分布式供电系统

关键词： 分布式 分析

分布式供电系统（精选十篇）

分布式供电系统 篇1

关键词：可再生能源,优化配置,独立供电系统

1 引言

日趋紧张的能源供应和日益严重的环境污染问题, 让越来越多的国家开始重视并大力发展可再生能源。在我国, 经济的高速发展与能源短缺以及环境保护的矛盾也日益突出。在此大背景下, 可再生能源的开发利用得到了国家和社会各界的高度重视和热情参与, 近年来获得了迅速的发展。

分布式可再生能源发电是可再生能源的重要利用形式, 目前用于发电的分布式可再生能源发电多为单一的发电系统, 如光伏、风机等, 不能有效利用资源和及时满足用户的用电需求。此外, 由于可再生能源发电的不可控性, 将其直接接入电网会影响配电网的电能质量。研究表明, 含多种形式的发电系统及储能单元构成的混合型供电系统可以充分利用自然资源, 形成能量互补和调控, 有较高的效益。其中, 含可再生能源的独立供电系统可以有效解决山区、海岛等偏远地区供电难问题, 提高供电质量和供电可靠性, 因此近年来受到了越来越多的关注, 在相关问题研究中, 如何合理有效地对含分布式可再生能源的独立供电系统进行配置设计是需要解决的首要问题。

含分布式可再生能源的独立供电系统的优化设计包括网络结构的优化以及各分布式发电单元类型、容量、位置的选择和确定。这需要根据各分布式发电单元安装处的负荷和可利用能源的情况, 考虑设备的响应特性、效率、费用以及控制方法等, 从而优化确定相关发电单元的信息, 提高整个系统的可靠性、安全性和经济性。含分布式可再生能源的独立供电系统容量配置是系统设计的关键, 优化的目的就是决定系统各组成设备的最优容量。

2 资源与组成设备分析

在含分布式可再生能源的独立供电系统中, 一般会涉及太阳能风能等可再生能源, 以及光伏、风机、蓄电池、柴油发电机等发电单元, 在进行优化配置时, 需充分分析评估这些因素。

2.1 太阳能资源

太阳能资源数据表示太阳总辐射量的大小 (直射辐射量+散射辐射量) , 可用其中任意一种形式:水平面小时平均总辐射量 (k W/m2) , 水平面月平均总辐射量 (k Wh/m2d·day) , 或月平均晴朗指数。如果仅有每月太阳能资源数据, 则应合成每小时太阳能总辐射量数据, 从而进行优化配置计算。

2.2 风能资源

风能资源数据需提供每小时风速数据, 如果没有, 则可以从12个月月平均风速和四个额外的统计学参数 (Weibull形状因子、自相关因子、昼夜模式强度和峰值风速小时) 合成出每小时风速数据。另外需要指出测风地点海拔高度, 计算出相应的空气密度, 在计算风机输出时会用到空气密度参数。

2.3 光伏组件

光伏组件发出与太阳能总辐射量成比例的直流电, 温度变化对功率输出有一定的影响, 如温度上升, 光伏组件输出功率会减小。

实际中, 光伏组件的输出很大程度取决于并且非线性于它所接入的电压, 最大功率点取决于太阳能辐射和温度。如果光伏组件直接接入直流负载或蓄电池组, 它所接入的电压一般都不是最大功率点的电压, 光伏组件性能会受到影响。最大功率跟踪 (MPPT) 是光伏组件与其余系统直流部分之间的固态装置, 将光伏组件与系统其它部分解耦, 确保光伏组件工作在最大功率点。一般情况下, 光伏系统中存在最大功率跟踪 (MPPT) 。

2.4 风机

风机发出的功率与安装地点风能资源状况以及风机设备自身技术特性相关。一般情况下, 计算风机每小时的输出功率, 分四步:1、通过风速资源数据找到测风点高度的小时平均风速;2、计算相应风机轮毂高度的小时平均风速;3、通过风机出力曲线计算标准空气密度时该风速下风机的输出功率;4、计算风机高度空气密度, 转换为实际空气密度时的输出功率。由此, 可得到风机的每小时输出功率大小。

2.5 柴油发电机

柴油发电机主要的物理特性包括:最大和最小功率输出、预期寿命 (运行小时数) 、燃料曲线 (耗油量与输出功率相关) 。在优化配置时, 可以自定义柴油发电机的运行工况, 使其在特定时间强制运行或关闭。在非强制运行或关闭时间内, 将基于系统控制策略、负荷需求以及其他特性因素来决定是否运行柴油发电机。

2.6 蓄电池

蓄电池有一定的约束条件, 如可以多快进行充电和放电、可以放电多深而不造成损坏、置换之前可以循环多少能量等约束条件。蓄电池的关键物理特性包括:标称电压、容量曲线、寿命曲线、最小SOC、往返效率。容量曲线表示放电容量与放电电流的关系, 随着放电电流增大, 容量减小。寿命曲线表示蓄电池充放电次数与循环深度的关系, 随着循环深度的增加, 失效循环次数 (即充放电次数) 较少。往返效率指进入蓄电池的能量中可以再返回出来的能量的比例。图1是动力学电池模型。

2.7 负荷

负荷主要包括三种模型:1、主要负荷, 通过调度必须满足的电负荷;2、可延期负荷, 没有特定时间限制的电负荷, 可以在任何时间供应;3、热负荷。

2.7.1 主要负荷

照明、电视、家用电器、电脑以及工业生产等是典型的主要负荷。主要负荷必须马上满足, 不能延期。如果负荷大于发电, 则记录为未满足负荷。

主要负荷比较特殊, 因为其需要运行备用。运行备用是指发电多余的容量, 它可以在负荷突然增加或可再生发电输出突然减小时立刻做出反应。虽然运行备用和运转备用意义相同, 但运行备用由蓄电池、燃料电池和电网提供, 它们却并不旋转。在计算时, 应确保系统运行容量一直满足主要负荷和所需的运行备用。

2.7.2 可延期负荷

可延期负荷是指在定义时间段内需要满足的电负荷, 对供应负荷的具体时刻没有要求, 可以当系统电能有多余时再供应。抽水蓄能、制冰厂、蓄电池充电站是典型的可延期负荷。延期供应负荷的能力对间歇性可再生能源发电系统有利, 因为它减少了对电力生产时间精确控制的需求。如果可再生能源发电大于主要负荷, 多余的电能可以供应可延期负荷, 而不是浪费掉。

2.7.3 热负荷

与主要负荷相似, 只是热负荷不需要运行备用。

3 经济性模型建模

可再生能源和非可再生能源有着非常不同的成本特性, 可再生能源有非常高的初始投资成本和低的运行成本, 而传统能源有低的初始投资成本和高的运行成本。因此, 在优化配置中需要对系统整个生命周期成本进行比较分析。

使用总净现成本 (total net present cost, NPC) 表示生命周期成本是一种常用的方法, 这个值包括工程寿命内的所有成本和收入, 以及折算到当前的未来现金流入。总净现成本包括系统各组成部分初始投资成本、工程寿命内各部分置换成本、运行维护成本和燃料成本、从电网购买电能的成本以及污染排放罚金。

在工程寿命末期, 计算各部件剩余利用价值:

式中:S是剩余利用价值, Crep是部件置换成本, Rrem是部件剩余寿命, Rcomp是部件寿命。

对于每个部件, 将投资成本、置换成本、运维成本、燃料成本和剩余利用价值以及其他成本和收入综合起来, 计算得到部件年度成本。

将组成部件的每年年度成本、其他成本如污染排放罚金等相加, 得到系统总年度成本, 使用这个值来计算系统的两个重要参数:总净现成本和能量成本水平。

使用下式来计算总净现成本:

式中:Cann, tot是总年度成本, i是年实利率 (折现率) , Rproj是工程寿命, CRF (·) 是资金恢复因数:

式中:i是实利率, N是年数。

使用下式来计算能量平准化成本:

式中:Cann, tot是总年度成本, Eprim和Edef是每年系统供应的主要负荷和可延期负荷的总量, Egrid, sales是每年卖给电网电能总量。因此, 能量平准化成本是系统发出的有用电能每千瓦时的平均成本。

虽然能量平准化成本在比较不同系统时比较方便, 但由于目前关于能量平准化成本的定义还存在争议, 故使用总净现成本作为主要标准。

4 系统优化配置

因为配置选择的多样性以及关键参数的不确定性, 分析和设计含分布式可再生能源的独立供电系统有很多挑战, 例如负荷大小、未来燃料价格。可再生能源的输出具有间歇性、季节性、不可调度性以及使用的不可确定性, 这进一步增加了复杂性。

在进行优化配置时, 通过比较总净现成本, 对成千上万种方案集逐一进行仿真和计算, 最后将得到总净现成本最低的配置及对系统起关键作用的敏感因子, 从而设计出适合负荷需求的优化系统模型, 以获得最低的经济成本, 最高的运行效率, 从而提高系统效益。

根据风光储柴发电系统输入的系统配置、负荷特性以及风速、太阳能辐射数据获得1年8760h发电量, 将每年8760h中每小时的资源数据与负荷需求作对比, 并计算流经每个部件的能量流。通常情况下, 为尽量充分利用可再生能源发电, 先采用风机和太阳能电池发电, 若两者发出的功率满足负荷要求, 将过剩功率充入蓄电池直至满充;若两者发出的功率和蓄电池所放电量不能满足负荷要求, 则启动柴油发电机以满足用户需求。

最优的系统配置是满足约束条件的总净现成本最低的方案, 系统配置中可决定的变量包含:光伏容量、风机台数、是否包括水电、发电机大小、蓄电池数量、变换器容量、调度策略等。

最后智能化判断非最优配置是否在某些方面比最优配置更加合适, 例如, 一个非最优配置只比最优配置总净现成本高了一点, 但却可以避免蓄电池的深放, 从而延长蓄电池的使用寿命;或者受实际工程情况制约, 某些配置参数需要进行相应的修正。此类问题需要根据实际需求考虑, 并做最后的决定。

5 敏感性分析

敏感性分析主要用以解决不确定性。如果对某个变量的值不确定, 可以输入可能范围内的几个数值来看计算结果的差别。敏感性分析可以帮助理解不确定因素的影响, 并做出良好的设计。但敏感性分析不仅仅是处理不确定性, 还可以使用敏感性分析来进行权衡并解决如下问题:需要增加多少投资来获取50%或100%可再生能源发电量;判断哪些技术或技术的组合在不同条件下是最优的;判断在什么价格或什么条件下, 一种产品 (光伏或风机) 有竞争力;判断需要何种水平激励措施来刺激市场中的特定技术, 或何种水平排放罚金会使得经济性倾向清洁技术。

6 结论

含分布式可再生能源的独立供电系统对解决偏远地区和海岛供电难问题有其重要的现实意义, 国内外已建设有相关示范工程项目, 为今后解决类似问题提供了一定的借鉴。本文对含分布式可再生能源的独立供电系统的优化配置进行了研究, 在分析了可再生资源分析以及系统组成设备后, 建立了系统经济性模型, 并在此基础上通过比较总净现成本实现系统的优化配置, 希望能为此方面的研究和工程设计建设起到一定的参考作用。

参考文献

[1]葛晓慧, 周金辉, 张雪松.含可再生能源的独立微电网优化配置研究[J].浙江电力, 2012 (12) :1-4.

