基于大数据分析的加氢站智能管理系统

王嘉炜，妙 丛

（北京航天试验技术研究所，北京 100074）

氢能是一种公认的清洁二次能源，因其燃烧产物洁净、燃烧效率高、可再生等优点，近年来推广速度逐渐加快，推动着氢燃料电池车和加氢站建设的快速发展。随之而来的是不可忽视的安全问题，氢在生产、存储、分配和使用过程中的安全至关重要，任何项目的灾难性失败，都可能损害公众对氢和燃料电池的看法。

1 国内外研究现状

1.1 国外氢能交通产业发展

美国、日本、德国等发达国家将氢能列入国家战略，不断加大研发和产业化扶持力度。目前美国、日本等国家在氢能应用领域持续发力，并已形成比较规范的标准。全球加氢站建设方面，现在共约有500多座加氢站，其中1/3是液氢储运的加氢站，大部分在欧美，其次在日本[1]。

1.2 国内研究现状

1.2.1 氢能产业发展现状

截至2021年底，国内加氢站共建成177座，在运营的超过100座，继续引领国际氢能源基础设施布局，同时，在车用氢燃料电池、氢燃料电池车、氢燃料电池重卡、叉车、摩托车等应用场景都有了长足的发展。

1.2.2 智能监控在氢能产业的应用现状

国内企业都十分重视氢能应用过程中的安全监控，各企业都在探索结合云技术和物联网技术，针对设备的安全监控网络，目前还都处于探索阶段，但针对设备的安全监控其实远远不够，应逐步拓展到与政府、车辆运营商、设备运营商进行数据共享，在生产、储存、运输、加注、使用等多个环节对氢能安全进行监控。

2 加氢站运行管理系统现状

2.1 加氢站运行管理系统的特点

目前加氢站主要为氢燃料电池车供应35 MPa或70 MPa高压氢气，在加注过程中，加氢站需要实时监测站内氢源余量，设备状态和整站及加注过程的安全状态，确保加氢站加注安全和稳定运行。

在氢燃料电池车、加氢站示范运行阶段乃至商业化运行初期、氢燃料电池车未全面推广的条件下，用户需求分布不均，部分加氢站加注能力已趋于饱和的同时，部分加氢站运行时间不足，制约了加氢站运营及用户体验的提升，对加氢站的推广应用不利。

2.2 现有发展状态的缺陷与差距

2.2.1 缺乏统筹规划

虽然我国各地政府机构正在积极地开展氢能相关产业发展工作，成立了有关园区、产业联盟，但是全国范围内尚未进行统筹规划，各部门之间、地区之间、行业之间的分割情况较为普遍，缺乏顶层设计，资源共享不足，加上规划意识与协调机制的薄弱，凸显难以形成产业规划、研究成本过高、资源利用率过低无序重复建设现象严重的态势。

2.2.2 核心技术缺位

纵观我国氢能的技术创新，相当一部分是在国外已有技术基础上的深化和发展，通过增加新功能，来满足国内的氢能产业发展。但这并不是从无到有的原生态创新，所以也很难形成核心技术，导致大量采用国外技术和核心设备，在专利方面受制于人，导致成本过高拖累整个行业的发展。

2.2.3 规模化应用不足，准入机制不明确，对氢能安全造成隐患

我国氢能产业发展虽然有了一些基础应用，但目前国内的应用需求还是低层次的，还处在野蛮生长的状态。这种现状对于氢能安全利用造成严重隐患，这极大损害公众对氢和燃料电池的看法，一定程度上制约了产业健康有序发展。

当前我国氢能产业快速发展，取得了很大成就，但是在当前氢燃料电池车未全面推广的条件下，用户需求分布不均，部分加氢站加注能力已趋于饱和的同时，部分站运行时间不足，制约了加氢站运营及用户体验的提升，对加氢站的推广应用不利。

3 基于大数据分析的加氢站智能管理系统

基于上述背景，本文设计了一种基于大数据分析的加氢站智能管理系统，采用大数据分析的方式打破了传统意义上的站-车分离的状态，实现了站-车数据共享，实现对加氢站运行计划、车辆引流更为精准的统筹优化，对加氢站的设备安全稳定，氢燃料电池车的推广应用及用户体验提升都有重要意义。

