APP下载

基于云计算的油气管道SCADA系统设计

2015-04-25谭永东贾世民

制造业自动化 2015年22期
关键词:数据中心处理器油气

刘 苗,谭永东,贾世民

LIU Miao1, TAN Yong-dong1, JIA Shi-min2

(1.中国石油天然气管道局 中油龙慧自动化工程有限公司,北京 100053;2.中国石油天然气管道局 科技中心,廊坊 065000)

0 引言

云计算是一种利用互联网实现随时随地、按需、便捷地访问共享资源池(如计算设施、存储设备、应用程序等)的计算模式[1]。对云计算而言,其借鉴了传统分布式计算的思想,但其更强调大规模资源池的分享,通过分享提高资源复用率[2]。作为信息产业的一大创新,云计算模式一经提出便得到工业界、学术界的广泛关注。其中Amazon等公司的云计算平台提供可快速部署的虚拟服务器,实现了基础设施的按需分配[3]。MapReduce[4]等新型并行编程框架简化了海量数据处理模型。Google公司的App Engine[5]云计算开发平台为应用服务提供商开发和部署云计算服务提供接口。Salesforce公司的客户关系管理(CRM, customer relationship management)服务[6]等云计算服务将桌面应用程序迁移到互联网,实现应用程序的泛在访问。在油气管道工控自动化领域也迫切需要借鉴云计算思想实现技术革新。

SCADA(Supervisory Control And Data Acquisition,数据采集与监视控制系统)是一种以监督为基础的计算机控制系统[7]。目前,中国石油长输油气管道采用集中调度管理的运营模式。油气管道SCADA系统由中心控制系统、通讯系统、站控系统组成。中心控制系统使用广域通讯网络,通过部署在站场的智能控制设备(PLC、数据通讯网关、站场服务器)实现对管道工艺设备的监视和控制[8]。管道的运行需要控制中心的整体控制,来协调和平衡各个管段、各个站场的压力和流量,需要控制中心具有很强的可靠性,所以,中心采取一主一备的热备冗余结构[9]。服务器集群完成数据采集、数据实时处理、历史数据存储、模型服务解析等功能,每个服务器负责单独一个管线,同时采用主备冗余机制保障。操作员工作站应能够连接多台服务器、多系统进行监视和控制。

在传统的SCADA系统中的单一备份服务器并不能完全保证系统的可靠性,而且,这种冗余配置不但造成服务器资源的浪费,而且增加了运行维护管理工作量和设备电源功耗等。此外,随着系统规模不断扩大,主备中心不断增加服务器数量,由于所面对的管道站场数据点数量不同,某些服务器的负载过重,而有些服务器的资源利用率却很低,从而造成整个SCADA系统的负载不均衡和资源巨大浪费。分布式云计算技术能实现大规模资源池的分享,通过分享提高资源复用率,因此采用云计算思想来解决油气管道SCADA系统的资源利用率低和负载不均衡问题急需研究。

1 基于云计算的油气管道SCADA系统模型

本文提出的基于云计算的油气管道SCADA系统如图1所示。

新的系统中数据中心采用分布式云架构,彻底打破了传统的各管线独立操作,一主一备冗余的模式。建立多区域数据中心,将所有数据中心的存储资源和处理器资源聚合起来,形成油气管道SCADA系统云。考虑到油气管道SCADA系统的不断扩大,提出的基于云计算的油气管道SCADA系统采用分级结构。针对不同区域设立区域数据中心,对于不同管线的数据和任务,采取就近原则,选择最近的区域数据中心执行管线实时数据处理和历史数据存储。多个区域数据中心之间通过专用网络和卫星进行通信,多区域数据中心的数据互为备份。并设立主数据中心,主数据中心负责纵观和协调各区域数据中心。新的SCADA系统模型中每个站场配备一台站场服务器,用于存储该站的数据备份,如果网络发生故障无法连接到云数据中心,可以直接在该站场进行就地操作。

在SCADA系统云数据中心里,我们将所有管线的点配置信息分成固定包,每一个点配置信息包分别装载在本地数据中心台不同的服务器上以及异地数据中心 台服务器上。需要存储的历史数据也被分成固定大小块,每一块历史数据分别存储在不全在同一数据中心的 台服务器上。当实时数据被采集到服务器端,主服务器根据调度算法,将实时数据调度到多个从服务器上处理执行,并就地存储历史数据。

相对于传统的SCADA系统,本文提出的基于云计算的油气管道SCADA系统模型利用每台服务器的存储空间构成分布式存储,每份数据至少存储在3个节点上,满足SCADA系统存储的可靠性需求。此外,基于云计算的油气管道SCADA系统数据中心Master采用本文提出的最优资源调度方法, 可以整合优化数据中心服务器的内存资源和处理器资源,按需分配给每一个实时任务,该资源调度方法不仅能提高SCADA系统服务器资源利用率,并且能保障每一个实时任务的高可靠性执行。

基于云计算的油气管道SCADA系统数学模型定义如下:

