智能建筑中央空调监控系统存储优化策略研究
2014-09-15任庆昌
白 燕，任庆昌
(1.西安建筑科技大学理学院，陕西 西安 710055;2.西安建筑科技大学信息与控制工程学院，陕西 西安 710055)
智能建筑中央空调监控系统存储优化策略研究
白 燕1,2，任庆昌2
(1.西安建筑科技大学理学院，陕西 西安 710055;2.西安建筑科技大学信息与控制工程学院，陕西 西安 710055)
随着智能建筑的迅速发展及管理要求的不断提高，监控系统信息管理的实时性、快速性以及存储模式设计的合理性要求也不断提高。针对智能建筑中央空调管控子系统监控点位多、数据存储量大、子系统多样以及管理复杂等特点，构建数据采集平台，利用OPC XML技术，将关系数据模型与XMLDB结合，设计低冗余数据存储及查询优化策略。实验及应用结果表明, 该策略适用于中央空调监控系统的信息管理与优化存储，在一定程度上提高了系统的管理水平和运行效率。
存储优化；中央空调; 监控系统；XML数据库
1 引言
随着智能建筑的迅速发展及控制管理要求的不断提高，异构信息网络与控制网络的集成与数据融合已经成为企业自动化系统及智能建筑发展的重要方向与研究热点，同时也是控制理论学术研究发展的必然趋势[1]。
智能建筑管理与控制系统集成分布式网络各子系统信息；对各子系统、关键设备、关键监测点状态进行集中监控；访问数据库并写入相关信息；实现各子系统间的联动功能，并协调优化不同子系统的运行，从而为建筑环境提供安全、舒适、方便的生活条件和高效的工作环境，并保证其运行维护管理的经济性和智能化[2]。
目前，常用的控制与信息网络集成技术主要包括：(1) 在控制网络和信息网络之间加入协议转换接口(网关)；(2) 在控制网络和信息网络之间采用DDE (Dynamic Data Exchange)技术；(3) 采用统一的协议标准实现，融合控制网络协议传输速度高以及信息网络高实时性的优势；(4) 采用网络数据库技术，通过浏览器与信息网络数据库进行动态交互式信息交换；(5) 采用OPC (Object Linking and Embedding for Process Control)技术实现分布应用和异构环境下应用程序间的无缝集成和互操作性[3]。近年来，于仲安等人[3]对工业控制网络和信息网络融合技术进行了分析对比；雍静等[4]学者提出了基于Web数据库技术的控制网络与信息网络的集成架构，并将其应用于中央空调系统网络集成；周路明等人[5]基于OPC技术，将实时数据库引入智能建筑管理系统的设计。
Figure 1 Central air-conditioning system structure diagram图1 中央空调系统结构示意图
中央空调系统作为智能建筑楼宇自动化系统BAS (Building Automatic System)的主要组成部分，在有效融合控制网络与信息网络的基础上，针对实际业务过程中对半结构化数据及轻量级数据的应用需求，将XMLDB与传统关系数据库结合，设计合理的数据库结构，可在发挥各自优势的前提下，进一步提高数据存储及查询效率。Haw Su-Cheng等人[6]对基于XML数据库的数据存储与查询过程进行了研究；Min Jun-Ki等人[7]构建了基于关系数据库的XML数据管理系统。
上述研究在控制网络与信息网络集成、基于OPC技术的Web数据库及实时数据库应用、XMLDB与关系数据库融合等领域取得了一定成果。但是，对于智能建筑管控系统存储优化策略的研究仍需进一步探讨。本文针对智能建筑-中央空调数据管理子系统监控点位多、数据存储量大、子系统多样以及管理复杂等特点，进行低冗余存储优化研究，基于西安建筑科技大学-智能建筑研究所变风量中央空调系统实验平台，构建数据采集系统；利用OPC XML技术，在实现底层控制系统到高层应用程序的纵向信息系统集成的基础上，将关系数据模型与XMLDB结合，设计低冗余数据存储及查询优化策略。
2 中央空调系统总体架构
本文基于西安建筑科技大学智能建筑环境技术实验平台(IBETEP)-变风量中央空调系统进行研究。该系统包括水系统、风系统、末端系统等三部分，由两台冷水机组、两台空气处理机组AHU(Air-Handling Units)、六个变风量末端(VAVBOX)、三台定频一次泵、一台变频二次泵、一台热水箱、若干散流器、管道和各种传感器、控制器、执行器、工控机等组成，如图1所示。
该实验平台由三层构成，如图2所示，包含现场层、控制层和管理层。现场层与控制层之间采用欧姆龙CJ1W-SCU31-V1串行通信单元、基本I/O单元(CJ1W-ID211、CJ1W-OC211)和特殊I/O单元(CJ1W-DA08C、CJ1W-DA08V、CJ1W-AD081)实现数据传送。控制层与管理层之间通过欧姆龙 CJ1W-ETN21以太网单元实现PLC与上位机的连接；用NI OPC Server和DSC模块完成LabVIEW和欧姆龙 PLC的通信，构成一个实时高效的通信网络系统。
Figure 2 Control system communication structure chart图2 中央空调控制系统通信结构图
