1、能源大數(shù)據(jù)解決方案遠(yuǎn)景能源軟件體系Guildline定位:為什么大數(shù)據(jù)傳統(tǒng)集控中心：分布式架構(gòu)，數(shù)據(jù)量級(jí)、數(shù)據(jù)粒度、數(shù)據(jù)質(zhì)量、數(shù)據(jù)資產(chǎn)規(guī)模大數(shù)據(jù)優(yōu)勢(shì)：安全、全量、實(shí)時(shí)、可挖掘數(shù)據(jù)驅(qū)動(dòng)決策標(biāo)準(zhǔn)范式（技術(shù)范式介紹）Iaas基礎(chǔ)架構(gòu)（公有云，私有云，混合云）Paas（遠(yuǎn)景大數(shù)據(jù)工具，數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)探索、數(shù)據(jù)共享、流式服務(wù)、開(kāi)發(fā)者環(huán)境）Saas（大數(shù)據(jù)服務(wù)：EBA/PHM/EnOS/Kong/）國(guó)網(wǎng)方案（大數(shù)據(jù)方案整理版）海上方案部署實(shí)施及平臺(tái)設(shè)計(jì)原則運(yùn)維方案案例龍?jiān)矗夯旌显茝V核：公有云河北建投：混合云國(guó)網(wǎng)案例2為什么大數(shù)據(jù)0為什么大數(shù)據(jù)3 12風(fēng)電信息化現(xiàn)狀大數(shù)據(jù)中心的優(yōu)勢(shì)3大數(shù)據(jù)的價(jià)值定位4大數(shù)據(jù)

2、在能源行業(yè)的展望4 2015年新增30.753GW，16740臺(tái)；累計(jì)安裝風(fēng)機(jī)92981臺(tái)，計(jì)145.362GW單臺(tái)風(fēng)機(jī)單秒數(shù)據(jù)量：500測(cè)點(diǎn)*4B = 2K單臺(tái)風(fēng)機(jī)每年數(shù)據(jù)量：500測(cè)點(diǎn)*4B*3600*24*365 = 63.1G10000臺(tái)風(fēng)機(jī)每年數(shù)據(jù)量：500測(cè)點(diǎn)*4B*3600*24*365 = 631T5.9P92981臺(tái)數(shù)據(jù)來(lái)源：CWEA1500塊4TB的磁盤(pán)，200臺(tái)服務(wù)器傳統(tǒng)互聯(lián)網(wǎng)5 某電商網(wǎng)70007億10PB萬(wàn)風(fēng)電領(lǐng)域1086億5.9PB萬(wàn)日活躍用戶數(shù)日頁(yè)面訪問(wèn)年數(shù)據(jù)量日活躍風(fēng)機(jī)數(shù)日數(shù)據(jù)量條數(shù)年數(shù)據(jù)量6 某手環(huán)廠商12007200萬(wàn)30TB萬(wàn)風(fēng)電領(lǐng)域1086億5.9PB萬(wàn)

3、日活躍用戶數(shù)日頁(yè)面訪問(wèn)年數(shù)據(jù)量日活躍風(fēng)機(jī)數(shù)日數(shù)據(jù)量條數(shù)年數(shù)據(jù)量新興物聯(lián)網(wǎng)為什么大數(shù)據(jù)7 12風(fēng)電信息化現(xiàn)狀大數(shù)據(jù)中心的優(yōu)勢(shì)3大數(shù)據(jù)的價(jià)值定位4大數(shù)據(jù)在能源行業(yè)的展望8 Big Data安全大量高維快速可挖掘從逐級(jí)匯報(bào)模式到云模式9 透明績(jī)效10 運(yùn)維降本從人肉運(yùn)維到自動(dòng)化運(yùn)維從專家驅(qū)動(dòng)到信息驅(qū)動(dòng)11 數(shù)據(jù)探索狀態(tài)預(yù)測(cè)風(fēng)險(xiǎn)管理為什么大數(shù)據(jù)12 12風(fēng)電信息化現(xiàn)狀大數(shù)據(jù)中心的優(yōu)勢(shì)3大數(shù)據(jù)的價(jià)值定位4大數(shù)據(jù)在能源行業(yè)的展望大數(shù)據(jù)分析（BIG DATA & ANALYTICS）在整個(gè)資產(chǎn)管理體系中定位于績(jī)效和狀態(tài)監(jiān)測(cè)，持續(xù)優(yōu)化，及資產(chǎn)管理策略優(yōu)化等管理要素中摘自PAS55-1：2008資產(chǎn)管理體系定位

4、及框架資產(chǎn)管理體系關(guān)鍵要素大數(shù)據(jù)及分析資產(chǎn)績(jī)效是個(gè)比較大的概念，一般包括安全性（倒塔、著火之類），成本性（維護(hù)成本，度電成本之類），效能性（EBA, MTBT等）。從開(kāi)源角度來(lái)看，EBA是個(gè)受領(lǐng)導(dǎo)關(guān)注的大指標(biāo)。龍?jiān)错?xiàng)目大數(shù)據(jù)觸發(fā)的資產(chǎn)管理策略及計(jì)劃，集中于EBA提升策略，及資產(chǎn)管理體系提升計(jì)劃，運(yùn)行維護(hù)計(jì)劃（成本性投入項(xiàng)目，不要涉及復(fù)雜決策流程的資本性投入技改計(jì)劃，技改項(xiàng)目立項(xiàng)評(píng)價(jià)除技術(shù)因素外還有其他很多因素）資產(chǎn)管理策略概要和框架結(jié)構(gòu) 關(guān)鍵目標(biāo) 和 主要的方法/流程資產(chǎn)管理體系優(yōu)化策略 指導(dǎo)資產(chǎn)管理業(yè)務(wù)流程，能力建設(shè)等根據(jù)業(yè)務(wù)需要制定某個(gè)具體業(yè)務(wù)的優(yōu)化策略，如：投資策略可靠性管理策略風(fēng)險(xiǎn)管理

5、策略EBA提升策略資源管理策略風(fēng)電場(chǎng)發(fā)展策略中長(zhǎng)期策略-電網(wǎng)發(fā)展中長(zhǎng)期策略-各類資產(chǎn)壽命周期管理資產(chǎn)管理計(jì)劃基建計(jì)劃技改計(jì)劃運(yùn)行維護(hù)計(jì)劃資產(chǎn)管理體系提升計(jì)劃資產(chǎn)管理項(xiàng)目資產(chǎn)管理體系資產(chǎn)職 能 策 略組織，流程，支撐各類型資產(chǎn)策略（風(fēng)機(jī)，升壓站等）各類型資產(chǎn)全壽命周期活動(dòng)策略，主要以類型設(shè)備的專業(yè)管理為視角，考慮設(shè)備的狀態(tài)，風(fēng)險(xiǎn)、成本、效能等驅(qū)動(dòng)因素。增量資產(chǎn)管理策略，主要以電量增長(zhǎng)需求，電網(wǎng)接入，系統(tǒng)安全、效益要求，等驅(qū)動(dòng)因素工作后評(píng)價(jià)模型(項(xiàng)目后評(píng)估、供應(yīng)商評(píng)估、設(shè)備類型后評(píng)估)資產(chǎn)管理基礎(chǔ)方法：形成體系化的技術(shù)方法和模型，支持資產(chǎn)決策及執(zhí)行全過(guò)程評(píng)價(jià)規(guī)劃方案比選投資優(yōu)化內(nèi)外部約束投資策略策

6、略模型基礎(chǔ)理論模型決策支持模型執(zhí)行評(píng)價(jià)模型采購(gòu)策略建設(shè)策略運(yùn)檢策略報(bào)廢處置策略 LCC招投標(biāo)倉(cāng)儲(chǔ)配送策略工程設(shè)計(jì)方案比選運(yùn)檢、技改策略搶修策略處置方案優(yōu)選方法計(jì)劃執(zhí)行狀態(tài)評(píng)估模型風(fēng)險(xiǎn)評(píng)價(jià)模型全壽命成本模型資產(chǎn)墻模型資產(chǎn)歷史數(shù)據(jù)設(shè)備狀態(tài)故障概率c1/c2/c3/c4/c5技術(shù)經(jīng)濟(jì)壽命老舊資產(chǎn)規(guī)模重要性等級(jí)設(shè)備風(fēng)險(xiǎn)值損失程度1222345基于大數(shù)據(jù)技術(shù)的風(fēng)機(jī)績(jī)效、狀態(tài)評(píng)價(jià)策略優(yōu)化計(jì)劃執(zhí)行工作評(píng)價(jià)大數(shù)據(jù)分析及應(yīng)用框架PHM用于設(shè)備狀態(tài)評(píng)價(jià)，實(shí)際業(yè)務(wù)過(guò)程包括如下兩類場(chǎng)景，針對(duì)整體運(yùn)檢策略優(yōu)化（相關(guān)檢修、巡視技術(shù)標(biāo)準(zhǔn)等），及單體資產(chǎn)應(yīng)用方面。龍?jiān)创髷?shù)據(jù)項(xiàng)目，考慮與現(xiàn)有EAM系統(tǒng)取數(shù)據(jù)，暫不不考慮IT優(yōu)化