[2]舒杰, 张先勇, 沈玉梁, 等.可再生能源分布式微网电源规划方法及应用[J].控制理论与应用, 2010, 27 (5) :675-680.

分布式存储系统 Katta 篇2

Katta可用于大量、重复、索引的碎片，以满足高负荷和巨大的数据集。这些索引可以是不同的类型。当前该实现在Lucene和Hadoop mapfiles

让大型高负荷的索引变简单

能为许多具有大型Lucene或Hadoop Mapfile 的索引碎片的服务器提供服务

在不同服务器上复制碎片以保证性能和容错性

支持插件化的网络拓扑

故障管理

快速、轻量级、易于集成

与Hadoop集群工作良好

Apache License,Version 2.0

分布式能源系统应用研究 篇3

【关键词】新能源；研究

一、引言

能源管控是一直以来持续热点的话题，尤其在当前社会进步和能源问题的日益严峻的情况下，以大电网模式为代表的传统的集中式供能系统已经逐渐暴露出一定的弊端，例如世界上多个国家陆续发生的大面积停电事故。因此对能源管理进行改善和变化就显得尤为重要，分布式能源系统作为一种新的供能方式，由于其是直接面向用户，按用户的需求就地生产并供应能量，可以实现根据用户对能源的不同需求，将输送环节的损耗降至最低，从而实现能源利用效能的最大化。因此，分布式能源被寄予了厚望，已经成为未来应对当前气候的变化，保障能源安全的一个重要方向。

二、什么是分布式能源系统

简而言之，分布式能源系统是一种建立在能量梯级利用概念基础之上，分布安置在需求侧的能源梯级利用，以及资源综合利用和可再生能源设施。分布式供能方式可实现冷、热、电三联产，通过将高品位的热能直接转换为高品质电能，将中低品位的热能直接转为所需的热和冷，以此将电、热、冷这3种能源有效地结合成1个系统，从而来实现能量的梯级利用。分布式能源系统主要是由动力设备和一个系统组成。动力设备是分布式能源系统的能量来源，其发展经历了蒸汽轮机、内燃机及外燃机、燃气轮机及微型燃气轮机、燃料电池和生物质能等可再生能源的历程。系统的作用是实现热、电、冷三联产，目前该系统的主要工作原理是利用广义的内燃机（产生电）的排气余热，通过余热锅炉产生蒸汽供热，同时通过吸收式制冷设备供冷。

三、分布式能源系统的优缺点

由于以大电厂、大电网为代表的传统能源系统在可预见的未来依然将占据重要作用，因此有必要将分布式能源系统与传统的集中式能源系统进行对比。通过分析对比两种能源系统的利弊，来更好地理解这两种能源系统各自的优劣势和适用范围。

分布式能源系统的最主要作用是體现在冷、热、电三联产中，这也是分布式能源系统最重要的优点。冷热电的联产符合总能系统的“梯级利用”的准则，可以实现较好能源利用率。而大型（热）电厂虽然可以产生大量电能，并且电能可实现远距离输送，但是热，尤其是冷，像电能那样较长距离有效地输送基本上不可能实现。另外由于电厂厂址的选择的局限，一般来说，电厂附近很难有足够大量的、合适的冷、热能用户，因此除非通过特殊设计并利用特殊的设备来使传统的集中式供能系统实现输送冷、热能的功能，否则集中式供能系统根本无法实现冷热电的联产。与此相反，由于分布式能源系统是按需就近设置，通过与用户很好的配合，来避免长距离输送冷、热能无法实现的问题，同时也不会存在电力输送过程中产生耗损的问题。综合考虑，分布式能源系统纯动力装置虽然本身效率低、价钱贵，但是分布式能源系统由于具有较大的调节、控制与保证能力，不仅可以保证各种二次能源的充分供应，同时也可以实现冷热电的联产。因此分布式能源系统作为新一代能源的发展方向必将取得飞速发展。

分布式能源系统的弊端主要体现在：分布式能源系统供能分散， 单机功率小，而现有动力设备都是机组越大、效率越高，所以分布式能源系统的发电效率较低。此外分布式能源系统的使用技术要求要比简单使用大电网供电来得高，分布式能源系统的使用需要要有相应的技术人员与适合的文化环境。

四、分布式能源系统的发展

自20世纪90年代以来，世界工业发达国家在发展大电源、大电网的同时，也开始了小型分散发电技术（即分布式能源）的应用。天然气分布式是分布式能源系统最重要的应用形式且在发达国家应用成熟，美国是目前全球分布式能源系统应用最广泛的国家，分布式能源系统多达6000多个，绝大多数为天然气分布式。2000年时，美国商业、公共建筑热电联产980座，总装机490万千瓦；工业热电联产1016座，总装机4550万千瓦，合计超过5000万千瓦。到2003年，热电联产总装机5600万千瓦，占全美电力装机7%，发电量占9%。2010年这一类的分布式总装机容量约为9200万千瓦，占全国发电量14%。根据美国能源部规划，2010-2020年将再新增9500万千瓦装机容量，占全国发电装机容量29%。美国的分布式发电以天然气热电联供为主，年发电量1600亿千瓦时，占总发电量的4.1%。美国能源部积极促进天然气为燃料的分布式能源系统，利用这些系统为基础发展微电网，再将微电网连接发展成为智能电网。分布式能源系统另一种重要应用形式是光伏分布式。分布式光伏在德国得到高度发展，德国是全球推广分布式光伏发电最成功的国家之一。截至2011年底，德国光伏发电总装机容量达到2470万千瓦，其中分布式光伏发电系统容量占比近80%，主要应用形式为屋顶光伏发电系统，单个发电系统平均容量仅为20千瓦。此外风力发电、生物质能发电等可再生能源发电系统也是分布式能源的重要组成部分。分布式能源系统在中国的最重要应用是广州大学城分布式能源站，该系统是中国华电集团公司在天然气高效利用方面的首个10万千瓦级分布式能源站建设项目，是亚洲最大的分布式能源系统，为分布式能源站在我国的发展提供了重大示范，为我国建立分布式能源系统设计系列化、模块化标准提供示范，

五、分布式能源系统的应用

由于分布式能源系统的初投资大，不仅需要好的燃料；同时还要有比较稳定的冷、热、电用户，分布式能源系统的应用主要体现以下几个场所：（1）城区商业休闲中心、公用事业单位。例如商场娱乐中心游泳馆、饭店宾馆、飞机场、银行、证券交易所、医院、学校、机关等大量需要冷、热的地方。（2）小型柴油机电站的淘汰。石油化工造纸纺织印染等领域的小型柴油机电站锅炉用分布式能源系统替代，不仅环保同时系统的经济性和效率可得到较大地提高。（3）城区燃煤热电联产机组的改造及燃气轮机电站的升级。利用分布式能源系统取代或者对这些电站进行升级，不仅可以减少污染，还可将蒸汽供应附近的工厂，实现冷、热、电联供。（4）中小型离散工业园区、新建的过程工业园区。在这些地方采用分布式能源系统来提供能源产品，来实现电、热、冷。（5）边远地区、孤岛、海港、海上作业平台、船舶等，这些地方集中式供能系统很难顾及，很适合采用分布式能源系统。

六、结论

分布式能源系统具有贴近用户、梯级利用、一次能源利用效率高、环境友好、能源供应安全可靠等优良特性，可以实现冷、热、电多联供的终端能源供给，可以有效降低地电、热、冷远距离输送的损失，同时还可以改善电源结构、改善供电效率、提高供电质量及供电可靠性等，因此已经成为传统集中式能源供应系统不可或缺的重要补充，以及未来世界能源技术的重要发展方向。由于我国的分布式能源起步较晚，且一直被政府的政策所冷遇，因为分布式能源系统的发展在我国依然是任重而道远。

参考文献

[1]周建华，李孝堂.关于分布式能源系统建设与发展的思考[J].航空发动机，2009年06期.

分布式供电系统 篇4

电力计量采集系统作为智能电网支撑层的四大子系统之一, 从各级智能终端实时采集各类电力计量信息, 以广东省为例, 计量采集操作包括按采集频率划分的15分钟、日、月采集, 还包括满足即时需求的随抄采集, 平均每天采集的数据量达到12GB以上, 随着智能电网的深化建设, 智能计量终端数量仍会有大幅度增长, 显然计量采集系统已经进入了大数据时代[1], 系统面临着需要支持海量数据处理的挑战。

同时, 计量采集子系统对大数据处理能力的支持具有显著的特殊性, 主要体现在数据产生方式、数据存储可靠性要求以及数据规模量级:首先计量数据产生频率极其稳定;其次计量采集系统提供补抄机制, 可对同一计量数据作多次采集请求;最后数据规模量级属于TB级。前两者表明无需为了满足尖峰请求、节点恢复准备大量的性能冗余, 后者表明数据规模属于中等, 同时考虑到后端大量已经存在的BI应用, 几乎均使用关系型数据库存储计量数据信息。因此, 研究海量数据实时、高效存储到关系型数据库的方法是提高计量采集系统接入规模、支持大数据应用的关键问题。针对该问题, 本文提出一种分布式可动态扩展缓存子系统, 用于解决了关系型数据库写操作的性能瓶颈问题。

1 相关工作

在基于关系型数据库来实现海量信息即时存储的系统中, 面临的问题主要包括数据的读、写操作效率和数据存储容量扩充。在已有相关研究工作中, 对数据存储扩容问题主要通过数据分片存储以及按使用频率进行“冷热”数据分区处理来解决问题;对于关系数据库中读操作效率问题主要通过构建数据库集群、缓存系统来解决[1]。真正的困难在于提高大数据环境下的写操作性能, 不仅与读操作一样受到硬盘IO性能的限制, 同时关系型数据库为了保证数据的一致性, 引入了事务机制, Stavros H.等人的研究工作表明, 关系型数据库中支持事务机制的代码占到整个写操作代码的45%, 去掉事务机制后写操作效率成倍提高[2], 因此在大数据应用背景下, 关系型数据库的写操作等事务处理往往成为系统性能的瓶颈[3], 事实上, Gartner的报告预测极限事务处理型应用的规模将由2005年的10%提升至2010年的20%, 极限事务处理技术是未来5年~10年的热点技术[4], 目前而言, 分布式缓存是一种最主要的技术, 为事务型应用提供高吞吐率、低延时的技术解决方案[5]。