系统中间控制层包括组态软件和数据库服务器；系统管理层包括上位机监控软件和Web服务器。监控软件利用XML数据库及关系数据库对现场数据进行存储。通过ODBC 实现实时数据与信息网络数据的融合 (XML数据库与关系数据库集成)。在Web信息层, 客户端使用浏览器通过Internet访问Web服务器(Browser/Server模式)构成远程监控系统。
3 关键技术分析
3.1 基于OPC XML的现场数据通信
该平台软件系统设计的三层结构包括：底层(控制层)、中间层(接口服务层)、上层(Web层)，如图3所示。其中，底层主要对控制对象进行监控，利用NI OPC Server将底层信息传送至中间层组态软件，通过ODBC完成实时数据与信息网络数据的融合，客户端通过浏览器访问Web服务器构成远程监控系统。
Figure 3 Central air-conditioning control network and information network integration architecture图3 中央空调控制网络与信息网络集成构架
本系统采用OPC技术实现现场设备与监控软件的通信，提供数据源(OPC服务器)和数据使用者(OPC应用程序)之间的软件接口标准，完成实时数据采集。OPC服务器客户端应用程序接口如图4所示。
Figure 4 OPC server client application programming interface图4 OPC服务器客户端应用程序接口
图4描述了自动化客户端(Automation Client)通过包装(Wrapper)调用OPC数据访问接口服务器(OPC Custom Interface Server)的模型。OPC自动化对象层次结构如图5所示[8]。OPC Server为现场设备的通信提供标准接口，客户端通过接口与OPC Server通信，以此实现对现场设备信息的间接存取。该实验系统的数据源为OMRON PLC；将OMRON OPC Server部署在独立的工控机上，完成现场控制设备的数据读取；同时与OPC Client的上位监控软件通信，提供远程OPC服务。
Figure 5 Automation object hierarchy图5 自动化对象层次结构
通过OPC服务器及客户端对OPC规范的支持，异构网络结构及接口协议间的差异可以得到隐藏，但实际应用中OPC COM/DCOM技术在多平台互操作性、服务器端口通信的潜在障碍、企业高层应用无OPC-COM接口等方面出现了不足。
XML结构化、规范化、简洁化和可扩展等特点对上述不足提供了新的解决方案，凭借与平台无关的中性数据表达协议，与HTTP结合，提出SOAP(Simple Object Access Protocol)技术，实现大量异构程序和平台间的互操作，从而解决OPC DCOM的不足[9, 10]。
基于XML的Web服务概念，OPC XML DA规范以SOAP作为应用程序共享消息包装的标准协议，采用WSDL(Web服务描述语言)进行Web服务描述。OPC客户端和服务器之间采用HTTP协议进行Web服务传输。该规范主要由OPC XML-DA Schema组成，包括构成OPC XML-Web服务的数据类型、数据结构、方法以及通信协议、错误处理、发现机制和互操作性等底层规则[11]。
3.2 数据存储与优化
系统数据库作为信息网络和控制网络集成的基础，其数据存储性能及信息检索效率对于智能建筑中央空调管控系统尤为重要。
本文所研究的中央空调系统软件架构如图6所示，主要包括空调系统智能控制模块、能耗计量模块、数据管理模块及系统优化模块等。其中，数据管理模块包括数据采集、低冗余存储优化以及数据查询等功能，由关系数据库SQL Server和XML数据库完成。
Figure 6 Software overall structure chart图6 软件系统总体结构图
3.2.1 数据采集与存储
现场实时信息的采集由数据采集模块负责完成，通过Lab SQL提供的ADO (Active Data Object)与ODBC连接完成对SQL Server数据库的访问，基于Command VIs、Connection VIs及Recordset VIs等实现Labview与数据库的挂接、对数据记录的增、删、改、查操作。系统后台数据库设计如表1所示，由后备数据库和现用数据库构成，其中后备数据库负责存储长期历史数据的备份信息，其中记录所有点位的监控数据及主要耗能设备的能耗信息；现用数据库经过存储优化环节，用于存储近期数据及有用信息，主要是各级操作员的操作数据集记录，包括用户表、管理员表、监控点辅助表、能耗辅助表、操作员监控点表、操作员能耗表、室内空气品质评价表、末端计费表以及报警与故障记录表等九个表。其中各级操作员监控点表、各级操作员能耗表的查询以时间命名，以方便管理和检索。
3.2.2 存储优化
(1) 基于辅助表的存储优化。
系统的存储优化功能由存储优化模块负责完成，通过建立与table_Monitor和table_Energy相同结构的辅助表，以提高存储效率及查询速度。存储优化算法如下：
Table 1 Database design and table functions
Step 1 启动数据采集模块，将现场数据采集到监控点辅助表table_Monitor及能耗辅助表table_Energy中，采样时间大于或等于1秒，可由用户设置。
