生产在线监控SCADA系统设计与实现

简介: 生产在线监控SCADA系统设计与实现

概述

随着经济社会的发展,人们在物质文化生活水平提高的同时,越来越关注自身的居住环境问题。中国是一个能源消耗大国,而能源结构中煤炭所占的比重极高,这对我国的大气环境的保护是十分不利的。另外,我国的水污染状况也十分严重,加强水环境的保护也十分重要,国家现在加大了环境保护力度,其中的一项重要措施就是加强污染源的在线监控,加强惩治力度。

污染源在线自动监控系统能够将各个污染源现场的数据汇总到各级环保部门,通过此系统,环保部门一方面可以对各个污染源的污染情况进行实时监控,以便及时甚至提前发现环境问题,并迅速做出反应;另一方面,还可以通过对历史数据的分析,来加强对污染源的排放管理和预测,提高监管水平。这项工作也是排污收费的基础性工作。目前,我国已经建设了一些环境监控系统,然而,这些系统还存在不少问题,主要表现在以下几方面。

(1)环保局中心站与各个污染源现场之间没有统一的数据互联互通机制,使得增加对新污染源的监控难以实施。

(2)已有系统结构呈现多样性,缺乏较强的兼容性和可扩展性。

(3)现有系统在环保局中心站大多采用关系型数据库对数据进行存储,难以满足对大量数据源成千上万个数据点的并发存储、计算和查询等要求。


软件安装、配置复杂,维护和使用成本高。

本节介绍了采用北京亚控科技公司组态王和工业数据库等产品构建的污染源在线自动监控SCADA系统整体软解决方案,并对各个子系统进行了介绍。


系统结构与特点


1.系统总体结构

污染源在线自动监控SCADA系统从底层逐渐向上可分为污染源现场监测站、传输网络和环保局中心站3个层次。环保局中心站通过传输网络与现场监测站交换数据,系统总体结构如图所示。

a65747f9619e4922975a88af6cf7e87b.png

图 污染源监控SCADA系统结构图

采用本方案,可以较好地解决以下问题。

(1)基于我国《污染源在线自动监控(监测)系统数据传输标准》,实现现场监测站与环保局中心站的数据传输标准化。

(2)环保局中心站具有动态增加现场监测站的能力。

(3)现场监测站的历史数据存储与上传能力强;环保局中心站的历史数据召唤与解析、插入存储能力较强。此外,在中心站和现场站通信中断后,该方案可以有效解决中心站的数据完整性问题。

(4)满足环保局中心站对数据存储的时间长度、精度、多点并发及数据压缩能力等方面的功能要求。

(5)环保局中心站采用B/S体系结构,降低客户端软件安装配置的复杂度。


2.系统特点

污染源在线监控SCADA系统特点如下。提供了一种跨区域乃至全国范围内的对区域环境监测进行集中监控、分析及诊断的解决方案。

符合国家《污染源在线自动监控(监测)系统数据传输标准》,实现现场监测站与环保局中心站的数据传输标准。

实时监测远程环境状况,有效实现在线预警,显著减小因监管不及时而导致的污染事件造成的社会效益和经济效益的损失。

实时的远程诊断及远程指令功能,协助监管部门从容应对重大环境事件、解决跨区域的污染纠纷,实现监管工作的有效性和权威性。

支持对远程环境监测点长达数年历史数据的分析决策,基于工业库的历史数据,环保监管部门可以建立数学模型,进行环境监测分析与系统报表,提高决策的准确度及决策效率。

基于Internet网络的B/S体系结构部署,使得方案更易于实施。

支持断点续传和数据缓存,保持数据的完整性。

支持现场监测站的在线增加。


系统配置及功能


1.环保局中心站

环保局中心站由通信服务器、工业数据库、关系数据库、Web服务器和实现各种查询、分析功能的客户端软件构成。该中心站是整个污染源在线监控SCADA系统的监管中心,负责管理和维护所有现场监测站点的实时和历史数据及对数据的管理、分析和查询等。


1)通信服务器

通信服务器上配置亚控公司的I/O Server软件。此软件实现了《污染源在线自动监控(监测)系统数据传输标准》,根据该标准要求,采集各个污染源现场监测站的实时和历史数据,对数据进行分析处理后,分别存储到工业数据库和关系数据库中,供各种客户端软件使用。

正常通信时,软件获得现场监测站的实时数据和报警事件,将实时数据存储到工业数据库中,将报警事件存储到关系数据库中。当现场监测站与环保局中心站通信中断一段时间并恢复通信后,I/O Server一方面恢复采集现场的实时数据和报警事件,另一方面召唤中断时间内存储在现场监测站中的历史数据和报警记录,对历史数据和报警记录进行解析后,分别插入到工业数据库和关系数据库中,以保证环保局中心站数据的完整性。

I/O Server软件支持冗余互备功能。从图9.1中可以看出,通信服务器是环保局中心站与现场监测站数据交互的枢纽,因此,容易成为整个系统的性能瓶颈。对于污染源现场众多的环保局,为了降低负荷,保障数据安全性和实时性,可以冗余配置通信服务器。