目前几乎所有的互联网应用均采用分布式缓存技术来提高系统的吞吐率以及快速响应能力, Earls甚至认为对于数据密集型的Web应用, 如果失去分布式缓存这一关键技术的支撑, 云计算的潜能也将十分有限[6]。现有的分布式缓存产品主要包括IBM WebSphere eXtreme Scale (WXS) 、GigaSpacese Xtreme Application Platform (XAP) 、Terracotta Server Array、Ncache、Vmware GemFire、Red Hat Infinispan等[7]。现有大多数缓存系统主要以改进数据访问速度为目的, 通过对数据库数据的缓存, 来降低数据库的访问频率, 从而提高数据库读操作性能, 主要应用于查询密集型的系统[5]。面向提高写操作性能的缓存系统存在比较大的区别, 主要关注海量数据即时、可靠地存入到数据库中。目前能够支持写操作缓存的产品主要有Oracle Coherence、Couchbase、Memcached、Redis等[5,8], 前两者作为商业产品, 系统集成性差;Memcached、Terracotta EX, 它们在规模扩展时需要重启服务, 可扩展性差;Redis具有出色的性能, 吞吐率和平均响应时间都非常优秀, 然而其目前不支持分布式[9], 考虑到Redis数据库不仅单点性能卓越, 支持多种数据结构, 而且提供了易于使用的API和操作性能, 最重要的是作为开源产品其可扩展性强[10], 故本文基于Redis来设计可应用于计量采集系统的缓存系统。

2 分布式写缓存子系统设计

本节提出基于Redis的分布式写缓存子系统, 用于缓存采集通讯子系统所采集的计量数据, 当数据达到一定的量以后, 再将数据批量写入到关系数据库。数据批量写操作有利于提高磁盘IO的利用率, 极大地降低数据库的事务处理负载;同时当关系数据库入库的速度跟不上数据产生速度时, 可先将数据暂存在内存中, 当数据库有处理能力时再将数据写入到数据库中, 从而实现系统中对海量、高并发数据入库处理的支持。

由于Redis目前仍然只支持单点服务器模式, 为了满足大规模数据应用场景, 主要对Redis作了两方面的改进[8,10]: (1) 实现分布式缓存机制, 方便系统动态扩展; (2) 将Redis的Key过期处理逻辑改成采集数据写入关系数据库操作。

其系统结构如图1所示, 采用了集中询问模式, 由一个分布式管理中心进行分布式信息的管理, 即图中的分区路由节点, 在进行数据存取操作时, 缓存客户端首先从分区路由节点中获取数据的存放节点, 之后缓存客户端连接至缓存节点 (即图中的Redis缓存节点) , 执行数据写操作。

此外入库节点内含一个循环队列, 用于接收从Redis缓存节点由于Key过期触发推送而来的数据, 同时保持单个关系数据库连接, 执行批量写入关系型数据库操作。此种系统结构实现简单, 同时管理端的负荷小, 可以专注于进行数据分布、缓存节点信息的维护, 使系统具有很高的动态可扩展性。下面分别从缓存系统的数据分区、节点间通讯机制以及其Key过期处理策略三个方面来描述其设计。

2.1 数据分区方案

基于Amazon在其Dynamo系统[11]中提出的分区模式:将整个哈希空间划分为若干等大小的分区, 每个分区分别映射到一个服务器节点, 同时参考了朱鑫等人所提出考虑物理服务器性能差异的分区机制[12], 设计了两阶段分区方案, 其数据分区过程如图2所示:

(1) 将整个哈希空间划分为若干等大小的集合, 其数量C远远大于缓存节点数R, 依据缓存客户端提供的Key信息 (即智能终端ID和记录类型组合信息) 作一次hash, 映射到各个集合Ci。

(2) 依据各个Redis缓存节点所在物理机器性能, 主要指内存和网络带宽 (Redis缓存节点的CPU负载率较低) , 分别将第一阶段中形成的集合Ci集映射缓存节点Ri, 不同机器按性能分差异分别映射到不同数量的集合。

该分区方案在缓存系统动态扩展时相当方便, 加入新的Redis缓存节点时, 仅需修改分区路由节点中的集合与缓存节点映射表即可, 将其中某些集合映射到新加入的缓存节点, 不会影响到其他已有缓存节点。

2.2 节点间通讯机制

(1) Redis缓存节点的注册、退出、心跳协议[1,5,8]

①Redis缓存节点将自身状态 (启动/关机/运行) 广播。

②分区路由节点接收广播并更新其维护的Redis缓存节点状态表, 并负责响应Redis缓存节点对入库节点的查询请求 (分区路由节点可以有多个实例同时运行) 。

(2) Redis缓存节点连接请求协议

①缓存客户端向分区路由节点请求Redis缓存节点。

②分区路由节点接收请求, 按照缓存客户端提供Key按两阶段分区方案选择相应的Redis缓存节点。

该机制实现简单, 运行负载小, 具有较高的可靠性。

2.3 缓存系统中Key过期处理策略

计量采集数据按采集要求主要有日采集和月采集两大类, 其中日采集包括采集频率为15分钟的采集数据, 显然当缓存数据时间超过采集间隔时间时则没有意义, 因此, 必须保障缓存中的数据能够及时地入库, 否则将发生采集数据丢失的现象。

根据采集频率, 分别设置Key过期时间, 同时对Redis的Key期处理进行改写[10], 当Key过期时, 将当前未入库计量数据推送至缓存子系统中“入库”节点中, 同时更改当前Key的入库标志位为True, 避免反复推送入库操作。

3 系统性能

3.1 系统运行环境与系统规模

提出的分布式缓存系统运行于Windows Server2003操作系统, 共采用了三个Redis节点, 布署在三台普通PC机器, 内存容量2G, 关系型数据库采用Sybase数据库。

测试系统共接入变电站终端112个, 专变用户7948户, 配变台区5559台, 低压用户56万多户。终端设备1.5万多台, 电表设备59万余台, 包括厂站遥测、专变用户、配变台区和低压用户。

3.2 测试系统结构

测试系统共分为两种情况, 计量采集子系统的各采集节点直接将建立与关系数据库的连接, 进行记录存储操作, 另一种是采用了本文所提出的缓存子系统, 如图3所示, 各采集节点将其提交到分布式缓存系统, 而不是直接插入到关系数据库中, 现所有计量数据信息的入库操作均由分布式缓存系统中“入库”子部件实现。

3.3 性能结果

主要选取了数据存储操作的响应时间以及每秒平均插入记录数作为比较指标, 分别对采用和未采用缓存子系统两种情形作了对比。

图4中的 (a) 部分为随机观测的实时插入操作响应时间, 该响应时间是指对于通讯子系统而言的存储操作时延, 结果反映出未采用缓存子系统时插入操作响应时间呈明显的上下波动变化, 时延范围从零点几毫秒级到1毫秒左右, 采用缓存子系统后, 通讯子系统的存储记录操作时延基本不变, 维持在零点零几毫秒左右。

图4 (b) 显示了在接入采集终端规模从10万变化到60万过程中, 两种实验模式下插入操作平均响应时间, 如图所示, 采用了缓存子系统情形下其响应时间仅稍稍有所增长, 但始终处于零点零几毫秒级, 反映出其稳定的扩充能力。未采用缓存子系统的情况, 随着接入采集终端数量的增加, 其响应时呈增长趋势, 而且当接入采集终端数量从30万增长到40万台后, 平均响应时间增长有比较明显的跃升, 其后响应时间增长趋势更加明显。究其原因, 在没有采用缓存子系统之前, 每个采集节点由直接连接到数据库服务器, 入库性能受数据库服务器限制严重, 同时也限制了子系统的扩展, 每增加一个采集节点便会新增一个和数据库服务器的连接, 不仅增加了数据库服务器的负载, 同时由于每个连接操作相同的数据表, 在事务机制作用下将导致关系数据库性能进一步降低。图4 (c) 对比了平均插入速度, 该指标由缓存子系统中的“入库”子部件统计, 图中结果显示采用缓存子系统后, 记录插入速度由平均1000条/秒左右提高到平均每秒3万条记录以上, 可以看出关系数据库平均写操作性能得到显著提升。

从上述实验结果可以看出, 采用了分布式缓存系统后, 通过批量写入以及分阶段延迟写入后有效地解决了计量采集系统中入库操作存在性能瓶颈的问题。

4 结束语

针对关系数据库事务型处理性能瓶颈问题, 基于Nosql数据库Redis, 提出分布式扩展方案、并改写Redis中Key过期处理逻辑, 构建了分布式可动态扩展缓存子系统。将其应用到电力计量采集子系统中的结果表明, 该缓存系统具有性能好、可扩展性强、可靠性高等特点, 有效地解决了关系型数据库写操作的性能瓶颈问题, 对构造提高关系数据库事务型操作能力的缓存系统具有指导意义。

参考文献

[1]王珊, 王会举, 覃雄派, 等.架构大数据:挑战、现状与展望[J].计算机学报, 2011, 34 (10) :1741-1752.

[2]Harizopoulos S, Daniel J Abadi, Samuel Madden, et al.OLTP Through The Looking Glass, And What We Found There[Z].SIGMOD 2008.Vancouver, b.C., Jun.2008:981-992.

[3]Wikipedia.Extreme transaction processing[EB/OL].http://en.wikipedia.org/wiki/Extreme_Transaction_Processing.

[4]Fenn J.Hype cycle for emerging technologies[EB/OL].Gartner Report.2010.http://www.planetlarg.net/my-scripts/docs-toread/gartner/hype_cycle_for_emerging_tech_2010.pdf.

[5]秦秀磊, 张文博, 魏峻, 等.云计算环境下分布式缓存技术的现状与挑战[J].软件学报, 2013, 24 (1) :50-66.

[6]Earls A.Distributed data grids:foundation for future cloud computing[EB/OL]. (2010) .[2011-06].http://searchsoa.techtarget.com/news/1518647/Data-Grids-Foundation-for-future-cloudcomputing.

[7]Gualtieri M, Rymer JR.The forrester wave:Elastic caching platforms.Q2, 2010[EB/OL].ftp://ftp.software.ibm.com/software/solutions/soa/pdfs/wave_elastic_caching_platforms_q2_2010.pdf.

[8]王晓艳, 吕宁, 李会娟.基于SQUID+Memcached Web缓存技术的应用与研究[C].2009国际信息技术与应用论坛论文集 (上) .2009.

[9]Jure P.Using Memeached for data Distribution industrial Environment[C].Proceedings of the 3th International Conference on Systems, 2008:3-7.