Step 2 将辅助表的记录追加到后备数据库监控点表table_Monitor_bak和能耗表table_Energy_bak中。
Step 3 操作员登录，通过用户表user_table与管理员表manager_table进行验证。
Step 4 根据各级操作员的具体应用需求，对监控点辅助表和能耗辅助表进行相关查询操作，生成相应的各级操作员监控点表和操作员能耗表，均以该查询操作的服务器系统时间命名。
Step 5 清空监控点辅助表table_Monitor及能耗辅助表table_Energy。
(2) 基于XML的存储优化。
该系统中基于XML的存储优化主要针对室内空气品质监测和房间能耗计量两个模块。
①室内空气品质评价表。
系统针对空调室内CO2浓度及甲醛浓度这两个影响空气品质的主要因素，依据CO2浓度与人体生理反应的关系(如表2所示)[12]，建立室内空气品质评价与优化存储系统。
Table 2 Relationship between CO2 concentration and the physiological response
存储优化算法如下：
Step 1 启动存储优化模块，采集各末端房间现场数据(CO2浓度、甲醛浓度等)到XML数据库中对应房间的xml_table_room_n表中，采样时间大于或等于1秒，可由用户设置。
Step 2 以30分钟为评估周期，计算各末端房间的CO2平均浓度，根据表2进行评估。
Step 3 将Step 2的评估结果写入xml_table_room_n表中，并清空前一评估周期内的所有记录。
Step 4 若评估进行了24小时，则将XML数据库中各xml_table_room_n表写入现用数据库的室内空气品质评价表table_IAQ中；否则，转Step 1，进行下一采样周期的采样。
②末端计费表。
本系统末端用户的计费包括末端开关时间计费法及当量能量计量法两种策略，具体采用的方法可由管理员进行定制，计费程序以1小时为周期。存储优化算法流程如图7所示。
Figure 7 Program flow chart of the storage optimization algorithm图7 存储优化算法流程图
3.3 数据查询优化
本系统数据的查询是通过选取相应的字段及时间段，提交到后台服务器完成的，Web服务器找到相应的Action类对请求进行响应处理，并将结果返回给前台页面。数据查询操作基于表示层、逻辑层及数据层完成。
(1)表示层。表示层通过登录页面的
(2)逻辑层。逻辑层在用户提交查询请求后，Web服务器根据struts.xml配置文件将请求提交给EnergyQueryAction.java类(能耗查询)和InfoQueryAction.java类(房间状态查询)进行处理，处理之后将结果返回前台。查询过程中，涉及到的主要类包括EnergyQueryAction类、InfoQueryAction类、QueryBase类、EnergydataDoAction类、InfodataDoAction类等。
(3)数据层。通过在Hibernate配置文件中添加语句〈mappingresource= "com/acdms/entity/Table_Energy.hbm.xml"/〉和〈mapping resource= "com/acdms/entity/Table_Room.hbm.xml"/〉，获得与映射文件的关联。其中，映射文件Table_Energy.hbm.xml和Table_Room.hbm.xml分别实现Table_Energy.java类的属性与table_energy表字段的映射以及Table_Room类的属性与table_room表的字段的映射，借助于Hibernate配置文件以及映射文件就可实现数据库查询。
本系统通过建立索引提高查询效率。数据查询操作模块中查询条件为用户选择的时间段，故在时间字段上创建索引，从而提高查询效率，采用SQL语句：
create index energy_时间on table_energy(时间)；
create index room_时间on table_ Monitor (时间)；
系统管理维护模块中查询条件为用户名，此处用户名为主键，故在此列自动创建索引，以此提高查询速度。
为了验证查询优化的效率，在EnergyQueryAction.java类的execute()方法中加入语句System.currentTimeMillis()，用于获取数据查询操作执行前后的时间间隔(毫秒)。在不考虑网络环境等因素的影响下，选择查询时间段为2011年5月14日15:41:50至21:41:50，查询字段为Room1的各能耗数据，在创建索引前后分别随机地执行10次数据查询操作，优化前后数据查询时间对比如表3和图8所示。
Table 3 Comparison chart for query time-consuming before and after optimization
如表3所示，通过创建索引进行查询优化后，数据查询时间均小于优化前，去掉其中最大值和最小值后，对其求均值，优化前后查询时间分别为1 569.5 ms和1 312.9 ms。由此可见，优化效果显著，尤其是对于大数据量进行处理时，查询效率将更加明显。
