基于开放数据中心的水电智能一体化架构研究

张朝阳，牛海明，李 桦，李天宇

［1.国家能源投资集团有限责任公司，北京市 100011；2.国能智深控制技术有限公司（北京市电站自动化工程技术研究中心），北京市 102211；3.北科信控科技有限公司，北京市 100081；4.北京科技大学，北京市 100083］

0 引言

当今，我国物联网、互联网技术的飞速发展，迫使我国电力系统向信息化、智能化、统一化加速发展。作为电力系统关键参与者——水电厂在运行过程中会产生大量且繁多的设备运行、管理数据、生产数据。然而现有水电自动化系统存在智能化程度低、电厂与电网兼容差、安全防护等级低下等问题[1]。

智能水电厂由于建立在可靠的通信网络的基础上，其主要目标是增强其设备的运行功能和提高对水流发电的利用率。为满足智能水电厂的应用核心需求，构建和整合不同类型、形式的智能应用模块，满足各种类型应用的要求，能够对智能水电厂各类数据与模型进行统一整合，从而形成面向不同应用的功能组件。目前，开放数据中心在整个企业架构中的作用越发突出。其数据密集型和应用分布式的运行模式可以显著提高信息资源综合利用的质量和效率。建设开放数据中心的目标是提高智能水电站的数字化水平，实现生产数据聚合和数据集成。全厂数据共享与交互，二次系统设备网络化与数字化，生产数据与信息平台集成[2]。

1 相关研究工作

随着信息技术的飞速发展和计算机性能的不断提高和价格的降低，很容易建立由多台计算机组成的监控系统。智能化是智能电厂自动化的基础，在2010年朱剑锋提出一种智慧化厂级监控信息系统，该系统基于多智能体和XML Web Services技术[3]。2014年，王京等人分析了应用于大唐云冈电厂的智能监控系统，提出综合自动化数字智能监控系统现场结构配置[4]。上述监控自动化方案的研究目标是对电厂设备的监控，未能实现全电厂员工、设备以及门禁等全部场景下的监控，以及没有提到对多个场景下监控数据的整合，未能满足电厂智能一体化的需求。

2021年，Santis等人确定了机器学习技术在发电机组资产诊断和预测中应用的研究趋势，给出了一些研究趋势和潜在的未来方向：多目标采集、混合模型以及健康管理与预后[5]。上述对状态检修智能化的研究相对整个电厂来说比较孤立，未来的智能电厂更倾向于一个整体协同运行，将所有数据综合计算，实现快速准确地找出故障原因，并实行有效的解决方案和事后处理工作。

2020年，何鹏辉等人提出了一种基于松耦合的分布式系统的信息统一数据平台，解决了现有数据采集系统各功能模块紧密耦合的问题[6]。同年，WU等人提出一种基于KKS码和3D数字模型的智能水电站设备全息管理系统，此系统提供了3D工具、设备记录查询模块、实时监控模块、视频监控模块、快速导航模块、故障报警预警模块、3D虚拟巡检模块[7]。近几年随着云计算的发展，云数据中心被应用于各个领域，智能电厂所涉及的数据具有多重异构、数据量大以及终端节点计算能力弱等特点，因此将云数据中心应用到智能电厂系统是未来的研究趋势，但在上述中仅研究了对数据的采集。

2018年，曹驰提出一种基于虚拟电厂分布式调度策略，该策略依据多智能体一致性的特征，实现水电智能一体化分布式资源的优化管理[8]。2020年，夏元清等人提出了智能电厂云控制系统解决方案，该方案在云端运行经济模型预测控制算法，保证了绿色能源互补发电的鲁棒性[9]。同年，周国亮等人提出基于区块链共识机制的虚拟电厂分布式调度方案，该方案结合等耗量微增率准则实现虚拟电厂的最优经济调度，利用PBFT共识算法实现资源负荷在机组间的合理分配[10]。2022年，梁肖等人提出了一种基于深度学习的智能调度模型，该模型首先利用长短时记忆网络提取有效特征，其次利用蚁群算法实现智能电力调度[11]。