智能安全监控平台除了对加氢站运行进行管理以外，还打通了氢能上下游链条，将从生产、储存、运输、加注、使用等多个环节，收集生产设备数据、储存指标数据、运输过程中产生的数据、加注数据、车辆使用数据等关键业务数据，深入发现原来忽视或不好管理的细节。然后依托物联网、互联网、工作站，建立云端大数据管理平台，形成“端+云+大数据”的业务体系和新的管理模式，建立产业链综合管理平台，打通从一线操作与远程监管的数据链条。

构筑的平台通过智能采集层（传感器）、结合运营商网络和其他基础设施，把数据上传到服务器端，建立氢能数据中台，整个中台架构如图1所示，由计算存储平台、数据开发治理平台、数据资产平台、数据管理应用平台、业务应用平台组成，采用先进的云计算、大数据、物联网、移动通讯等技术，通过“云+端”模式，将生产过程数据、运输数据、储存数据、加注数据和车辆使用数据等及时上传到智能管理平台，实现生产、安全、环境等各业务环节的智能化、互联网化管理。

图1 加氢站智能监控平台架构图

4 技术路线与系统组成

4.1 大数据处理技术

加氢站及其上下游产业链数据以传感器采集数据为主，随着时间的推移，数据量会越来越大，传感器历史数据的积累对于业务服务具有非常大的价值。所以对于大数据的存储和计算优选当前最先进的基于Hadoop的分布式处理技术。

数据层架构图如图2所示。大数据处理技术依托Hadoop等开放的底层技术。Hadoop是一种处理海量数据的并行编程模型和计算框架，用于对大规模数据集的并行计算，软件开发者可以轻松地通过它编写出分布式并行程序。Hadoop由许多元素构成。其最底部是Hadoop Distributed File System（HDFS），它存储Hadoop集群中所有存储节点上的文件。HDFS（对于本文）的上一层是MapReduce引擎，该引擎由JobTrackers和TaskTrackers组成。通过对Hadoop分布式计算平台最核心的分布式文件系统HDFS、MapReduce处理过程，以及数据仓库工具Hive和分布式数据库Hbase的介绍，基本涵盖了Hadoop分布式平台的所有技术核心[2]。基于Hadoop生态体系，整合先进云计算技术，通过集成/优化/封装，可支持对海量结构化、半结构化和非结构化数据的存储与高速处理，并且支持对数据的高并发快速查询。

图2 数据层架构图

4.2 基础设施

4.2.1 网络资源

因为涉及传感器传输数据，所以网络环境可能异常复杂，同时需保证采集内容的安全传输，都需要综合考虑现有网络条件进行数据传输方案设计，并在必要情况下支持人工数据录入等手段保证数据的安全性和可靠性。

根据业务场景，涉及输出传输的服务对带宽需求：采集回传服务，包括远程回传、终端采集等，上下行带宽不低于2 Mbps；远程操作控制指挥服务，充分考虑稳定性，上下行带宽不低于10 Mbps；发布接口服务，大屏对接内容发布，上下行带宽不低于20 Mbps。

4.2.2 计算资源

由于涉及大量的设备，同时分布在不同的场景，对不同场景下的数据接入处理，需考虑对接平台的I/O压力；针对不同场景进行交叉分析计算，牵扯大量的数据，需考虑服务器的计算能力。

4.2.3 存储资源

平台汇聚采集了大量的氢能产业链的数据，可以认为有多少传感器就会有多少数据。假设有10 000台采集设备，设备每天的传输数据量平均在100 K左右，则一年的数据量为100 K*10 000*365=365 G，同时考虑到未来发展趋势，未来5~10年至少预留20倍于当前的存储空间。

4.2.4 大屏资源

大屏的尺寸需根据室内版面的大小，做丈量以及相应的设计。

4.3 数据采集

数据库网络架构如图3所示。根据氢能产业链的不同阶段采用不同的传感器装备，分别采集生产数据、储存数据、运输数据、加注数据、车辆使用数据等，并回传到数据中心。

图3 数据库网络架构

4.4 主题数据库建设

系统基于采集源构建氢能生产标签主题、氢能储存标签主题、氢能运输标签主题、氢能加注标签主题和氢能使用标签主题等专题数据库。

数据资产分层建设，原始数据层尽可能保留原始全量业务数据、中间数据层保留统一规范的标准业务数据、标签数据层保持以对象为中心的全域标签数据、应用数据层面向特定应用组装的数据。

