采集区
MQ
交换区
Flume/FEP
(数据轮询
MQ
与采集)
Kafka MQ
FTP
(实时数据
缓存)
地铁能源管控应用能系统
可实现TB级数据动态采集、处理和存储管理，目前每天处 理数据1亿条，每日新增数据大小1G。按照远期规划22条 线路，能耗数据存储10年，平台配置了100TB的磁盘阵列 。 为满足后续新线接入及系统升级，配套开发了软件测试 系 统和网络管理系统。
可以支持通用工业数据通信协议（Modbus），实 时数据采集模式（MQ），离线数据采集（FTP） 以 及其他常见的数据接入方式，通过上述多口协 议的 应用，使得大数据平台产品可以更好的集成 轨道交 通行业的数据，从而建立统一的数据仓储 平台，为 用户提供丰富的应用服务
ETL
数据迁移
实时采集
地铁能耗平台-产品选型
数据中心包含四大子系统：数据采集系统、数据处理系统、数据分析系统、数据输出系统
一个中心
数据采集系统
数据处理系统
数据中心 数据分析系统
数据输出系统
采集、存储多元异构数据
IQ
ISC
运
OS
S
营
……
建立基础数据模型，整合数 据
智能分析、深度学习、AI
数据供给智能应用
地铁能耗平台-产品选型
针对轨道交通行业多信息系统的现况，大数 据平台从数据采集、数据整合、数据存储、 数据模型、数据分析、可视化展现进行了定 制和优化，使得大数据平台可以支持多通信 协议，对数据进行统一的加工、存储和应用
使得轨道交通行业各系统数据具有统 一的数据结构与标准，实现各个分离 的系统的数据共享，从而找到数据间 的相互联系，对数据挖掘出更有价值 的信息，避免了数据孤岛的出现
运维平台 用户管理 资源管理 系统监控 部署管理 安全管理 资源调度 日志审计
数据治理平台
API／SDK
用户画像 搜索引擎 推荐引擎
反欺诈
图像识化平台UE
根因分析
关联分析
数据共享 数据质量 数据治理
数据交换汇集
数据洞察Insight
数据集成 数据分析
知识库
知识点
人工智能Miner
算法库
模型库
数据挖掘
深度学习
流计算Stream
实时分析 实时数据库
知识库
知识点
Hive Impala Maho
Spar
（SQL
（In-
ut
k
）
memory SQL （
（Mlib
）
MapReduce分布式计算
M LeaacrhniinnegYARN）计算调
HDFS分布式）存 度
储
Pig
（Scripting ）
北京市
1
重点行业
4
重点单位
N
全市统筹 联动节能 监测服务
平台
设备运行 电能数据 运营数据
地铁能耗统计与监测平台
监测 统计 分析
上报
地铁能耗平台-建设目标
1. 标准
研究构建能耗模型，数据接入标准。面对地铁种类繁多的设施设备，从分类、分项和分户 三个维度构建能耗统计模型，梳理 地 铁 智能表计覆盖原则，制定数据采集接口标准。 使 地铁在未来能耗系统建设、管理、运营的过程中，做到有标准，有规范，有原则。
2. 数字化
通过建设 地 铁 能耗统计与监测平台，实现全路网能耗数据从采集端到管理端全过程数 字 化、自动化、减少人工干预因素。同时实现能耗信息的线网级、线路级、车站级三级管 理，线路级、车站级、就地级三级监测。
3. 智能化
运用大数据等先进技术手段，实现地铁能源管理的智能化。为地铁能源管理策略 制定提 供全面的数据支持，全面提升公司能源管理水平。
地铁能耗平台-建设规划
平台规划一个能耗数据中心，三个应用平台，数据统计、大数据分析、碳排放管理等八个功能模块。应用分类、聚类、回归等不同
算法，特别是在能耗大数据挖掘分析和可视化方面做了重点提升。
数据查询 智能告警
八大功能模块
统计分析
电能质量
辅助决策
能源报表
碳排放 智能预测
一个大数据中心
84%
地铁能耗平台-产品选型
水平 • 地铁步入大规模网络化的运营，运维 管
理需要智能化
3
公司基本情况
年客运量超30.82亿人次，安全行车4.62亿车公里；两次延误5分钟以上事故
间平均车公里达到771万车公里。
4
地铁能耗平台-建设背景
为响应国家和北京市节能减排号召，地铁公司建设能耗平台，建立覆盖地铁网各条线路能源计量与管理系统，不仅提升企业能源 管 理信息化、精细化水平，并为提升轨道交通行业信息化水平提供必要的决策支撑。
大数据时代的地铁能耗管理平台
技术创新，变革未来
目录 Content
1 地铁能耗平台建设背景 2 地铁能耗平台建设目标 3 地铁能和平台建设规划 4 地铁能耗平台产品选型 5 实施过程及系统核心功能 6 能耗平台建设成效 7 能耗平台建设经验总结
大数据时代
• 计算机网络技术不断进步 • 大数据在各领域都得到应用，提升了管理
数据中心
数据中心
数据标准 数据质量 数据管理
数据 查询
智能 告警
智能 预测
辅助 解决
能源 报表
大屏 展示
➢ 临时数据层：从各专业源系统抽取而来的数据，加载至临时数据层落地 ➢ 汇总数据层：结合业务标准，从基础数据层进行数据指标汇。 ➢ 基础数据层：建立统一数据模型，对各专业源系统数据进行整合存储。 ➢ 专用数据层：为下游应用提供数据访问和数据支持。
大数据历史数据规范，AI相关算法分类、聚类 、 回归等，实现能耗分析、预测、预警，有利 于 更为精细化和动态的测算城市轨道交通能源 消 耗。通过对地铁能耗设备的数据进行机器 学 习和数据挖掘，建立数学模型，分析地铁能 耗 变动因素，预测在不同环境因素下的地铁能 耗 ，深度发掘能耗和相关因数的关联关系，为 决 策提供支撑
平台建设采用B/S架构，基于Hadoop分布式集群处理技术，利用其高容错性、高吞吐量等优势，通过多样化的数据接口，从多个数据 源采集数据，进行统一整合，为多个平台与系统提供数据服务。平台产品强大的数据挖掘与分析能力，实现了能耗数据分析与展示， 对地铁能耗进行预测，为制定节能减排的改进方案提供数据支持。
地铁能耗平台-系统技术逻辑架构
ETL调度--Automation 监控与管理—Ambari/Ganglia
实时数据
1号线PQSS Modbus Slave
……
非实时数据
ISCS
Modbus Slave
1号线
PQSS Databas
e
……
ISCS
Databas e
小营 信息中心
数据采集与交换
Modbus