北京嘉士宝科技有限公司 陈志鹏

1 引言

随着风电市场的快速发展，风场规模的不断扩大，建造无人值守、少人值守的智慧风场已经成为一个必然的趋势。远程集控系统是实现无人值守、少人值守的一个基础。目前的集控系统大多还是采用传统的技术路线及架构，在功能、性能、用户体验方面都还有很大的改进空间。随着互联网技术的飞速发展，将这些新的、优秀的互联网技术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、数据采集与传输、数据存储与分析及界面展示四个层面分别进行设计，将传统技术与互联网技术进行比对分析，利用新一代互联网技术优化集控系统设计。

2 系统设计

2.1 系统架构设计

2.1.1 并行数据存储与数据展示

目前市场上很多厂家采用串行模式，如图一所示：此种架构数据是串行转发，会产生较大延时，一般情况数据延时会超过5秒以上，这样会导致一些实时数据，并不能实时的刷新。

如果采用并行模式，可以让数据存储于界面展示同时进行，这样界面展示就可以做到很小的延时，最小1秒。而且此种架构可以实现不同频率数据存储与数据刷新，如果出于成本考虑不想要存储高频数据，但是又想看到高速刷新的实时数据，可以将存储频度降低，界面刷新频度保持高频。

2.1.2 面向服务的SOA架构、B/S模式、松耦合、分布式、跨平台部署

很多集控系统还是采用紧耦合的传统C/S架构，一旦一个模块出现问题整个系统都会瘫痪；C/S结构大都是基于Windows平台，安全性差，不支持系统升级，兼容性差等问题很是令人头疼。

采购SOA架构的系统，各模块各自独立，互不影响，可以很容易实现集群式分布式部署，通过负载均衡减轻服务器负担。SOA架构的最小单位是服务，而传统架构是面向对象的，一个对象可以包含多个服务，面向服务架构的管理力度更小，每个服务均可单独启动、停止，支持后台管理及在线调试。

2.2 数据采集层

2.2.1 数据采集

传统的工业自动化及电力系统习惯于采用软硬件结合的嵌入设备进行数据采集，如通信管理机、远动通信装置等。这种设备硬件配置较低，不能传输大量数据；扩展性差，如果接口不足，需要重新购置设备；软硬件构成紧耦合，不论是一个软件模块或者硬件模块损坏，需要更换整个装置。

也有不少厂商用实时库或者组态软件进行数据采集的；实时库的采集协议不多，对于特殊的协议不能支持，实时库的采集、传输及界面展示都是紧耦合，一旦发生故障，整个系统都将瘫痪。组态软件虽然可以支持多种协议，但是大部分组态软件的性能都较弱，不能支持大量数据的高频采集，且大多组态软件都是采集、传输、界面展示与一体，构成了紧耦合，而且不能给第三方系统开放接口。

而采用SOA跨平台采集协议组件，各个采集组件完全松耦合，各自独立，按需加载，互不影响。支持分布式部署，在数据量大的情况下可以采用多机并行部署，提高采集效率。后台采集服务可视化管理，可以实时查看各个采集模块数据快照，快速查找诊断程序或者数据问题。

2.3 数据存储与数据分析

2.3.1 数据存储

工业自动化领域或者火电企业大部分采用实时库或者关系型数据库存储实时数据与历史数据，实时库采用高压缩比策略，将大数据压缩成了少量数据。在读出时采用反解压方式将数据还原，导致实时库读取大量数据时速度很慢，且实时库采用列式序列化存储，在随机查询和多维度查询方面几乎不可用，而且实时库的数据导出性能很弱，在数据量大的情况几乎不能导出。目前很多风机SCADA系统采用了实时库存储数据，运行几年后的时序数据几乎都不能导出。这样会导致我们后续无法利用这些数据进行数据分析。

关系型数据由于要维护负责的逻辑关系，所以在写入时速度不快，且数据写入需要同步索引，会使写入速度更慢。关系型数据在查询方面比实时库要稍好一些，但也有瓶颈，不支持大量数据的快速检索

随着IT技术及硬件设备的不断升级、存储价格的不断下跌，大型互联网公司一般采用分布式大数据系统来存储及分析数据，采用分布式内存数据库进行实时数据存储，用分布式非关系数据库（Hadoop、Hbase、Cassandra、MongoDB）存储历史数据及分析，目前Google、Facebook及国内的BAT公司均采用大数据技术进行数据存储与分析，大数据平台支持ZB级数据存取与分析。

我们利用分布式大数据技术进行读写的测试，每秒可写入1.2GB数据，如果按每台风机2K字节算，每秒可以写入60万台风机数据、4.8亿个测点。

2.3.2 数据分析

互联网的发展离不开大数据分析，依托数据分析会产生很大的价值，通过数据分析，可以帮我们节约成本、提高生产力。实时库设计之初是用于做事故追溯的，本身不具备数据分析的能力。基于大数据平台有很多开源的分析工具及开源的机器学习平台，可以实现海量数据的高性能存储、计算与分析。我们自主研发的可视化大数据分析工具，可以通过拖拽或者写SQL脚本的方式实现对海量数据的挖掘与分析，并可以生成各种图形化报表。

我们自主研发的机器学习算法平台，可以实现数据的清洗、转换、加工；机器学习算法平台可视化定制机器学习任务，是实现建模，训练，测试及任务的执行机器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采用C/S结构，需要安装客户端，并且只能在指定操作系统上运行，安装繁琐、而且还经常有各种不兼容的问题。

互联网的应用基本几乎全部是B/S结构，浏览器访问模式，无需安装客户端，支持任何操作系统。HTML5规范是2014年9月正式发布，更高的可用性及更友好的用户体验为大多数一流互联网公司所采用。

基于HTML5技术实现的界面可以支持各种移动端设备展示，如手机、PAD等。而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，更简单、便捷。

图1 串行模式

图2 并行模式