7、。設(shè)備狀態(tài)匯集管理，通過(guò)數(shù)據(jù)分析、評(píng)定設(shè)備狀態(tài)。建立設(shè)備績(jī)效評(píng)估體系，開(kāi)展設(shè)備類型/家族的績(jī)效分析。運(yùn)維策略技術(shù)政策修編設(shè)備狀態(tài)評(píng)估設(shè)備績(jī)效管理設(shè)備狀態(tài)匯集策略優(yōu)化循環(huán)狀態(tài)分析循環(huán)工作執(zhí)行工作關(guān)閉工作計(jì)劃設(shè)備風(fēng)險(xiǎn)評(píng)估根據(jù)設(shè)備狀態(tài)，評(píng)估設(shè)備是否安排檢修工作的影響及后果。通過(guò)績(jī)效、成本等綜合分析，優(yōu)化資產(chǎn)的運(yùn)維策略。大數(shù)據(jù)分析，完善各類型（廠商、型號(hào)）風(fēng)機(jī)管理的技術(shù)標(biāo)準(zhǔn)。該技術(shù)標(biāo)準(zhǔn)是開(kāi)展運(yùn)維檢修作業(yè)的法律依據(jù)。對(duì)某個(gè)具體的風(fēng)機(jī)的狀態(tài)信息采集，到工作過(guò)程。大數(shù)據(jù)使策略更加優(yōu)化科學(xué)，決策過(guò)程更加快速扁平。但不會(huì)去改變工作過(guò)程。整個(gè)工作過(guò)程，可以通過(guò)EAM進(jìn)行集成，左側(cè)是策略定量化，右側(cè)是狀態(tài)評(píng)價(jià)與EA

8、M集成，所謂“狀態(tài)觸發(fā)工單”。龍?jiān)磿簳r(shí)不考慮IT方向（EAM等）。為什么大數(shù)據(jù)17 12風(fēng)電信息化現(xiàn)狀大數(shù)據(jù)中心的優(yōu)勢(shì)3大數(shù)據(jù)的價(jià)值定位4大數(shù)據(jù)在能源行業(yè)的展望互聯(lián)網(wǎng)的數(shù)據(jù)很“容易”18 數(shù)據(jù)規(guī)范化數(shù)據(jù)可閉環(huán)行業(yè)標(biāo)準(zhǔn)，PV/UV/CTR實(shí)時(shí)性低封閉系統(tǒng)，中心化/C端目標(biāo)清晰，CTR為中心評(píng)估反饋單一，可評(píng)估工業(yè)4.0/能源互聯(lián)網(wǎng)很“難”19 設(shè)備連接，Kiwigrid 實(shí)時(shí)性，電的天然屬性，交易 多維度：生產(chǎn)/設(shè)計(jì)/投資 大生態(tài)：設(shè)備/領(lǐng)域/應(yīng)用互聯(lián)網(wǎng)轉(zhuǎn)型的趨勢(shì)信息獲取轉(zhuǎn)變到交易零售業(yè)：Amazon, eBay, 淘寶服務(wù): airbnb, 滴滴財(cái)務(wù): 陸金所提供方由集中轉(zhuǎn)到分布淘寶3千萬(wàn)賣家

9、Uber有百萬(wàn)級(jí)別司機(jī)陸金所有百萬(wàn)級(jí)別的貸款提供方物理交易轉(zhuǎn)變?yōu)樘摂M交易Uber不擁有汽車和司機(jī)Airbnb不擁有房屋淘寶不擁有供應(yīng)鏈和物流從實(shí)體運(yùn)維轉(zhuǎn)換為數(shù)據(jù)驅(qū)動(dòng)門戶P2P金融C2C電商行業(yè)服務(wù)BigDataPlatformDistributedProviders21標(biāo)準(zhǔn)范式-解決方案介紹1大數(shù)據(jù)技術(shù)的標(biāo)準(zhǔn)范式22 1Iaas基礎(chǔ)架構(gòu)潘怡鴻2Paas平臺(tái)服務(wù)代志遠(yuǎn)5運(yùn)維方案潘、代、宏4設(shè)計(jì)及部署3Saas數(shù)據(jù)應(yīng)用：EBA/PHM/Kong/EnOS基于遠(yuǎn)景云的大數(shù)據(jù)中心基礎(chǔ)架構(gòu)23 遠(yuǎn)景云范式介紹：私有云公有云混合云技術(shù)路線（特點(diǎn)及功能分區(qū)）：三種云的架構(gòu)圖文安全設(shè)計(jì)：安全設(shè)計(jì)原則及功能說(shuō)明

10、成本結(jié)構(gòu)說(shuō)明Agenda遠(yuǎn)景云平臺(tái)簡(jiǎn)介遠(yuǎn)景云平臺(tái)的成本介紹遠(yuǎn)景云平臺(tái)的安全介紹遠(yuǎn)景云平臺(tái)的技術(shù)特點(diǎn)遠(yuǎn)景云平臺(tái)簡(jiǎn)介遠(yuǎn)景云平臺(tái)區(qū)分中國(guó)和海外兩個(gè)邏輯隔離的區(qū)域中國(guó)云平臺(tái)部分采用北京光環(huán)新網(wǎng)提供的基礎(chǔ)云平臺(tái)海外云平臺(tái)部分采用亞馬遜提供的基礎(chǔ)云平臺(tái)遠(yuǎn)景在中國(guó)和海外云平臺(tái)上定制開(kāi)發(fā)了大量基于能源互聯(lián)網(wǎng)的Paas服務(wù)，對(duì)全球能源用戶提供可靠的能源互聯(lián)網(wǎng)管理服務(wù)遠(yuǎn)景云平臺(tái)簡(jiǎn)介北京光環(huán)新網(wǎng)(300383)成立于1999年，在中國(guó)上市，是中國(guó)領(lǐng)先的互聯(lián)網(wǎng)綜合服務(wù)提供商，獲得了包括中華人民共和國(guó)工業(yè)和信息化部、北京市通信管理局等頒發(fā)的多項(xiàng)行業(yè)資質(zhì)和榮譽(yù)，因特網(wǎng)數(shù)據(jù)中心和接入服務(wù)業(yè)務(wù)獲準(zhǔn)經(jīng)營(yíng)范圍覆蓋國(guó)內(nèi)的眾多主要城

11、市，在業(yè)內(nèi)擁有高度知名度和影響力。遠(yuǎn)景云平臺(tái)簡(jiǎn)介北京光環(huán)新網(wǎng)具備完畢的互聯(lián)網(wǎng)運(yùn)營(yíng)資質(zhì)和安全、質(zhì)量管控認(rèn)證。遠(yuǎn)景云平臺(tái)簡(jiǎn)介北京光環(huán)新網(wǎng)在中國(guó)提供云平臺(tái)基礎(chǔ)架構(gòu)服務(wù)，采用世界先進(jìn)的亞馬遜云技術(shù)，具備亞馬遜全球云服務(wù)相同的質(zhì)量承諾。北京光環(huán)新網(wǎng)在中國(guó)提供的云平臺(tái)服務(wù)，和亞馬遜全球云服務(wù)是徹底網(wǎng)絡(luò)隔離的體系，不在亞馬遜全球云服務(wù)體系內(nèi)。目前北京光環(huán)新網(wǎng)在中國(guó)提供的云平臺(tái)服務(wù)，在北京有兩個(gè)數(shù)據(jù)中心，實(shí)現(xiàn)同城災(zāi)備功能。即將在寧夏開(kāi)啟多個(gè)數(shù)據(jù)中心，可以實(shí)現(xiàn)更低的成本和更大的功能支持。遠(yuǎn)景云平臺(tái)成本介紹TCO構(gòu)成硬件 - 服務(wù)器, 機(jī)架軟件 - 操作系統(tǒng), 數(shù)據(jù)庫(kù)，中間件設(shè)施成本硬件 - 硬盤(pán)，存儲(chǔ)局域網(wǎng)絡(luò)，

12、光纖交換機(jī)存儲(chǔ)管理 - 容量規(guī)劃硬件 - 交換機(jī), 負(fù)載均衡器，帶寬成本網(wǎng)絡(luò)管理 - 帶寬控制服務(wù)器管理，虛擬化管理，應(yīng)用管理4場(chǎng)地/安全供電/制冷升級(jí)/維護(hù)服務(wù)器成本存儲(chǔ)成本網(wǎng)絡(luò)成本IT人工成本123設(shè)施成本場(chǎng)地/安全供電/制冷升級(jí)/維護(hù)設(shè)施成本場(chǎng)地/安全供電/制冷升級(jí)/維護(hù)遠(yuǎn)景云平臺(tái)成本介紹硬件服務(wù)器+網(wǎng)絡(luò)+存儲(chǔ)軟件操作系統(tǒng) +虛擬機(jī)數(shù)據(jù)中心場(chǎng)地+設(shè)施安全電源供電空調(diào)制冷軟件定義的網(wǎng)絡(luò)人員管理硬件維護(hù) 冗余存儲(chǔ)資源管理自動(dòng)化操作云服務(wù)計(jì)費(fèi)包含企業(yè)IT管理成本云服務(wù)一般硬件供應(yīng)商遠(yuǎn)景云平臺(tái)成本介紹遠(yuǎn)景TCO分析的假設(shè)和依據(jù)針對(duì)遠(yuǎn)景2016年云平臺(tái)的規(guī)模，計(jì)算云上TCO根據(jù)2016年的使用情況

