基于大數據分析的加氫站智能管理系統

王嘉煒，妙 叢

（北京航天試驗技術研究所，北京 100074）

氫能是一種公認的清潔二次能源，因其燃燒產物潔凈、燃燒效率高、可再生等優點，近年來推廣速度逐漸加快，推動著氫燃料電池車和加氫站建設的快速發展。隨之而來的是不可忽視的安全問題，氫在生產、存儲、分配和使用過程中的安全至關重要，任何項目的災難性失敗，都可能損害公眾對氫和燃料電池的看法。

1 國內外研究現狀

1.1 國外氫能交通產業發展

美國、日本、德國等發達國家將氫能列入國家戰略，不斷加大研發和產業化扶持力度。目前美國、日本等國家在氫能應用領域持續發力，并已形成比較規范的標準。全球加氫站建設方面，現在共約有500多座加氫站，其中1/3是液氫儲運的加氫站，大部分在歐美，其次在日本[1]。

1.2 國內研究現狀

1.2.1 氫能產業發展現狀

截至2021年底，國內加氫站共建成177座，在運營的超過100座，繼續引領國際氫能源基礎設施布局，同時，在車用氫燃料電池、氫燃料電池車、氫燃料電池重卡、叉車、摩托車等應用場景都有了長足的發展。

1.2.2 智能監控在氫能產業的應用現狀

國內企業都十分重視氫能應用過程中的安全監控，各企業都在探索結合云技術和物聯網技術，針對設備的安全監控網絡，目前還都處于探索階段，但針對設備的安全監控其實遠遠不夠，應逐步拓展到與政府、車輛運營商、設備運營商進行數據共享，在生產、儲存、運輸、加注、使用等多個環節對氫能安全進行監控。

2 加氫站運行管理系統現狀

2.1 加氫站運行管理系統的特點

目前加氫站主要為氫燃料電池車供應35 MPa或70 MPa高壓氫氣，在加注過程中，加氫站需要實時監測站內氫源余量，設備狀態和整站及加注過程的安全狀態，確保加氫站加注安全和穩定運行。

在氫燃料電池車、加氫站示范運行階段乃至商業化運行初期、氫燃料電池車未全面推廣的條件下，用戶需求分布不均，部分加氫站加注能力已趨于飽和的同時，部分加氫站運行時間不足，制約了加氫站運營及用戶體驗的提升，對加氫站的推廣應用不利。

2.2 現有發展狀態的缺陷與差距

2.2.1 缺乏統籌規劃

雖然我國各地政府機構正在積極地開展氫能相關產業發展工作，成立了有關園區、產業聯盟，但是全國范圍內尚未進行統籌規劃，各部門之間、地區之間、行業之間的分割情況較為普遍，缺乏頂層設計，資源共享不足，加上規劃意識與協調機制的薄弱，凸顯難以形成產業規劃、研究成本過高、資源利用率過低無序重復建設現象嚴重的態勢。

2.2.2 核心技術缺位

縱觀我國氫能的技術創新，相當一部分是在國外已有技術基礎上的深化和發展，通過增加新功能，來滿足國內的氫能產業發展。但這并不是從無到有的原生態創新，所以也很難形成核心技術，導致大量采用國外技術和核心設備，在專利方面受制于人，導致成本過高拖累整個行業的發展。

2.2.3 規模化應用不足，準入機制不明確，對氫能安全造成隱患

我國氫能產業發展雖然有了一些基礎應用，但目前國內的應用需求還是低層次的，還處在野蠻生長的狀態。這種現狀對于氫能安全利用造成嚴重隱患，這極大損害公眾對氫和燃料電池的看法，一定程度上制約了產業健康有序發展。

當前我國氫能產業快速發展，取得了很大成就，但是在當前氫燃料電池車未全面推廣的條件下，用戶需求分布不均，部分加氫站加注能力已趨于飽和的同時，部分站運行時間不足，制約了加氫站運營及用戶體驗的提升，對加氫站的推廣應用不利。

3 基于大數據分析的加氫站智能管理系統

基于上述背景，本文設計了一種基于大數據分析的加氫站智能管理系統，采用大數據分析的方式打破了傳統意義上的站-車分離的狀態，實現了站-車數據共享，實現對加氫站運行計劃、車輛引流更為精準的統籌優化，對加氫站的設備安全穩定，氫燃料電池車的推廣應用及用戶體驗提升都有重要意義。

