氢能及燃料电池汽车示范评价大数据平台建设研究

陈宗娟 孙二鑫 蔡建军 刘朋

摘要：针对燃料电池汽车示范应用场景多样、数据实时传输、产业链企业众多、产业链信息挖掘等特点，搭建了以SpringBoot、Hadoop、DevOps为核心技术的大数据集群部署架构，基于此设计并实现了氢能及燃料电池汽车示范评价大数据平台，为示范应用提供产业链跟踪、技术评价、产业链、审核清算、业务管理等全方位的服务，保障示范应用平稳、可靠、高效地运行。

关键词：氢能;燃料电池汽车;大数据;示范评价

中图分类号：TP3   文献标识码：A

文章编号：1009-3044（2022）17-0015-02

2021年9月，国家发展改革委、财政部、科学技术部、工业和信息化部、国家能源局五部委联合发布《关于启动燃料电池汽车示范应用工作的通知》，将在示范城市开展燃料电池汽车示范推广应用，利用信息化手段，开展示范跟踪指导、考核评估、资金核算、效果评价、经验总结、监督管理等各项工作。由于示范参与城市众多、涉及氢能产业链上下游企业、燃料电池汽车应用场景多样等，需建立高并发、高时效、高容量、高扩展的大数据服务平台，以满足日益增长的数据服务要求。目前，我国氢能产业尚处于初期发展阶段，尚未完全掌握氢能核心技术，关键材料及零部件仍依赖进口，氢能产业链的生产成本较高[1-4]。关于氢能平台的研究大多是针对制氢、储氢、运氢、加氢、用氢单个或多个环节的管理，尚未形成针对氢能全产业链的较为完善的大数据服务平台[5-7]。

本文深入研究示范运营管理应用需求，分析国家部委、政府、企业、专家等对功能权限的需求，研究示范评价大数据平台的建设，分别完成针对示范城市的车辆监管、审核清算、产业链、安全监测等的功能开发，针对燃料电池汽车整车企业和关键零部件企业的技术评价与提升的功能开发，实现燃料电池汽车多场景监管、氢能全链条精细化管理，为奖补资金的合理分配提供可靠的数据支撑，保证示范区域和相关企业服务的高效便捷，保证燃料电池汽车示范政策的稳步推进。同时，不断积累燃料电池汽车、关键零部件、加氢站、产业链等示范原始数据，以全产业链数据分析驱动氢能技术提升和产业链优化升级。

1平台大数据架构

1.1大数据架构设计原则

大数据平台目标是满足示范运行数据的监测，为决策提供及时、准确、可靠的数据依据，平台架构设计遵循以下原则：①高并发：支持10万辆量级车辆和加氢站在线进行数据采集和下发;②无偏差：全天候、高频次（秒级）数据采集，数据不间断和无偏差提取;③高时效：支持海量数据秒级实时分析;④高可靠：通过校验和加密机制，确保数据和指令安全、可靠推送;⑤高容量：支持PB级数据存储，形成大数据资源池;⑥不间断：通过集群计算和数据容灾机制，规避宕机、断电等风险，实现不间断数据服务;⑦高扩展：灵活支撑业务扩展和变化;⑧安全性：防止数据篡改和外部入侵。

1.2平台大数据架构

平台大数据架构需支持10万级车辆并发接入和PB级分布式存储与计算。架构以SpringBoot、Hadoop、DevOps为核心技术点，用CDH来监控管理大数据平台里的各类组件，基于ADC-DA框架搭建平台里的各类服务，并采用DevOps模式对平台进行持续集成迭代及持续交付，提升研发运维效率。具备高度先进性和可扩展性，能够满足业务需求的不断变化。根据平台特定的需求进行一定的分层设计，保证平台安全高效运行。