13、，來(lái)推算云下TCO實(shí)例類型和數(shù)量：2000臺(tái)EC2實(shí)例，300臺(tái)RDS實(shí)例EBS存儲(chǔ)大小：800TBS3存儲(chǔ)大?。?00TB (+10TB per month)計(jì)算方式：/USDCNY：6.6計(jì)算年數(shù)：3 年同等規(guī)模的服務(wù)器和維護(hù)成本同等規(guī)模的軟件許可證成本同等規(guī)模的存儲(chǔ)和維護(hù)成本同等規(guī)模的網(wǎng)絡(luò)和維護(hù)成本IT人員成本同等規(guī)模的機(jī)房相關(guān)的成本（供電、制冷、容災(zāi)等）遠(yuǎn)景云平臺(tái)成本介紹云上云下TCO分析對(duì)比3年TCO平均每年費(fèi)用云上*云下計(jì)算19,812,03818,843,804存儲(chǔ)1,003,4149,985,797網(wǎng)絡(luò)307,87013,774,327人工2,055,7019,938,491供

14、應(yīng)商支持1,356,3400總計(jì)24,535,36352,542,419云上比云下成本降低53%運(yùn)行在云平臺(tái)中每年節(jié)約28,007,057* 云上購(gòu)買預(yù)留實(shí)例遠(yuǎn)景云平臺(tái)安全介紹遠(yuǎn)景云平臺(tái)采用國(guó)際最先進(jìn)的安全防護(hù)技術(shù)結(jié)合中國(guó)電力行業(yè)的安全規(guī)范中國(guó)光環(huán)新網(wǎng)云平臺(tái)采用國(guó)際一流的亞馬遜安全防護(hù)體系遠(yuǎn)景中國(guó)云平臺(tái)按國(guó)家14號(hào)令設(shè)置安全體系2016年遠(yuǎn)景能源通過(guò)國(guó)家公安部等保三級(jí)認(rèn)證公有云市場(chǎng)安全防護(hù)統(tǒng)計(jì)遠(yuǎn)景云平臺(tái)安全介紹光環(huán)新網(wǎng)云平臺(tái)通過(guò)的國(guó)際安全認(rèn)證：Cloud Security Alliance STAR Registrant DIACAP FedRAMP (FISMA ATO Moderate)

15、FIPS 140-2 HIPAA ISO 27001: 2005 ITAR PCI DSS Level 1 SOC 1 Type 2 SOC 2 TypeSOC 3 遠(yuǎn)景云平臺(tái)安全介紹光環(huán)新網(wǎng)提供的安全防護(hù)：承諾多租戶虛擬私有網(wǎng)絡(luò)隔離. 單一用戶的專線內(nèi)網(wǎng)直連多層級(jí)的訪問(wèn)控制. 超出其他任何IDC機(jī)房的物理安全防護(hù).超大規(guī)模的云平臺(tái)默認(rèn)DDos攻擊防護(hù)體系 世界上公有分布式存儲(chǔ)最高的SLA ：11個(gè)9便利的異地容災(zāi)技術(shù)完整的審計(jì)功能、權(quán)限控制功能關(guān)系型數(shù)據(jù)庫(kù)的容災(zāi)、備份遠(yuǎn)景云平臺(tái)安全介紹遠(yuǎn)景能源提供的安全防護(hù)：安全的數(shù)據(jù)傳輸加密系統(tǒng)VPN. 國(guó)際先進(jìn)的防火墻安全隔離. 國(guó)家認(rèn)證的橫向隔離、縱向

16、加密設(shè)備.中國(guó)專利的堡壘機(jī)系統(tǒng)。 混合云自動(dòng)化備份系統(tǒng)和監(jiān)控系統(tǒng)。自動(dòng)化運(yùn)維系統(tǒng)專業(yè)的互聯(lián)網(wǎng)安全運(yùn)維團(tuán)隊(duì)遠(yuǎn)景云平臺(tái)技術(shù)介紹靈活性 基于公有云的體系架構(gòu)，具備公有云特有的隨時(shí)使用靈活變化的特征. 1. 隨時(shí)啟用，一天內(nèi)開(kāi)啟上百臺(tái)服務(wù)器規(guī)模的系統(tǒng)，滿足客戶快速上線需求。2. 智能伸縮，隨著業(yè)務(wù)壓力的變化自動(dòng)調(diào)整服務(wù)器系統(tǒng)規(guī)模，貼合業(yè)務(wù)需求。3. 按需使用，按需付費(fèi)，IT資源像水龍頭一樣，打開(kāi)龍頭就用，按月按流量收費(fèi)。遠(yuǎn)景云平臺(tái)技術(shù)介紹規(guī)?；性频囊?guī)?；瘞?lái)的技術(shù)紅利和成本紅利. 1. 公有云面對(duì)大規(guī)模的企業(yè)用戶，客戶可以自然的獲得潛在的先進(jìn)技術(shù)能力共享2. 公有云的規(guī)?；瘎?shì)必帶來(lái)成本紅利3. 站

17、在巨人的肩膀上，才能站得更高、看得更遠(yuǎn)遠(yuǎn)景云平臺(tái)技術(shù)介紹自動(dòng)化云，就是自動(dòng)化. 1. 公有云技術(shù)，將大量過(guò)去無(wú)法避免的人為操作，簡(jiǎn)化為自動(dòng)化，效率和準(zhǔn)確率極大提高。2. 公有云技術(shù)，提供了一個(gè)更大的自動(dòng)化平臺(tái)，幫助遠(yuǎn)景在智慧能源管理實(shí)現(xiàn)領(lǐng)域內(nèi)的自動(dòng)化。3. 信息爆炸的時(shí)代，只有大數(shù)據(jù)和自動(dòng)化能夠幫助我們獲得對(duì)世界的洞察力、對(duì)行業(yè)發(fā)展的先機(jī)。遠(yuǎn)景云平臺(tái)技術(shù)介紹領(lǐng)域知識(shí)沉淀遠(yuǎn)景能源在公有云技術(shù)和新能源的領(lǐng)域知識(shí)相結(jié)合的能力，是其他單一供應(yīng)商無(wú)法取代的。公有云技術(shù)，遠(yuǎn)景能源在公有云的深度研究，曾經(jīng)幫助光環(huán)新網(wǎng)發(fā)現(xiàn)大量bug，并在AWS大數(shù)據(jù)解決方案EMR上發(fā)現(xiàn)致命缺陷，采用遠(yuǎn)景大數(shù)據(jù)解決方案取代EM

18、R后實(shí)現(xiàn)高可靠的大數(shù)據(jù)平臺(tái)。遠(yuǎn)景能源在2014年就獨(dú)立承擔(dān)了遠(yuǎn)景大數(shù)據(jù)云平臺(tái)從私有云到公有云的遷移項(xiàng)目，為光環(huán)新網(wǎng)云平臺(tái)塑造了優(yōu)秀典范。遠(yuǎn)景能源在新能源領(lǐng)域的應(yīng)用經(jīng)驗(yàn)，遠(yuǎn)遠(yuǎn)超過(guò)光環(huán)新網(wǎng)和亞馬遜的能力，光環(huán)新網(wǎng)不斷努力和遠(yuǎn)景合作提供新能源領(lǐng)域的應(yīng)用云平臺(tái)服務(wù)。業(yè)務(wù)應(yīng)用和先進(jìn)的云技術(shù)的緊密合作才能打造高效的能源互聯(lián)網(wǎng)平臺(tái)?；谶h(yuǎn)景能源和光環(huán)新網(wǎng)的深度技術(shù)合作，光環(huán)新網(wǎng)無(wú)論在價(jià)格或技術(shù)支持方面，都提供遠(yuǎn)景特殊的優(yōu)待服務(wù)，技術(shù)上能夠直接調(diào)用后臺(tái)技術(shù)支持，價(jià)格上有特殊折扣。大數(shù)據(jù)技術(shù)的標(biāo)準(zhǔn)范式42 1Iaas基礎(chǔ)架構(gòu)潘怡鴻2Paas平臺(tái)服務(wù)代志遠(yuǎn)5運(yùn)維方案4設(shè)計(jì)及部署3Saas數(shù)據(jù)應(yīng)用：EBA/PHM/