当现场监测站点增加后,可以很容易在I/O Server中动态增加对新站点的数据采集功能,满足了污染源在线监测系统动态扩展的要求。


2)数据库

除了污染源监控系统外,环保局一般还有如人事管理等其他信息系统,此类系统需要管理大量关系型数据,因此环保局大都已经有了SQL Server等关系型数据库系统。同时,污染源监控系统需要管理报警记录、权限管理等关系数据,因此,中心站还需要配置关系数据库。然而,对于污染源监控系统对数据存储的长时间、高精度(ms级)、多点并发及压缩能力等功能要求,关系型数据库却暴露出诸多不足。对于这方面的要求,典型的解决方案是采取工业实时数据库。这里选用亚控科技耗时3年多研制出的工业数据库产品KingHistorian。

KingHistorian提供多达数万点工业数据的实时采集和管理能力,存储的时间精度达到毫秒级,工业数据的检索速度比传统关系型数据库快几倍甚至几十倍。软件还实现了旋转门数据存储算法,大大减少了数据存储的要求和对硬件处理能力的要求。软件还能够对数据点进行动态增减。

KingHistorian提供的计算引擎支持VBScript与Jscript两种脚本语言,用户利用它们能够方便地对数据库中的变量进行平均值、最大值、最小值、累积值等统计数据,或对环保行业其他数学模型的实时计算,降低了突发计算对硬件的负荷能力要求。数据库中的变量可以作为计算式中的输入,也可以作为结果输出。KingHistorian还提供了COM、OLE DB、标准SQL等外部编程接口,极大增强了软件的开放性和二次开发能力。尤其对于C/C++用户,开放了API接口。

相关实践学习
自建数据库迁移到云数据库
本场景将引导您将网站的自建数据库平滑迁移至云数据库RDS。通过使用RDS,您可以获得稳定、可靠和安全的企业级数据库服务,可以更加专注于发展核心业务,无需过多担心数据库的管理和维护。
Sqoop 企业级大数据迁移方案实战
Sqoop是一个用于在Hadoop和关系数据库服务器之间传输数据的工具。它用于从关系数据库(如MySQL,Oracle)导入数据到Hadoop HDFS,并从Hadoop文件系统导出到关系数据库。 本课程主要讲解了Sqoop的设计思想及原理、部署安装及配置、详细具体的使用方法技巧与实操案例、企业级任务管理等。结合日常工作实践,培养解决实际问题的能力。本课程由黑马程序员提供。
相关文章
|
存储 监控 Java
一篇文章带你搞懂SkyWalking调用链追踪框架
介绍了Skywalking的作用,安装方法,架构设计等等
一篇文章带你搞懂SkyWalking调用链追踪框架
|
供应链 小程序 物联网
B2B2C、C2F、S2B2b2C、O2O、S2B2C和各种的模式缩写解释说明
B2B2C、C2F、S2B2b2C、O2O、S2B2C和各种的模式缩写解释说明
5618 0
B2B2C、C2F、S2B2b2C、O2O、S2B2C和各种的模式缩写解释说明
|
应用服务中间件 nginx 域名解析
|
搜索推荐 数据采集
推荐个好用的云盘资源网站(搜索引擎)
推荐个好用的云盘资源网站(搜索引擎)
8616 0
推荐个好用的云盘资源网站(搜索引擎)
|
机器学习/深度学习 人工智能 算法
停车场导航系统核心技术功能解析,助力造城市便捷项目改造
本文通过停车场反向寻车导航系统的核心技术:蓝牙定位和ai导航,以及车位引导、反向寻车、预约车位等功能,说明了停车场智慧升级带来的优势,如需获取智慧停车场反向寻车方案可前往文章末尾获取
766 3
|
存储 JSON 前端开发
jQuery Get 请求参数转换为 JSON
【8月更文挑战第22天】
367 2
|
人工智能 自然语言处理 搜索推荐
梅俊:如何用好A1,轻松写好汇报、通知、复盘?
《如何用AI辅助高效写公文》课程由公文写作专家梅俊老师主讲,旨在帮助解决公文写作难题。课程涵盖广泛,不仅限于法定公文,还包括事务类公文,适合各类职场人士。梅俊老师结合15年写作经验和AI研究,提出7步法,包括问题拆解、信息分析、内容生成等,强调人与AI的协作,而非完全依赖AI。课程通过实例演示如何利用AI工具如kimichat和秘塔AI搜索提高写作效率,同时提醒用户需判断信息质量和内容质量。课程教授从初级到高级的14种公文写作,鼓励学员实践并形成“AI思维”。
1406 1
|
机器学习/深度学习 存储 算法
长短时记忆网络(LSTM)在序列数据处理中的优缺点分析
长短时记忆网络(LSTM)在序列数据处理中的优缺点分析
2600 1
长短时记忆网络(LSTM)在序列数据处理中的优缺点分析
|
存储 算法 编译器
【C++ 函数 基础教程 第四篇】深入C++函数返回值:理解并优化其性能
【C++ 函数 基础教程 第四篇】深入C++函数返回值:理解并优化其性能
1244 1

热门文章

最新文章