1、大数据时代的北京地铁能源管大数据时代的北京地铁能源管理理目录目录 Content北京地铁能耗平台产品选北京地铁能耗平台产品选型型4北京地铁能耗平台建设背北京地铁能耗平台建设背景景1北京地铁能耗平台建设目北京地铁能耗平台建设目标标2北京地铁能和平台建设规北京地铁能和平台建设规划划3能耗平台建设成效能耗平台建设成效6能耗平台建设经验总结能耗平台建设经验总结7实施过程及系统核心功实施过程及系统核心功能能5大数据时代 计算机网络技术不断进步 大数据在各领域都得到应用，提升了管理 水平 北京地铁步入大规模网络化的运营，运维 管理需要智能化320172017年年客运量年年客运量30.8230.82亿人次，
2、安全行车亿人次，安全行车4.624.62亿车公里；两次延误亿车公里；两次延误5 5分钟以上事分钟以上事故故间平均车公里达到间平均车公里达到771771万车公里万车公里。4公司基本情公司基本情况况1北京北京市市重点行重点行业业重点单重点单位位4N全市统筹 联动节能 监测服务 平台设备运设备运行行电能数电能数据据运营数运营数据据监 测统 计 分 析上 报北京地铁能耗统计与监测平北京地铁能耗统计与监测平台台北京地铁能耗平台北京地铁能耗平台-建设背景建设背景为响应国家和北京市节能减排号召，地铁公司建设能耗平台，建立覆盖北京地铁网各条线路能源计量与管理系统，不仅提升企业能源 管理信息化、精细化水平，并为
3、提升轨道交通行业信息化水平提供必要的决策支撑。1.标准标准研究构建能耗模型，数据接入标准。面对地铁种类繁多的设施设备，从分类、分项和分户 三个维度构建能耗统计模型，梳理北京地铁智能表计覆盖原则，制定数据采集接口标准。使北京地铁在未来能耗系统建设、管理、运营的过程中，做到有标准，有规范，有原则。2.数字化数字化通过建设北京地铁能耗统计与监测平台，实现全路网能耗数据从采集端到管理端全过程数 字化、自动化、减少人工干预因素。同时实现能耗信息的线网级、线路级、车站级三级管 理，线路级、车站级、就地级三级监测。3.智能化智能化运用大数据等先进技术手段，实现北京地铁能源管理的智能化。为北京地铁能源管理策略
4、 制定提供全面的数据支持，全面提升公司能源管理水平。北京地铁能耗平台北京地铁能耗平台-建设目建设目标标84%一个大数据中心一个大数据中心八大功能模八大功能模块块数据查询统计分析电能质量碳排放智能告警辅助决策能源报表智能预测北京地铁能耗平台北京地铁能耗平台-建设规建设规划划平台规划一个能耗数据中心，三个应用平台，数据统计、大数据分析、碳排放管理等八个功能模块。应用分类、聚类、回归等不同 算法，特别是在能耗大数据挖掘分析和可视化方面做了重点提升。用户管理系统监控部署管理资源调度安全管理日志审计运维平台数据交换汇集ETL实时采集数据迁移数据治理平台数据地图资源管理数据共享数据质量数据治理Hive（S
5、QL）MapReduce分布式计分布式计算算HDFS分布式存分布式存储储YARN计算调计算调度度Impala（In-memory SQL）Mahout（Machine Learning）Spark（Mlib）Pig（Scripting）实时数据库流计算Stream可视化平台UE根因分析关联分析搜索引擎推荐引擎语音识别用户画像智能管理APISDK反欺诈图像识别人工智能Miner算法库模型库数据洞察Insight数据集成数据分析知识库知识点数据挖掘深度学习实时分析知识库知识点平台建设采用B/S架构，基于Hadoop分布式集群处理技术，利用其高容错性、高吞吐量等优势，通过多样化的数据接口，从多个数据
6、 源采集数据，进行统一整合，为多个平台与系统提供数据服务。平台产品强大的数据挖掘与分析能力，实现了能耗数据分析与展示，对地铁能耗进行预测，为制定节能减排的改进方案提供数据支持。北京地铁能耗平台北京地铁能耗平台-产品选产品选型型北京地铁能耗平台北京地铁能耗平台-产品选产品选型型数据中心包含四大子系统：数据采集系统数据采集系统、数据处理系统数据处理系统、数据分析系统数据分析系统、数据输出系数据输出系统统数据采集系统数据采集系统数据分析系统数据分析系统数据输出系统数据输出系统数据处理系统数据处理系统一个中心一个中心数据中心数据中心IQ OSISC S运 营数据中心采集、存储多元异构数据采集、存储多元