19、Kong/EnOSEDH平臺(tái)服務(wù)數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)探索數(shù)據(jù)交互平臺(tái)流式數(shù)據(jù)區(qū)開(kāi)發(fā)者環(huán)境44 數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)接入系統(tǒng)：負(fù)責(zé)從各源系統(tǒng)收集數(shù)據(jù)；流處理區(qū)：采用Spark Streaming作為流式處理的基礎(chǔ)框架流處理應(yīng)用區(qū)：各類流式處理的應(yīng)用，譬如清洗、規(guī)約解析、告警等生產(chǎn)存儲(chǔ)分析區(qū)：基于Hadoop族搭建的大數(shù)據(jù)離線處理平臺(tái)數(shù)據(jù)倉(cāng)庫(kù)區(qū)：架設(shè)在大數(shù)據(jù)平臺(tái)上的公司級(jí)數(shù)據(jù)倉(cāng)庫(kù)，支持各類業(yè)務(wù)應(yīng)用，多維度查詢等。算法探索區(qū)：架設(shè)在大數(shù)據(jù)平臺(tái)上的供算法人員進(jìn)行挖掘類算法研發(fā)的區(qū)域，提供各種機(jī)器學(xué)習(xí)算法庫(kù)算法應(yīng)用區(qū)：各類已經(jīng)在生產(chǎn)環(huán)境下投入使用的算法應(yīng)用，如故障識(shí)別、電量預(yù)測(cè)等。數(shù)據(jù)共享區(qū)：大數(shù)據(jù)平臺(tái)上經(jīng)過(guò)處理的

20、數(shù)據(jù)會(huì)被傳輸至數(shù)據(jù)共享區(qū)，供集團(tuán)各應(yīng)用調(diào)用調(diào)度：為了完成日常數(shù)據(jù)處理需要有統(tǒng)一的調(diào)度機(jī)制權(quán)限：控制數(shù)據(jù)的存取權(quán)限所以需的權(quán)限管理機(jī)制API/SDK：經(jīng)過(guò)封裝的數(shù)據(jù)訪問(wèn)接口，供開(kāi)發(fā)人員獲取數(shù)據(jù)使用報(bào)表系統(tǒng)：統(tǒng)一的報(bào)表展示系統(tǒng)多維查詢工具：實(shí)現(xiàn)多維查詢的工具；即席查詢工具：供分析人員進(jìn)行adhoc查詢使用的工具。系統(tǒng)管理工具：管理大數(shù)據(jù)平臺(tái)的各項(xiàng)配套工具；MDS：主數(shù)據(jù)系統(tǒng)，管理大數(shù)據(jù)平臺(tái)內(nèi)存放的各類數(shù)據(jù)，保證數(shù)據(jù)定義的一致。資源管理分布式存儲(chǔ)45大數(shù)據(jù)技術(shù)架構(gòu)數(shù)據(jù)平臺(tái)中心門戶開(kāi)放平臺(tái)EEOP實(shí)時(shí)接入系統(tǒng)批處理引擎Workflow模型引擎算法庫(kù)調(diào)度管理算法工具平臺(tái)Data IDE自助提取查詢實(shí)時(shí)計(jì)

21、算集群管理權(quán)限及安全元數(shù)據(jù)管理用戶交互中心大數(shù)據(jù)技術(shù)的標(biāo)準(zhǔn)范式47 1Iaas基礎(chǔ)架構(gòu)潘怡鴻2Paas平臺(tái)服務(wù)代志遠(yuǎn)5運(yùn)維方案4設(shè)計(jì)及部署3Saas數(shù)據(jù)應(yīng)用：EBA/PHM/Kong/EnOSEnlight應(yīng)用服務(wù)使用風(fēng)展ppt材料集中式/失效式的設(shè)備運(yùn)檢管理分散式/預(yù)防性的設(shè)備健康度管理數(shù)據(jù)接入特點(diǎn)接入各類型風(fēng)機(jī)，監(jiān)測(cè)與啟停復(fù)位信號(hào)，接入變電站監(jiān)測(cè)信號(hào)，集中在一個(gè)系統(tǒng)界面顯示出來(lái)價(jià)值基本的報(bào)表，控制與監(jiān)測(cè)功能通過(guò)遠(yuǎn)程桌面實(shí)現(xiàn)挑戰(zhàn)懂得要開(kāi)放哪些監(jiān)控點(diǎn)，并要求各設(shè)備廠家開(kāi)放；或者直連風(fēng)機(jī)特點(diǎn)變電站運(yùn)行班遷入集控中心價(jià)值現(xiàn)場(chǎng)駐場(chǎng)人員減少挑戰(zhàn)各種電量與數(shù)據(jù)跳變；各機(jī)型故障告警與風(fēng)機(jī)復(fù)位策略；運(yùn)行班與

22、檢修班遠(yuǎn)程協(xié)同工作機(jī)制，互相復(fù)位，責(zé)任分割不明特點(diǎn)檢修班不駐升壓站，遷入附近縣城；運(yùn)行班遠(yuǎn)程監(jiān)控與數(shù)據(jù)分析價(jià)值運(yùn)營(yíng)成本降低挑戰(zhàn)電網(wǎng)無(wú)人值守變電站規(guī)范阻力；遠(yuǎn)程管理檢修班人員的響應(yīng)、安全與工作質(zhì)量無(wú)人值班移動(dòng)式檢修績(jī)效透明特點(diǎn)準(zhǔn)確計(jì)算損失電量及其責(zé)任原因；風(fēng)場(chǎng)后評(píng)估與競(jìng)爭(zhēng)性分析：橫向比較風(fēng)資源，功率曲線，可靠性差異導(dǎo)致發(fā)電量差異；人員物料成本差異價(jià)值正確有效反饋風(fēng)場(chǎng)運(yùn)營(yíng)現(xiàn)狀后，人員行為與設(shè)備運(yùn)行性能將得到有效改善 挑戰(zhàn)準(zhǔn)確可閉環(huán)的指標(biāo)評(píng)價(jià)體系健康度監(jiān)控特點(diǎn)基于數(shù)據(jù)交互實(shí)現(xiàn)設(shè)備健康度管理，衡量設(shè)備健康度，預(yù)測(cè)部件壽命與可靠性，提供設(shè)備實(shí)時(shí)告警及健康預(yù)警價(jià)值實(shí)現(xiàn)實(shí)時(shí)告警與健康預(yù)警相結(jié)合的管理模式，將

23、被動(dòng)式檢修轉(zhuǎn)化為主動(dòng)式維護(hù)，提升設(shè)備可靠性及發(fā)電量挑戰(zhàn)領(lǐng)域模型的定義，預(yù)測(cè)算法的深度機(jī)器學(xué)習(xí)及數(shù)據(jù)模型的訓(xùn)練及應(yīng)用被動(dòng)式/失效式的監(jiān)控管理主動(dòng)式/預(yù)防式的健康管理50風(fēng)電場(chǎng)的績(jī)效指標(biāo)管理現(xiàn)狀-發(fā)電量都去哪了？同期設(shè)計(jì)發(fā)電量1,8002,736跑冒滴漏實(shí)際發(fā)電量今年風(fēng)?。拷衲晗揠?？風(fēng)機(jī)不行？運(yùn)維不行？微觀選址不行？備品備件問(wèn)題？51計(jì)劃停運(yùn)停運(yùn)損失發(fā)電量收入內(nèi)部收益率+發(fā)電損失+電價(jià)設(shè)備理論轉(zhuǎn)化效率理論發(fā)電量+損失電量電網(wǎng)限電+風(fēng)輪前實(shí)時(shí)風(fēng)速生產(chǎn)損失非計(jì)劃停運(yùn)運(yùn)維成本物料人工+投資成本融資成本+折舊成本實(shí)際發(fā)電量理論發(fā)電量合同功率曲線實(shí)際平均風(fēng)速 / Welbull分布實(shí)際風(fēng)速湍流強(qiáng)度實(shí)際風(fēng)玫瑰

24、圖EBA能量可利用率損失電量限電損失電量/比例生產(chǎn)損失電量/比例停機(jī)損失電量TBA時(shí)間可利用率實(shí)際功率曲線功率曲線損失電量WPI功率曲線達(dá)標(biāo)率WPSD功率曲線標(biāo)準(zhǔn)差工時(shí)負(fù)荷率物料成本 1. MTBT平均故障間隔時(shí)間2. MTBR平均檢修間隔時(shí)間3. 一類/二類故障率 MTBI平均風(fēng)機(jī)工作間隔時(shí)間運(yùn)維成本 IRR資本金收益率 度電利潤(rùn) 生產(chǎn)消耗場(chǎng)用電率線路損失基于理性的運(yùn)行評(píng)價(jià)體系可以實(shí)現(xiàn)全生命期的優(yōu)化指導(dǎo)52能量的輸入/預(yù)測(cè) 實(shí)時(shí)： 實(shí)時(shí)監(jiān)控 能量輸出管理 FCOSEMS每天：故障/亞健康告警PHMOS 當(dāng)日計(jì)劃 分配 質(zhì)控 指導(dǎo) OMOMMAPFD 記錄 OM運(yùn)營(yíng)數(shù)據(jù)獲取Wind EBA資產(chǎn)

