。
2 系统设计
2.1 系统架构设计
并行数据存储与数据展示
许多厂家接纳串行模式 ，前置机收罗到数据后通过远程传输系统将数据传到集控中心 ，集控中心吸收数据并写入到实时库 ，界面展示再从实时库中取出实时数据用于展示 ，一区的集控系统再降数据转发三区的web宣布系统用于系统展示、报表剖析等应用。此种架构数据是串行转发 ，会爆发较大延时 ，一样平常情形数据延时会凌驾5秒以上 ，这样会导致一些实时数据 ，并不可实时的刷新。
若是接纳并行模式 ，可以让数据存储于界面展示同时举行 ，这样界面展示就可以做到很小的延时 ，最小1秒。并且此种架构可以实现差别频率数据存储与数据刷新 ，若是出于本钱思量不想要存储高频数据 ，可是又想看到高速刷新的实时数据 ，可以将存储频度降低 ，界面刷新频度坚持高频。
面向效劳的SOA架构、B/S模式、松耦合、漫衍式、跨平台安排
许多集控系统照旧接纳紧耦合的古板C/S架构 ，一旦一个？榉浩鹞侍庹鱿低扯蓟崽被 ；C/S结构大都是基于Windows平台 ，清静性差 ，不支持系统升级 ，兼容性差等问题很是令人头疼。
面向效劳的架构（SOA）是一个组件模子 ，它将应用程序的差别功效单位（称为效劳）通过这些效劳之间界说优异的接口和左券联系起来。接口是接纳中立的方法举行界说的 ，它应该自力于实现效劳的硬件平台、操作系统和编程语言。这使得构建在种种各样的系统中的效劳可以以一种统一和通用的方法举行交互。
采购SOA架构的系统 ，各？楦髯宰粤 ，互不影响 ，可以很容易实现集群式漫衍式安排 ，通过负载平衡减轻效劳器肩负。SOA架构的最小单位是效劳 ，而不是古板架构的？ ，一个？榭梢园ǘ喔鲂Ю ，SOA架构的每个效劳均可单独启动、阻止 ，支持后台治理及在线调试。
松耦合架构示意图：
2.2 数据收罗与数据传输
2.2.1. 数据收罗
古板的工业自动化及电力系统习惯于接纳软硬件团结的嵌入装备举行数据收罗 ，如通讯治理机、远动通讯装置等。这种装备硬件设置较低 ，不可传输大宗数据 ；扩展性差 ，若是接口缺乏 ，需要重新购置装备 ；软硬件组成紧耦合 ，岂论是一个软件？榛蛘哂布？樗鸹 ，就都要替换整个装置。
也有不少厂商用实时库或者组态软件举行数据收罗的 ；实时库的收罗协议未几 ，关于特殊的协议不可支持 ，实时库的收罗、传输及界面展示都是紧耦合 ，一旦爆发故障 ，整个系统都将瘫痪。组态软件虽然可以支持多种协议 ，可是大部分组态软件的性能都较弱 ，不可支持大宗数据的高频收罗 ，且许多组态软件都是收罗、传输、界面展收一体 ，组成了紧耦合 ，并且不可给第三方系统开放接口。
PP电子5金狮数据收罗层接纳SOA跨平台收罗协议组件 ，各个收罗组件完全松耦合 ，各自自力 ，按需加载 ，互不影响。支持漫衍式安排 ，在数据量大的情形下可以接纳多机并行安排 ，提供收罗效率。后台收罗效劳可视化治理 ，可以动态启动或阻止某个收罗效劳器 ，可以实时审查各个收罗？槭菘煺 ，快速查找诊断程序或者数据问题。
2.2.2. 数据传输
现在古板的集控系统大多接纳以下几种传输方法：
实时库：实时库依赖数据同步手艺举行数据传输 ，数据同步功效更试用于稳固的局域网内通讯 ，远程传输可靠性较差、工业协议性能差。
OPC DA：OPC DA是微软主导的工业通讯协议 ，性能差、设置繁琐、稳固性差 ，并且只能运行在Windows系统。
IEC60870-104：IEC104是在IEC101基础上刷新过来的 ，是一个串行通讯的协议 ，不支持大宗数据的高频传输。且IEC104协议约定并不严酷 ，有多个版本 ，兼容性欠好。
Modbus TCP：Modbus TCP协议性能还可以 ，可是在网络不稳固的情形经 ；岱浩鹜ㄑ兑斐。并且没有权限控制功效 ，清静性较弱。