7、异构数据建立基础数据模型，整合数建立基础数据模型，整合数 据据智能分析、深度学习、智能分析、深度学习、AI数据中心数据 查询智能 告警智能 预测数据供给智能应用数据供给智能应用数据标准数据质量数据管理临时数据层：临时数据层：从各专业源系统抽取而来的数据，加载至临时数据层落从各专业源系统抽取而来的数据，加载至临时数据层落地地基础数据层：基础数据层：建立统一数据模型，对各专业源系统数据进行整合存储建立统一数据模型，对各专业源系统数据进行整合存储。汇总数据层：汇总数据层：结合业务标准，从基础数据层进行数据指标汇结合业务标准，从基础数据层进行数据指标汇。专用数据层：专用数据层：为下游应用提供数据访问和
8、数据支持为下游应用提供数据访问和数据支持。辅助 解决能源 报表大屏 展示针对轨道交通行业多信息系统的现况，大数 据平台从数据采集、数据整合、数据存储、数据模型、数据分析、可视化展现进行了定 制和优化，使得大数据平台可以支持多通信 协议，对数据进行统一的加工、存储和应用使得轨道交通行业各系统数据具有统 一的数据结构与标准，实现各个分离 的系统的数据共享，从而找到数据间 的相互联系，对数据挖掘出更有价值 的信息，避免了数据孤岛的出现可以支持通用工业数据通信协议（Modbus），实 时数据采集模式（MQ），离线数据采集（FTP）以 及其他常见的数据接入方式，通过上述多口协议的 应用，使得大数据平台产
9、品可以更好的集成轨道交 通行业的数据，从而建立统一的数据仓储平台，为 用户提供丰富的应用服务大数据历史数据规范，AI相关算法分类、聚类、回归等，实现能耗分析、预测、预警，有利于 更为精细化和动态的测算城市轨道交通能源消 耗。通过对北京地铁能耗设备的数据进行机器 学习和数据挖掘，建立数学模型，分析地铁能 耗变动因素，预测在不同环境因素下的地铁能 耗，深度发掘能耗和相关因数的关联关系，为 决策提供支撑可实现TB级数据动态采集、处理和存储管理，目前每天处 理数据1亿条，每日新增数据大小1G。按照远期规划22条 线路，能耗数据存储10年，平台配置了100TB的磁盘阵列。为满足后续新线接入及系统升级，配
10、套开发了软件测试系 统和网络管理系统。北京地铁能耗平台北京地铁能耗平台-产品选产品选型型数据存储与整合数据存储与整合数据整合 (prsto)1号线号线PQSSModbus Slave大数据平大数据平台台分布式文件系分布式文件系统统线路实时数据 (HBASE)数据采集与交换数据采集与交换实时流数据处理实时流数据处理Storm(Modbus实时数据解析 与处理)ETL调度调度-Automation监控与管理监控与管理Ambari/Ganglia采集采集区区Flume/FEP(数据轮询 与采集)交换交换区区Kafka MQ(实时数据 缓存)批量数据批量数据加载与导出缓存实时数据实时数据ISCSMod
11、bus Slave1号线 PQSSDatabase非实时数据非实时数据ISCSDatabas e小营 信息中心北京地铁能源管控应用能系统北京地铁能源管控应用能系统第三方第三方全全量量 数据仓数据仓库库北京北京市市 交通委员交通委员会会实时监实时监测测 能耗分能耗分析析 数据展数据展示示 辅助决辅助决策策 数据挖数据挖掘掘专题分专题分析析能源监控系统能源监控系统 DatabaseJDBCModbusMQFTPFTPMQMQHBase APIAPISqoopSqoop数据结构映射数据结构映射FTP北京地铁能耗平台北京地铁能耗平台-系统技术逻辑架系统技术逻辑架构构北京地铁能耗平台北京地铁能耗平台-系
