二次供水远程监控系统目录1.概述 (5)2.设计目标 (5)3.总体架构 (6)3.1软件系统结构 (6)3.2硬件系统结构 (8)4.数据标准化及采集设计 (8)4.1数据管理理念 (8)4.2数据梳理 (9)4.3数据的采集和接入 (9)4.4数据标准化 (9)5.数据处理设计 (10)5.1数据抽取 (10)5.2数据校核 (11)5.3数据存储 (12)6.系统功能设计 (13)6.1实时监控 (13)6.1.1 GIS应用 (14)6.1.2 综合监控 (15)6.1.3 工艺图 (18)6.1.4 视频监控 (18)6.2预警报警 (19)6.3历史数据查询 (20)6.4统计分析 (21)6.5基础信息管理 (22)6.6远程控制 (22)6.6.1指令发送 (22)6.6.2操作日志 (23)6.7移动应用功能设计 (23)7.系统效益及优势 (24)7.1系统效益 (24)7.2系统优势 (25)7.3系统缺陷 (26)表目录图 1 GIS应用界面..................... 错误!未定义书签。
图 2 综合监控界面..................... 错误!未定义书签。
图 3 工艺图界面....................... 错误!未定义书签。
图 4 告警监测界面..................... 错误!未定义书签。
图 5 历史数据界面..................... 错误!未定义书签。
图 6 二次供水APP界面................. 错误!未定义书签。
1.概述作为城镇供水系统的“最后一公里”,二次供水设施解决了中高层建筑的供水问题,但目前存在着跑冒滴漏严重、供水服务不规范、水质二次污染风险高等问题,目前已成为影响城镇居民饮用水安全的薄弱环节,群众反映强烈。
为此,住房城乡建设部、国家发展改革委、公安部、国家卫生计生委联合下发通知,明确不符合要求二次供水设施改造完成时限,并鼓励供水企业承担二次供水设施运行维护,真正实现“从源头到龙头”的全过程统一管理。
为提高二此供水的管理水平和效率,确保高层住宅的安全稳定供水,需要一套信息畅通、行动迅速、功能强大、运行可靠的二次供水泵房监控系统,来辅助供水企业高效、快速、准确地做出决策,最大限度的保障城市供水安全和降低供水事故损失。
因此,建立一套基于现代化管理手段的二次供水远程监控管理平台是非常有必要的。
2.设计目标建立远程监控管理平台,实现水务集团对所辖二次供水泵房的统一运营管理,即在实时监测二次供水泵房运行信息的同时,统一对二次供水泵房进行调度指挥与远程操控,从而有效降低设备故障率与维护管理响应时间,提高集团对二次供水泵房的管理水平,确保居民正常用水和安全用水的同时降低管理运营成本。
(1)建立生产数据平台对二次供水泵房的生产数据进行采集、分类、加工、整理、归档,使之成为完整和可用的生产记录,形成统一和开放的生产数据共享平台,为生产调度、生产统计等提供数据支撑和决策依据,为集团信息化建设的高级应用提供可靠、准确、及时、完整的数据保障。
(2)实现生产过程的集中监控对二次供水泵房进行集中监控,真实反映二次供水泵房的生产过程状况。
在水司内部,可通过系统对各个重要的生产环节进行集中监控,对生产现场的生产执行情况进行实时监控,令各级管理人员能够及时、准确、全面、直观的了解和掌握生产状况,并进行远程控制,进而实现对整个二供系统的统一指挥和集中调度。
3.总体架构3.1软件系统结构根据本项目的应用特点,采用B/S与C/S架构相结合的方式,其中考虑交互与计算的复杂性,模型的建立、编辑与维护以C/S架构(C/S应用程序),对于GSM、SCADA、实时模型、巡检系统、计量系统应用等采用B/S架构,即浏览器模式,底层采用统一的基于SOA规范的服务接口调用方式。
基础设施层(IAAS):提供给排水系统中布设的各类前端感知设备、通道、以及仪器,实现数据的采集,包括水表、水压监控设备、水位控制仪、视频监控设备等各类水务监测、探测设施等,以此来获取实时数据资源。
同时提供设备资源、服务器、储存空间、网络资源、通讯资源、负载均衡、防火墙等基本资源,平台可以在此基础上部署和运行各种软件,包括操作程序和应用程序。
基础设施运用虚拟化技术将各类硬件资源合理、动态的分配给各服务;基础设施层将自动监控上层应用的资源使用情况,保证各个应用在正常运行的前提下,能够合理的调度硬件资源、提高硬件资源的利用率。
数据服务层(DAAS):数据是一种资产,每天都会产生海量的数据,数据的积累也在呈指数级的增长,对于数据的要求包括提取、展示、挖掘、分析等也日趋迫切。
数据服务层就是将空间数据、关系业务数据、实时数据、模型数据、元数据等数据资源进行统一建模与数据管理,同时数据总线与共享交换平台实现数据的采集、接入、以及数据在系统内以及系统与系统之间的流转,通过数据服务层最终提供一个简单独立的请求接口,在简化应用开发的同时使应用获得强大的数据分析能力。
基础框架与平台层(PAAS):基础框架是平台运行的基础,为平台提供了访问基础设施层的方法和手段。
基础框架面向开发人员提供了很多软件开发过程中的很多必要的服务,使开发人员可以方便快捷的接入功能和模块,获得访问能力,实现功能的快捷接入、统一维护、数据共享的目标。