Figure 8 Query optimization comparison chart图8 查询优化对比图
数据库存储容量计算方法：
Step 1 获取表中的行数Num_Rows及列数Num_Cols；
Step 2 获取固定长度列中的字节总和Fixed_Data_Size与可变长度列数Num_Variable_Cols；
Step 3 获取可变长度列的最大值Max_Var_Size；
Step 4 若表中有固定长度列，则计算行的空
Table 4 Comparison chart for database storage space before and after optimization
位图Null_Bitmap=2+((Num_Cols+7)/8)；
Step 5 若表中有可变长度列，则计算行中存储这些列所需空间：Variable_Data_Size=2+(Num_Variable_Cols×2)+Max_Var_Size；否则，将Variable_Data_Size置为0。
Step 6 计算行总大小Row_Size=Fixed_Data_Size+Variable_Data_Size+Null_Bitmap+4；
Step 7 计算每页行数Rows_Per_Page=(8096)/(Row_Size+2)；
Step 8 若在表上创建聚集索引，则根据指定的填充因子计算每页保留的可用行数,否则，将Fill_Factor指定为100；
Step 9 每页可用行Free_Rows_Per_Page=8096((100-Fill_Factor)/100)/(Row_Size+2)；
Step 10 计算存储所有行所需页数。Num_Pages=Num_Rows/(Rows_Per_Page-Free_Rows_Per_Page)；
Step 11 计算存储表中的数据所需的空间量：8192×Num_Pages。
对该实验平台数据采集的特点进行分析，发现各子系统通常并不是对所有监控点位进行数据采集，而是根据控制策略及控制算法有选择地采样，故选取通常情况下的平均采样点位数进行实验分析。随机采集系统某一工况下实验数据，分析采用优化存储策略前后数据库存储空间情况，如表4所示。
由表4可见，采用该策略对各子系统主要参数进行存储后，存储空间之和明显小于优化前所占用空间。
4 结束语
通过编写大量的软件程序, 开发了基于关系数据模型及XML数据库的低冗余数据存储及查询优化系统。经测试，在实际工程中运行稳定，在一定程度上提高了存储及查询效率。因此，将该策略用于智能建筑中央空调监控系统的管控是一种有效方法。
[1] Perumal T, Ramli A R, Leong C Y, et al. Middleware for heterogeneous subsystems interoperability in intelligent buildings[J]. Automation in Construction, 2010, 19(2):160-168.
[2] Doukas H,Patlitzianas K D,Iatropoulos K,et al.Intelligent building energy management system using rule sets [J]. Building and Environment, 2007,42(10):3562-3569.
[3] Yu Zhong-an, Li Hui-bin. Integrated technology of industrial control network and information network [J]. Industry and Mine Automation, 2008(1):76-78. (in Chinese)
[4] Yong Jing, Liu Li-ping, Zhou Jian. Network integration of central air-conditioner system based on Web database technology[J]. Low Voltage Apparatus, 2007(6):53-56. (in Chinese)
[5] Zhou Lu-ming, Ouyang Song. Research and design on the database module of the intelligent building management system[J]. Computing Technology and Automation, 2007, 26(4):95-98. (in Chinese)
[6] Haw Su-Cheng, Lee Chien-Sing. Data storage practices and query processing in XML databases:A survey[J]. Knowledge-Based Systems, 2011, 24(8):1317-1340.