12、统功系统功能能能耗数 据中心辅助 决策电能 质量统计 分析能源 报表基础 数据报警及 事件碳排放 管理数据 查询分 类 分分 类 分 项项通过对各线路、站点、车辆段的用能分类、分项、分户进行计量，实现对各级用能单位及用能设备 进行实时计量，实时采集相关的能耗数据。为各 级用能单位的用能管理、用能设备的用能分析、用能诊断提供精确的数据支撑。，分 项 挖分 项 挖 掘掘平台规划一个能耗数据中心，三个应用平台，数据统计、大数据分析、碳排放管理等八个功能 模块。应用分类、聚类、回归等不同算法，特别 是在能耗大数据挖掘分析和可视化方面做了重点 提升。北京地铁能耗统计与监测平台北京地铁能耗统计与监测平台-
13、采集范采集范围围实时数据 实时能耗实时能耗-牵引能耗-动力能耗电能质量电能质量-频率有功功率谐波 电流等设备状态设备状态-温度压力传感器数据-电梯等设备运行状态非实时数据 客流信息客流信息-客运量客运周转 量-进站量出站量换 乘量 列车运营信息列车运营信息-列车走行公里-总开行列数 基础信息基础信息-车站面积数据采数据采 集平台集平台PQSS(10条线)1号线2号线6号线8号线10号线15号线昌平线亦庄线房山线ISCS5号线7号线9号线10号线15号线昌平线亦庄线北京地铁能耗平台北京地铁能耗平台-数据采集数据采集流流源系统数据抽取层数据加载层小营信息中心抽数程序数据文件校验文件检查抽数标志程序
14、加载程序接口校验程序校验报告PQSS/ISCS接口程序Flume采集程序采集程序Modbus请求数据线路系统线路系统北京地铁能耗平台北京地铁能耗平台-能耗数据查能耗数据查询询北京地铁能源分类、分项、分户模型实现按线网或按单位的能源数据、负荷数据、运营数据、设备运行数据、外用能的查询和展示北京地铁能源分类、分项、分户模型实现按线网或按单位的能源数据、负荷数据、运营数据、设备运行数据、外用能的查询和展示。北京地铁能源分类、分项、分户模型实现按线网或按单位的能源数据、负荷数据、运营数据、设备运行数据、外用能的查询和展 示，分别为分类分析查询、功率查询、表计查询、运营数据查询等分类分析查询 表计查询功
15、率查询 运营数据查询北京地铁能耗平台北京地铁能耗平台-能耗数据查能耗数据查询询碳排放-间接碳排放-固定碳排放(动力照明)-既有配额-既有碳排放-新增配额-新增碳排放-移动碳排放(牵引用电)-直接碳排放(天然气)-既有配额-既有碳排放-新增配额-新增碳排放北京地铁能源分类、分项、分户模型，以折线图、柱状图、堆叠图、饼图等方式实现负荷、能耗的类比、同比环比、占比、排名分析。提供按小时、日、周、月、季度、年及自定义时段对能耗数据统计。表计数据的查询及实现电能质量参数如电压、电流、功率、功率因数、谐波分析等实时数据查询，并按时间查询电能质 量参数数据，推进电能质量的改善和治理。北京地铁能源消费和碳排放
16、进行统计与监测的基础上，能够科学地测算各单位的碳排放量，能够为未来北京地铁开展 节能量交易和碳交易提供规范的、可靠的基础数据支撑。电能质量分析碳排放分析碳排放分项模型北京地铁能耗北京地铁能耗平台平台-能耗数据查能耗数据查询询北京地铁能源消费和碳排放进行统计与监测的基础上，能够科学地测算各单位的碳排放量，能够为未来北京地铁开展节能量交易和 碳交易提供规范的、可靠的基础数据支撑。能源预能源预测测负荷预测用能预测指标预测计划管计划管理理计划目标计划进度计划完成指标考核指标分指标分析析人公里用电/水单站日动力照明列车牵引单耗客运周转量综合能 耗客运周转量二氧化 碳排放.专题分专题分析析牵引能耗预测车站
17、聚类分析北京地铁能耗平台北京地铁能耗平台-辅助决辅助决策策实时监测地铁全线网各线路的用能情况，根据预设的能耗报警条件对用能超限区域进行报警，提醒对报警区域及时干预，降低能源浪费。设置 在能耗发生报警以后，如电功率越限、用水量超限等事件发生后，能源管理信息系统能够通过短信、邮件、自动弹出等方式通知相关人员。能耗报警用能报警用能报警表计报警表计报警设备故障报警设备故障报警设备启停报警设备启停报警北京地铁能耗平台北京地铁能耗平台-智能告智能告警警能耗平台之牵引分析丨能耗平台之牵引分析丨分析思分析思路路影响影响因因 素分素分析析温度、客流量、满载率、ATO模 式地上线、地下线、旧线、新线数据分数据分析
