2024年4月2日发(作者：狂诺)
描述D5000安全认证模块基本功能
以特高压、三华联网为代表的智能电网飞速发展，国家电网公司集约化、扁平化管理
的快速推进，计算机、通信技术的长足进步，推动了智能电网调度控制系统（简称“D5000
系统”）的研发和推广。D5000系统体系架构，横向上将原来多套独立系统集成为分布在
Ⅰ/Ⅱ/Ⅲ区的四大类应用，纵向上贯穿各级调度。原各个孤立系统的数据管理技术无法适
应这种架构。各级调度间信息共享，需要信息安全保障，原孤立系统数据管理不具备这样
的功能。横向集成、纵向贯通的体系架构要求全局信息的支撑能力提升;数据规模急剧增加，
原有孤立系统的数据管理无法应对这种数据规模，也无法达到应用协同所需的效率。因而
亟需开发适应D5000系统需求的数据管理技术。D5000系统数据管理基于面向服务的总
线，借助安全防护技术，包含实时数据库（简称实时库）、商用关系数据库（简称商用库）、
时间序列内存库（简称时序内存库）、时间序列文件库（简称时序文件库）和集中管理文件
几类数据服务。文献[7]提出基于商用库的数据中心，将各种数据转换到数据中心，实现多
套系统信息共享，该方式中间环节多，维护工作量大，定制性强，是早期缺乏统一平台的
数据共享方式。提出了通过资源集中、虚拟化、HBase等云技术的信息中心方案;文献中将
大机虚拟化成小机的方式和D5000系统将多台服务器协作出一台大机工作效能的研究方
向思路不同;文献中提到的基于“关键字—数值”（Key—Value）的HBase，其性能无法
满足D5000系统实时处理、在线计算的要求，无法进行多条件检索和联合查询;文献中提
到的Map/Reduce并行处理方式，须借助于文件交换，处理批处理任务，难以满足以信息
实时处理为主的D5000系统。将商用库封装成电力市场数据管理平台。介绍了采用拼接方
式构建的模型管理平台;介绍了生产控制大区与管理信息大区内、外数据平台间的数据采集、
存储、交换、共享、加工等方面的研究内容;对变电站数据中心进行了研究;但文献[11—16]
均不涉及底层数据管理研究，而是数据管理之上数据使用层面的研究。文献[17]实现了参
照公共信息模型（CIM）的对象实时库原型，但工程化考虑不足，文献提供的性能数据无法
满足电网调度控制系统要求。介绍了一种层次性实时库，其实现方式采用了和本文所提实
时库不同的技术路线。介绍了一种可扩展标记语言（XML）数据库，但性能不高，未见工
程应用。中的实时库均不支持横向集成、纵向贯通架构。介绍了D5000系统实时库的部分
技术。是D5000系统实时库技术基础上的深化研究。研究了电厂监控系统使用时序库的方
法、时序库在电网广域测量系统（WAMS）中的使用、时序库的备份方式，但均未涉及时
序内存库、时序文件库实现技术。Google设计了基于GFS（Google file system）的分布
式存储系统Big Table，为用户提供简单的数据服务，客户可以动态控制数据的分布和格式。
Big Table以行名、列名、时间戳建立索引，适用于特定的应用环境。Amazon提供了基于
Dynamo基础存储架构的简单存储服务（simple storage service，S3），它以“桶”为容
器、通过“键”查找“对象”，提供简单、易用、低成本的数据管理方式。这两种数据管
理方式较好地适应了非结构化数据的特点，都能管理PB级别的数据，具备良好的可扩展
性，能够很好地适用于电子商务、信息分析等数据量特别庞大，数据处理较为简单，对响
应速度要求不高的业务。其他的`非结构化数据平台诸如Yahoo的PNUTS、阿里云的开放
数据处理服务（ODPS）等均具有类似特点。然而这些数据存储管理方式均无法满足调度控
制系统对实时性的要求，数据查询的灵活性和商用关系数据库存在明显差距，在存储历史
数据时也无法达到时序文件库的效率，难以直接应用于以结构化数据使用为主的调度控制
系统中。D5000系统的文件管理是基于服务总线的大粒度文件集中管理服务，实现方式较
为简洁，本文不详细介绍。