[7] Min Jun-Ki, Lee Chun-Hee, Chung Chin-Wan. XTRON:An XML data management system using relational databases[J]. Information and Software Technology, 2008, 50(5):462-479.
[8] Xu Hong, Wang Jian-hua. Using standard components in automation industry:A study on OPC specification[J]. Computer Standards & Interfaces, 2006, 28(4):386-395.
[9] Liao Guo-fu, Yang Ge-fang, Yang Liu. The research of the integration model for intelligent buildings based on OPC XML[J]. Journal of Huanggang Normal University, 2007(6):103-104. (in Chinese)
[10] Zheng Ke, Xu Yan-qun, Zhang Bin. Research on integration of industrial control system based on FDT and OPC XML[J]. Computer Measurement & Control, 2010, 18(8):1805-1807. (in Chinese)
[11] Subramaniam S,Haw Su-Cheng,Poo Kuan Hoong.s-XML:An efficient mapping scheme to bridge XML and relational database[J]. Knowledge-Based Systems, 2012, 27:369-380.
[12] Lei Xiao-feng. The research of energy consumption analysis and air quality control of variable air volume air-conditioning system[D]. Xi’an:Xi’an University of Architecture and Technology, 2011. (in Chinese)
附中文参考文献：
[3] 于仲安, 李慧斌. 工业控制网络和信息网络的集成技术[J]. 工矿自动化, 2008(1):76-78.
[4] 雍静, 刘利萍, 周健. 基于Web数据库技术的智能建筑中央空调系统网络集成[J]. 低压电器, 2007(6):53-56.
[5] 周路明, 欧阳松. 智能建筑管理系统数据库模块的研究和设计[J]. 计算技术与自动化, 2007, 26(4):95-98.
[9] 廖国富, 杨戈方, 杨柳. 基于OPC XML的建筑智能化系统集成模型研究[J]. 黄冈师范学院学报, 2007(6):103-104.
[10] 郑珂, 徐艳群, 张斌. 基于FDT与OPC XML的工业控制系统集成研究[J]. 计算机测量与控制, 2010, 18(8):1805-1807.
[12] 雷晓凤. 变风量空调系统能耗分析与空气品质控制研究[D]. 西安:西安建筑科技大学,2011.
BAI Yan,born in 1979,PhD,lecturer,her research interests include environment technology intelligent buildings, and optimization technology of large scale system.
任庆昌(1945-),男,河南汤阴人，教授，博士生导师，研究方向为系统仿真与辨识、计算机过程控制、智能控制和智能建筑环境技术。E-mail:renqch@163.com
REN Qing-chang,born in 1945,professor,PhD supervisor,his research interests include system simulation and identification, computer process control, intelligent control, and environment technology of intelligent buildings.
Research on storage optimization strategy for central air conditioning monitoring system in intelligent buildings
BAI Yan1,2，REN Qing-chang2
(1.School of Science,Xi’an University of Architecture and Technology,Xi’an 710055;2.School of Information and Control Engineering,Xi’an University of Architecture and Technology,Xi’an 710055,China)
With the rapid development of intelligent buildings and the continuous improvement of management requirements, the requirements of real-time information management and rationality of the storage mode design in monitoring system are increased simultaneously. Aiming at the features of the central air-conditioning data management system with a large number of detecting points, large capacity of storage, variety in subsystems and management complexity in intelligent buildings, the data acquisition platform is constructed and the low redundant data storage and query optimization strategy are designed based on OPC XML technology and the relational data model combined with XML database. The experimental and practical results show that the strategy can be used for information management and optimal storage in central air-conditioning monitoring systems, and improve the level and the efficiency of management to some extent.
storage optimization;central air-conditioning;monitoring system;XML database
2012-08-04;
2012-12-19
住房和城乡建设部科学技术项目(2012-K1-35)；国家杰出青年科学基金项目(51325803);陕西省自然科学基金资助项目(2011JQ8002)
1007-130X(2014)03-0558-08
TP273
A
10.3969/j.issn.1007-130X.2014.03.032
白燕(1979-),女,陕西西安人，博士，讲师，研究方向为智能建筑环境技术和大系统优化技术研究。E-mail:yb_xauat@126.com
通信地址：710055 陕西省西安市西安建筑科技大学理学院
Address:School of Science,Xi’an University of Architecture and Technology,Xi’an 710055,Shaanxi,P.R.China
