基于物联网技术的多能源设备数据采集方法

王伟,唐冬来

(1.国网宁夏电力有限公司宁东供电公司,宁夏 灵武 750411；2.四川中电启明星信息技术有限公司,四川 成都 610041)

随着社会经济的发展，大工业用户对水、电、气、热、冷的综合能源服务要求日趋增高，因此对于用户的水、电、气、热等多能源设备数据采集及综合控制应用尤其重要[1]。长期以来，各企业内部对于各类水、电、气、热多能源设备的数据采集分别建立独立的采集通道，不仅效率低下，而且需耗费大量人力、财力，对水、电、气、热等多能源设备的采集故障排查处理也很难做到闭环管理和有效追踪[2-3]。尤其是对遗漏的隐性故障的排查难度更高，排查不当可能会影响设备的运行、甚至造成严重的生产事故。

目前宁东新能源化工基地内对用户侧水、电、气、热、冷等多能源设备数据采集主要是通过轮询的方式进行数据采集[4]，采集的信息主要包括水、电、气、热表的计量信息，利用智能表计或采集装置的冻结功能将每日零点用户多能源设备计量信息进行冻结存储，通过各种能源对应的专用采集器进行轮询采集[5]。这种数据采集方式是将1个计量表计/传感器的数据采集完成后，再进行下1个表计/传感器信息的采集，多个计量表/传感器的同一数据项采集耗时较长，采集时间间隔大，无法实现对用户侧更高频度的采集，同时，无法对用户侧异常做到实时监测及管理。

有学者已对如何提高多能源设备数据采集能力做了研究。文献[6]中，提出了1种面向云计算的能耗数据采集方法，采用IAP15W4K微处理器,通过RS-485/M-bus/Mod-bus等总线采集能耗计量设备的数据,借助4G网络实现能耗数据向云平台的传输。文献[7]中，提出了1种基于移动互联网的农村水电数据采集方法，利用移动互联网对农村的水、电数据进行采集、存储和传输。但是，水、电、气、热多能源设备数据采集频度要求高，传统的云计算与移动互联网技术不能满足高频度采集需求，需要改进采集方法，才能实现多设备、高频度的数据采集。

物联网(The Internet of Things，IOT)技术[8]是指通过各类传感技术、信息与通信技术和人工智能技术[9]进行综合能源系统各环节的万物互联和人机交互，实现对综合能源多设备全过程的智能化感知、识别和管理[10]。本文以IOT技术的多并发、采集任务协同为基础，提出了1种基于IOT技术的多能源设备数据采集方法。该方法建立了多能源设备数据采集模型，实现了对水、电、气、热、冷等多能源设备的采集建模。在此基础上，重点考察了IOT技术的多并发、多采集任务协同控制算法，实现对多能源设备的高频次采集、存储、边缘计算与控制，最后，通过算例对所提技术方案进行验证。

1 多能源设备数据采集架构

基于IOT技术的多能源设备数据采集方法整体架构如图1所示。该架构主要包括4个环节：多能源设备数据采集建模、多并发协同采集、多采集任务协同控制和数据存储及综合能源边缘控制。

图1 基于IOT技术的多能源设备数据采集方法

架构中，多能源设备数据采集建模综合考虑水、电、气、热传感设备的监测细粒度、联动控制策略等因素，建立多能源设备数据采集模型，实现数据有效聚合，为数据采集策略任务提供基础参考。多并发协同采集，实现对水、电、气、热传感设备多个采集任务下发，以及并发处理，以解决轮询方式采集只能单任务处理的问题。多采集任务协同控制则有效控制多并发采集任务，实现采集任务调度最优，减少因问题表计无法采集而造成采集周期过长的问题。数据存储及综合能源边缘控制，按目标时间将多能源设备采集数据分类存储在智能融合终端中，并根据此数据在本地进行边缘计算与用能设备的边缘控制，以大幅提高多能源的综合利用效率。