25、運(yùn)營(yíng)評(píng)估RCA分析決策周期 跑冒滴漏分析技術(shù)改造方案技改計(jì)劃OM每日?qǐng)?zhí)行維護(hù)數(shù)據(jù)分析維護(hù)工藝更新?tīng)顟B(tài)維護(hù)計(jì)劃OMOMOMEE III機(jī)位風(fēng)資源分析控制與機(jī)位改造方案Wind EBA模塊，實(shí)現(xiàn)一體化的生產(chǎn)運(yùn)營(yíng)評(píng)估，輔助決策，指導(dǎo)生產(chǎn)，閉環(huán)管理53 Wind Enlight，實(shí)現(xiàn)一體化的生產(chǎn)運(yùn)營(yíng)評(píng)估，輔助決策，指導(dǎo)生產(chǎn)，閉環(huán)管理自定義績(jī)效報(bào)表自定義定期報(bào)告績(jī)效圖表移動(dòng)端績(jī)效分析以EBA為核心的指標(biāo)評(píng)價(jià)體系指標(biāo)明細(xì)查詢及分析，滿足分析人員日常分析需要多維度靈活展示對(duì)比核心指標(biāo)，跑冒滴漏一目了然支持客戶定制化報(bào)告，閉環(huán)提供績(jī)效分析方案績(jī)效指標(biāo)支持移動(dòng)端查詢及對(duì)比，隨時(shí)隨地掌握風(fēng)場(chǎng)運(yùn)行績(jī)效XX場(chǎng)站XX場(chǎng)

26、站54數(shù)據(jù)驅(qū)動(dòng)的智能資產(chǎn)健康度管理（PHM）54 DATAAbnormalReasonSolution設(shè)備監(jiān)控?cái)?shù)據(jù)CMS振動(dòng)數(shù)據(jù)生產(chǎn)管理數(shù)據(jù)工況數(shù)據(jù)發(fā)電性能亞健康預(yù)警大部件溫度預(yù)警子系統(tǒng)運(yùn)行健康度預(yù)警復(fù)位更換接線更換模塊打磨滑環(huán)軸承磨損齒面磨損不平衡Model檢修指導(dǎo)及推薦健康度預(yù)警OPERA失效原因分析運(yùn)行數(shù)據(jù)集中管理什么是PHMPrognostics and Health Management故障診斷與健康管理ISO標(biāo)準(zhǔn)的5級(jí)設(shè)備健康度分類： 正常: 設(shè)備正常，殘差正常 注意：設(shè)備正常，殘差波動(dòng) 亞健康：設(shè)備正常，殘差偏離 警告：設(shè)備亞健康，殘差異常 故障：設(shè)備無(wú)法運(yùn)行，殘差異常物聯(lián)網(wǎng)傳感

27、器大數(shù)據(jù)健康度監(jiān)控?cái)?shù)據(jù)挖掘算法模型設(shè)備健康管理主動(dòng)/預(yù)防故障診斷與健康管理（PHM） 故障診斷，即預(yù)先診斷部件或系統(tǒng)完成其功能的狀態(tài)，確定部件正常工作的時(shí)間長(zhǎng)度； 健康管理，即根據(jù)診斷/預(yù)測(cè)信息、可用資源和使用需求對(duì)維修活動(dòng)做出適當(dāng)決策的能力； PHM系統(tǒng)已經(jīng)成為新一代的飛機(jī)、艦船、車輛和軍用電子產(chǎn)品等系統(tǒng)設(shè)計(jì)和使用中的一個(gè)重要組成部分。正常亞健康故障56PHM業(yè)務(wù)模型風(fēng)電場(chǎng)A風(fēng)電場(chǎng)B風(fēng)電場(chǎng)C設(shè)備臺(tái)賬（主數(shù)據(jù)）傳感器數(shù)據(jù)失效數(shù)據(jù)庫(kù)檢修故障樹(shù)（PFMEA/DFMEA）設(shè)備接入及數(shù)據(jù)采集層（Wind OS/ En OS）失效式實(shí)時(shí)告警設(shè)備健康度監(jiān)測(cè)測(cè)點(diǎn)接入數(shù)據(jù)清洗特征提取模型訓(xùn)練預(yù)警策略增量預(yù)測(cè)近

28、實(shí)時(shí)預(yù)警生產(chǎn)管理系統(tǒng)（EAM/SAP）亞健康預(yù)警故障告警服務(wù)申請(qǐng)單停機(jī)記錄工單執(zhí)行57OPERA-PHM Alpha Health Warning ModelIdentification and early warning of abnormal wind turbineLarge Component Temperature Health Warning Model Equipment Performance Management ModelOPERA-PHM Alpha Version 23:8094/phm大部件（齒輪箱/發(fā)電機(jī)/主軸承）預(yù)警算法針對(duì)風(fēng)機(jī)大部件故障預(yù)警，采用支持向量機(jī)回歸的

29、算法模型，利用風(fēng)機(jī)各部件相關(guān)測(cè)點(diǎn)及風(fēng)機(jī)檔案等數(shù)據(jù)，刻畫(huà)模型特征變量，根據(jù)不同數(shù)據(jù)指標(biāo)選取訓(xùn)練集合，進(jìn)而對(duì)部件溫度進(jìn)行回歸預(yù)測(cè)，最后實(shí)現(xiàn)對(duì)部件溫度殘差的分析和預(yù)警。算法簡(jiǎn)介功率曲線是衡量風(fēng)機(jī)整體性能的重要特征，通過(guò)基于核密度估計(jì)的算法模型，實(shí)現(xiàn)異常數(shù)據(jù)的清洗，擴(kuò)展特征數(shù)據(jù)，并擬合風(fēng)機(jī)的功率曲線。進(jìn)一步地，根據(jù)功率的跌落狀態(tài)結(jié)合業(yè)務(wù)邏輯進(jìn)行限功率、結(jié)冰、葉片變臟等等異常狀態(tài)識(shí)別和預(yù)警。算法簡(jiǎn)介設(shè)備性能預(yù)警模型（功率曲線失效模型）算法簡(jiǎn)介齒輪箱散熱系統(tǒng)預(yù)警模型根據(jù)風(fēng)機(jī)工況及傳感器感知數(shù)據(jù)，綜合運(yùn)用聚類、boosting及回歸樹(shù)等模型，探索設(shè)備工況、測(cè)點(diǎn)數(shù)據(jù)之間的關(guān)系，擴(kuò)展出可以刻畫(huà)風(fēng)機(jī)部件動(dòng)作的特征

30、變量，然后對(duì)生成的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，實(shí)現(xiàn)基于時(shí)間序列的多維統(tǒng)計(jì)指標(biāo)的分析和預(yù)警。依據(jù)非高斯性、均方根、趨勢(shì)性及相關(guān)性四個(gè)指標(biāo)，再參考一些原始數(shù)據(jù)的統(tǒng)計(jì)指標(biāo)產(chǎn)生最終的預(yù)警。Powered by Technology of Envision遠(yuǎn)景全球風(fēng)電氣象監(jiān)測(cè)網(wǎng)絡(luò): 遠(yuǎn)景智慧能源管理平臺(tái)管理著5000萬(wàn)千瓦的新能源資產(chǎn)2016.5收購(gòu)歐洲第二大新能源資產(chǎn)管理軟件公司BazeFieldPowered by Technology of Envision遠(yuǎn)景科羅拉多空氣動(dòng)力與氣象研發(fā)中心: 20+全球頂級(jí)氣象與流體專家, 整合全球氣象網(wǎng)絡(luò)資源, 推進(jìn)核心氣象研發(fā)Powered by Technology

31、 of Envision牽手太湖之光與天河二號(hào): 基于高性能計(jì)算和云技術(shù)建立風(fēng)電基礎(chǔ)大數(shù)據(jù)RankSiteCoresRpeak (TFlop/s)1ChinaNational Supercomputing Center in Wuxi10,649,600125,435.902ChinaNational Super Computer Center in Guangzhou3,120,00054,902.403USDOE/SC/Oak Ridge National Laboratory560,64027,112.504USDOE/NNSA/LLNL1,572,86420,132.705JapanR

32、IKEN Advanced Institute for Computational Science (AICS)705,02411,280.40全球100米*1小時(shí)高精度四維風(fēng)資源數(shù)據(jù)來(lái)源：/Greenwich Powered by Technology of EnvisionPowered by Technology of Envision格林威治平臺(tái)高精度風(fēng)場(chǎng)數(shù)值模型風(fēng)機(jī)/塔筒/基礎(chǔ)變電站/箱式變集電線路道路與平臺(tái)地形植被環(huán)境要素風(fēng)資源外購(gòu)全球商業(yè)氣象數(shù)據(jù)集合預(yù)報(bào)風(fēng)場(chǎng)數(shù)值模型風(fēng)機(jī)運(yùn)行模型機(jī)器學(xué)習(xí)預(yù)報(bào)展現(xiàn)驗(yàn)證體系優(yōu)化風(fēng)電轉(zhuǎn)換測(cè)風(fēng)塔風(fēng)速預(yù)報(bào)遠(yuǎn)景全球預(yù)報(bào)系統(tǒng)全球預(yù)報(bào)數(shù)據(jù)源區(qū)域集中預(yù)報(bào)VS單點(diǎn)預(yù)報(bào)