数据接入层为平台的数据来源，包括企业数据、燃料电池汽车和加氢站数据以及文件流数据;数据通信层定义了数据接入层与平台的通讯协议，通过HTTP、TCP、UDP、FTP等多种方式进行数据通信;数据存储层通过数据采集服务获取数据传输层提交的数据，然后利用Hive、Spark等数据处理中间件进行数据处理，最后根据需要整合处理后的数据并将其存储至分布式存储集群、关系型数据库和缓存服务等不同类型的数据库中。在数据分析方面，定义元数据及数据标准，从完整性、及时性、准确性、稳定性等角度建立数据质量评估方法，并定期开展异常数据清洗融合，保障数据服务的有效性，建立车辆监控模型、加氢站模型、风险预警模型、清算模型、技术提升模型等挖掘数据潜在价值，为补贴资金核算、示范效益评价及产业链优化等业务提供有效的数据支撑。平台业务层分别从分布式存储集群、Mysql和Redis中获取业務静态数据和实时性较强的动态数据供上层业务服务使用，包含公共管理、实时管理、业务管理和智能分析。平台服务层基于示范应用需求，提供车站监控、技术提升、产业链、业务分析等服务，针对不同用户提供不同权限服务。平台大数据架构如图1所示。

1.3平台部署架构

系统部署以高可用为原则，采用负载均衡加集群的架构进行部署，并基于Docker容器技术，组建分布式集群。出于安全和可靠性考虑，将数据库和应用系统部署在不同的服务器上，以减少性能上的彼此影响。存储部分采用至少三台Mysql数据库组成集群存储系统的结构化数据;至少三台Redis组成缓存集群做Session共享和二级缓存，存储实时性较强的动态数据;存储集群均采用主从备模式，同时支持灵活的扩缩容。另外搭建Elasticsearch集群存储统计类数据。采用Haproxy+Keepalived集群实现负载均衡，其中Haproxy实现对Nginx的负载均衡和读写分离;Keepalived实现对Haproxy服务的高可用，并采用双主模型配置。由群集决定当前连接是接入到哪一台，当主机发生故障时，1分钟即可自动重连接到备机。消息队列Kafka也采用3台集群的模式进行部署，保证高可用。整体部署架构如图2所示。

1.4数据采集规范

燃料电池汽车数据上传按照 GB/T 32960.3—2016《电动汽车远程服务与管理系统技术规范 第 3 部分：通信协议及数据格式》的方式建立通信连接，并在该标准的基础上新增电堆温度、空气压缩机电压、空气压缩机电流、氢气循环泵电压和氢气循环泵电流五项扩展数据，上传数据周期均不大于10s。加氢站协议结构以 TCP/IP 网络控制协议作为底层通讯协议，实时上报数据通信方式应为基于 TCP/IP 的 Socket长连接通信方式，周期性上报数据采用 HTTP形式逐条上传或批量打包上传。

3大数据平台建设与实现

3.1车站监控

车站监控以地图为基础，对加氢站和燃料电池汽车进行实时全方位管控，满足日常车站跟踪、数据汇总、状态监管、风险预警等多种业务需求。车站跟踪对示范运营接入的企业、车辆和加氢站进行全局监测，基于地图快速定位企业和加氢站位置以及燃料电池汽车的运行轨迹，可直观了解到整体示范运行的实时情况，对车辆和加氢站的数据进行实时跟踪和运行参数监管。数据汇总从宏观层面展示燃料电池汽车和加氢站的推广总数、车辆总加氢量、累计用氢总里程和报警信息等。状态监管实时展示氢燃料电池汽车车牌号、是否在线、速度、运行里程等情况，以及加氢站地址、是否加氢中、总加氢量等情况，通过单车、单加氢站和单企业的跟踪可查看其详细的实时运行情况。风险预警汇总车辆和加氢站预警信息并进行实时展示。

3.2审核清算

审核清算主要对示范区域任务完成情况进行积分核算，分别对整车企业、零部件企业和加氢站企业三个维度进行清算数据的统计，整车企业统计维度包括车辆推广数量、车型类型、应用场景、行驶里程等，零部件企业统计维度包括燃料电池系统额定功率、生产成本等，加氢站企业从运营成本、是否为清洁氢、氢气运输距离等基础参数开展核算，核算内容包括示范基础积分和示范奖励积分，从而直观地显示出示范区关联企业任务的推广进度和完成情况，为完成示范目标和积分评价奠定基础，同时能够更好地为效益分析与示范区域内资金下发提供数据支撑。

