光伏发电系统密集型大数据云存储系统设计

叶 青，蔡德胜，夏国庆，尹文琛

（1.上海电力新能源发展有限公司，上海 200010；2.南京丰道电力科技有限公司，江苏南京 210032）

为了应对全球气候变暖问题，世界各国都积极倡导利用可再生能源代替传统能源。我国作为能源消耗大国，对于可再生能源的研发更加重视。光伏发电是一种新型能源发电方式，能够很好地利用清洁能源，因此有广阔的发展前景[1]。近年来，国家对于光伏发电投入了大量的人力物力资源，光伏发电系统规模越来越大，数量逐年增加，然而这也带来了许多问题，光伏发电系统规模的增加导致密集型大数据不断增多，常规的处理方法和存储技术都无法准确地完成任务，因此设计有效的存储系统已经成为当前光伏领域研究的热点[2]。

相关学者针对光伏发电系统密集型大数据云存储系统进行了相应的研究，并设计了许多应用较广的系统。文献[3]提出基于云平台的光伏监控系统，利用B/S 架构设计而成，建立多种数据库，这种方法能够通过可视化方式展示出各种信息，但是调试过于复杂，耗时过长。文献[4]研究了基于图形逻辑分析的光伏储能系统能量管理方法，通过确定不同企业的用电情况，结合图形逻辑完成能量管理，该方法能够降低用户日用电消费能力，但是仅针对上海市研究，不适用于其他城市。综上所述，该文基于传统研究理念，在考虑光伏发电系统密集型大数据特点后，设计了一种新的云存储系统，对系统的硬件和软件进行优化，并通过实验对系统的可行性进行验证。

1 云存储系统硬件设计

在确定光伏发电系统运行过程中的状态后，得到海量数据的特点，光伏发电系统数据更加密集，种类更加繁多。在传输过程中可能会被外来入侵信息攻击，因此该文在设计硬件架构时，根据光伏发电系统数据特点，将硬件框架分为光伏发电数据采集层、传输层、处理层、存储层以及应用层[5]。按照从上而下的顺序处理数据，系统硬件结构如图1 所示。

根据图1 可知，系统硬件第一层是数据采集层，这一层被称为大数据云存储系统硬件基础层，利用系统中的采集器采集相关数据，包括实时温度、发电强度、工作频率、工作电压等，分析数据的主要来源确定数据种类。硬件第二层为数据传输层，受地理位置限制，传输层的云平台要同时连接多个分布式发电光伏系统，因此设置了Hadoop 计算架构，通过计算架构完成数据计算，确保数据能够得到更好地处理，同时也引入了其他的传输模式，传输层拥有多种通信模式，实现信息通信。硬件第三层为数据处理层，以分布式方式完成编程处理。硬件第四层为数据存储层，存储层为核心层，应用云技术将数据分布存储，并记录在文件上，方便后期操控。硬件第五层为数据应用层，能够展示得到的数据，并利用显示器展示得到的图表，以不同的方式显示出来，让用户能够更直观地了解数据内容[6]。

1.1 云存储数据服务器

光伏发电系统中的大数据与其他系统相比更多，因此数据库必须要设置操作程序，确保服务器能够顺利地完成不同的用户需求。如果云存储数据服务器不能及时解决问题，就会导致负荷过多，等待时间会随之变长，各种负荷问题越来越多，因此需要同时设置两台数据库服务器，通过主操作器控制信息的同步操作，一台数据库服务器负责处理用户的读操作，另一台服务器负责处理写操作，信息能够安全存储[7]。云存储数据服务器的工作原理如图2 所示。

图2 云存储数据服务器的工作原理

根据图2 可知，一台云存储数据服务器负责主要工作，另一台服务器负责配合主服务器完成工作。

1.2 中心服务端

中心服务端利用以太网连接客户端和服务端，实现信息监听。当用户存在不同操作时，中心服务端需要对信息进行接收，确定不同客户端的迁移命令，并完成信息整理，建立不同的子线程[8-9]。中心服务端如图3 所示。

图3 中心服务端

中心服务端与客户端配合，通过初始化操作得到两个不同的子线程，分别是原始命令处理子线程和操作子线程。如果中心服务端启动监听状态，信息可以自动完成迁移，子线程配合中心服务端完成不同的操作[10-11]。

1.3 存储器设计

存储器内部装有DSP 主控芯片，采用的通信方式为异步串行通信模式，配合驱动器和接收器，能够加强抗干扰能力。存储器的传输速率能够达到300 kbps，阻抗能够提高到100 kΩ。存储器电路图如图4 所示。