[10]Rick Cattell, Scalable SQL and NoSQL Data Stores[J].SIGMOD Record, Dec.2010, 39 (4) :12-27.

[11]Decandia G, Hastorun D, Jampani M, et al.Dynamo:Amazon’s highly available key-value store[J].ACM SIGOPS Operating Systems Review, 2007, 41 (6) :205-220.

浅析分布式系统的安全性问题 篇5

关键词:分布式系统;安全

收稿日期:2009-11-08

作者简介:杨立华(1964-),男,黑龙江绥化人,武警黑龙江省总队司令部通信处处长。

一、局域网的安全性问题

目前大多数企业、公司乃至军队、政府机关都有自己内部的局域网。在这里,我们可以根据其连接性质将它们分类为连接的局域网和非连接的局域网。非连接的局域网即:这个网络在物理上只对有限人员开放,通常是一个组织的成员。很显然,非连接的局域网和那些不是非连接的局域网相比,在安全方面要考虑的问题要少得多,因为和那些不是非连接的局域网相比,潜在的威胁要少很多。对于非连接的局域网而言,最大的威胁来自于那些组织成员内部。因为只有这些人可以在物理上访问网络,所以只有这些人才能对网络构成威胁。但是这些来自于内部人的威胁是最难防范的。正所谓家贼难防。大多数情况下,他们对系统的工作原理了解得非常清楚,当然他们对系统的弱点也了解得非常清楚。非连接网络的一个潜在的威胁是,这个网络在大家都不知道的情况下已经和外部连上了。你可以认为你的局域网是安全的,以为这个网络只联了你们工作组的几台计算机,而这些计算机都属于可以信赖的人的。但是在谁都不知道的情况下,某个人在某台计算机上安置了一个调制解调器。这时,这个网络就变得不安全了。

连接的局域网除了连接本组织内部的网络外还和一些不受该组织控制的其他网络相连。和非连接的局域网相比,一个主要的不同是,这个网络面临的潜在威胁要大得多。除了要面对来自于内部人员的威胁以外,还要面对那些通过网际互联可以访问该网络的外部人员的威胁。和外部连接的局域网可以分为两类,一类是全连接的局域网。这个局域网和外部网络有无缝接口。还有一类是部分连接的局域网。这种网络可以在外部进行访问,但是得通过这个组织自己定义的技术和方法,而这种技术和局域网流行技术不相同。一个简单的例子是上面所提到的。某个人通过一台机器上的调制解调器访问一个非连接的网络,结果就造成了一个部分连接的局域网。这个连接之所以是部分连接,是因为通过调制解调器访问该网络,本身就是通过电话线来访问的,这个手段本身就可能包含了对访问该网络的某些权限限制。对于和外部连接的局域网而言,最大的威胁是它可能遭受来自于世界上任何一个地方的威胁。

二、分布式系统的网络安全策略

(一)防火墙

一个最常用的网络安全技术就是使用防火墙。防火墙技术是一种用来加强网络之间访问控制,防止外部网络用户以非法手段通过外部网络进入内部网络,访问内部网络资源,保护内部网络操作环境的特殊网络互联设备。它对两个或多个网络之间传输的数据包按照一定的安全策略来实施检查,以决定网络之间的通信是否被允许,并监视网络运行状态。构建一个防火墙就是在连接该局域网和外部网络的路由器上建立包过滤。只有那些符合规定的包才能从防火墙里边传到防火墙外边。

防火墙处于5层网络安全体系中的最底层,属于网络层安全技术范畴。在这一层上,企业对安全系统提出的问题是:所有的IP是否都能访问到企业的内部网络系统?如果答案是“是”,则说明企业内部网络还没有在网络层采取相应的防范措施。虽然从理论上看,防火墙处于网络安全的最底层,负责网络间的安全认证与传输,但随着网络安全技术的整体发展和网络应用的不断变化,现代防火墙技术已经逐步走向网络层之外的其他安全层次,不仅要完成传统防火墙的过滤任务,同时还能为各种网络应用提供相应的安全服务。另外还有多种防火墙产品正朝着数据安全与用户认证、防止病毒与黑客侵入等方向发展。

防火墙的关键技术就在于端口之间进行访问控制。比如一个路由器可以被设置成把所有从外边过来的试图通过端口23来访问的包都丢弃掉。这样做可以有效地关掉从外边进来的TELNET。大部分的路由器供应商都支持网络管理员建立一张关于允许访问和不允许访问的端口号表。使用防火墙的一个好处是网络管理员可以做到不用去访问组织内的每个用户的计算机就能提高系统的安全性。换句话来说,组织内的用户可以随意配置他们的计算机,防火墙可以保护他们。

防火墙的配置是非常重要的,必须要保证网络支持的协议(Domain Name System protocal)能够通过防火墙。否则,组织内部的机器就不能解析防火墙外的机器名字。同样,如果你想让防火墙内外的机器能够通讯的话,就要保证防火墙外的机器能够访问相应的DNS服务器,这样它们才能解析防火墙内的主机地址。实现防火墙的通常办法是拒绝绝大部分从防火墙外发起的到防火墙内的机器的连接。当然,特定的机器除外,这种机器被保证是绝对安全的。

必须严格限制从防火墙内发起的到防火墙外的连接,必须对这种连接特别小心。你必须明白谁会对你构成威胁,以及什么会对你构成威胁。禁止从内部发起的连接即意味着你连接到的主机可能就是潜在的威胁。如果防火墙允许任何协议通过的话,一个恶意的内部人员很容易攻破防火墙。

防火墙的另外一个成本是机会成本。因为大部分防火墙通常只允许特定的协议通过,一般是电子邮件。而其他的协议则一律不允许通过。这就使得公司的员工不能访问一些新的,有潜在价值的网络。这会使得网络不能得到很好的利用。目前的防火墙产品主要有堡垒主机、包过滤路由器、应用层网关(代理服务器)以及电路层网关、屏蔽主机防火墙、双宿主机等类型。

根据防火墙所采用的技术不同,我们可以将它分为四种基本类型:包过滤型、网络地址转换—NAT、代理型和监测型。1.包过滤型 包过滤型产品是防火墙的初级产品,其技术依据是网络中的分包传输技术。网络上的数据都是以“包”为单位进行传输的,数据被分割成为一定大小的数据包,每一个数据包中都会包含一些特定信息,如数据的源地址、目标地址、TCP/UDP源端口和目标端口等。防火墙通过读取数据包中的地址信息来判断这些“包”是否来自可信任的安全站点。一旦发现来自危险站点的数据包,防火墙便会将这些数据拒之门外。系统管理员也可以根据实际情况灵活制订判断规则。包过滤技术的优点是简单实用,实现成本较低,在应用环境比较简单的情况下,能够以较小的代价在一定程度上保证系统的安全。但包过滤技术的缺陷也是明显的。包过滤技术是一种完全基于网络层的安全技术,只能根据数据包的来源、目标和端口等网络信息进行判断,无法识别基于应用层的恶意侵入,如恶意的Java小程序以及电子邮件中附带的病毒。有经验的黑客很容易伪造IP地址,骗过包过滤型防火墙。2.网络地址转化—NAT 网络地址转换是一种用于把IP地址转换成临时的、外部的、注册的IP地址标准。它允许具有私有IP地址的内部网络访问因特网。它还意味着用户不需要为其网络中每一台机器取得注册的IP地址。在内部网络通过安全网卡访问外部网络时,将产生一个映射记录。系统将外出的源地址和源端口映射为一个伪装的地址和端口,让这个伪装的地址和端口通过非安全网卡与外部网络连接,这样对外就隐藏了真实的内部网络地址。在外部网络通过非安全网卡访问内部网络时,它并不知道内部网络的连接情况,而只是通过一个开放的IP地址和端口来请求访问。OLM防火墙根据预先定义好的映射规则来判断这个访问是否安全。当符合规则时,防火墙认为访问是安全的,可以接受访问请求,也可以将连接请求映射到不同的内部计算机中。当不符合规则时,防火墙认为该访问是不安全的,不能被接受,防火墙将屏蔽外部的连接请求。网络地址转换的过程对于用户来说是透明的,不需要用户进行设置,用户只要进行常规操作即可。3.代理型 代理型防火墙也可以被称为代理服务器,它的安全性要高于包过滤型产品,并已经开始向应用层发展。代理服务器位于客户机与服务器之间,完全阻挡了二者间的数据交流。从客户机来看,代理服务器相当于一台真正的服务器;而从服务器来看,代理服务器又是一台真正的客户机。当客户机需要使用服务器上的数据时,首先将数据请求发给代理服务器,代理服务器再根据这一请求向服务器索取数据,然后再由代理服务器将数据传输给客户机。由于外部系统与内部服务器之间没有直接的数据通道,外部的恶意侵害也就很难伤害到企业内部网络系统。代理型防火墙的优点是安全性较高,可以针对应用层进行侦测和扫描,对付基于应用层的侵入和病毒都十分有效。其缺点是对系统的整体性能有较大的影响,而且代理服务器必须针对客户机可能产生的所有应用类型逐一进行设置,大大增加了系统管理的复杂性。4.监测型 监测型防火墙是新一代的产品,这一技术实际已经超越了最初的防火墙定义。监测型防火墙能够对各层的数据进行主动的、实时的监测,在对这些数据加以分析的基础上,监测型防火墙能够有效地判断出各层中的非法侵入。同时,这种检测型防火墙产品一般还带有分布式探测器,这些探测器安置在各种应用服务器和其他网络的节点之中,不仅能够检测来自网络外部的攻击,同时对来自内部的恶意破坏也有极强的防范作用。据权威机构统计,在针对网络系统的攻击中,有相当比例的攻击来自网络内部。因此,监测型防火墙不仅超越了传统防火墙的定义,而且在安全性上也超越了前两代产品。

(二)应用网关(Application Gateways)

网关经常和防火墙联合起来使用。基本思想是用防火墙把大部分送往指定应用网关的包阻塞住。举个例子,如果电子邮件不是能够毫无阻碍地到达每台主机,而是只能到达某个特定的主机,这样的话,这台机器就能被设置成能够为整个组织收发电子邮件。同样地,只有一台特定的机器开放TELNET服务(这台机器是安全管理的),只有登录到这台机器上以后,你才能访问防火墙内的其他机器。应用网关可以被用来处理电子邮件,远程登录,及文件传输。大部分情况,仅仅是要正确配置一些软件。

总的来说,防火墙和网关联合起来的话,可以提供某种程度上的安全。既使这个局域网运行在不安全的网上,只要网络管理员对局域网的安全负责的话,即使他不能为每台机器进行合理的配置,这个网络还是安全的。不过要记住,防火墙和网关结合并不是完美的。大部分的网络管理员应该对1988年的蠕虫还记忆犹新。既使是在今天,蠕虫病毒还是能够轻而易举地越过大部分的防火墙。