智能安全監控平臺除了對加氫站運行進行管理以外，還打通了氫能上下游鏈條，將從生產、儲存、運輸、加注、使用等多個環節，收集生產設備數據、儲存指標數據、運輸過程中產生的數據、加注數據、車輛使用數據等關鍵業務數據，深入發現原來忽視或不好管理的細節。然后依托物聯網、互聯網、工作站，建立云端大數據管理平臺，形成“端+云+大數據”的業務體系和新的管理模式，建立產業鏈綜合管理平臺，打通從一線操作與遠程監管的數據鏈條。

構筑的平臺通過智能采集層（傳感器）、結合運營商網絡和其他基礎設施，把數據上傳到服務器端，建立氫能數據中臺，整個中臺架構如圖1所示，由計算存儲平臺、數據開發治理平臺、數據資產平臺、數據管理應用平臺、業務應用平臺組成，采用先進的云計算、大數據、物聯網、移動通訊等技術，通過“云+端”模式，將生產過程數據、運輸數據、儲存數據、加注數據和車輛使用數據等及時上傳到智能管理平臺，實現生產、安全、環境等各業務環節的智能化、互聯網化管理。

圖1 加氫站智能監控平臺架構圖

4 技術路線與系統組成

4.1 大數據處理技術

加氫站及其上下游產業鏈數據以傳感器采集數據為主，隨著時間的推移，數據量會越來越大，傳感器歷史數據的積累對于業務服務具有非常大的價值。所以對于大數據的存儲和計算優選當前最先進的基于Hadoop的分布式處理技術。

數據層架構圖如圖2所示。大數據處理技術依托Hadoop等開放的底層技術。Hadoop是一種處理海量數據的并行編程模型和計算框架，用于對大規模數據集的并行計算，軟件開發者可以輕松地通過它編寫出分布式并行程序。Hadoop由許多元素構成。其最底部是Hadoop Distributed File System（HDFS），它存儲Hadoop集群中所有存儲節點上的文件。HDFS（對于本文）的上一層是MapReduce引擎，該引擎由JobTrackers和TaskTrackers組成。通過對Hadoop分布式計算平臺最核心的分布式文件系統HDFS、MapReduce處理過程，以及數據倉庫工具Hive和分布式數據庫Hbase的介紹，基本涵蓋了Hadoop分布式平臺的所有技術核心[2]。基于Hadoop生態體系，整合先進云計算技術，通過集成/優化/封裝，可支持對海量結構化、半結構化和非結構化數據的存儲與高速處理，并且支持對數據的高并發快速查詢。

圖2 數據層架構圖

4.2 基礎設施

4.2.1 網絡資源

因為涉及傳感器傳輸數據，所以網絡環境可能異常復雜，同時需保證采集內容的安全傳輸，都需要綜合考慮現有網絡條件進行數據傳輸方案設計，并在必要情況下支持人工數據錄入等手段保證數據的安全性和可靠性。

根據業務場景，涉及輸出傳輸的服務對帶寬需求：采集回傳服務，包括遠程回傳、終端采集等，上下行帶寬不低于2 Mbps；遠程操作控制指揮服務，充分考慮穩定性，上下行帶寬不低于10 Mbps；發布接口服務，大屏對接內容發布，上下行帶寬不低于20 Mbps。

4.2.2 計算資源

由于涉及大量的設備，同時分布在不同的場景，對不同場景下的數據接入處理，需考慮對接平臺的I/O壓力；針對不同場景進行交叉分析計算，牽扯大量的數據，需考慮服務器的計算能力。

4.2.3 存儲資源

平臺匯聚采集了大量的氫能產業鏈的數據，可以認為有多少傳感器就會有多少數據。假設有10 000臺采集設備，設備每天的傳輸數據量平均在100 K左右，則一年的數據量為100 K*10 000*365=365 G，同時考慮到未來發展趨勢，未來5~10年至少預留20倍于當前的存儲空間。

4.2.4 大屏資源

大屏的尺寸需根據室內版面的大小，做丈量以及相應的設計。

4.3 數據采集

數據庫網絡架構如圖3所示。根據氫能產業鏈的不同階段采用不同的傳感器裝備，分別采集生產數據、儲存數據、運輸數據、加注數據、車輛使用數據等，并回傳到數據中心。

圖3 數據庫網絡架構

4.4 主題數據庫建設

系統基于采集源構建氫能生產標簽主題、氫能儲存標簽主題、氫能運輸標簽主題、氫能加注標簽主題和氫能使用標簽主題等專題數據庫。

數據資產分層建設，原始數據層盡可能保留原始全量業務數據、中間數據層保留統一規范的標準業務數據、標簽數據層保持以對象為中心的全域標簽數據、應用數據層面向特定應用組裝的數據。