虽然国内外对智能水电厂涉及的关键技术已经相当成熟，但是都还未有效解决信息孤岛问题，产生的数据未能得到综合利用，限制了智能水电厂的运行效率与经济效益。因此智能水电厂迫切需要一个开放数据中心，以实现全景数据的安全性、标准性、准确性、完整性和实时性，提升水电厂对数据的智能管理水平，为水电厂智能运营、管理决策提供高质高量的数据支撑和信息服务，合理利用数据资源价值，实现智能化、信息化、一体化与智能水电厂的高度融合。

2 水电智能一体化系统架构

开放数据中心相当于共同工作的一个联合云，整体水电智能一体化系统架构依据不同系统功能可分区分层为多个模块，利用开放数据中心集中统一实现智能模块化管理，实现水电厂不同系统间的综合分析、智能诊断、集中监视、控制以及智能化辅助决策等。系统架构的总体原则按照“横向分区，纵向分层”理念分为纵、横多层次来进行架构，其中开放数据中心贯穿其中以实现集中监控的管理分析，来为水电智能一体化的业务拓展、运维服务等提供相关理论依据。开放数据中心集中监控的相关参数将显著改善水电厂的工作效率，提升工作质量，减少运维支出。横向分为四层，整体通过开放数据中心智能化实现电厂监控、水情检测、水库调度、电能计量等业务的集成。纵向分为四区，又可以通过数据中心来实现整体的电网调度、各系统间的数据采集与交换，整体的水情水调调控，纵向贯通各项数据业务[12]。

图1 水电智能一体化系统架构Figure 1 Hydropower intelligent integrated system architecture

纵向分为四个区域。生产管理综合开放数据中心建设系统主要包括：集中统一控制、整体水情水调、故障检测诊断以及生产调度指挥等。其中整体业务系统和基础设施的建设规划主要分为控制区、非控制区、管理生产、信息管理等四个区域[2]。

其中安全Ⅰ区为实时控制区，可基于电调系统建立，实现水电站的远程集控功能，基于开放数据中心的新能源集中监控，满足对多功能生产线的监控功能，另外基于安全防护，将五防报警系统纳入电调平台，同时扩展功率控制、自动水电压控制、经济调度控制业务范围。安全Ⅱ区作为非实时控制区，主要实现功率预测、状态检测及分析、水情测报以及水调自动化等对实时性要求较低的功能，另对水文预报、防洪调度以及业务考核等业务进行拓展功能覆盖范围，使之涵盖新的领域。安全Ⅲ区主要为管理生产大区，包括设备状态检修系统，防汛决策指挥系统等，主要根据需求进一步拓展业务覆盖范围，主要负责水电一体化的整体防护。安全Ⅳ区为管理信息大区，主要实现管理信息、故障诊断、视频监控、集控数据等功能，另外根据需求，进一步拓展业务覆盖范围，主要实现生产运营数据分析、生产管理指挥，生产信息管理等功能。

整体系统可接入JetLinks物联网基础平台，可实现各类智能应用组件以及智能系统的接入或集成，自由拓展功能，实现统一接口，统一管理。同时实现异地远程下达控制命令，为水电智能一体化建立整体物联网相关业务管理部署方案。

系统层：系统层主要部署一体化管控平台，包括各类计算资源、网络硬件设备以及智能应用组件，以实现厂站级别的数据服务、分析评估、自动控制、故障检测等功能整体系统进行单体功能分块，使得完整的系统形成多个不同功能的系统模块协同配合，统一和全场智能系统进行链接，实现数据一体化。

控制层：控制层主要部署智能化设备以实现现地检测、控制和保护等，主要实现将监控系统和智能设备连接、现地、稳定控制、继电、振摆保护等功能，控制层可以汇总数据层传上来的实时数据信息，依据信息与系统层联动对电厂设备进行保护控制等。