2 多能源设备数据采集方法

基于IOT技术的多能源设备数据采集方法通过对采集设备类型、数量的复杂过程进行优化求解，针对部分采集任务失效的情况，进行路径调整，并对多能源设备进行综合控制，实现提高多能源设备综合利用效率的目的。

2.1 多能源设备数据采集建模

多能源设备数据采集建模，分数据存储模型和数据采集路径模型2种，通过水、电、气、热等多能源监测细粒度、联动控制等因素，采用Huffman Coding进行建模，以解决现有技术中传统的数据采集方式多个计量表的同一数据项采集耗时较长，采集时间间隔大，导致的用户侧计量信息采集精度低以及异常处理时效性低的问题。模型运行后，根据采集的理论值与实际值进行比较后，做智能修正，为多能源采集数据提供数据参考依据。

在数据存储模型方面，以用户为节点建立水、电、气、热等多能源设备数据存储模型，如图2所示。

由图2可见，用户作为数据存储的核心节点，首先分解为水、电、气、热等设备级数据存储模块，其次，按照各类能源表计的量测类型进行第2层数据存储。

图2 多能源设备数据存储模型

在数据采集路径模型方面，采用Huffman Coding的多能源设备数据采集建模，设水表的特征数据为a，采集的数量为m；电表的特征数据为b，采集的数量为n；气表的特征数据为c,采集的数量为o；热表的特征数据为d，采集的数量为p，采集的水、电、气、热资源分别为

(1)

水、电、气、热表预估采集的时间为

(2)

设最少采集时间为Δf，首先，将水、电、气、热表按照预估采集时间由大到小排队，多能源设备数据采集最优方法如式3所示：

Δf=fmin(aπ1-mπt+bπ1-n+πt+cπ1-oπt+dπ1-qπt)

(3)

基于Huffman Coding建模求解的最短采集时间原理如图3所示。

由图3可见，对水、电、气、热表采集的Huffman Coding过程，就是求解最短采集时间的过程，根据采集资源F与采集时间T之间进行平衡，逐层分解，计算出各块水、电、气、热最优组合采集方式及采集顺序，以确保最短采集时间Δf最小。

图3 基于Huffman Coding的采集原理

2.2 多并发协同采集

多并发采集获取与多个能源计量表对应的按需配置目标数据项，并获取多个目标数据项中各数据的并发机制。

现有技术中，获取各水、电、气、热计量表的相关数据时，通常是一次性获取与1个计量表计的所有数据(例如水压、水温、用水量等)之后，再去获取下一个设备的数据。这种获取水、电、气、热计量表数据的方式，对各水、电、气、热计量表同一数据项的采集时间误差大，并且耗时长。

本方法中，采用多并发协同采集时在1个周期内，一次性获取多个水、电、气、热计量表的同一目标数据项，并根据多个目标数据项中各数据的采集时间，进行并发采集路径调整。例如，先获取第1块水表到第m块水表的同一数据项，生成采集平均时间，再获取水表的第2个同一目标数据项，直至获取所有的同一目标数据项为止。并发数量可以设置为100个线程。

2.3 多采集任务协同控制

针对与多个并发的采集任务，采用积分来衡量每个采集任务的任务量、难度和采集质量，结合量化指标进行多任务控制，分为任务管理、任务量化评分、任务全局管理3部分。

在任务管理中，将任务分为4个优先级，其中A优先级最高且任务有时效性考核要求，D优先级最低，无时效性考核要求。在任务量化中，对多个任务时提交执行任务的耗时进行管理，评定任务难度系数和完成质量。在任务全局管理中，通过任务积分情况，对4类任务的优先级进行适度调整，已确保多采集任务在执行过程中耗时最短，采集质量最高。

多采集任务协同控制采用密度可达方式，如图4所示。

图4 密度可达数据存储算法

图4中，假设MinPts=4，则点a为核心点，点b为边界点，并且a直接密度可达b。

因为c直接密度可达a，a直接密度可达b，所有c密度可达b。但是因为b不直接密度可达a，所以b不直接密度可达c。但是b和c密度相连，因此，可重复此步骤，直至任务控制最佳。

