PAGE1
PAGE1
SiemensNavigator数据模型与架构
1.数据模型概述
SiemensNavigator是一个强大的能源管理软件，用于监控和优化能源使用。数据模型是该软件的核心组成部分，它定义了如何存储、组织和处理能源相关的数据。了解数据模型对于进行二次开发至关重要，因为它是构建自定义功能的基础。
1.1数据模型的基本结构
SiemensNavigator的数据模型主要包括以下几个部分：
数据源：数据来自各种传感器、设备和系统，如电表、水表、燃气表等。
数据点：每个数据源可以生成多个数据点，每个数据点代表一个特定的测量值。
数据存储：数据点被存储在关系数据库中，通常使用SQLServer或Oracle。
数据处理：通过预定义的规则和算法对数据进行处理，生成有用的能源报告和分析结果。
数据展示：数据通过各种图表、报告和仪表板展示给用户。
1.2数据模型的层次结构
SiemensNavigator的数据模型采用层次结构，主要分为以下几个层次：
顶层：系统配置和全局参数。
中间层：设备和传感器的配置。
底层：具体的数据点和测量值。
1.3数据模型的灵活性
SiemensNavigator的数据模型具有高度的灵活性，可以轻松地扩展和修改以适应不同的能源管理需求。这种灵活性是通过定义数据点的属性和关系来实现的。
2.数据源配置
数据源配置是SiemensNavigator数据模型的第一步，它决定了数据从哪里来以及如何被收集。
2.1数据源类型
SiemensNavigator支持多种数据源类型，包括：
OPC服务器：用于连接工业自动化设备。
Modbus：用于连接各种工业控制设备。
API：通过第三方API获取数据。
文件导入：从CSV、Excel等文件中导入数据。
2.2配置数据源
配置数据源需要在SiemensNavigator的管理界面中进行。以下是一个配置OPC服务器数据源的示例：
添加数据源：
--添加一个新的OPC服务器数据源
INSERTINTODataSource(DataSourceName,DataSourceType,ConnectionString)
VALUES(OPCServer1,OPC,opc.tcp://00:4840)
配置数据点：
--配置数据点，关联到数据源
INSERTINTODataPoint(DataPointName,DataSourceID,TagName,DataType)
VALUES(ElectricityUsage1,1,PLC1/Tag1,Float)
2.3数据源的测试与验证
配置完数据源后，需要进行测试和验证以确保数据能够正确采集。以下是一个使用Python脚本测试OPC服务器数据源的示例：
#导入必要的库
importopenopc
#连接到OPC服务器
opc=openopc.client()
opc.connect(opc.tcp://00:4840)
#测试读取数据点
data_point_name=PLC1/Tag1
value=opc.read(data_point_name)
#打印结果
print(fDatapoint{data_point_name}value:{value})
#断开连接
opc.disconnect()
3.数据点管理
数据点管理是SiemensNavigator数据模型的关键部分，它涉及数据点的定义、配置和管理。
3.1数据点的定义
数据点的定义包括以下几个属性：
名称：数据点的唯一标识。
数据源ID：关联的数据源。
标签名：在数据源中的标识。
数据类型：数据的类型，如整数、浮点数、字符串等。
采样频率：数据点的采样频率。
3.2数据点的配置
数据点的配置可以通过管理界面或数据库操作来完成。以下是一个通过SQL语句配置数据点的示例：
--添加一个新的数据点
INSERTINTODataPoint(DataPointName,DataSourceID,TagName,DataType,SamplingFrequency)
VALUES(WaterUsage1,2,Sensor1/Tag2,Float,15minutes)
3.3数据点的管理
数据点的管理包括监控数据点的状态、修改数据点的配置和删除数据点。以下是一个通过Python脚本管理数据点的示例：
#导入必要的库
importpyodbc
#连接到数据库
conn