33、EOS全球風(fēng)電資產(chǎn)VS無(wú)監(jiān)控Greenwich+Wind OS全物理過(guò)程預(yù)測(cè)功率VS神經(jīng)網(wǎng)絡(luò)等統(tǒng)計(jì)模型集團(tuán)級(jí)統(tǒng)一后評(píng)估調(diào)優(yōu)VS風(fēng)場(chǎng)統(tǒng)計(jì)評(píng)估驗(yàn)證體系GreenwichWind OSPowered by Technology of Envision孔明氣象服務(wù) 風(fēng)功率預(yù)報(bào)與發(fā)電計(jì)劃基于多氣象源及風(fēng)場(chǎng)數(shù)值模型的功率預(yù)報(bào)全球優(yōu)質(zhì)數(shù)據(jù)集合預(yù)報(bào)海量實(shí)測(cè)數(shù)據(jù)同化技術(shù)精確風(fēng)場(chǎng)數(shù)值模型機(jī)器學(xué)習(xí)大數(shù)據(jù)分析全球驗(yàn)證體系閉環(huán)孔明氣象服務(wù)預(yù)報(bào)精度數(shù)值模型大數(shù)據(jù)可再生資源氣象數(shù)據(jù)源測(cè)風(fēng)方案 風(fēng)資源流體仿真尾流模型損失電量預(yù)測(cè)模型災(zāi)害性天氣預(yù)測(cè)運(yùn)行大數(shù)據(jù)實(shí)時(shí)監(jiān)控資產(chǎn)運(yùn)維管理設(shè)備性能分析基于EBA的指標(biāo)體系大部件健康度管理生

34、產(chǎn)計(jì)劃管理限電優(yōu)化控制Powered by Technology of Envision格林平臺(tái)的孔明氣象產(chǎn)品家族風(fēng)功率預(yù)報(bào)系統(tǒng)中期預(yù)報(bào)經(jīng)營(yíng)計(jì)劃電能交易支持用電負(fù)荷預(yù)測(cè)設(shè)備/工作安全氣象事件預(yù)警預(yù)防/預(yù)測(cè)性維護(hù)計(jì)劃氣候要素智慧風(fēng)場(chǎng)設(shè)計(jì)優(yōu)化商業(yè)居民工業(yè)電動(dòng)汽車發(fā)電預(yù)測(cè)負(fù)荷預(yù)測(cè)交易中心孔明氣象服務(wù) 負(fù)荷預(yù)報(bào)與電能交易風(fēng)溫度氣壓降雨雷電冰雹降雪臺(tái)風(fēng)潮汐Powered by Technology of Envision孔明氣象服務(wù) 風(fēng)電生命期工作計(jì)劃與安全陣風(fēng)、雷電預(yù)測(cè)有效降低吊裝安全氣象預(yù)報(bào)制定預(yù)測(cè)性維護(hù)計(jì)劃冰凍預(yù)測(cè)提前控制設(shè)備運(yùn)行安全臺(tái)風(fēng)、潮流預(yù)測(cè)輔助海上風(fēng)電生產(chǎn)計(jì)劃Powered by Tech

35、nology of Envision降雨沖刷與下雪結(jié)冰導(dǎo)致交通安全孔明氣象服務(wù) 氣象要素的風(fēng)場(chǎng)設(shè)計(jì)優(yōu)化降水和水文分析規(guī)避升壓站及道路洪水風(fēng)險(xiǎn)落雷分析設(shè)計(jì)電氣工程絕緣配合及接線方案冰凍及大風(fēng)評(píng)估指導(dǎo)電氣方案設(shè)計(jì)及選型歷史臺(tái)風(fēng)概率評(píng)價(jià)指導(dǎo)海上升壓站選址選型Powered by Technology of EnvisionPowered by Technology of Envision臺(tái)風(fēng)跟蹤/陣風(fēng)預(yù)警冰凍/降雪預(yù)報(bào)數(shù)據(jù)降雨與地表流量雷電預(yù)報(bào)數(shù)據(jù)基礎(chǔ)數(shù)據(jù)15分鐘7天站點(diǎn)預(yù)報(bào)1小時(shí)7天站點(diǎn)預(yù)報(bào)月/季/年中期預(yù)報(bào)雷達(dá)圖譜衛(wèi)星圖譜預(yù)報(bào)數(shù)據(jù)圖譜氣象特征數(shù)據(jù)風(fēng)電數(shù)據(jù)測(cè)塔1秒-10分鐘觀測(cè)數(shù)據(jù)風(fēng)機(jī)1秒-10分

36、鐘測(cè)量數(shù)據(jù)15分鐘7天區(qū)域預(yù)報(bào)15分鐘7天發(fā)電預(yù)報(bào)格林平臺(tái)的孔明風(fēng)電氣象數(shù)據(jù)服務(wù)智慧風(fēng)場(chǎng)孔明氣象應(yīng)用聯(lián)盟風(fēng)電行業(yè)理性繁榮研發(fā)資源共享計(jì)算資源共享預(yù)報(bào)數(shù)據(jù)共享Introduction to Energy OSNov 7, 201676AgendaIntroduction of EnOSOverview ArchitectureReal-time Data Pipeline with Extension PointsData and Batch Job managementServices and Widgets for App Developer SampleBuild up an App on

37、 EnOSSolution for Sonnen AppMigration PlanPending Questions77Energy OS - Enabling the Energy Ecosystem of the Future An integrated Energy OS solution could offer a platform to develop a range of “apps” for different stakeholders to develop and derive value from the new energy marketplace.Illustrativ

38、e For Discussion PurposesEnergy OS App. LayerEnergy OS InfrastructureThird Party SystemsEnergy System Hardware/ DevicesEnergy OS UI InterfaceEnd UsersUtility InfrastructureHome InfrastructureCommercial InfrastructureVehiclesThird Party InfrastructureSCADAEMS / DMSETRMEnergy MarketEV ChargingBuilding

39、 MgmtCRMGeneratorsNetwork OperatorsEnergy RetailersEnd-ConsumersEnergy OS & AppsData & AnalyticsValue Creations of Energy OSTime-to-marketUnifiedDataCostMultiplicityIntegrationApplicationDomainModelDataConnectivityTechnical AdvantagesBusiness ValuesSecurityConnectivityIntelligence78Micro Grid/Virtua

40、lPower PlantEOS EdgeData InfrastructureComputing InfrastructureEOS Foundation ServicesAlertsEnterprise SystemFleet managementDemand ResponseEnergymanagementSolution PortalCloud ServicesApplicationsConnectivity ServicesEnergy OS ArchitectureAssetsDataDomainAnalyticsSecurity7980EnOS Service Tiers 81Re

41、al-time Data Pipeline 82Data Platform - Architecture We are planning a new component that is Prediction engine, inthenearfuture developers would use the online approach to train the model and application would use Prediction Engine to predict faults in real time.Message QueueRealTimeComputeHDFSMachi

42、neLearningMeta Data ManageWorkflowVisualizationPrediction EngineData ServiceMapReduceSparkBI ReportIDEScheduling831Create and AuthorizeCreate and AuthorizeadminadminadminEnOS Auth Service: Oauth 2.0 Framework with RBAC modelOauth 2.0 FrameworkRBAC modelMulti-level users in insolated account systemUn

43、ified model in both online and offline systemFine granularity of permissionsSecurity Management84EnOS Widgets: standard and easy to useBased on standard web frameworkSupport multiple framework like React, JqueryStrong library with various kindsFlexible and friendly to developers85EnOS NavigationBase

44、d on standard web frameworkStandard APISupport multiple sites、domains and applicationsFriendly to developers86How to create an App for a new Domain1Define the Domain ModelDefine the Mapping between Device and DomainImport the EEOP SDKCreate your App23487Step by Step Migration PlanData ImportMaster d

45、ata definition in EnOS PortalImplement data adapter with mapping and transforming logicLoad historical data into data adapterPush real time data by SonnenDevice ControlDefine control pointsImplement device control protocolData Analysis and MiningImplement batch jobs based on Canaan APIMachine Learni

46、ng support - TBDApplicationsStatusControlHistoryForecastAlarm88Pending QuestionsData ImportDescription of each columns of dumped historical data tableFeasibility of pushing incremental data by Sonnen sideConsideration of importing raw dataData Analysis and MiningExpected latency of data reportForeca

47、st algorithmRequirement of ML supportDevice ControlControl support on Sonnen public APIAuthorization methodLong-term MigrationDirect data gathering and device control by EnOS大數(shù)據(jù)技術(shù)的標(biāo)準(zhǔn)范式89 1Iaas基礎(chǔ)架構(gòu)潘怡鴻2Paas平臺(tái)服務(wù)代志遠(yuǎn)5運(yùn)維方案4設(shè)計(jì)及部署代、宏3Saas數(shù)據(jù)應(yīng)用：EBA/PHM/Kong/EnOS設(shè)計(jì)及部署數(shù)據(jù)量預(yù)估方法：假設(shè)“全量數(shù)據(jù)是每秒500個(gè)數(shù)據(jù)點(diǎn)，按10個(gè)風(fēng)場(chǎng)，每風(fēng)場(chǎng)30臺(tái)風(fēng)機(jī)，共