ODS：采集氫能產業鏈數據，幾乎不作處理或者只做簡單整合清洗。

DWD：傳統數倉層，維度建模，定義一致性指標、維度，各版塊按照統一規范獨立建設。

TDM：實體建模，跨板塊跨業務，通過DT-mapping把各個業務板塊各個業務過程同一實體數據打通，數據應用關鍵，針對氫能產業鏈數據可根據實際情況是否進行實體建模。

ADM：按照業務的需要從中間層、標簽層抽取數據組裝，以滿足業務以及性能需求為主。

通過數據模型的建立，業務系統的數據接入后，形成標準、規范統一的數據。

4.5 數據資產管理

通過數據開發門戶提供統一的離線、實時、算法開發和相關的任務運維監控服務，以及數據標準管理、數據治理管理、元數據管理、數據安全管理等數據管理服務，快速完成數據清洗轉換、數據融合等加工，以及相關的數據模型開發、標簽開發和算法模型開發，輔助完成數據資產的建設，所有數據開發任務以任務流的形式存在，支持按時間周期以及任務之間的依賴關系進行任務的調度，并對任務進行監測，以基線的方式保障業務數據的正常產出。

數據管理功能主要包括元數據、數據血緣、數據質量、數據生命周期等幾大管理模塊，方便相關人員管理數據和使用數據[3]。

4.5.1元數據管理

（1）元數據：元數據信息包括數據對象以及數據結構，例如字段名稱、字段顯示名、字段長度、字段類型等。

（2）元數據查詢：查看數據存儲、字段、分區、產出信息，可以預覽數據，包括元數據目錄展示、查詢、高級檢索、詳情等。

4.5.2 數據血緣

支持數據血緣追溯，通過血緣分析直觀展示數據的來源、數據間的關系。

4.5.3 數據質量管理

（1）表級監控：支持對數據表的存儲、增長等進行監控。（2）字段級監控：支持對字段的規范性，字段值等進行監控。（3）監控告警：根據規則設置監控和告警，支持短信、郵件、電話等多種告警方式，支持在告警的同時可以對前端的任務進行阻塞操作。（4）數據質量報告：提供綜合的數據報告，對各種信息進行匯總、統計和分析，并可以導出和訂閱數據質量報告。

4.5.4 數據生命周期管理

支持對數據進行生命周期的設置，并可以提供相應的生命周期建議，生命周期到期后具備完善的處理機制。

4.6 數據服務管理

數據服務管理是數據應用的統一入口，對數據、工具、應用統一管理并提供服務，包括分析服務、查詢服務、算法模型服務以及數據服務API管理，服務的發布端發布各種數據服務，服務的使用者申請相關服務權限，所有數據服務平臺統一管控，基于統一管控方便對服務調用、效果做監控統計。

數據開發服務是數據使用和價值變現的基礎平臺，在數據使用者和數據提供者之間建立有效通道，本項目數據打通類需求，通過數據服務模塊滿足。數據服務包含接口服務概覽、接口服務生成、接口服務管理等功能。

4.7 業務可視化

4.7.1 建立指標體系

氫能數據展示需根據整個產業鏈中產生的數據，分不同的版塊進行指標梳理。整體可分為生產版塊、儲存版塊、運輸板塊、加注板塊、車輛使用板塊。

4.7.2 大屏版面設計

建立完指標體系之后，則可根據大屏的大小，進行整體的設計，整屏分為多個版面，每個版面承載一個板塊的指標。對于一個板塊指標體系較多，可設計分屏展示。氫能汽車運營調度大屏的示例如圖4所示。

圖4 智能安全監控平臺建設-大屏展示

4.8 虛擬現實內容快速生成

氫能全流程管理，針對回傳數據，可借助“數字孿生”技術，實現現實內容1∶1虛擬化實現，提升應急處理能力。

平臺提供組件化、模式化的通用內容解決方案。場景組件均基于標準場景組件接口，實現高程數據+衛星貼圖+局部精細建模。一旦發生應急事件，根據模擬場景來進行指揮調度。

氫能產業鏈場景模擬包括生產場景模擬、儲存場景模擬、運輸場景模擬、加氫場景模擬、車輛使用場景模擬。模擬場景可配合大屏、傳感器數據實時顯示，輔助決策和運營。

5 結束語

根據《中國氫能源及燃料電池產業白皮書》[4]，預計到2025年國內燃料電池汽車總量將達到30 000輛，配套的加氫站將達到上千座，制氫、儲氫總量達到30 000 t以上，液氫、氫氣轉運車輛千余輛。

通過智能安全監控平臺的應用與推廣，可實現全產業鏈的安全監控與數據共享，方便整體統一指揮調度，保證整個氫能產業的健康穩定發展。僅就安全預警一項應用即可實現年節約運行成本5 775萬元。