(三)虚拟专用网络(Virtual Private Networks)

有一些企业上网只是为了和异地的其他部门进行通讯,对于这种情况,在Internet上建立自己的虚拟专用网络是一个安全的策略。

这种技术具有成本低的优势,还克服了Internet不安全的弱点。其实,简单来说就是在数据传送过程中加上了加密和认证的网络安全技术。在VPN网络中,位于Internet两端的网络在Internet上传输信息时,其信息都是经过RSA非对称加密算法的Private/Public Key加密处理的,它的密钥(Key)则是通过Diffie-Hellman算法计算得出。如,假设A、B在Internet网络的两端,在A端得到一个随机数,由VPN通过Diffie-Hellman算法算出一组密钥值,将这组密钥值存储在硬盘上,并发送随机数到B端,B端收到后,向A端确认,如果验证无误则在B端再由此产生一组密钥值,并将这组值送回A端,注册到N0vell的目录服务中。这样,双方在传递信息时便会依据约定的密钥随机数产生的密钥来加密数据。

确切来说,虚拟专用网络(VirtUal PrivateNetwork,VPN)是利用不可靠的公用互联网络作为信息传输媒介,通过附加的安全隧道、用户认证和访问控制等技术实现与专用网络相类似的安全性能,从而实现对重要信息的安全传输。

到这里,我们论述了构建安全的分布式系统的重要性,同时从技术角度介绍了几种关键技术以及每种技术的特点和实现手段。我们应该认识到系统的安全性问题是不断地发展变化的,这要求我们不断探索新技术、新方法确保系统的安全性。同时我们也应该认识到,安全不是绝对的。因为我们很容易就能建造世界上最安全的计算机,但它却什么都不能干。在很多情况下,安全需求必须和系统的其他设计目标之间做出妥协,比如说性能和用户界面的友好等等。还有一点很重要,就是你必须得考虑为了达到所要求的安全,你所需要花费的资金和个人的精力。这就要求我们能够准确衡量其之间的权重,根据不同的安全级别需要构建安全、可靠的网络安全系统。

参考文献:

[1]宋丽华.网络流量特征对排队性能影响的仿真分析与比较[J].系统仿真学报,2005-1,(17).

[2]阙喜戎等.信息安全原理及应用[M].北京:清华大学出版社,2003.

[3]周学广,刘艺.信息安全学[M].北京:机械工业出版社,2003.

分布式供电系统 篇6

目前, 用电信息采集系统经过两年多的稳定运行, 已接入100多万只表, 共产生1.2T存储数据, 数据日存储量约为2.4GB。采集系统要连续不间断地采集现场终端的各类电能信息, 接入用户数、电能表的记录信息随着时间的推移在不断地变化, 系统采集积累的数据量也随着时间的推移呈线性增长, 数据量庞大。同时, 随着终端接入数量和采集数据量不断增长, 系统优化以及用户实际使用需求越来越迫切, 对采集系统的监测和智能化方面提出了更高的要求, 另外, 现场通信组网方案涉及多种设备, 通信环节较多, 维护以及故障排查困难。

针对这些问题, 如果采用传统的关系型数据库进行存储和计算, 效率太低, 因此采用分布式计算的技术对这些采集的数据进行分析和处理, 通过分析现场采集、计量设备上报的异常事件和采集数据中的异常信息, 依据经验阈值, 采用智能诊断技术完成异常的全面、综合、深入分析, 实现对计量装置异常的归类, 并确认异常发生的真实情况。

1 故障诊断的关键技术

智能故障诊断是相对于传统故障诊断而言的。传统的故障诊断方法可分为基于信号处理的方法和基于数学模型的方法两类, 需要人工进行信息处理和判断分析, 没有自学习能力。智能故障诊断是融合了人工智能技术的新方法, 对设备故障信息有初步的自动分析和学习能力。智能故障诊断是故障诊断技术发展进程中的新里程碑。1956年人工智能学科正式诞生, 1965年出现了专家系统雏形, 1970年以后, 人工智能逐步实用化。电网的故障过程难以用数学模型来进行描述, 运行状态信息也复杂多变, 信号处理极其复杂, 而人工智能技术能够存储和利用专家长期积累的经验, 能够模拟人脑的逻辑思维过程进行推理以解决复杂诊断问题, 可不受外界干扰地提供高质量服务, 所以得到了广泛的应用。

电网故障诊断领域常用的人工智能技术包括专家系统、人工神经网络、决策树理论等, 此外近几年也出现了数据挖掘、模糊理论、粗糙集理论、Petri网络、贝叶斯网络、信息融合、信息论、支持向量机、仿生学的应用及多智能体系统等技术以及上述方法的综合应用, 针对这些故障诊断常用的人工智能技术进行比对和筛选, 最终选择专家系统来进行故障诊断。

2 专家系统基本原理

专家系统的目的是使用人类专家推理的计算机模型来处理现实世界中需要专家做出解释的复杂问题, 并得出与专家相同的结论。

专家系统中最关键的部件是知识库和推理机。知识库是专家知识在计算机中的映射, 是基于历史数据而构建的。推理机则完成利用知识进行推理的功能, 也就是根据知识库中的知识, 建立合适的模型。

在系统构建中, 利用一些历史数据构成知识库, 并基于选定的算法建立推理机。当输入新的故障信息时, 系统将根据知识库, 利用推理机推断出故障原因的可能性。

图1为一个典型的故障诊断专家系统结构示意图, 其中x1, x2, …, xn是故障发生时的异常特征, 而c1, c2, …, cn为专家诊断出的各种故障原因, 两者共同构成历史数据。即历史库中的每一个案例将包括一个故障发生时所记录的各异常特征组合 (0, 1分别代表相应特征的未出现与出现) , 以及专家对此故障所诊断出的故障原因。故障诊断专家系统结构示意图如图1所示。

其中, ci代表历史数据中的故障原因, xi代表历史数据中的异常特征。

知识库由历史数据建成, 不仅包括知识本身, 还包括专家的故障诊断经验法则。其中的核心部分是决策表。决策表的结构如表1所示, 其中包含有异常特征和故障原因, 而每一行表示一个真实的专家诊断案例。为实现知识库的高效运行, 当异常特征较少时, 可以直接建立决策表;而当异常特征较多或者很多时, 可以通过建立决策树或者其他算法来约简异常特征的维数, 从而提高运行效率。

当知识库逐渐壮大时, 根据诊断案例的可信度, 在保障推理精确度的前提下, 逐步删除前期的某些案例, 也可以添加新的异常特征, 使得系统可保持运算的高效性。

推理机的核心部分是建模, 即由知识库建立合适的模型, 当得到一组故障信息 (异常特征组合) 时, 通过推理机可以由已知异常特征推算出某种故障原因的可能性 (概率) 。

3 专家系统分布式解决方案

3.1 数据的载入与存储

将海量历史数据载入计量装置故障诊断系统是实现计量装置异常监测与故障智能诊断业务的基础。系统采用分布式文件系统HDFS作为存储底层, 采用优化后的并行ETL工具Sqoop对Oracle历史数据进行增量抽取, 并载入至分布式数据库HBase中进行存储, 为构建计量异常知识库提供数据支撑。

3.2 计量异常知识库的构建

知识库以HBase数据表的形式存在, 其中包含各个特征及异常事件原因。由于专家系统需根据历史数据进行智能诊断, 所以系统运行初期需要业务专家介入, 根据经验对各个异常进行判断, 得出原因, 建立规则, 形成初始的知识库。

专家系统具有自学习能力, 投入运行后, 业务专家将针对系统推荐的故障原因进行验证和反馈, 从而不断丰富知识规则, 提高诊断准确性。

当专家系统运行一段时间后, 知识库扩展到一定规模, 系统可以自动进行智能诊断, 给出对故障原因的建议。

3.3 智能诊断算法

知识库以HBase数据表的形式存在, 其中包含各个特征及异常事件原因。由于专家系统需根据历史数据进行智能诊断, 所以系统运行初期需要业务专家介入, 根据经验对各个异常进行判断, 得出原因, 建立规则, 形成初始的知识库。

3.3.1 异常诊断算法总述

在本系统中, 历史数据的每一个案例将包括其异常事件、异常特征和故障原因。

异常事件为系统运行中发生的故障, 如反向走字、表倒走、表飞走等;异常特征为各故障所对应的异常特征;故障原因为各故障所对应的真实原因。例如, 反向走字对应的特征有异常特征AA、AB和AC, 这类故障共出现了10次, 其中专家对此诊断出的原因是8次为窃电, 而2次为调度数据异常;表倒走对应的特征有异常特征BA、BF, 这类故障共出现了7次, 其中专家对此诊断出的原因是4次为窃电, 而3次为调度数据异常;表飞走对应的特征有AB、EA, 这类故障共出现过6次, 专家给出的诊断均为电表全失压。设总案例数为N, 则决策表可以构造如表2所示。

在工作时, 当输入新的故障, 则对应一定的异常特征组合。系统将在知识库中搜索此组合, 取得此组合所对应的各种故障原因的可能性 (权重) , 并给出结果;若库中无同样的组合, 则通过尽可能类似的组合, 通过一定的算法, 进行概率计算, 从而计算出此次故障的各种可能原因的概率, 从而给出结果。当真正的原因确定后 (如经专家断定, 或是经实际工作证实) , 还需将此次故障的真正原因加入库中, 并重新调整权重。

基于上述原理, 推理机的实现以朴素贝叶斯方法为基本思想, 结合使用逻辑回归方法。具体地, 对知识库中出现过的特征组合, 使用贝叶斯方法来推理;对未出现的特征组合, 由于本系统中不能确保每个异常特征的条件独立性, 因此不选用贝叶斯方法, 而是采取逻辑回归方法, 来预测特定的特征组合分别以每个异常原因解释的概率。

3.3.2 朴素贝叶斯方法

使用分布式编程模型MapReduce实现朴素贝叶斯方法算法, 算法如下:

历史异常特征的总和:X={x1, x2, …, xn}, 历史异常原因的总和:R={r1, r2, …, rn}。

建立决策表 (一个包含异常特征和异常原因的二维表) 。

属性约简, 寻找每个异常原因的所有相关特征。

根据历史异常特征对每个异常原因建立相应的朴素贝叶斯网络, 示意图如图2所示。

假设有异常特征的样本Xθ={x1, x2, …, xm}, 那么此异常特征属于某个异常原因ri的概率为

式 (1) - (3) 为所有历史异常数据的记录数, Nri为所有历史数据中出现异常原因ri的个数, Nx1, x2, …, xm为所有历史异常数据中出现特征组{x1, x2, …, xm}的次数, Nrix1, x2, …, xm为所有历史数据中出现异常原因ri的条件下又出现异常特征组{x1, x2, …, xm}的记录数。

