欢迎来到天天文库
浏览记录
ID:6429870
大小:535.00 KB
页数:6页
时间:2018-01-13
《远程抄表系统方案》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、远程抄表系统方案1、设计标准1)DL/T645-1997《国家电网电表通信协议规约》2)DL/T698《国家电网多功能电表通信协议规范》3)GB/T18460.1《预付费售电系统总则》4)IEEE802.11b/g标准《无线网络规范》5)DL/T614《多功能电能表设计规范》6)Q/GDW356《国家电网公司企业标准》7)GB/17215.321-20082、系统设计2.1系统结构图远程抄表管理系统6该远程抄表系统主要由智能电表、485转TCP/IP转换器、公网、服务器(管理软件)、客户羰等部分组
2、成。其中智能电表通过485协议与485转TCP/IP转换器相连。485转TCP/IP转换器通过公网与服务器相连。上层管理软件对应用进行管理。本系统在硬件上由客户端、服务器、485转TCP/IP转换器和智能电表等组成:1)服务器:用来发送监测中心计算机的指令和接收控制器传输的电度表的信息,通过网络通信接口送入计算机,为客户端服务。2)采集终端(485转TCP/IP转换器):通过485转TCP/IP转换器来转换信号与服务器相连。3)客户端:人工操作设备,用来采集智能电表,同时向电表发送各种指令。4)智
3、能电表:智能计量与管理用户的用电情况,通过485接口与采集器连接传送数据。5)针对村、乡的组网可以采用移动4G、无线、有线设备进行数据的传输。6)针对市、省可采用光纤的组网方式。2.2软件体系结构该平台采用基于SOA+PaaS的典型应用架构,可承载智能采集方面的扩展性应用,平台架构示意图如下:平台6支撑省、市、乡镇范围的新一代智能远程抄表系统应用,其主体为运维中心。运维中心主要由基础设施层、网络传输层、数据层、中间层、应用表现层和支撑管理系统构成。平台的主要服务模式包括平台即服务、软件即服务和设施
4、即服务。基础设施层:包含智能采集设施两大类,主要用于对电能参数的感知。网络传输层:包含有线、无线、移动运营商等网络通道和传输设备。数据层:包含用于数据采集的数据库引擎和分布式处理的数据库集群,信息内容主要包括路网的静态属性信息、动态时空信息和传感信息。中间层:包含中间件和WEB服务。中间层可访问部分行业用户的数据,也可直接向部分行业用户提供数据资源服务(WEB服务)。应用表现层:包含各类应用。应用表现层通过中间层访问数据层。支撑管理系统:包含运维配置、云资源、道路仿真和信息安全的管理。3、系统功能
5、(安客户的要求写)4、关键技术目前远程抄表管理系统大部分采用通讯服务的方式进行数据的采集与处理,这样会带来以下一些问题:1)基于通讯服务器计算能力及核心计算单元数量的限制,当大范围或者智能电表的数量增多时,系统的运行速度将会受到严重的影响。2)一般的组网范围不大于城区,如果放到全国范围内联网,如何进行数据存储将会是技术的瓶颈。3)因为数据库存在于服务器本地,给容灾性能带来的挑战。当突发性事件到来时,数据难以完全恢复。4)管理平台访问下层硬件资源和数据库中的数据,不具备透明性。影响应用程序的升级及系
6、统二次开发能力。针对以上传统远程抄表管理系统中存在的一些问题,本系统中将引入并行计算和虚拟化云资源管理两种核心技术。4.1并行计算针对以上问题(1)和问题(2),本系统6采用Hadoop+Hive与Cassandra相结合的方法。其中Hadoop+Hive针对具有对海量数据进行数据挖掘需要的应用,Cassandra用于常规查询性的业务,两者是平行互补的关系。Hadoop的核心部分由底层分布式文件系统HDFS和并行编程框架MapReduce组成。系统整体概念如下图所示。HDFS被设计成能够在一个大集
7、群中跨机器可靠地存储超大文件。它将每个文件存储成一系列的数据块,除了最后一个,所有的数据块都是同样大小的。为了容错,文件的所有数据块都会有副本。每个文件的数据块大小和副本系数都是可配置的。应用程序可以指定某个文件的副本数目。副本系数可以在文件创建的时候指定,也可以在之后改变。HDFS中的文件都是一次性写入的,并且严格要求在任何时候只能有一个写入者。HadoopMap/Reduce是一个使用简易的并行软件框架,基于它写出来的应用程序能够运行在可多达上千个商用机器组成的大型集群上,并以可靠容错的方式并
8、行处理TB级别的数据集。一个Map/Reduce作业(job)会把输入的数据集切分为若干独立的数据块,由map任务(task)以完全并行的方式处理它们。框架会对map的输出先进行排序,然后把结果输入给reduce任务。整个框架负责任务的调度和监控,以及重新执行已经失败的任务。通常,Map/Reduce框架和分布式文件系统是运行在一组相同的节点上的,也就是说,计算节点和存储节点通常在一起。这种配置允许框架在那些已经存好数据的节点上高效地调度任务,这可以使整个集群的网络带宽被非常高效地
此文档下载收益归作者所有