5)假设SCADA系统能够容忍2个处理机失效,则,实时任务的基版本和副版本的计算时间之和应小于或等于截止期限。

对于SCADA系统中的每一个处理机Pi:

2 最优资源调度算法

2.1 最优资源调度算法设计

基于云计算的油气管道SCADA系统资源调度方法设计如下:

1)建立基于油气管道SCADA系统的基于Master-Slave结构的云服务器。

Master维护系统的原数据,包括名字空间,访问控制,点配置定义块与Slave的映射信息,Salve负载信息等,并负责进行系统资源调度。

2)对油气管道SCADA系统实时任务的基版本进行资源调度。

首先找到预装实时数据所需的点配置信息的处理器,本地处理器Pj1,Pj2和Pj3,异地处理器Pj4和Pj5。令分别计算和Pj5的Zji。在本地处理器Pj1,Pj2和Pj3中选择Zji最小的处理器执行。

3)对油气管道SCADA系统实时任务的本地副版本进行资源调度。

在本地处理器Pj1,Pj2和Pj3中选择Zji次小的处理器执行是实时任务的副版本。

4)对油气管道SCADA系统实时任务的异地副版本进行资源调度。

在异地处理器Pj4和Pj5中选择Zji最小的处理器执行其中是实时任务的副版本。

2.2 实验验证

1)可靠性性能

实例试验的基本参数:实时任务的截止期限 =1000,单处理器调度长度=400,本地Slave服务器数及异地Slave服务器数分别为6,12台处理机的失效率分别设为本地处理机0.9,0.95,1,1.05,1.10,1.15,异地处理机0.9,0.95,1,1.05,1.10,1.15。其基本单位是次/小时。图2是算法的可靠性性能曲线。虽然,随着任务个数的增加算法的可靠性代价随之增加 ,但算法能够保障系统的高可靠性。

图2 可靠性性能曲线

2)可调度性能

图3是算法的可调度性性能曲线。虽然,随着任务个数的增加,算法的可调度性性能略有下降,但算法能够满足系统的调度需求。

图3 可调度性性能曲线

综上所述,本文提出的最优资源算法不仅具有很好的可靠性和可调度性,而且当实时数据被采集到服务器端,主服务器采用该最优调度算法,可以将实时数据优化调度到多个从服务器上并行处理执行,能有效提高基于云计算的油气管道SCADA系统的资源利用率,此外,该最优资源调度算法采用主副版本技术能有效提高系统可靠性和可用性。

3 结束语

由于CPU、内存、磁盘存储独立,现有SCADA系统在大数据实时处理和存储方面存在性能瓶颈。本文提出基于分布式云计算技术的油气管道SCADA系统彻底打破原有SCADA系统应有模式,不仅能整合油气管道SCADA系统中心服务器资源,并且通过建立基于Master-Slave架构的云服务器集群,将实时任务同时分配到多个处理器执行,选择最优的处理器执行实时任务的主副版本,这样,不仅可以提高系统的可靠性及资源利用率,并能改善系统负载均衡。研究基于云计算的油气管道SCADA系统对于推动油气储运行业高速发展具有重要意义。

[1] Feinleib D.The Intersection of Big Data, Mobile, and Cloud Computing[J].Big Data Bootcamp. Apress,2014:85-101.

[2] Dinh H T, Lee C,Niyato D, et al. A survey of mobile cloud computing: architecture, applications, and approaches[J].Wireless communications and mobile computing,2014,13(18):1587-1611.

[3] Armbrust M,Fox A,Griffith R,et al.A view of cloud computing[J]. Communications of the ACM,2014,53(4):50-58.

[4] Kokkinos P,Varvarigou T A,Kretsis A, et al.SuMo:Analysis and Optimization of Amazon EC2 Instances[J].Journal of Grid Computing,2014:1-20.

[5] Ostermann S, Iosup A,Yigitbasi N, et al. A performance analysis of EC2 cloud computing services for scientific computing[J].Cloud Computing. Springer Berlin Heidelberg,2014:115-131.

[6] Ekanayake J, Fox G.High performance parallel computing with clouds and cloud technologies[J].Cloud Computing. Springer Berlin Heidelberg,2013:20-38.

[7] Karnouskos S,Colombo A W.Architecting the next generation of service-based SCADA/DCS system of systems[J].IECON 2011-37th Annual Conference on IEEE Industrial Electronics Society.IEEE, 2014:359-364.

[8] 郭晓瑛,路艳斌,郑娟.国内外长输管道SCADA系统标准现状[J].油气储运,2011,2:156-159.

[9] 马荣所.浅析油气管道中SCADA系统的应用[J].数字技术与应用,2012,7:55-58.

猜你喜欢

数据中心处理器油气
酒泉云计算大数据中心
浅析数据中心空调节能发展趋势
《非常规油气》第二届青年编委征集通知
《中国海上油气》2021年征订启
关于建立“格萨尔文献数据中心”的初步构想
油气体制改革迷局
基于云计算的交通运输数据中心实现与应用
ADI推出新一代SigmaDSP处理器
2013全球主要油气发现
火线热讯