18、析总体及各线路历年牵引单耗走势分 析异常值分析建模预建模预测测时间序列分析总 体回归预测单条线能耗平台之牵引分析丨能耗平台之牵引分析丨牵引单耗分析流牵引单耗分析流程程支持向量机模型能耗数据环境信息客流信息站间距 坡度 曲线客 运 量 满 载 率 走行公里行驶速度 运行模型 停站方案温度 风向 风力SVM模型训 练线路信息运营信息待预测信息输入输出牵引单耗预 测结果能耗平台牵引分析丨能耗平台牵引分析丨牵引单耗走牵引单耗走势势7月或8月3月或4月总牵引单耗走势7/8 月地下线牵引单耗走势1/2 月地上线牵引单耗走势能耗平台牵引分析丨能耗平台牵引分析丨影响因素分影响因素分析析地下线单耗高于混合线，混
19、合线单耗高于地上线站间距越小站间距越小单耗会普遍高一些温度对牵引单耗的影响，成指数关系指数关系(13号线13-15年数据)客运周转量、满载率客运周转量、满载率对单耗的影响，基本成线性关系成线性关系(09-16年夏季7月和8月数据)ATO对牵引单耗的影响，开通ATO会增加牵引单耗单单耗耗 类类型型最小最小值值最大最大值值平均平均值值地上134.24（13号线）176.67（房山）157.62地下151.95（9号线）193.79（1号线）176.18混合148.25(机场线)213.81(05号线)171.80总体134.24（13号线213.81(05号线)172.11单单耗耗 站间站间距距最
20、小最小值值最大最大值值平均平均值值1.4KM及以下160.84（10号线）213.81（5号线）180.271.4KM-2.0KM161.94（八通线）193.79（1号线）176.822.0KM以上134.24（13号线）176.67（房山线）158.54总体134.24（13号线）213.81（5号线）172.11温度对牵引单耗的温度对牵引单耗的影影响响夏季空调月冬季空调月13号线2号线5号线亦庄线走行公里0.39-0.71-0.110.25进站量0.520.530.090.23客运量0.410.130.240.25客运周转客运周转量量0.450.280.350.24满载满载率率0.430
21、.530.580.23客运周转量、满载率对单耗的影响客运周转量、满载率对单耗的影响相关系数矩相关系数矩阵阵12月ATO开通ATO对单耗的影对单耗的影响响地上线，地下线对单耗的影地上线，地下线对单耗的影响响站间距对单耗的影站间距对单耗的影响响能耗平台牵引分析丨能耗平台牵引分析丨分析预分析预测测日日期期实际实际值值预测预测值值误差误差(%)2016.1172.97169.841.812016.2167.63167.510.072016.3168.11166.930.72016.4171.81169.891.122016.5178.31179.440.632016.6187.95187.690.13
22、2016.7199.18198.660.262016.8199.09196.751.182016.9188.06184.192.06误差均误差均值值0.88月月份份实际实际值值预测预测值值误差误差(%)2015.6142.98140.961.412015.7150.01147.821.462015.8148.41147.100.882015.9134.63132.241.782015.10125.35122.362.392015.11134.75129.663.782015.12135.94133.321.932016.1136.49140.402.872016.2130.52130.570.