在互联网时代 ，大数据手艺飞速生长 ，基于大数据底层数据传输手艺NIO(AIO异步非壅闭)及Kafka（高通量新闻行列）可以很好的解决海量数据高速、可靠的传输问题。NIO手艺是一个基于TCP的轻量级数据传输手艺 ，适用于风场到集控中心的远程数据传输 ，我们在不思量网络带宽的情形下测试 ，单链路每秒可以传输400万个测点。Kafka是一个漫衍式高通量新闻行列工具 ，它可以实现多台客户端并行发送数据 ，多台效劳器并行吸收数据 ，从而抵达一个更高性能的数据传输 ，我们一样平常把它用在数据中心之间的数据同步。
2.3 数据存储与数据剖析
2.2.3. 数据存储
工业自动化领域或者火电企业大部分接纳实时库或者关系型数据库存储实时数据与历史数据 ，实时库接纳高压缩比战略 ，将大数据压缩成了少量数据。在读出是接纳反解压方法将数据还原 ，以是实时库读取大宗数据时速率很慢 ，且实时库接纳列式序列化存储 ，在随机盘问和多维盘问方面险些不可用 ，并且实时库的数据导出性能很弱 ，在数据量大的情形险些不可导出。现在许多风场SCADA系统接纳了实时库存储风场实时数据 ，在运行了几年后数据基本都导不出来了。这样会导致我们后续无法使用这些数据举行数据剖析。
关系型数据由于要维护认真的逻辑关系 ，以是在写入时速率不会太快 ，且数据检索需要建索引 ，会拖慢写入速率。关系型数据在盘问方面比实时库要稍好一些 ，但也不支持大宗数据的快速检索
随着IT手艺及硬件装备的一直升级、存储价钱的一直下跌 ，大型互联网公司一样平常接纳漫衍式大数据系统来存储及剖析数据 ，如接纳内存数据库(Dynamo、MemCacheDB、Redis、TokyoCabinet )取代实时库 ，接纳漫衍式非关系数据库（Hadoop、Hbase、Cassandra、MongoDB）取代历史库 ，现在Google、Facebook及海内的BAT公司均接纳大数据手艺举行数据存储与剖析 ，大数据平台支持ZB级数据存取。
大数据手艺及产品一样平常都是开源的、免费的 ，以是接纳大数据手艺不会增添本钱 ，反而还会提供更高效的数据存储与数据剖析效劳
以下是我们基于OPC UA协议做的基于互联网手艺的内存数据性能的测试：1000点数据的读取写入时间约2.4毫秒。
下图是我们使用大数据手艺举行读写的测试 ，每秒可写入1.2GB数据 ，若是按每台风机2K字节算 ，每秒可以写入60万台风机数据。4.8亿个测点。
2.2.4. 数据剖析
互联网的生长离不开大数据剖析 ，依托数据剖析会爆发很大的价值 ，通过数据剖析 ，可以帮我们节约本钱、提供生产力。
实时库设计之初是用于做事故追溯的 ，自己不具备数据剖析的能力或者在数据剖析方面能力很弱。
基于大数据平台有许多开源的剖析工具及开源的机械学习平台 ，可以实现海量数据的高性能存储、盘算与剖析。
PP电子5金狮公司自主研发的可视化大数据剖析工具 ，可以通过拖拽或者写SQL剧本的方法实现对海量数据的挖掘与剖析 ，并可以天生种种图形化报表
PP电子5金狮公司自主研发的机械学习算法平台 ，可以实现数据的洗濯、转换、加工 ；机械学习算法平台可视化定制机械学习使命 ，是实现建模 ，训练 ，测试及使命的执行机械学习算法的一体化平台。
2.4 界面展示
早期的集控系统大多接纳C/S结构 ，需要装置客户端 ，并且只能在指定操作系统上运行 ，装置繁琐、并且还经常有州不兼容的问题。
互联网的应用基本险些所有是B/S结构 ，浏览器会见模式 ，无需装置客户端 ，支持任何操作系统。HTML5规范是2014年9月正式宣布 ，更高的可用性及更友好的用户体验为大大都一流互联网公司所接纳。
基于HTML5手艺实现的界面可以支持种种移动端装备展示 ，如手机、PAD等。并且可以很容易实现和微信的绑定 ，通过微信客户端使用集控系统 ，更简朴、便捷。
作者：PP电子5金狮 陈志鹏
注：此文章为PP电子5金狮科技原创手艺类型文章 ，转载请注明来由 ，版权归原著者所有。
严禁盗用 ，违者必究！
