大数据时代能耗数据的优化应用

丁猛

【摘 要】随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。采用大数据技术分析石油企业能耗数据具有非常重大的研究意义。

【关键词】大数据；能耗优化；销售VT；销售V20

引言：

随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。加油站数据以及巨大的数量完全吻合了符合大数据的多、深、全、杂特性。因此采用大数据技术分析石油企业能耗数据具有非常重大的研究意义。

一、生产监控、能耗优化实现思路

结合实际情况，加油站损耗管理主要包括运输及零售保管两种损耗。目前在运输损耗方面已实现油库发油及加油站收油的V20数据统计，而零售保管损耗受加油机发出体积的影响，对保管损耗影响较大，主要存在以下问题：

（一）热胀冷缩。油站以标准體积V20入账，而以实际体积Vt销售，两者存在温度差，当销售油品温度大于20℃时，零售保管盈余，而当销售油品温度小于20℃时，零售保管亏损；

（二）油品丢失。由于Vt是环境温度下计量所得的体积，外界环境温度较高的加油站油品盈余情况就会比较突出，在这种情况下易发生油品丢失风险；

（三）温度失真。由于温度对油品体积变化有较大的影响，传统计算采取的都是平均温度，无法真实体现损耗管理状况。

经过深入分析，我们发现，为了真实反映加油站零售保管损耗，只要通过大数据手段云计算的实施路线，实时采集到加油站每一笔销售量、实时温度，按照一定的计算规则，将销售Vt同步换算成V20销售量，达到公平、公正、真实反映加油站的管理状况的目的。我们将这种计算过程名为“能耗管控”，在管控过程发现的各种设备运行监控数据、现场监控数据。利用大数据手段进行深入分析后，管控过程自动进入良性“能耗优化”循环。

二、研究目标及技术难点

（一）能耗管控就是要利用信息技术和手段，实现损耗计算信息化、自动化和智能化，应该具有如下功能：

1.数据自动采集。必须实时获取到加油站销售数据、库存数据，对加油站每一笔枪出交易进行体积转换，从而获取标准体积下油品零售保管损耗的数据。

2.数据自动转换。将获取到的每一笔交易数量与同时间内油罐温度进行绑定计算，实现每一笔Vt销售自动转换为V20销售量。

3.能耗统计分析。结合库存、购进、销售等基础数据，自动生成每个加油站的损耗数量，按照不同需求进行统计分析，实现能耗管控大数据化。

（二）技术难点。要实现能耗管控大数据化，自动获取基础数据成为关键所在和技术难点。

1.如何实时获取加油站销售数据？如果采用汇总数据进行Vt和V20数据转换，计算结果和传统手工方式一样可能不符合实际。

2.如何获取实时油温，油温与交易支付如何绑定，油罐油温随着气候变化、接卸油等实际情况在随时变化，而交易随时都在发生。

通过多次技术试验，我们发现通过针对加油站销售数据分析，可以有效的体现加油站现场情况，以及操作情况，非常便于查找能耗管控过程中的软硬件问题，以及人为操作问题，为应对能耗优化的提供了良好的数据支撑。

三、加油站销售数据数据加工

（一）集成说明

采集服务前端部署一组Socket Server群集用来接收结构化数据，采集服务作为服务端，各业务系统作为客户端，采用长连接的方式，由业务支持系统发起连接并把业务数据主动推送给采集服务。采用TCP长连接的方式，能够避免每一次请求都打开新的连接，减少了建立和关闭连接时的性能开销，同时也减少了后续请求的响应时间。

（二）技术实现

1.结构化数据技术实现：Socket Server群集中的多个Server是平等的，客户端应该保存这个Server列表，客户端可以把它当成主备方式使用，即先连接一个Server，这个Server不可用时才连接下一个Server；也可以当成负载均衡来使用，即客户端和每个Server都建立一个连接，每次发消息都从连接列表中取出一个连接来发送，只要实现一个简单的轮询策略就可以达到负载均衡的效果。

Accepter负责接收客户端的请求，分配工作线程对请求进行处理

Decoder/Encoder负责对消息进行编码和解码

Handler负责实际的业务处理逻辑

2.非结构化的采集实现，利用Hadoop套件、MapReduce工具、抽取工具、自建系统、统建系统、微信、QQ等手段将非结构化数据汇总至数据服务端。

（三）加油站数据获取

站级数据通过前庭控制器传递至数据采集端，然后再分析数据结构和格式化，将数据分为若干种类型，根据类型分拣其重要性和传输频次。

1.液位仪数据

分为三种类型数据上传：实时库存、卸油数据、期间付出，实时库存每5分钟传输一次。实时库存数据采集了液位仪上的油温、油高、水高、密度、油体积等数据，其中油体积计量方式为Vt方式，DIT服务端采集到各加油站对应罐实时库存后，将统一存储和分流至多个其他物理数据表中。卸油数据和期间付出数在业务发生时采集。

接口为加油站实时库存，接口方式为Socket接口，数据频度为实时；

2.加油机交易支付数据

销量数据包含交易单价、金额、油品数量、油品类型及脱机交易。大数据服务器端将销售数据逐笔存放，并将非油数据和主油数据分别存储。其中主油数据在次日凌晨被逐笔由Vt转换V20，转换依据当次交易最近库存对应的油温数据，依据公式转换为V20。

3.加油站销售日报表数据

通过采集加油站日报表数据，可以获取存、进、销、损耗等数据，确保采集数据与加油站日报一致。数据频度为日结成功后10分钟。

四、能耗信息计算

（一）系统自动读取站级系统中每笔加油交易数据信息并抓取与相对应的发油油罐内油品温度，自动进行销售VT与V20的换算。加油站纯枪销售V20=纯枪销售VT*[1+（20-发油油罐实时油温）*体积膨胀系数]，体积膨胀系数为汽油0.0012（%/℃），柴油0.0008（%/℃）。

（二）加油站每班进行班结时，系统同步读取站级系统各油罐购进量及实际库存数量作为下一个班的期初库存参与系统数据计算。

（三）系统每日自动统计油品损耗情况

考核零售保管损耗量=期初库存量V20+当期入库量V20—当期纯枪销售V20—实际库存量V20

考核零售保管损溢率=（考核零售保管损耗量/当期纯枪销售V20）×1000%。

五、结束语

大数据与能耗优化的相结合已经显现了如下应用趋势：

（一）销售数据、库存数据、运输距离的资源化

将加油站销售数据、运输资源、资源分配过程变成企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，必须要提前制定大数据营销战略计划，抢占市场先机。

（二）将能耗优化与云计算的深度结合

云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。将销售数据以库、车站、营业日、油品为最小作业单元，进行云化布局，在多种维度下同时发挥大数据的速度、效率、深度分析结果。

【参考文献】

[1]张洁，白云，苏慧君，陈刚，李彦. 源于天然油脂的原油流动性改进剂制备[J]. 特种油气藏. 2016（06） [期刊]