提供系统运行所需要的通用应用服务、组件、引擎、外部标准接口等。
应用程序层(SAAS):向用户提供业务功能,应用层与平台层进行直接的数据和控制的交互,也可以通过数据服务获得数据的分析和展示能力。
构建在公司各职能处室的综合业务应用系统和服务平台,在该层次中各类业务应用系统主要体现整体运营的业务内容,他们将是业务逻辑的接口,实现业务流程的控制及运营监控中心各项管理与服务功能的工具平台和统一使用的窗口。
应用层支持多种用户设备的接入和访问。
应用层支持第三方系统的接入。
展现层:包括最终用户的使用功能模块及设备,用户可通过PC、移动终端、平板电脑、浏览器的形式访问系统。
3.2硬件系统结构根据本项目设备特点,划分为以下四个部分:数据采集端:包含表务、水泵、阀门、管网等各类实体供水设备,涉及到设备的经纬度信息、使用年限、测量数据等大量数据;有线或无线传输等网络设备。
数据存储分析:数据存储、应用程序运行的服务器平台。
工作人员操作终端:涵盖水司工作所需的各类人员操作PC访问端,台式机、笔记本电脑等。
移动终端:查看二次供水状态的手机端app。
4.数据标准化及采集设计4.1数据管理理念自控系统的数据一般以自控变量形态存在,变量的定义在一些成熟行业有行业标准,但是在水务行业没有相关行业标准指导设计人员和自控工程师定义变量,水务行业自控系统变量的定义存在很大的随意性,由于自控系统的业务逻辑相对简单,这种随意性对自控系统本身来讲没有太多影响,但如果将变量直接存储用于支持业务系统,业务系统利用数据的难度将是极大的。
另外,各种设备仪表输出的变量数据也都基于厂家自身规范定义,无统一标准。
因此,建设集中监控调度系统之前,不仅需要将各种变量数据进行系统梳理,还需要建立在线数据指标体系和指标管理系统模块,将规则不统一的变量数据转换为标准的指标数据再进行存储。
指标标准按管理软件数据设计原理进行设计,可以完整地支持业务应用。
4.2数据梳理对系统需要采集监控的泵房数据进行梳理,主要包括:出水流量、出水压力、累计出水流量、液位、三相电流、三相电压等。
4.3数据的采集和接入二次供水系统的数据采集接入可通过多种方式进行,如直接采集设备数据、从数据库采集数据等,在数据采集过程中,应注意尽可能少接口环节完成数据采集,以提高数据采集体系可靠性。
4.4数据标准化二供系统采集到的变量数据、仪表数据和其它在线数据均会通过系统统一处理,转化为标准数据。
5.数据处理设计5.1数据抽取数据采集终端、数据接收网关包含数据抽取引擎,将采集到的实时变量数据按指定时间间隔进行抽取,将抽取结果传递给数据标准化引擎,标准化引擎进行标准化处理后存入临时库/实时库。
数据抽取的时间间隔可配置,抽取规则可配置。
数据采集终端、数据接收网关还包含数据归档抽取引擎和主题数据抽取引擎。
数据归档抽取引擎是按定义规则定时将临时库/实时库中的数据抽取存入历史库中,并同时删除临时库中的相应数据;主题数据抽取引擎则在历史库中抽取基础库,在基础库中抽取专题库。
数据抽取的时间间隔可配置,抽取规则、计算公式可配置。
数据抽取主要是针对各类综合统计分析用的数据,如泵房运行状态统计分析、供水流量统计分析等。
考虑到抽取数据的完整性,系统将采用两种方式进行数据抽取处理。
(1)自动处理:系统可以设定数据抽取任务的时间频率,将定时自动进行数据提取工作,提取过程中将充分考虑数据的容错机制,对提取不成功的情况自动进行重试,并最终记录问题原因。
(2)人工处理:系统提供良好的数据抽取人工处理管理界面,可以针对各类统计分析的数据抽取任务进行操作管理,选择相应的时间周期进行数据抽取。
5.2数据校核数据校核模块的功能是将已经采集到的数据与采集点的数据范围值进行比对,从而判断所采集到的数据与真实数据之间是否有偏差。
系统提供采集指标变量的阈值管理,在进行数据抽取处理过程中将根据采集指标变量的阈值范围,对数据进行校核处理,对于超出所设置的阈值的数据,系统将采用两种方式进行处理。
(1)自动处理:采用剔除数据法:自动剔除超出阈值范围的数据,同时保留原数据。
采用平均数据法:在异常数据时间值前后各取N个数,如5个数,求平均值,用平均数据代替该异常数据。
采用数据拟合方法:在异常数据时间值前后各取N个数,如5个数,采用数据拟合方法,如比较常用且较为简单的最小二乘法,拟合出异常数据处的合适数据,取代该异常数据。
(2)人工处理:系统提供数据校核的管理界面,高亮显示异常数据,数据管理员可以人工操作处理该数据。
因为系统中采集和处理的数据量较大,系统将主要采用自动处理方式进行数据校核,人工处理方法作为辅助管理手段。
5.3数据存储系统数据中心的建设采用关系型数据库进行建立,为保证系统的访问速度,将数据量大的历史表以及统计表进行分区存储处理,以提高数据库以及应用系统的效率。
二供系统的数据存储分为五种类型:实时库、临时库、历史库、基础库、专题库,通过五种数据库的存储实现对在线监控应用功能和调度业务功能的有力支撑。
1)实时库实时库主要存储各系统的即时数据,为实时监测应用提供高效的数据提取服务。
为提高访问速度,实时库仅存储近期数据(如近一周、一个月、三个月),存储时长可以配置。
2)临时库临时库部署在数据采集或接入端,用于临时存储短期数据(1天、3天或7天),小的数据量可以保障数据库服务响应和吞吐速度,以此提高采集数据存储的效率和可靠性。