ODS：采集氢能产业链数据，几乎不作处理或者只做简单整合清洗。

DWD：传统数仓层，维度建模，定义一致性指标、维度，各版块按照统一规范独立建设。

TDM：实体建模，跨板块跨业务，通过DT-mapping把各个业务板块各个业务过程同一实体数据打通，数据应用关键，针对氢能产业链数据可根据实际情况是否进行实体建模。

ADM：按照业务的需要从中间层、标签层抽取数据组装，以满足业务以及性能需求为主。

通过数据模型的建立，业务系统的数据接入后，形成标准、规范统一的数据。

4.5 数据资产管理

通过数据开发门户提供统一的离线、实时、算法开发和相关的任务运维监控服务，以及数据标准管理、数据治理管理、元数据管理、数据安全管理等数据管理服务，快速完成数据清洗转换、数据融合等加工，以及相关的数据模型开发、标签开发和算法模型开发，辅助完成数据资产的建设，所有数据开发任务以任务流的形式存在，支持按时间周期以及任务之间的依赖关系进行任务的调度，并对任务进行监测，以基线的方式保障业务数据的正常产出。

数据管理功能主要包括元数据、数据血缘、数据质量、数据生命周期等几大管理模块，方便相关人员管理数据和使用数据[3]。

4.5.1元数据管理

（1）元数据：元数据信息包括数据对象以及数据结构，例如字段名称、字段显示名、字段长度、字段类型等。

（2）元数据查询：查看数据存储、字段、分区、产出信息，可以预览数据，包括元数据目录展示、查询、高级检索、详情等。

4.5.2 数据血缘

支持数据血缘追溯，通过血缘分析直观展示数据的来源、数据间的关系。

4.5.3 数据质量管理

（1）表级监控：支持对数据表的存储、增长等进行监控。（2）字段级监控：支持对字段的规范性，字段值等进行监控。（3）监控告警：根据规则设置监控和告警，支持短信、邮件、电话等多种告警方式，支持在告警的同时可以对前端的任务进行阻塞操作。（4）数据质量报告：提供综合的数据报告，对各种信息进行汇总、统计和分析，并可以导出和订阅数据质量报告。

4.5.4 数据生命周期管理

支持对数据进行生命周期的设置，并可以提供相应的生命周期建议，生命周期到期后具备完善的处理机制。

4.6 数据服务管理

数据服务管理是数据应用的统一入口，对数据、工具、应用统一管理并提供服务，包括分析服务、查询服务、算法模型服务以及数据服务API管理，服务的发布端发布各种数据服务，服务的使用者申请相关服务权限，所有数据服务平台统一管控，基于统一管控方便对服务调用、效果做监控统计。

数据开发服务是数据使用和价值变现的基础平台，在数据使用者和数据提供者之间建立有效通道，本项目数据打通类需求，通过数据服务模块满足。数据服务包含接口服务概览、接口服务生成、接口服务管理等功能。

4.7 业务可视化

4.7.1 建立指标体系

氢能数据展示需根据整个产业链中产生的数据，分不同的版块进行指标梳理。整体可分为生产版块、储存版块、运输板块、加注板块、车辆使用板块。

4.7.2 大屏版面设计

建立完指标体系之后，则可根据大屏的大小，进行整体的设计，整屏分为多个版面，每个版面承载一个板块的指标。对于一个板块指标体系较多，可设计分屏展示。氢能汽车运营调度大屏的示例如图4所示。

图4 智能安全监控平台建设-大屏展示

4.8 虚拟现实内容快速生成

氢能全流程管理，针对回传数据，可借助“数字孪生”技术，实现现实内容1∶1虚拟化实现，提升应急处理能力。

平台提供组件化、模式化的通用内容解决方案。场景组件均基于标准场景组件接口，实现高程数据+卫星贴图+局部精细建模。一旦发生应急事件，根据模拟场景来进行指挥调度。

氢能产业链场景模拟包括生产场景模拟、储存场景模拟、运输场景模拟、加氢场景模拟、车辆使用场景模拟。模拟场景可配合大屏、传感器数据实时显示，辅助决策和运营。

5 结束语

根据《中国氢能源及燃料电池产业白皮书》[4]，预计到2025年国内燃料电池汽车总量将达到30 000辆，配套的加氢站将达到上千座，制氢、储氢总量达到30 000 t以上，液氢、氢气转运车辆千余辆。

通过智能安全监控平台的应用与推广，可实现全产业链的安全监控与数据共享，方便整体统一指挥调度，保证整个氢能产业的健康稳定发展。仅就安全预警一项应用即可实现年节约运行成本5 775万元。