48、300臺(tái)風(fēng)機(jī)計(jì)算”，計(jì)算如下：?jiǎn)闻_(tái)風(fēng)機(jī)單秒數(shù)據(jù)量：500*4B = 2K單臺(tái)風(fēng)機(jī)單天數(shù)據(jù)量：2K*3600*24 = 172.8M單臺(tái)風(fēng)機(jī)月度數(shù)據(jù)量：172.8M*30 = 5.2G300臺(tái)風(fēng)機(jī)月度數(shù)據(jù)量：5.2G*300 = 1560G300臺(tái)風(fēng)機(jī)年度數(shù)據(jù)量：1560G*12 = 18.3T綜上計(jì)算，風(fēng)機(jī)點(diǎn)表原始數(shù)據(jù)，年度的全量數(shù)據(jù)存儲(chǔ)大約在104.6TB，以上數(shù)據(jù)作為主要的業(yè)務(wù)基礎(chǔ)數(shù)據(jù)存儲(chǔ)時(shí)，還需要考慮以下兩個(gè)方面的擴(kuò)展：HDFS的冗余擴(kuò)展（通常3倍）：18.3TB*3 = 54.9TB中間數(shù)據(jù)的冗余擴(kuò)展（通常2倍）：54.9TB*2 = 109.8TB綜上所述，以109.8TB作為平臺(tái)需

49、要的未壓縮數(shù)據(jù)總量計(jì)算，數(shù)據(jù)縮容主要采用lzo壓縮算法，保持計(jì)算和存儲(chǔ)的平衡(壓縮比1：23)，存儲(chǔ)需約36.654.9TB左右。風(fēng)機(jī)數(shù)量秒（500*4B大小/數(shù)據(jù)點(diǎn)）天月年6倍數(shù)據(jù)冗余Lzo壓縮（1:23）10分鐘數(shù)據(jù)風(fēng)機(jī)12kb172.8mb5.2gb62.4gb374.4gb149.76gb0.26gb風(fēng)場(chǎng)3060kb5.2gb156gb1.8tb10.98tb4.58tb7.8gb風(fēng)電公司300600kb52gb1560gb18.3tb109.8tb45.8tb78.2gb設(shè)計(jì)及部署Zookeeper的配置要領(lǐng)：Zookeeper是被依賴組件，數(shù)量至少為3臺(tái)，使用Zookeeper的集

50、群越大，Zookeeper的數(shù)量則需要越多，一般以500-1000為界，集群數(shù)量如果超過(guò)該值，建議Zookeeper的節(jié)點(diǎn)數(shù)量為5，如果集群規(guī)模超過(guò)2000-3000臺(tái)，Zookeeper集群可以配置為7個(gè)節(jié)點(diǎn)。但最好不要再增加，考慮到一點(diǎn)，Zookeeper的寫(xiě)入性能是隨著節(jié)點(diǎn)數(shù)量的增加而降低，7個(gè)節(jié)點(diǎn)是相對(duì)比較平衡的。一般Zookeeper作為系統(tǒng)的核心，是保持足夠的穩(wěn)定性的，所以都單獨(dú)部署Zookeeper的節(jié)點(diǎn)，不與其他節(jié)點(diǎn)混合部署。但Zookeeper是非常輕量級(jí)的系統(tǒng)，所需的內(nèi)存和CPU都不大，基本以8G、4 核、千兆網(wǎng)卡足夠使用。設(shè)計(jì)及部署Hadoop配置要領(lǐng)：Hadoop有Na

51、meNode，DataNode，ResourceManager，NodeManager四個(gè)組件。NodeManager與DataNode均是slave節(jié)點(diǎn)，每個(gè)slave節(jié)點(diǎn)都需要部署一個(gè)NodeManager和一個(gè)DataNode，提供存儲(chǔ)與計(jì)算服務(wù)，一般slave節(jié)點(diǎn)數(shù)量以存儲(chǔ)的容量為計(jì)算基礎(chǔ)。集群節(jié)點(diǎn)數(shù)量計(jì)算公式為 （總計(jì)劃存儲(chǔ) 乘以 3 乘以 2 除以 單機(jī)容量），一般單機(jī)內(nèi)存32G-64G可以滿足計(jì)算需求，16 24 core，為保證IO吞吐建議12塊機(jī)械盤(pán)，千兆網(wǎng)卡及以上配置。NameNode與ResourceManager 是集群中央節(jié)點(diǎn)，需要獨(dú)立一臺(tái)機(jī)器部署，在考慮集群規(guī)模不大

52、的情況下，單機(jī)即可，建議內(nèi)存32G 64G及以上，建議CPU為16 24 core及以上，磁盤(pán)沒(méi)有要求，網(wǎng)卡千兆及以上。需要注意的是，目前NameNode與ResourceManager為了保證集群高可用，提供了HA的方式，因此需要另一臺(tái)同配置的機(jī)器作為Standby。因此部署Master節(jié)點(diǎn)的機(jī)器需要2臺(tái)。設(shè)計(jì)及部署Kafka配置要領(lǐng)：Kafka是消息隊(duì)列性質(zhì)的集群，集群主要消耗資源是網(wǎng)卡和CPU，資源所需下限需要滿足網(wǎng)卡流量，一般需要16 24 core以上的CPU，網(wǎng)卡千兆即可（萬(wàn)兆網(wǎng)卡會(huì)受限磁盤(pán)的IO，性能根本利用不上），磁盤(pán)盡量多配，但是對(duì)容量沒(méi)有太大需求，主要是磁盤(pán)IO足夠，磁盤(pán)整

53、體帶寬能滿足千兆網(wǎng)卡流量即可。所需節(jié)點(diǎn)數(shù)量以網(wǎng)卡流量為主要計(jì)算標(biāo)準(zhǔn)，示例：有數(shù)據(jù)接入預(yù)估每秒1GB，千兆網(wǎng)卡流量為125MB，1 GB/ 125MB = 8，也就是跑滿網(wǎng)卡需要8臺(tái)機(jī)器，但考慮到系統(tǒng)資源以及buffer空間在現(xiàn)有機(jī)器數(shù)量乘以40% 50%，建議11 12臺(tái)機(jī)器。設(shè)計(jì)及部署交換機(jī)配置要領(lǐng)： 至少千兆交換能力，其他無(wú)特殊限制，需要考慮機(jī)器數(shù)量多于交換機(jī)口數(shù)時(shí)，需要搭建多層交換機(jī)網(wǎng)絡(luò)架構(gòu)。其他：其他組件都是以單機(jī)為主并不做特殊需求，只要配置不低于DataNode的硬件配置即可。大數(shù)據(jù)技術(shù)的標(biāo)準(zhǔn)范式95 1Iaas基礎(chǔ)架構(gòu)潘怡鴻2Paas平臺(tái)服務(wù)代志遠(yuǎn)5運(yùn)維方案-潘、代、宏（待完善）4

54、設(shè)計(jì)及部署3Saas數(shù)據(jù)應(yīng)用：EBA/PHM/Kong/EnOS運(yùn)維方案工程師A技能要求：1）精通Hadoop、Hive、Hbase、Kafka、Spark等大數(shù)據(jù)集群工作原理。2）具備2年以上大數(shù)據(jù)平臺(tái)運(yùn)維經(jīng)驗(yàn)（維護(hù)過(guò)的集群規(guī)模超過(guò)100臺(tái)的為佳）3）具有較強(qiáng)的學(xué)習(xí)能力、邏輯分析能力、問(wèn)題排查能力。工程師A工作內(nèi)容包括：1）災(zāi)備方案制定：需針對(duì)各類可能的狀況制定應(yīng)急預(yù)案，保證平臺(tái)可用性。2）系統(tǒng)性能優(yōu)化：根據(jù)平臺(tái)資源使用情況，給出針對(duì)性的優(yōu)化建議，使平臺(tái)能夠盡可能滿足各類應(yīng)用的需要。3）疑難問(wèn)題診斷：能夠及時(shí)的定位問(wèn)題的原因，并給出解決方案。工程師B技能要求：1）1年以上Linux工作經(jīng)驗(yàn)2

55、）至少熟練掌握一種主流腳本能力（shell、python）3）熟悉Nagios/Zabbix等監(jiān)控管理工具，最好有開(kāi)發(fā)經(jīng)驗(yàn)4）能夠熟練部署、維護(hù)、優(yōu)化Nginx/Tomcat/MySQL/Redis等應(yīng)用5）熟悉MySQL, Oracle數(shù)據(jù)庫(kù)，能夠勝任基礎(chǔ)DBA工作工程師B工作內(nèi)容包括：1）日常監(jiān)控：監(jiān)控平臺(tái)各組件的運(yùn)行狀況，及時(shí)發(fā)現(xiàn)問(wèn)題。2）集群維護(hù)：包括擴(kuò)/縮容，平臺(tái)各組件升級(jí)等。3）權(quán)限管理：平臺(tái)新接入用戶時(shí)的帳號(hào)創(chuàng)建與權(quán)限分配。97案例2看療效98 1龍?jiān)创髷?shù)據(jù)平臺(tái)：PaaS 混合云2中廣核和風(fēng)數(shù)據(jù)中心：SaaS（補(bǔ)充）5海上或其他（吹牛B）4國(guó)網(wǎng)案例（吹牛B）3河北建投智慧艙項(xiàng)目：