数据层：开放数据中心中存储在数据层当中，进行数据采集的存储，数据库管理和权限管理等功能，接收过程层传输上来的数据，汇总分析传入控制层，进行统一控制。

过程层：过程层主要设施包括合并辅控单元、智能传感、智能终端等。其主要是由电子传感器与智能接口组成，是整体系统中前后设备的连接点，以实现后续对各类参数的统计检测，并根据数据情况进行故障诊断和相关操作。其中水电生产过程中的数据采集与设备保护等功能主要依靠部署在各类智能传感器以及智能接口同其他传统设备构成智能组件来完成。

图2 基于开放数据中心的水电智能一体化平台Figure 2 Hydropower intelligent integration platform based on open data center

整体系统架构建立在开放数据中心之上，开放数据中心具有数据服务、模型服务、综合分析、态势感知等功能。其主要由服务器集群、存储集群、网络集群组成，可以发挥快速部署和动态迁移等优势，增强整体系统架构的可靠性。整体系统中安全Ⅰ区、Ⅱ区、Ⅲ区、Ⅳ区之间不再进行数据传递，秩序部署小型数据中心进行采集服务器转发和缓存采集数据即可，将所有数据统一上传至数据中心。其中Ⅰ区、Ⅱ区与开放数据中心之间通过防火墙隔离，Ⅰ区的安全级别更高，而Ⅲ区、Ⅳ区则是通过正反向隔离装置进行物理隔离，数据通过正向隔离装置单向将数据传送到Ⅲ区、Ⅳ区，而Ⅲ区、Ⅳ区的数据只能序列化到文件，放到指定目录，再由反向隔离装置转、换后传输到数据中心的指定目录。

数据中心包含实时数据库、水电厂全景模型、数据校验信息库等，其更侧重于汇聚实现全厂的有效数据，对相关数据进行长短期存储和集中上报等功能，同时保证厂站级的生产设备之间进行相关联动与综合分析。其中实时数据库主要负责构建复杂的结构模型以支持类之间的继承、聚集关系以及对象标识，从而来描述水电相关系统及其拓扑关系，支持不同程序对数据库内的统一数据集进行并发访问，并采用国内目前先进的连接池技术进行动态管理，实现连接复用，保证数据一致性，降低系统开销，从而彻底解决在分布式系统中难以解决的数据不一致问题。数据校验信息库可以保存多种校验规则，通过校验规则与现有报告进行重组，形成新的规则和结果报告，以供使用者参考。

3 关键技术

开放数据中心在整体水电智能一体化中，相当于共同工作的一个联合云，利用一套明确规定并标准化的软硬件产品来与其他智能设施、应用相融合、关联以及交互。利用开放数据中心，不再是按照传统的分区概念进行网络通信，而是将所有的数据统一上传至数据中心来进行统一调度以及资源优化。

3.1 水电智能一体化平台建设

随着水电智能一体化进程，智能水电厂的应用需求更加平台化、智能化。本文针对智能水电厂平台建设中实时监控、管理、配置等关键业务，建设水电智能一体化管理平台，集成基础资源、应用服务、系统运营等核心功能。如图3所示，基础平台集成物理资源与监控运维、微服务、数据中心等，保障水电智能一体化平台数据采集、存储、网络传输、资源优化等稳定安全运行；服务平台辅助增强管理人员业务工作能力，提升设备接入、数据分发、规则控制等服务质量和效率；应用平台以可视化、智能化为目标，集成监控、配置、查询分析等功能；系统运营中心支持管理人员对用户、应用、角色、字典及日志进行实时高效管理，形成远程集中调控。

图3 水电智能一体化平台建设Figure 3 Construction of hydropower intelligent integration platform