23、042016.3125.27126.260.792016.4124.45122.641.452016.5133.5133.370.10平均误平均误差差1.57总体牵引单耗预测13号线牵引单耗预测能耗平台动照分析丨能耗平台动照分析丨功能模功能模块块功能模块能耗数据预测模型样本筛选通过查看数据历史走势，确认能耗稳定的时间段进行样本数据 筛选，并调用算法进行初步预测。模型人工调整通过查看历史数据走势、相似线路、相似车站等算法查找，辅 助决策人工修正值比例，对新站开通、线路施工等特殊因素对 能耗的影响进行修正。预测结果监测显示每条线路的预测值和真实值，显示预测误差情况并提供模 型调整修正的算法。车站用
24、能分析车站能耗监测采用聚类分析算法，每月自动对所有车站用能情况进行分析，显示车站用能情况。异常用能分析对用能异常的车站进行分析，查找出用能异常的原因。能耗平台之动照分析丨能耗平台之动照分析丨车站动照分车站动照分析析38站19站45站31站2009-2016北京地铁动力电度走势北京地铁动力电度走势能耗平台之动照分析丨能耗平台之动照分析丨车站聚类分车站聚类分析析车站分类动力能耗设备信 息地上地下 站面积 是否换乘设备数量 额定功率 设备参数集散量 运营时 间K-means聚类基础信 息运营信结果分析 运营优化车站聚类分析流程15号线车站聚类分析结果息定期执行聚类算法，以图表形式显示聚类结果对预测结
25、果进行分析，找到异常的用能设备节能示范意义显节能示范意义显著著北京地铁能耗统计与监测平台 是全国第一个基于大数据平台 的智能城市轨道交通路网级能 源管理系统，完成北京市交通 委和北京市发改委提出的“1+4+N”节能监测服务平台 数据报送工作，为节能监测服 务平台的建设提供了有效的数 据支持，得到了北京市交通委 和发改委相关领导的认可，其 示范意义十分显著、突出能源管理体系架能源管理体系架构构平台实现了能耗信息的线网级、线路级、车站级三级管理，三 级监测信息化管理水信息化管理水平平平台整合了能耗数据、电能质 量、运营信息、设备运行及相 关基础数据，实现了能源及相 关数据最大限度的整合。在线 监测
26、近10万个数据点；包括13 条线路共计9167块表计数据，全网行车和客流信息，7条线路 照明、通风空调、电扶梯主要 用能设备运行状态数据设备设施管理水设备设施管理水平平通过建立完成分类、分项和分 户能耗统计模型，实现北京地 铁能源管理问题诊断、潜力挖 掘及政策效果评价。通过建立设备管理分工、运行规 程、检修规程等相关的 配套管理制度，对能耗系统的 管理维护、运行使用进行了指 导，提升了设备设施的管控水 平北京地铁能耗平台北京地铁能耗平台-建设成建设成效效北京地铁能耗平台北京地铁能耗平台-经验总经验总结结经验总经验总结结能耗监测体系建设的意能耗监测体系建设的意义义对国家、城市、行业能耗监测体系
27、来说，企业的能耗监测是个重要部 分。从企业自身来说，能耗监测提 升了能源管理的时效性和精准性，是能源管控精细化信息化的重要保 障。持续推进信息化建持续推进信息化建设设信息化工作是一项持续的工作，未 来随着数据的积累，能耗平台应该 持续进行数据挖掘与分析工作，找 到更多能耗分析和应用的挖掘方向，比如分析设备设施的运行状态，是 设备状态维修及EOMS(设备运行管 理系统)的建设发展提供数据支持，发挥整个大数据平台价值。需要考虑未来的发需要考虑未来的发展展信息化平台的建设需要具有可扩展 性。数据平台模型建设是项目的核心，数据模型的好坏影响整个数据平台 未来的性能和扩展性，是大数据平 台建设和长期发展的指南。大数据平台建设成功与否，在很大 程度上取决于是否有一个稳固的、全面的、灵活的数据模型。采用行业领先的范式化数据模型有 助于加快项目的实施。谢谢 谢谢！