2024年4月2日发(作者：狂诺)
描述D5000安全认证模块基本功能
以特高压、三华联网为代表的智能电网飞速发展，国家电网公司集约化、扁平化管理
的快速推进，计算机、通信技术的长足进步，推动了智能电网调度控制系统（简称“D5000
系统”）的研发和推广。D5000系统体系架构，横向上将原来多套独立系统集成为分布在
Ⅰ/Ⅱ/Ⅲ区的四大类应用，纵向上贯穿各级调度。原各个孤立系统的数据管理技术无法适
应这种架构。各级调度间信息共享，需要信息安全保障，原孤立系统数据管理不具备这样
的功能。横向集成、纵向贯通的体系架构要求全局信息的支撑能力提升;数据规模急剧增加，
原有孤立系统的数据管理无法应对这种数据规模，也无法达到应用协同所需的效率。因而
亟需开发适应D5000系统需求的数据管理技术。D5000系统数据管理基于面向服务的总
线，借助安全防护技术，包含实时数据库（简称实时库）、商用关系数据库（简称商用库）、
时间序列内存库（简称时序内存库）、时间序列文件库（简称时序文件库）和集中管理文件
几类数据服务。文献[7]提出基于商用库的数据中心，将各种数据转换到数据中心，实现多
套系统信息共享，该方式中间环节多，维护工作量大，定制性强，是早期缺乏统一平台的
数据共享方式。提出了通过资源集中、虚拟化、HBase等云技术的信息中心方案;文献中将
大机虚拟化成小机的方式和D5000系统将多台服务器协作出一台大机工作效能的研究方
向思路不同;文献中提到的基于“关键字—数值”（Key—Value）的HBase，其性能无法
满足D5000系统实时处理、在线计算的要求，无法进行多条件检索和联合查询;文献中提
到的Map/Reduce并行处理方式，须借助于文件交换，处理批处理任务，难以满足以信息
实时处理为主的D5000系统。将商用库封装成电力市场数据管理平台。介绍了采用拼接方
式构建的模型管理平台;介绍了生产控制大区与管理信息大区内、外数据平台间的数据采集、
存储、交换、共享、加工等方面的研究内容;对变电站数据中心进行了研究;但文献[11—16]
均不涉及底层数据管理研究，而是数据管理之上数据使用层面的研究。文献[17]实现了参
照公共信息模型（CIM）的对象实时库原型，但工程化考虑不足，文献提供的性能数据无法
满足电网调度控制系统要求。介绍了一种层次性实时库，其实现方式采用了和本文所提实
时库不同的技术路线。介绍了一种可扩展标记语言（XML）数据库，但性能不高，未见工
程应用。中的实时库均不支持横向集成、纵向贯通架构。介绍了D5000系统实时库的部分
技术。是D5000系统实时库技术基础上的深化研究。研究了电厂监控系统使用时序库的方
法、时序库在电网广域测量系统（WAMS）中的使用、时序库的备份方式，但均未涉及时
序内存库、时序文件库实现技术。Google设计了基于GFS（Google file system）的分布
式存储系统Big Table，为用户提供简单的数据服务，客户可以动态控制数据的分布和格式。
Big Table以行名、列名、时间戳建立索引，适用于特定的应用环境。Amazon提供了基于
Dynamo基础存储架构的简单存储服务（simple storage service，S3），它以“桶”为容
器、通过“键”查找“对象”，提供简单、易用、低成本的数据管理方式。这两种数据管
理方式较好地适应了非结构化数据的特点，都能管理PB级别的数据，具备良好的可扩展
性，能够很好地适用于电子商务、信息分析等数据量特别庞大，数据处理较为简单，对响
应速度要求不高的业务。其他的`非结构化数据平台诸如Yahoo的PNUTS、阿里云的开放
数据处理服务（ODPS）等均具有类似特点。然而这些数据存储管理方式均无法满足调度控
制系统对实时性的要求，数据查询的灵活性和商用关系数据库存在明显差距，在存储历史
数据时也无法达到时序文件库的效率，难以直接应用于以结构化数据使用为主的调度控制
系统中。D5000系统的文件管理是基于服务总线的大粒度文件集中管理服务，实现方式较
为简洁，本文不详细介绍。