3.3.3 逻辑回归方法

使用分布式编程模型MapReduce实现逻辑回归方法, 算法如下:

考虑P个独立变量的向量X= (x1, x2, …, xp) , 在这一条件下因变量Y为1的条件概率为:P (Y=1|X) =P。

则逻辑回归为:

其中, g (X) =β0+β1x1+β2x2+…+βpxp, 并且有

P (Y=1|X) =P的回归曲线如图3所示。

得到某个观测值的概率为

极大似然法计算估计值的计算联合分布为:

计算对数得:

对上式求导得到p+1个似然方程:

Newton—Raphson迭代法计算上述方程组的估计值。

对L (β) 求二阶偏导:

写成矩阵形式:

迭代停止条件是 (βnew-βold) T ( (βnew-βold) ) <ε。

具体在本系统中, 假设共有11个异常特征, 分别为AA, AB, AC, AD等, 异常原因则为R1, R2, R9, R10, R14, R15等。

当其中出现了历史数据中没有的异常特征组合{AA, AB, AC}时, 对应的异常特征组合为{1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0}。使用逻辑回归方法分别预测此特征组合能够以原因R9和R14解释的概率 (为1代表对应的原因能够解释, 为0则代表不能) 。

代入公式 (4) , 对异常原因R9, 计算得出其结果为1的可能性是0.99999999629, 为0的可能性是3.714311680e-8;对异常原因R14, 计算得出其结果为1的可能性是0.9999999955, 为0的可能性是4.547176524e-09。因此, R9和R14这两个异常原因的可能性相仿, 两个都优先推荐。

当只有AA异常时, 输入{1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0}, 对异常原因R9, 计算得出其结果为1的可能性是2.350462894e-08, 为0的可能性是0.9999999765;对异常原因R9, 计算得出其结果为1的可能性是4.305019212e-10, 为0的可能性是0.9999999996。R9和R14这两个异常原因的概率相仿, 但是R9的结果稍大一些, 推荐R9, 两个都优先推荐。

4 结束语

采用HDFS来存储计量装置异常数据, 用MapReduce程序对这些数据进行分析处理, 以及利用专家系统并结合智能诊断算法对故障设备进行诊断, 实时将信息反馈给运维人员, 从而提高工作效率和数据处理速度, 另外采用Hbase提升电能计量装置运行的稳定性和计量的准确度, 这样能够促进电力企业资金回收率的提升。同时, 针对供、用电双方的能耗情况, 提供用能优化方案, 降低能耗, 节约企业成本。同时, 提升系统智能化水平有利于减轻计量中心、用电检查等专业部门工作人员的工作量, 从而提高企业经济效益。

摘要：分析了用电信息采集系统建设和发展的现状, 发现当前现场采集计量设备巡检工作主要依靠检测人员定期到用电现场进行设备的检验检测, 对设备异常情况往往发现不及时, 降低了工作效率, 并且主站故障诊断功能在准确性和反应速度方面也存在不足, 因此采用分布式的专家系统来对计量装置异常进行监测以及对其故障进行诊断, 一方面可以通过获取现场计量设备相关异常信息并与知识库经验数据进行全面诊断分析, 可快速定位故障点, 便于现场运维人员进行定点排查, 从而确保电能计量装置运行的稳定性和计量的准确度, 另一方面以专家系统为基础, 融入智能诊断算法, 以提高故障诊断的速度和准确度。

关键词：用电信息采集系统,智能诊断,知识库,异常分析,大数据

参考文献

[1]郑伟, 安佰强, 王小雨, 等.专家系统研究现状及其发展趋势[J].电子世界, 2013 (4) :87-88.

[2]吴耘.电能计量装置异常状态监测系统终端技术研究[D].河北:华北电力大学, 2007.

[3]袁文铎.基于数据挖掘的故障诊断专家系统推理机设计[J].航空维修与工程, 2013 (1) :67-69.

[4]姚竟发, 滕桂法.用电信息采集系统及其应用研究[J].硅谷, 2013 (1) :255.

[5]霍志鹏.电能计量装置异常状态监测系统的研究[D].保定:华北电力大学, 2007.

[6]Rittinghouse J W, Ransome J F.Cloud Computing:Implementation, Management, and Security[M].Boca Raton, FL, USA:CRC Press, 2010.

[7]Cidon A, Stutsman R, Rumble S, et al.MinCopysets:Derandomizing Replication In Cloud Storage[C]//Networked Systems Design and Implementation (NSDI) , 2013.

[8]胡春玲.贝叶斯网络研究综述[J].合肥学院学报:自然科学版, 2013 (1) :33-40.

[9]曹敏, 梁仕斌, 李毅, 等.云南电网电能计量装置在线监测系统研究[J].电测与仪表, 2007, 44 (3) :40-41.

分布式供电系统 篇7

某城市集中供热项目,供热面积约为200万m2, 其中有20个热力站,热源与热力站( 用户) 之间地势高差较大,且供热范围较大。除最不利环路之外, 还有a ~ k共计11条支线。热源距离城市较远,位于离城市约8. 3Km的山顶上,热源与最低点热力站高差约为110m。其中最不利环路上有13个供热站。系统设计工作压力为1. 6 MPa,系统供回水温度为130 ℃ /70 ℃。本文采用水力计算、水压图分析等方法来研究供热系统运行过程中的工况,来确定哪一种系统更有效率。最不利环路水力计算表见表1。

由表1可知,以热电厂锅炉的系统循环泵入口为定压点,定压压力取20 k Pa,因为130 ℃水的汽化压力为176 k Pa,绘制最不利环路水压图如图1所示。图1中的实线代表动水压线,虚线代表系统管线的工作压力。

1传统供热系统

如果采用传统方式的供热系统,为了满足20个热力站的流量需求,需通过水力计算确定最不利环路所需资用压头,为系统选择循环水泵,并且在每个热力站处安装调节阀来调节外网压力。由图1可知,最近的1号换热站所需工作压力仅为0. 5 MPa, 小于最初的设计压力1. 6 MPa,也小于实际的系统工作压力2. 3 MPa。由此可见,外网提供的压头有77% 的能耗消耗在了调节阀上,造成了极大的浪费。

以此类推,从1号到12号换热站所需资用压头均要小于外网实际所提供的2. 3 MPa工作压力,而这些多出来的资用压力需全部靠热力站处设置的调节阀来消耗,并未真正用于管道系统的运行,整个系统的节流损失是非常大的。

2分布式回水变频泵供热系统

一次网分布式回水变频泵供热系统是指在热力站换热器一次网侧的回水管上安装回水加压泵完成流量大小的调节,当系统资用压差不足时,不但能够减小系统的工作压力,而且还可以进行供热系统的变频调节,减少因调节阀造成的能量损失,是一种运行成本较为低廉的供热系统。分布式系统在热力站内的安装示意图如图2所示。

分布式回水变频泵供热系统在水压图中有供水、回水动压线的交点,该点的供水压力与回水压力相等,因此该点的资用压力为0,即为零压差点。零压差点的位置选择与系统总流量、一次网总的供回水压差及每个热力站的流量大小等因素相关,合理地确定零压差点对于分布式回水变频泵系统的扬程有重要的意义。经综合比较,零压差点的位置取在支线a之后,采用分布式系统后的管网水压图如图3所示。

从图3可以看出,分布式回水变频泵系统主循环泵的扬程从200 k Pa降为130 k Pa,这是因为主循环泵只提供系统循环的部分动力,剩余动力由各个热力站的回水加压泵提供,所以使得主循环泵的功耗得到了极大的降低。随着管线的延伸,直至管网的最不利点,供水压力也未超过系统的设计压力。

此时相对于支线a来讲,主干线上的资用压差就可以达到系统的压力需求,不需要安装回水变频泵。而对于支线b ~ k则超过了系统所需压力,需调节支线运行压力,以便达到各支线系统的压力需求。 在支线b ~ k所安装的回水变频泵的扬程和流量见表2。

3系统运行功率

根据特兰根定律,以上两种系统理论运行的总

功率计算公式如下:

式中: Gi———供热系统各管段的流量,t/h;

ΔHi———供热系统各管段的压降损失,k Pa;

η———水泵效率,取70% ;

N0———由特兰根定律计算的循环水泵总功率,k W;

N———循环水泵总功率,k W。

传统供热系统与分布式供热系统的能耗比较见表3。

4结论

4. 1采用分布式变频泵系统可以随外网总流量的变化而进行变频泵转速调节,降低了热网调节的难度,也尽可能地减少了由于停电所引起的水击危害。 以该工程为例,若采用传统供热方式,在最不利环路上的13处换热站,有12处的工作压力需要进行调节,而且停电时造成的水击压力波也是非常大的,会对整个管网产生很大的影响。

4. 2采用分布式回水变频泵供热系统不但可以增加管网的输送效率,而且还可以减少约40% 的能耗,系统的运行成本大大低于传统的供热系统。

分布式供电系统 篇8

1.1 信源设备“从模拟到数字”演进

随着无线用户的增多, 无线通信系统容量急速扩充, 电磁环境也在恶化。原有模拟信源设备在现网应用中无法提供大规模高质量覆盖, 设备使用过多, 会叠加系统底噪, 增加网络干扰风险。

1.2 传输介质“从铜缆到光纤”演进

随着光纤通信技术的发展, 光纤在通信系统中的应用范围逐步扩大, 并逐渐向取代铜缆的趋势发展。在这种变化过程中光纤主要具备以下优势条件: (1) 传输速率高; (2) 能量损耗小; (3) 传输容量大; (4) 资源丰富, 材料成本低。

1.3 分布方式“从无源到有源”演进

无源分布系统主要由馈线、器件和天线组成, 主要由有源设备 (基站、直放站等) 将射频信号从分布系统总线处馈入, 分布系统将射频信号均匀分布在覆盖区的空间内, 实现信号覆盖的目的。而有源分布系统是将依靠电力工作分布系统单元均匀分布在整个分布系统内, 依靠这些有源单元, 实现电磁信号的覆盖。

2 传统分布系统面临的问题

传统分布系统由馈线、器件、天线组成, 利用天线分布系统将信号均匀分布在室内每个角落, 从而保证室内区域拥有理想的信号覆盖。正是因为传统分布系统在现网应用过程中出现了方方面面的问题, 促使人们寻求能够满足覆盖要求的分布系统。分析目前传统应用的分布系统, 其主要不足主要体现在以下方面。