3.2 分布式信息融合

分布式信息融合是处理开放数据的关键技术。它可以通过若干传感器，将不同时间、空间的数据源，利用计算机进行时间的序列处理，最终得到背侧对象的全方面描述与分析。借助信息融合技术，平台能够更加全面地认识被测对象，进而实现更加准确的态势判断与自主决策。该技术可以有效应用到现代智能水电厂的开放数据中心水电智能一体化平台，不仅可以优化数据处理流程，还可以对系统架构进行整体性的监控，使平台达到智能、高效的运维管理能力的效果。分布式信息融合是众多企业运行开放数据中心统一平台的主要技术。以智能水电厂的新能源监控系统为例，针对电机、水泵、风扇等关键设备的运行态势的现场感知，通过部署传感器采集设备运行中产生相关的物理信息，通过于视频监控数据和各设备自系统监控数据进行信息融合后，可得到一致性的评估，做出态势判断和自主决策。

3.3 定制化存储管理

定制化的存储平台是开放数据中心的一大特点，由于存储在开放数据中心中的数据存储类型多样，根据数据结构的类型较为复杂，大体可分为结构化数据和非结构化数据两大类。其中结构化数据又由于其使用频率不同的问题，他们的数量、特性、结构各不相同，开放数据中心要充分考虑到不同的数据存储类型，设计定制化的混合数据存储框架来满足不同业务数据的存储要求。对比传统数据库，定制化存储平台有其特有的优势，定制化存储平台可以包含各类主题的数据库，可以根据不同的综合管理要求，优化传统的逻辑模型和物理模型，创建符合要求的数据库。其数据结构和存储方式可以独立于其他系统区域，而整体数据中心的数据又保持集约化与共享。

3.4 应用系统智能联动

以水电厂开放数据中心为基础，建立多系统高效联动的智能化管控平台，实现电厂四个安全区系统间的数据交换与智能互操作。在保证智能水电厂的各电力生产系统、应用管理系统、办公系统的厂商统一性的前提下，智能联动使原本独立的各系统之间，可以进行数据的规范统一，实现系统间的互联、互通、互操作的智能化管理。开放数据中心应用IEC61850协议，实现联动策略的统一管理，对数据标准进行统一规范，为整体系统提供高效便捷的快速组态编程环境，通过服务器与各自系统联动数据进行统一调度并实现联动操作。与传统的水电厂相比，应用系统间的智能联动的实现，不仅可以使水电厂安全管理的水平大幅度提升，同时也会在经济效益方面体现出显著效果。

3.5 高速网络传输

介于水电智能一体化的要求，开放数据中心中必然会同时存放生产过程中与系统维护中产生的大量实时与非实时、周期与非周期性的数据信息，还会包括严格要求时延和带宽的信息，例如视频、语音、用户上传、下载等。在网络传输的过程中，这些数据信息通常中具有突发性、动态变化等特点。开放数据中心实时处理传输的关键在于在系统的控制层和过程层都建统一的标准化接口，其具有灵活性、集中视图、可编程性等特点，采用集中控制的方式控制每一个转发元素，实现网络状态和应用系统更高效和更智能的实施。系统可以应用强化学习方法，实现流量的实时传输。在短流量应用有线传输，与此同时动态调整流量传输的多级队列。在长流量引入策略决策概率，建立网络流量策略决策架构以实现网络传输策略根据决策概率进行动态调整，以改善长流量的实时传输性能。

3.6 自主决策或决策支持

决策支持的目标是在传统信息系统的基础上，对智能水电厂的监控、资产的运维管理提供系统性、可视化、与执行的自主决策，选用相同的数据建模，平衡结构化数据和非结构化数据占比，对生产实时数据和管理域多源异构数据进行深度集成，将所有数据统集成到开放数据中心当中。对开放数据中心的决策支持建设主要是基于信息总体规划的数据库工程设计，是对多个系统进数据仓库的构建过程，需要进行需求分析、逻辑分析、数据库建模、数据源分析、数据获取整合、应用设计等几大步骤的不断完善。对开放数据中心的决策支持可应用于多个系统中，实现对整个水电设备运行状态的监测，计算、分析、记录关键故障特征，并且预测设备运行趋势等，为水电站运行决策提供依据。检修决策等提供信息支撑。