3.3技术评价

通过对上传到本平台上的数据进行统计分析，形成数据模型，充分利用大数据和人工智能等技术手段对示范数据进行数字化开发，促进氢能产业链升级。针对示范期间产业链定量评价需求，主要从性能统计和技术提升两个方面进行技术提升评价：性能统计对加氢站加氢量、燃料电池汽车纯氢续驶里程、氢电续驶里程分布、百公里氢耗、应用场景配置合理性、运营经济性、累计故障分布等角度进行评价分析;技术提升从车辆续航里程、純氢续驶里程、氢电比例、百公里氢耗、低温冷启动时间、发动机质量功率密度等方面进行评价分析。平台以多维角度评价形成燃料电池汽车示范应用水平评价的科学体系。

3.4产业链

对氢能产业链数据进行统计分析，挖掘产业链上下游之间的供应关系，为产业链优化、加氢站点布局优化、网点分布等提供决策依据。用户可以根据企业、地区等不同条件进行多维度统计分析。对制氢环节上的氢气制造数据进行统计分析，包括产量、品质等;对储氢环节上的存储分布、存储成本、储备量等进行统计分析;对运氢环节氢气运输数据进行统计分析，包括线路、里程、工况等;对各环节的控制点进行数据分析，精准把控氢能的来源和流向，助力城市群氢能和燃料电池汽车产业链优化升级。

3.5安全监测

对车辆、零部件和加氢站数据进行分析预警和故障统计分析，同时对各个环节上报的风险和故障数据进行等级划分，根据不同等级采取不同的处理机制。车辆安全监测主要对车辆上报的预警和故障数据进行统计分析，如燃料电池电流、电压、温度等;加氢站安全监测主要对加氢站上报的预警和故障数据进行统计，如温度过高、流速过快、压力过大等。平台定期对不同应用场景下的车辆进行抽检，及时发现问题车辆以消除安全隐患。基于电堆寿命衰减、电堆老化速度、氢气泄漏等预测模型和危险阈值设定，能及时、正确地对示范产业链过程中的风险进行全面的预防，保证示范应用的安全稳定运行。

3.6业务管理

业务管理对平台功能所需要的各种基础信息和流程审批进行管理设置。基础信息包括整车企业、加氢站企业信息管理，同时对平台的组织架构、用户角色及权限进行管理，以支撑系统的有效运行;流程审批包括整车企业和加氢站企业审批、零部件准入审核、车型准入审核、车辆准入审核等流程进行维护，通过工作流表单定义、工作流程定义实现相关工作流程信息的维护。

4结论

本文根据示范政策要求，通过搭建高可用的大数据集群架构，研究氢能及燃料电池汽车示范评价大数据监管平台的建设，为示范工作的开展提供车站跟踪、技术评价、产业链、审核清算、业务管理等全方位的服务。随着政策的深入开展，平台逐步接入多种场景的燃料电池汽车和制氢、储氢、加氢等相关传感器设备，不断积累燃料电池汽车、关键零部件、加氢站、产业链企业等示范原始数据，提升全产业链数据分析能力，为优化产业链上下游关系提供指导，后续平台建设将随着氢能产业链和技术研发升级逐步完善和优化，确保示范应用平稳高效运行。

参考文献

[1] 孟照鑫，何青，胡华为，等.我国氢能产业发展现状与思考[J].现代化工，2022，42（1）：1-6，12.

[2] 陈贇.我国氢能发展的现状与思考[J].中国国情国力，2021（12）：8-11.

[3] 陈洪波，王新春.氢产业发展战略的国际比较及政策建议[J].企业经济，2021，40（12）：126-134.

[4] 高慧，杨艳，赵旭，等.国内外氢能产业发展现状与思考[J].国际石油经济，2019，27（4）：9-17.

[5] 汤晓栋，鞠晨，张浩.加氢站运营管理云服务平台的设计与实现[J].交通与运输，2021，37（1）：66-70.

[6] 何剑朋，姚屏，白路，等.基于物联网平台的太阳能-氢能发电技术研究[J].自动化与信息工程，2021，42（4）：50-53，57.

[7] 席雪楠.面向氢能电池的数据分析平台的设计与实现[D].北京：北京邮电大学，2020.

收稿日期：2022-03-25

作者简介：陈宗娟（1990—），女，山东临沂人，硕士，高级工程师;孙二鑫，男，山西吕梁人，学士，研发经理;蔡建军（1986—），男，河南信阳人，硕士，工程师;刘朋（1992—），男，天津人，学士。