2.1 传统分布系统运行质量难以保证

传统分布系统大量使用无源器件及馈线, 影响系统质量的节点过多, 每个器件、天线和每一段馈线都有可能影响系统质量。而且系统的故障点无法监控, 定位排查困难。

2.2 传统分布系统物业协调难度大

为保证分布系统覆盖能力, 大多分布系统的馈线、天线甚至于器件都暴露在外, 严重影响建筑整体协调性, 影响建筑美观。随着人类对自己居住环境要求越来越高, 对电磁污染的环保意识也越来越强, 因此, 大多数分布系统会引起业主强烈反感, 物业协调难度很大。

在室分建设中, (1) 通常单站点需要建设多种网络, 需进行多次物业协调, 已引起物业反感; (2) 在小区、写字楼等美观和隐蔽要求高的区域, 设备不仅要求隐蔽, 更要求占地空间小, 建网成本抬升; (3) 传统分布系统大量无源器件、天馈线的安装, 易激起业主维权意识。

2.3 传统分布系统工作效率低, 资源消耗严重

传统分布系统中馈线、器件会消耗信源很大功率, 分布系统整体做工效率低, 造成资源浪费。

3 多业务数字光纤分布系统介绍、特点及主要优势

针对传统分布系统存在的上述问题, 需要我们寻求一种能够满足当前市场特殊需求的新型分布系统。

3.1 MDAS系统简介

多业务数字光纤分布系统, 英文名称Multiservice Digital Distributed Access System, 简称MDAS。

MDAS室外业务数字分布式系统是集GSM和TD-SCDMA两种制式的室分型系统。MDAS系统主要由多业务数字接入单元 (MAU) 、多业务数字扩展单元 (MEU) 和多业务数字远端单元 (MRU) 组成。该系统中接入单元从信源RRU或微蜂窝基站端直接耦合GSM和TD-SCDMA信号, 采用数字传输方式, 通过光纤传输到扩展单元, 在扩展单元与宽带信号合路, 然后通过千兆网口传输给多个远端, 远端机对信号进行数字处理后, GSM信号和TD-SCDMA信号通过天线实现覆盖, 同时提供宽带服务。由于光纤分布系统中传输的是数字信号, 与射频频率无关, 因此可以在单链路上实现LTE的MIMO功能, 实现四网协同覆盖。

3.2 系统组网原理

该产品接入单元和扩展单元之间是基于数字中频技术的光纤传输, 扩展单元和远端之间是通过超五类线传输。该产品在数字中频技术的基础上实现了星型组网、菊花链组网、系统级联上行底噪控制功能、GSM上行时隙底噪关断、具有AGC控制功能、远端功率调节等功能。

3.3 产品形态分类及适用场景

3.3.1 放装型覆盖方式

放装型覆盖方式是采用放装型MRU, 均匀布放于建筑内楼道或平层合理位置, 实现对建筑内用户提供高质量通信服务的分布系统。放装型MRU功率小, 分布系统内布放密度大, 充分发挥室内“小功率、多天线”的覆盖优势。

此类覆盖方式主要适用于快捷酒店、宿舍、办公楼等“走廊式”建筑, 也适用于商场、市场等室内场景。

3.3.2 室分型覆盖方式

室分型MRU具备射频输出口, 能够为多个天线提供射频能量。该射频信号功率较低, 因此, 室分型MRU更加适用于小规模分布系统, 如咖啡厅、营业厅、小高层电梯井道等场景。

3.3.3 室外型覆盖方式

室外型MRU内置集成天线, 外观小巧美观, 设计功率0.5W/0.2W, 可安装在多层楼宇墙壁, 对本楼室内、本楼附近室外及对面楼宇室内区域进行覆盖。该方式网线布网, 协调难度低;网线布网, 施工效率高;均匀发射, 覆盖效果佳。

室外型MRU分布系统适用于多层居民小区覆盖, 同时适用于街道、沿街商铺及成中层等场景的覆盖。

3.4 MDAS系统解决方案的特点

(1) 组网灵活, 同时支持多业务融合。MDAS系统组网灵活, 彻底解决话务需求问题;能支持GSM和TD-SCDMA信号共用设备, 有效解决数据业务量大的问题。

(2) MDAS系统对信源基站底噪影响小。MDAS解决方案没有馈线、无源器件, 光纤、网线无损传输, 远端是多大输出, 覆盖即多大功率, 不像传统解决方案功率基本损耗在馈线和无源器件上;MDAS解决方案有源设备靠近用户端, 即用户终端上行的有用信号直接通过远端接收经网线光纤传输到基站。不同于传统覆盖中经过馈线有源器件损耗后再放大传至基站, 中间难免引入不必要的噪声。

(3) 物业协调容易。MDAS系统解决方案有效避免了采用馈线传输+板状天线发射的形式, 大大降低了物业协调难度, 减少小区业主的阻挠。

(4) 精确覆盖, 施工方便。每个覆盖单元功率单独可调, 可有效控制信号外泄, 从而实现覆盖区精确深度覆盖。MDAS解决方案施工周期短, 大大加快网络建设速度。

(5) MDAS系统能实现全网监控。灵活可靠的网管监控方案, 实现从信源接入至分布系统末端所有节点全面监控。

3.5 多业务数字光纤分布系统的主要优势

(1) 组网灵活, MDAS远端美观且布放方便, 物业协调难度较低;

(2) MDAS系统能够实现一次施工, 多业务同步覆盖;

(3) 采用网线传输, 降低物业协调难度, 隐蔽施工, 能够快速实施, 缩短建设周期;

(4) 远端内置天线, 且单个“天线”功率可调、可控, 能够实现定点、精确覆盖;

(5) 射频单元靠近用户端, 改善系统信噪比, 提升系统效率;

(6) MDAS系统能够降低多系统组网对无源器件质量的要求;

(7) 全网监控, 提高维护及优化效率;

(8) “小功率、多天线”均匀场强覆盖, 有效提升业务覆盖水平。

总之, 通过多业务数字光纤分布系统这种创新型分布系统可以解决传统型分布系统中存在的种种弊端和问题, 实现四网协同覆盖, 组网灵活, 全网监控, 从而能够在一定程度上提升网络覆盖效果及整体网络系统的安全稳定性, 及时满足广大客户的用网需求。

摘要：近年来中国移动通信事业快速发展, 无线通信经历了几代的更新换代, 无线通信网络结构也在逐步变化演进。随着用户数量的急剧增大和话务分布由室外向室内, 分布系统承担的网络任务越来越重要。从目前网络现状来看, 分布系统承载着大量的网络覆盖任务, 其质量严重影响通信系统无线话务吸收能力, 影响客户感知度, 从而影响运营上的品牌形象和运营收入。通过多年无线通信网络建设, 文章分析了传统型分布系统应在哪些方面进行改进, 介绍了一种新型分布系统——多业务数字光纤分布系统的特点及主要优势, 以提升网络覆盖效果及整体网络系统的安全稳定性。

关键词：分布式覆盖系统,演进,多业务数字光纤分布系统

参考文献

[1]Huahong Su.Cellular mobile Communication.Beijing:Pe-ople's Posts and Telecommunications Press, 2007.10-1.

[2]苏华鸿.蜂窝移动通信[M].北京:人民邮电出版社, 2007, 10 (1)

[3]Weixin Mu, Modern communication Engineering Design.Beijing:People's Posts and Telecommunications Pres, 2007, 9 (1)

分布式存储系统调查 篇9

由于数字设备的产生及快速发展(例如个人电脑、笔记本电脑、平板电脑、及智能电话等),因此新的数据不断产生,其规模越来越庞大。

根据市场研究公司IDC的一项调查显示,全球数字数据量每2年便翻一番。2011年的数据量将达到里程碑式的1.8泽字节(ZB),也就是1.8万亿G字节。IDC调查了一年中世界范围内原创或复制的数据发现:全球IT从业人数的增长并没有与服务器、数据管理及非结构化数据的大量增加成正比。到2020年,服务器数量将是现在的10倍,信息量将是现在的50倍。根据该调查得出的结论,到2020年,全球对从事管理数据工作的IT专业人员的需求量将是现在的1.5倍。

如何有效地管理和存储这些海量的数据,这一难题成为业界所关注的焦点。而分布式存储系统被认为是针对该问题的最佳解决方案,也越来越受到大家的关注。

2 传统的存储系统

2.1 直连式存储(D AS)

开放系统的直连式存储(Direct-Attached Storage,DAS),已经有近40年的发展历史,它的特点是:存储设备是通过电缆(通常是SCSI接口电缆)直接连接服务器。I/O (输入/输出)请求直接发送到存储设备,它基于服务器,其本身是硬件的堆叠,不带有任何存储操作系统。它的缺点是:①管理复杂;②主服务器容易成为访问的瓶颈;③缺乏数据共享能力;④扩展能力有限;⑤不能在线扩展和维护。

2.2 网络附属存储(NAS)

网络附属存储(Network Attached Storage,NAS)是一种将分布、独立的数据整合为大型、集中化管理的数据中心,以便对不同主机和应用服务器进行访问的技术。

NAS被定义为一种特殊的专用数据存储服务器,包括存储器件(例如磁盘阵列、CD/DVD驱动器、磁带驱动器或可移动的存储介质)和内嵌系统软件,可提供跨平台文件共享功能。但是,文件服务器容易成为整个系统的瓶颈,例如在大规模数据访问时会出现性能方面的问题。

2.3 存储区域网络(SAN)

存储区域网络(Storage Area Network)的支撑技术是光线通道(Fiber Channel)技术,这是ANSI为网络和通道I/O接口建立的一个标准集成。支持HIPPI、IPI、SCSI、IP、ATM等多种高级协议,它的最大特性是将网络和设备的通信协议与传输物理介质隔离。这样,多种协议可在同一个物理连接上同时传送,高性能存储体和宽带网络使用单I/O接口使得系统的成本和复杂程度大大降低。

SAN的主要特点是:①具有较高的扩展能力和高存储能力;②数据分享能力有限;③安全性较差。

3分布式存储系统分类

分布式存储系统从数据存储模型上来看,可以分为以下几类。

3.1 存储虚拟化

全球网络存储工业协会(Storage Networking Industry Association,SNIA)对存储虚拟化做了如下定义:从应用、计算机服务器或者一般的网络资源中抽象、隐藏或隔离存储系统,使应用和网络可以独立地管理、存储及获得数据。使用存储虚拟化的应用服务或者设备可以集成不同的存储设备,还能添加底层存储资源来扩展存储能力。

对存储虚拟化(Storage Virtualization)最通俗的理解就是对存储硬件资源进行抽象化表现。通过将一个或多个目标(Target)服务或功能与其他附加的功能集成,统一提供有用的全面功能服务。典型的虚拟化情况有:屏蔽系统的复杂性,增加或集成新的功能,仿真、整合或分解现有的服务功能等。虚拟化是作用在一个或者多个实体上的,而这些实体则是用来提供存储资源或服务的。