56、SaaS混合云99 龍?jiān)创髷?shù)據(jù)平臺(tái)-建設(shè)目標(biāo)滿足企業(yè)業(yè)務(wù)部門高級(jí)應(yīng)用的需要實(shí)現(xiàn)風(fēng)電設(shè)備實(shí)時(shí)采集數(shù)據(jù)的安全可靠接收、數(shù)據(jù)處理、數(shù)據(jù)壓縮存儲(chǔ)。實(shí)現(xiàn)海量原始數(shù)據(jù)的加工處理，及加工結(jié)果數(shù)據(jù)的存儲(chǔ)查詢。具備流式計(jì)算、內(nèi)存計(jì)算、分布式計(jì)算環(huán)境，實(shí)現(xiàn)海量數(shù)據(jù)分析查詢，數(shù)據(jù)挖掘，具備可視化的多維展示?；邶?jiān)创髷?shù)據(jù)平臺(tái)建設(shè)統(tǒng)一的資源共享平臺(tái),實(shí)現(xiàn)信息一致、資源共享，消除信息孤島。實(shí)現(xiàn)以數(shù)據(jù)為核心資產(chǎn)的信息化建設(shè)理念，統(tǒng)一采集業(yè)務(wù)數(shù)據(jù)存儲(chǔ)到大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)共享。統(tǒng)一軟件開(kāi)發(fā)標(biāo)準(zhǔn)、開(kāi)發(fā)規(guī)范，信息資產(chǎn)標(biāo)準(zhǔn)規(guī)范，實(shí)現(xiàn)信息化的規(guī)范管理，提升企業(yè)效益。100 龍?jiān)创髷?shù)據(jù)平臺(tái)功能分區(qū)大數(shù)據(jù)平臺(tái)DT區(qū)模塊101 龍?jiān)创髷?shù)

57、據(jù)平臺(tái)功能分區(qū)大數(shù)據(jù)平臺(tái)設(shè)計(jì)使用基于開(kāi)源的Hadoop、商業(yè)化實(shí)時(shí)數(shù)據(jù)庫(kù)，以及規(guī)范的數(shù)據(jù)共享技術(shù)等。平臺(tái)建設(shè)功能包括采集數(shù)據(jù)接收及傳輸、數(shù)據(jù)實(shí)時(shí)清洗、數(shù)據(jù)實(shí)時(shí)處理、實(shí)時(shí)數(shù)據(jù)告警、元數(shù)據(jù)管理、數(shù)據(jù)壓縮存儲(chǔ)、海量數(shù)據(jù)在線多維查詢及導(dǎo)出、數(shù)據(jù)并行分析計(jì)算、數(shù)據(jù)挖掘、作業(yè)調(diào)度管理、與實(shí)時(shí)數(shù)據(jù)庫(kù)接口、數(shù)據(jù)共享服務(wù)、平臺(tái)維護(hù)管理功能。平臺(tái)建設(shè)對(duì)外圍應(yīng)用模塊進(jìn)行統(tǒng)一的規(guī)范管理。102 龍?jiān)创髷?shù)據(jù)平臺(tái)-基礎(chǔ)架構(gòu)設(shè)立異地雙云系統(tǒng)臨時(shí)環(huán)境負(fù)責(zé)功能、數(shù)據(jù)測(cè)試正式環(huán)境負(fù)責(zé)企業(yè)級(jí)數(shù)據(jù)服務(wù)運(yùn)行異地災(zāi)備，雙網(wǎng)冗余103 龍?jiān)创髷?shù)據(jù)平臺(tái)-服務(wù)架構(gòu)104 龍?jiān)创髷?shù)據(jù)平臺(tái)-數(shù)據(jù)質(zhì)量監(jiān)測(cè)及績(jī)效透明龍?jiān)创髷?shù)據(jù)平臺(tái)成果及進(jìn)展匯報(bào)105

58、 1 月2 月3 月4 月5 月6 月7 月11月8 月10月12月9 月項(xiàng) 目 準(zhǔn) 備項(xiàng)目合同與技術(shù)協(xié)議書(shū)簽署臨時(shí)機(jī)房搭建大數(shù)據(jù)平臺(tái)硬件選型方案設(shè)計(jì)與確定正式環(huán)境搭建及機(jī)房搬遷平臺(tái)搭建與功能部署CDH安裝測(cè)試數(shù)據(jù)倉(cāng)庫(kù)區(qū)部署數(shù)據(jù)探索區(qū)部署數(shù)據(jù)共享區(qū)部署平臺(tái)管理組建部署平臺(tái)功能完善平臺(tái)監(jiān)控與其他功能部署CDH升級(jí)大數(shù)據(jù)平臺(tái)管理人員培訓(xùn)實(shí)時(shí)數(shù)據(jù)接入實(shí)時(shí)接口開(kāi)發(fā)標(biāo)準(zhǔn)風(fēng)機(jī)模型開(kāi)發(fā)及部署方案功能開(kāi)發(fā)標(biāo)準(zhǔn)模型升級(jí)數(shù)據(jù)準(zhǔn)備風(fēng)機(jī)編碼規(guī)則確定標(biāo)準(zhǔn)點(diǎn)表確定標(biāo)準(zhǔn)點(diǎn)表確定客戶資料收集龍?jiān)醇瘓F(tuán)風(fēng)電場(chǎng)數(shù)據(jù)采集、接入與解析河北、遼寧、江蘇三省數(shù)據(jù)接入與解析基于業(yè)務(wù)應(yīng)用場(chǎng)景的數(shù)據(jù)服務(wù)數(shù)據(jù)質(zhì)量算子開(kāi)發(fā)與部署基于標(biāo)準(zhǔn)風(fēng)機(jī)模型的指

59、標(biāo)體系算子開(kāi)發(fā)與部署效能分析值WindEBA功能應(yīng)用demo部署看療效106 1龍?jiān)磾?shù)據(jù)中心：PaaS 混合云2中廣核和風(fēng)數(shù)據(jù)中心：SaaS（補(bǔ)充）5海上或其他（吹牛B）4國(guó)網(wǎng)案例（吹牛B）3河北建投智慧艙項(xiàng)目：SaaS混合云看療效107 1龍?jiān)磾?shù)據(jù)中心：PaaS 混合云2中廣核和風(fēng)數(shù)據(jù)中心：SaaS（補(bǔ)充）5海上或其他（吹牛B）4國(guó)網(wǎng)案例（吹牛B）3河北建投智慧艙項(xiàng)目：SaaS混合云108 河北建投智慧艙項(xiàng)目-設(shè)計(jì)目標(biāo)智慧艙數(shù)字化平臺(tái)的采集數(shù)據(jù)包括風(fēng)電場(chǎng)/光伏電站的運(yùn)行數(shù)據(jù)，包括但不限于風(fēng)電機(jī)組/光伏發(fā)電單元實(shí)時(shí)運(yùn)行數(shù)據(jù)（模擬量、開(kāi)關(guān)量）、升壓站實(shí)時(shí)運(yùn)行數(shù)據(jù)（模擬量、開(kāi)關(guān)量）、告警信息、功率

60、預(yù)測(cè)數(shù)據(jù)、功率控制系統(tǒng)(AGC/AVC)數(shù)據(jù)、保護(hù)及故障錄波信息、電能量計(jì)量信息、測(cè)風(fēng)塔信息等，同時(shí)系統(tǒng)平臺(tái)具備接入狀態(tài)在線監(jiān)測(cè)系統(tǒng)、油液監(jiān)測(cè)系統(tǒng)等其他系統(tǒng)數(shù)據(jù)的能力，實(shí)現(xiàn)未來(lái)可擴(kuò)展的數(shù)據(jù)接入。智慧艙數(shù)字化平臺(tái)屬于安全3區(qū)，生產(chǎn)數(shù)據(jù)僅限于從張家口集控系統(tǒng)單向傳輸至智慧艙數(shù)字化平臺(tái)，智慧艙數(shù)字化平臺(tái)與張家口集控中心系統(tǒng)和各風(fēng)電場(chǎng)/光伏電站的控制指令無(wú)關(guān)。智慧艙數(shù)字化平臺(tái)的核心是對(duì)生產(chǎn)數(shù)據(jù)的存儲(chǔ)、加工、分析、挖掘。在數(shù)據(jù)層建立大數(shù)據(jù)基礎(chǔ)平臺(tái)，實(shí)現(xiàn)公司運(yùn)營(yíng)所有機(jī)組的數(shù)據(jù)采集、數(shù)據(jù)統(tǒng)一處理、數(shù)據(jù)統(tǒng)一建模，并針對(duì)不同機(jī)組實(shí)現(xiàn)各機(jī)組特點(diǎn)的模型訓(xùn)練，實(shí)現(xiàn)數(shù)據(jù)分析及挖掘的全機(jī)型覆蓋。大數(shù)據(jù)基礎(chǔ)平臺(tái)具備高度開(kāi)放