2.4 数据存储及综合能源边缘控制

智能融合终端在数据存储中，在获取到水、电、气、热多能源设备的目标数据项中的各数据的采集时间之后，确定处于预设冻结时间内的目标采集时间，若存在1个周期采集不完整，则将该数据进行打包后，放在下1个周期进行传输。例如，预设冻结时间为22∶00-22∶02，就将采集时间在22∶00-22∶02段对应的目标数据发送至智能融合终端进行存储，预设冻结时间是有多个的，可以以20 min为一间隔进行设置，即下一个预设冻结时间就为22∶20-22∶22，依次类推。预设冻结时间以及以多长时间为一间隔设置冻结时间可根据实际情况确定,当1个采集周期结束之后，再重复此步骤，直至所有的数据均存在智能融合终端中。

通过综合能源边缘控制，可有效提高水、电、气、热能源的综合利用效能，为综合能源服务提供基础，实现能源利用最大化。

3 多能源设备数据采集仿真流程

根据多能源设备数据采集方法，采用宁东新能源化工基地的多能源设备数据进行采集仿真，基于IOT技术的多能源设备数据采集流程见图5。

图5 多能源设备数据采集仿真流程

步骤1：针对水、电、气、热多能源设备数据采集进行建模，建模考虑综合能源服务监测细粒度、联动控制策略等因素。

步骤2：判断采集策略是否为最优，若不是最优，则调整多能源设备的数据采集策略。

步骤3：开展多并发采集，多并发采集获取与多个能源计量表对应的按需配置目标数据项，并获取多个目标数据项中各数据的并发机制。

步骤4：开展多任务协同控制，通过采用积分来衡量每个采集任务的任务量、难度和采集质量，结合量化指标进行多任务控制。

步骤5：判断综合能效控制仿真是否最优，通过对多能源设备的数据进行仿真处理，判断控制策略是否为最优。

步骤6：结合综合能效控制仿真结果，进行数据采集存储，并对综合能源边缘控制，可有效提高水、电、气、热能源的综合利用效能，为综合能源服务提供基础，实现能源利用最大化。

按多能源设备数据采集仿真流程进行仿真，选取宁东新能源化工基地某化工厂的水、电、气、热多能源设备进行仿真，其中水表5个采集项、197点；电表9个采集项，206点；气表6个采集项，102个采集点；热表5个采集项，78个采集点；采集数据点为采集数据项×采集点。数据采集耗时的仿真结果如表1所示。

表1 数据采集耗时对比

由表1可见，IOT多能源设备采集方法耗时仅为轮询方式的7.5%，可显著缩短采集周期时长。

数据采集成功率的仿真结果如表2所示。

由表2可见，IOT多能源设备采集方法成功率较轮询方式高11.29%，可显著提高数据采集成功率。

表2 数据采集成功率对比

数据采集准确率的仿真结果如表3所示。

表3 数据采集准确率对比

由表3可见，IOT多能源设备采集方法准确率较轮询方式高16.78%，可显著提高数据采集准确率。

综上，IOT多能源设备采集方法运行效能优于传统的轮询方法。

4 结 论

(1)基于IOT技术的多能源设备数据采集方法改变了传统的轮询采集水、电、气、热等多能源设备采集方式，提高了综合能源服务多源设备数据采集的效能。

(2)突破了轮询方式单线程采集瓶颈，采用基于IOT技术的多并发协同控制模型，缩短了各数据项的采集时间间隔，提高了采集频率，显著提升了采集质量，降低采集成本。

(3)可面向综合能源多尺度采集性能指标和差异化数据结构，实现多能源数据自趋优协同采集，提高多能源采集的准确性与传输效率，可为后续开展精准的能源合同管理奠定了基础，促进了综合能源服务向智能化发展。