图4 存储器电路图

根据图4 可知，引入的差分芯片具有较强的抗干扰能力，即使在恶劣的情况下也能够正常工作，可以有效帮助系统减少EMI，实现远距离的密集大数据传输[12]。

2 云存储系统软件设计

在完成系统硬件设计后，应用云技术针对大数据设计存储系统软件程序。在大数据存储前，要将大数据创建成子集，光伏发电系统密集型大数据的时间集设定为(t1,t2,…,tn)，在存储过程中，将当前的时间设置为t，当前时间与时间集的长度间隔可以表示为(t-t1,t-t2,…,t-tn)，将时间间隔记录为子集(T1,T2,…,Tn)，计算存储数据花费的时间，公式如下：

式中，n表示存储的数据个数；T表示存储时间[13]。

数据在存储过程中，用户会对大数据进行访问，针对(T1,T2,…,Tn)时间集的访问集记录为(z1,z2,…,zn)，根据访问集计算访问频率，计算公式如式（2）所示[14]：

根据存储频率和访问频率得知，存储系统花费的存储时间越长，用户的访问频率越低，根据存储时间和访问频率得到存储函数，如式（3）所示：

式中，f(x)表示得到的存储函数；D表示数据集。

根据存储函数得到存储空间阈值，设定阈值为M，分析在存储过程中数据的敏感度，并对数据进行判断，最后进行云存储，存储流程如图5 所示。

图5 存储流程

云存储系统软件在运行过程中的环境为CVAVR 环境，通过C 语言完成编辑，利用主从应答的方式得到数据，实现数据传输，数据帧的间隔时间为6 ms。在PC 机内部利用DSP 通信，将光伏发电系统的通信数据分为三类，通过告警查询和事件查询完成信息显示，实现数据存储[15-16]。

3 实验研究

为了验证该文设计的光伏发电系统密集型大数据云存储系统的有效性，进行实验研究。实验环境架构为Hadoop 架构，在主服务器内部拥有一个服务器节点，在从服务器内部拥有三个服务器节点。系统选用Dual-Core 双核CPU，频率为1.5 GHz，系统硬件内存为12 GB，使用的网卡为千兆网卡，Hbase 软件参量为0.825。

在对数据进行存储前，对密集型大数据进行监测，得到的数据监测分布图如图6 所示。

图6 数据监测分布图

根据图6 可知，光伏发电系统的存储数据共有一万个，为确保存储效果，每隔5 min 就需要对数据进行一次记录。

选用该文系统和传统的基于云平台的光伏监控系统、基于图形逻辑分析的光伏储能系统进行对比，得到的数据存储速率实验结果如图7 所示。

图7 数据存储速率实验结果

根据图7 可知，该文设计的云存储系统响应速度始终要优于传统系统。实验共运行了6 次，传统的基于云平台的光伏监控系统在运行过程中存在多次波动，响应速度最高为38 Gbps，而响应速度最低为10 Gbps，基于图形逻辑分析的光伏储能系统的响应速度始终较低，低于10 Gbps，响应能力在三种系统中最差，响应速度最慢。该文提出的光伏发电系统密集型大数据云存储系统响应速度最快，在三种系统中工作能力最强，响应速度在35 Gbps 之上。造成这种现象的原因是数据信息以串行的方式记录，通过二进制的方式存入数据库中，当数据信息顺利存储后，主服务器对引擎发出命令，从而方便进一步工作。

测试三种系统在存储过程中的平均输出电压，得到的实验结果如图8 所示。

图8 存储系统输出电压实验结果

根据图8 可知，在4:00-14:00 电压产生了较大的波动，但是传统系统的波动值明显大于该文提出的系统波动值，由此可见，该文提出的系统在存储过程中更加稳定，而传统系统在存储过程中出现很大的波动。其原因是当信息提交完成后，两种服务器都以二进制的方式对数据进行拷贝，所有的拷贝数据都要备份处理。利用SQL thread 对服务器的数据进行整理，通过信息整理，确保主服务器的数据和从服务器数据信息能够同步。读写同步操作可以确保数据的负荷得以减少，解决存储问题。

综上所述，该文提出的光伏发电系统密集型大数据云存储系统的响应速度更快，输出更稳定，整体存储效果更好，适用于实际应用中。

4 结束语

光伏发电系统在运维过程中会产生大量的数据，如果不能合理地存储数据，必然会导致更多的问题。该文利用多层次设计了光伏发电系统密集型大数据云存储系统，通过不同的协议实现信息传输，同时选择主从服务器判断敏感数据，实现信息同步分析，使用显示器实现数据显示。该文设计的系统在稳定性和速率上优于传统系统，具有很强的存储能力。所设计的系统为大数据的存储提供了重要保障，但是该文在数据波动上的研究较少，未来可以对此进行更加深入的研究。