3.7 系统安全保护

开放数据中心中的数据明文展示，缺乏加密存储机制，当网络攻击成功后，入侵者可直接获取开放数据中心中存储的数据。对数据进行压缩，然后加密存储，采用同时支持压缩与加密技术的静态键值存储方案。开放数据中心之间通信需要双向认证，因此采用非交互式零知识证明，为实现验证数据的真实性，该方法利用配对函数、大数计算等密码学算法计算证明值，智能合约验证器进行证明值验证，从而实现授权认证。开放数据中心涉及多个数据库之间的数据交换，为确保数据的安全性，采用了以下措施：在安全Ⅰ区、Ⅱ区与开放数据中心之间采用增加安全防火墙以及远程路由等安全防护设备对数据通信进行安全防护；在安全Ⅲ区、Ⅳ区与开放数据中心之间使用安全物理隔离技术；在开放数据中心与电网或其他数据库之间，采用地址映射、TCP端口、访问列表等安全措施，以确保通信网络的绝对安全。

3.8 全局调度与资源优化

全局调度的设计目标着重解决任务与资源间的映射关系，以博弈论为基础，建立资源管理访问机制，完成资源信息收集和资源分配调度，构建系统与远程资源的桥梁，以提升整体效率为目的，将全部数据资源存储在开放数据中心，利用全局调度算法为不同的资源访问需求分配合理的空闲资源，充分发挥各类资源效用，实现最大化各种资源利用率。

资源优化的目标是保证水电平台在外界环境因素发生变化时，整体系统可以根据优化目标函数的选择，进行寻找最佳的运行参数和控制量，进行资源优化，以保证水电厂或系统处于最有的运行状态。资源优化可应用于智能水电厂的多个控制系统与运行参数中，例如在面对水情变化与电能量采集不稳的情况下，对系统的稳定性指标、经济性指标进行权衡，我们采用自适应多目标优化算法对开放数据中心的存储、网络、计算资源进行优化。基于开放数据中心的水电一体化系统自适应多目标优化中，根据开放数据中心通信复杂特性，首先选取基于数据的数值模拟模型；第二，以每个数据库的存储与计算资源以及分数据库与开放数据中心间的网络资源为约束条件；第三，选择多目标优化算法，根据电厂环境的复杂性，选取遗传算法或者粒子群算法等人工智能求解方法，提高获取最优解的概率。

4 展望与挑战

开放数据中心的引入可以将传统的水电厂存在的数据孤岛、数据污染等问题彻底打破，通过对全厂数据进行整合，可以为运维人员提供数据共享、智能传输的水电智能一体化平台，最大程度上提升了工作效率，并且开放数据中心可依赖多个系统进行综合数据分析，从而解决传统单系统无法把控全局分析的诟病。未来在人工智能、边缘计算等技术的不断发展和数字信息化技术的全面普及下，基于开放数据中心的智能水电厂和水电智能一体化的建设将逐渐完善。

将水电智能一体化同开放数据中心结合以适应我国全新智能电网的要求，对传统水电厂进行智能设备、智能接口、智能存储上的提升是对各方面的提出的考验，无论是计算机系统的整体升级还是各种相关专业知识的提升以及新技术、新设备的应用，都会使水电厂的传统构建方案和运维管理实现量级的提升，基于开放数据中心的水电智能一体化必将是一个不断探索、创新的过程。

5 结束语

本文针对智能水电厂当前生产、管理面临的智能信息化需求深入探讨了现在国内外水电智能一体化研究现状，总结目前仍存在的问题，研究并提出基于开发数据中心的水电智能一体化平台架构，该架构面向智能水电厂业务融合、数据管理、网络传输、数据存储、信息安全、远程管理、资源配置等需求，讨论系列关键技术以实现水电智能一体化平台实时、安全、稳定、高效运转，并在研究基础上提出新的挑战与展望。