存储虚拟化的主要特点是:①通过虚拟化集中管理现有的存储资源以提高资产利用率;②不会增加管理和配置的复杂程度;③可以通过增加新的存储资源(通常是硬件设备),提高线性的扩展存储能力,但不会产生数据搜索方面的问题;④提供安全性更高的租户管理机制,因此用户和数据可以共享虚拟化的资源,而不受其他用户的影响;⑤可以无缝集成多个存储厂家的存储设备,避免了厂家锁定的问题。

存储虚拟化技术在实现层面上划分,有以下几种类别:①基于主机的虚拟化,这是存储虚拟化最早期的实现形式,它在主机的操作系统上基于存储虚拟化软件实现其功能;②基于存储网络的虚拟化是指,在存储的网络层中嵌入智能存储资源管理软件的技术;③基于存储控制器的虚拟化,该架构在阵列的存储控制器上执行虚拟化。一个第三方厂家的阵列可以简单地通过插到FC端口上的方式被虚拟化,解决了一般基于阵列虚拟化的厂家锁定的问题。

3.2 分布式对象存储系统

SNIA的对象存储设备是这样定义的:①一种新的SCSI存储设备;②对象可以类比为传统的文件;③对象是自完备的,包含元数据、数据和属性;④存储设备可以自行决定对象的具体存储位置和数据的分布;⑤存储设备可以对不同的对象提供不同的QoS;⑥对象存储设备相对于块设备具有更高的智能性,上层通过对象ID访问对象,而不需要了解对象的具体空间分布情况。

与传统存储模型相比,对象存储模型有了如下改变:①基于对象的存储,将存储模块转移到存储设备中;②基于对象的存储,将设备的访问接口转变为对象访问接口。传统存储模型与对象存储模型对比情况如图1所示。

对象是平等的,分布在一个平面中,而非文件系统那样的树状逻辑结构中,这也就给了用户很大的操作空间——可以利用对象构建文件系统,也可以直接使用这个平面空间。

用对象替代传统的模块的好处在于:对象的内容本身来自应用,具有“原子性”,因此可以做到:①在存储层进行更智能的空间管理;②内容相关的数据预取和缓存;③可靠的多用户共享访问;④对象级别的安全性。

同时,对象存储架构还具有更好的可伸缩性。对象存储模型如图2所示。

一个对象除了包含ID和用户数据外,还包含了属主、时间、尺寸、位置等源数据信息,以及权限等预定义属性,乃至很多自定义属性。对象存储设备中的对象分成4类:①用户对象,应用创建的普通对象;②集合对象,一组具有共同点的用户对象的集合;③分区对象,容纳用户对象和集合对象的容器,包含了有某些空间管理、安全等方面(比如quota)的共性的对象;④根对象,对象存储设备自己。

3.3 分布式文件系统

分布式文件系统或网络文件系统是指那些可以通过计算机网络访问存储在多个主机中的数据的文件系统,这使得在多用户之间和多应用之间共享数据和存储资源成为可能。

分布式文件系统最初产生于1980年代,其代表是NFS(Network File System)和AFS (Andrew File System)。2000年以后,分布式文件系统得到了更多的关注和长足的发展,其中以GFS (Google File system)和Lustre最为著名。

现在的分布式文件系统更加专注于高性能、高扩展能力、高可靠性、系统的高可用性和容错能力。以GFS为例,它构建在相对便宜的计算机节点上,通过以下手段达到了以上提出的需要付出高昂成本才能实现的存储能力:①通过将控制流与数据流分离的方式来提高系统的吞吐率,用户可以并行在多个节点上提取数据;②将数据分成同等大小的数据块,以方便数据的迁移和复制;③每个数据块都有多个(通常是3个)存储副本,以提高数据的可靠性和读取速度;④一个数据块可以被分布到不同的机器上,以提高系统的容错能力。GFS系统架构如图3所示。

4 结语

分布式存储系统可以存储海量数据,它具有性价比高及灵活的可扩展性等特点,在工业界和学术研究领域得到广泛关注。本文从传统的存储系统出发,比较了传统的存储系统和目前流行的分布式存储系统的区别与联系。同时,对分布式存储系统的分类及特点进行了初步分析。分布式存储系统有多种不同的实现原理和方法,适用于不同的应用领域,我们需要根据应用特点来选择合适的存储方式。

摘要：随着现代IT系统的发展,数据的规模越来越庞大,并且增速也越来越快,因此传统的存储系统遇到了前所未有的挑战。目前,已经有很多公司和组织使用分布式存储系统对其海量数据进行存储和管理,并且越来越多的其他用户也希望能够将其应用于云存储系统中,从而获得更好的性能和更低廉的价格。分布式存储系统作为云存储技术的基础得到了越来越广泛的应用,其中存储虚拟化常常被用于私有云存储的方案中,而面向对象的存储和分布式文件系统被更多地应用于公有云的系统中。文章介绍了目前流行的分布式存储系统,并为用户选择分布式存储系统提供参考。

关键词：分布式存储,文件系统,对象存储,分布式,存储虚拟化,存储,云存储

参考文献

[1]Sanjay Ghemawat,Howard Gobioff,and Shun-Tak Leung.The Google File System[A].19th ACM Symposium on Operating Systems Principles[C].Lake George,NY:October,2003.

[2]Jonathan Corbet.Linux and object storage devices[EB/OL].http:// lwn.net/Articles/305740/osd.html,2008-11-04.

分布式供电系统 篇10

【关键词】分布式能源；低温余热；回收技术

在工业制造过程中各种类别的热能转换设备与装置会形成大量未被利用的余热余能。目前我国工业企业中余热余能资源占据了所有输入能源总额的7.5%，但是余热余能的资源回收率仅仅只有34.87%。可以看出，我国余热余能的回收价值潜力十分明显。对余热进行回收利用相等于开发另一种新能源，能够显著提升能源的利用效率，推动我国社会经济的可持续发展，帮助我国能源战略的实现。

1.分布式能源系统及低温余热

分布式能源系统是当前国际能源工业中十分重要的发展方向之一，其已经在发达国家获得了普及应用。据相关报告调查统计显示美国分布式能源系统的总发电量已经达到90GW，其分布式能源系统发电量已经占据了国内总发电量的10%左右。分布式能源系统则是相对于传统的集中式供能能源系统来说。传统集中式供能系统应用所采用的是大容量设备，通过集中生产再利用专业的输送装备来将能源输送给用户，而分布式能源则是直接面向用户，根据用户的不同需求来就地供应能源，其功能齐全，能够满足多元化目标下中小型能力转化利用系统[1]。而对于分布式能源中的低温余热这一概念，当前国内外均没有统一的标准进行界定，通常来说低温余热是指200℃以内的工艺生产过中所形成的余热气、热水、冷凝水、300℃以下的气体等等。

2.分布式能源系统中低温余热回收技术

2.1低温余热回收原则

低温余热回收的方式包括同级利用与升级利用两种主要类别。其中同级利用主要是指根据低温余热的温度，选择适当的用户来利用低温余热直接替代高、中位热源，从而避免高、中位热源所引起的温差，节约了能源，实现了绿色节能的目标，这就是低温余热利用中为理想的方式。升级利用是指利用热泵、制冷等能量转变方式将低品位的低温余热转变为中、高品位的电、冷水等其他能源再进行使用。低温余热回收利用原则主要包括以下几个：1）优化工艺减少能源消耗，最大程度减少低温余热；2）在保证原有生产工序正常进行的基础上，最先考虑低温余热回收利用的经济性与安全性，在明确低温余热回收方案后要对低温余热回收低成本进行计算，保证其合理性，同时还要兼顾回收利用所使用装备的投资费用[2]。

2.2低温余热回收技术

2.2.1低温余热发电

低温余热发电技术是一项十分高效的节约能源技术，其原理就是利用设备余热来对水体进行加热，然后使之成为高温蒸汽，驱动透平做功，从而带动发电机进行发电。该技术已经成为了低温余热回收技术中最为高效的回收技术。当前低温余热发电机主要包括汽轮机与螺杆膨胀机，动力转换方式包括朗肯循环以及卡林纳循环。总的来说，在分布式能源系统中运用低温余热发电技术虽然是切实可行的，但是由于其所需设备装置复杂，需要投入较大的成本，并且还会受到余热温度的限制，从而导致发电效率较低，因此在发展低温余热发电回收方面应该着重关注如何简化装置，降低成本投资，从而提升其竞争力。

2.2.2低温余热制冷

低温余热制冷所遵循是的逆卡诺循环能量转换，其更加适用于夏季高温作业过程中所需要的低温余热回收。目前低温余热制冷技术主要包括氨水与溴化锂[3]。其中氨水是氨气作为制冷剂，水作为吸收剂，通过液态氨汽化吸收周围的热量，温度快速下降的特点来完成制冷，其对热源的温度要求相对较低，仅仅只需要低于200℃即可，但是由于其热力系数不高，因此应用并不广泛。而使用溴化锂作为制冷剂能够利用其强力的吸水性，营造水蒸发的低压环境，从而制得5℃以上冷量，热力系数较高，应用较为普遍。低温余热制冷技术在分布式能源系统应用的过程中应该着重注意提升系统的使用效率、安全性与稳定性。

2.2.3热泵

在工业生产中有大量稍高于环境温度的废热，例如冷却废水、水汽等，虽然温度较低但是余热量，因此热泵技术通常都被应用与此类低温余热的回收中。热泵将消耗部分高质能作为回收补偿，利用制冷机的热力循环将低温余热热量输送到高温热媒，从而满足建筑采暖、干燥制热的需求。当前热泵机组的供热系数通常在3-5范围内，当消耗1kW电能的时候可以获得3-5kW热量。热泵是一种十分高效的低温余热回收方式，将其运用在分布式能源系统中拥有十分广阔的发展空间。

3.结束语

在政府与社会环保理念与意识越来越强的背景下，分布式能源系统与其低温余热回收技术已经引起了社会各界的关注。当前分布式能源系统中低温余热回收技术较为普及的包括发电、低温余热制冷以及热泵等，其不单单能够有效回收余热，还能够缓解对环境的污染程度，全面提高能源的利用率，从而最终实现充分利用能源的目标。

参考文献

[1]彭汉明，杨敏林，蒋润花.分布式能源系统中低温余热回收技术[J].节能，2011，（03）：4-8+2.

[2]Mahmut Sami Buker ， Saffa B. Riffat.Solar assisted heat pump systems for low temperature water heating applications： A systematic review[J].Renewable and Sustainable Energy Reviews， 2016， Vol.55

[3]蒋润花，杨晓西，杨敏林.内燃机缸套水低温余热驱动除湿机组实验研究[J].工程热物理学报，2014， （12）：2338-2342.

作者简介