Reads data from PLCs of different vendors, processes it and saves it to different kinds of databases

1 Ágak

jm-hsa 51f8668414 init		2 éve
app	51f8668414 init	2 éve
config	51f8668414 init	2 éve
.gitignore	51f8668414 init	2 éve
Dockerfile	51f8668414 init	2 éve
README.md	51f8668414 init	2 éve
docker-compose.yml	51f8668414 init	2 éve

Software des Energiemonitoring-Systems

Installation mit Docker

Voraussetzungen:

Linux-Umgebung
Git
Docker
docker-compose

git clone https://github.com/jm-hsa/plc-connector.git
cd plc-connector
sudo docker-compose build
sudo docker-compose up -d

Installation ohne Docker

Voraussetzungen:

Git
Python 3.9
Python-Paketmanager pip
optional Admin-Rechte (für den snap7-Server auf Port 102)
influxdb-Server

git clone https://github.com/jm-hsa/plc-connector.git
cd plc-connector
python -m pip install -r requirements.txt
python main.py -c config.yml

Einrichtung des Influxdb-Servers

Der influxdb-Server lässt sich unter http://localhost:8086 verwalten. Dort legt man einen Benutzer an und erzeugt anschließend Tokens für die Anwendungen, die auf die Datenbank zugreifen. Über die Explore-Ansicht kann man grafisch individuelle Queries erstellen und dann zu einem Dashboard in z. B. Grafana zusammenstellen.

Konfiguration

Die PLC-Connector Anwendung wird über die Datei config.yml konfiguriert.

Dabei kann eine Auswahl von Modulen aktiviert werden, welche wiederum in drei Kategorien unterteilt sind:

Inputs:
  # Eingangsmodule zum Lesen von Messwerten und Anlagenzuständen
  
  # Definiton des ersten Moduls
  #   ClassName: Name der Python-Klasse des Moduls
  #   path.to.module: relativer Importpfad des Input-Moduls
  - ClassName: path.to.module
    # Ob das Modul geladen werden soll
    # Default: True
    enabled: True
    # Parameter, die an den Konstruktor des Moduls übergeben werden
    param1: "value 1"
    param2: "value 2"

  # Definition weiterer Module
  - ClassName2: path.to.module2
    enabled: True

Middlewares:
  # Zwischenmodule zum Verarbeiten von Messwerten und Anlagenzuständen
  
  # Definiton des ersten Moduls
  #   ClassName: Name der Python-Klasse des Moduls
  #   path.to.module: relativer Importpfad des Middleware-Moduls
  - ClassName: path.to.module
    enabled: False

  - TimeCorrelation: time_correlation
    # Zwischenmodule können geschachtelt werden, so dass sie die Ergebnisse des überliegenden Moduls weiterverarbeiten
    submodules:
    - PrintStats: print_stats
      # Standardmäßig werden die Ergebnisse von Middleware-Modulen ohne Untermodulen für die Ausgabe gesammelt und dedupliziert 

Outputs:
  # Ausgabemodule zum Schreiben von Ergebnisse in eine beliebige Anzahl von Datenbanken  
  # Definiton des ersten Moduls
  #   ClassName: Name der Python-Klasse des Moduls
  #   path.to.module: relativer Importpfad des Output-Moduls
  - CSVStorage: csv_file
    path: logs

  - InfluxDB: influxdb
    url: "http://localhost:8086"
    token: "<token>"
    org: "myorg"
    bucket: "energy-monitor"

Input-Module

SiemensCPU: siemens.snap7_connect verbindet sich zu einer Siemens-Steuerung und fragt aktiv einen Datenbaustein ab yaml host: "192.168.0.10" # Addresse der CPU
SiemensServer: siemens.snap7_server emuliert eine S7-PLC und stellt passiv Datenbausteine zum Beschreiben bereit yaml port: 102 # Port des S7-Servers
Balluff: balluff.balluff_html fragt periodisch einen Balluff IO-Link-Master nach Prozessdaten ab. Sollte wegen schlechter Performance nicht verwendet werden!
AllenBradleyCPU: rockwell.allen_bradley_connect stellt eine EtherNet/IP Verbindung zu einer Compact Logix Steuerung her und fragt aktiv eine Liste von Tags ab
```
host: "192.168.1.10" # Addresse der CPU
```
Replay: replay_influxdb gibt aufgezeichnete Messwerte aus einer Influxdb-Datenbank wieder. Dadurch können Messversuche ohne Hardware wiederholt werden ```yaml

Influxdb Parameter

url: "http://localhost:8086" token: "" org: "myorg" bucket: "energy-monitor"

# Zeitstempel, an dem mit der Wiederholung begonnen wird start_time: 01.01.2000 00:00:00


## Middleware-Module

- `PrintStats: print_stats` zeigt Inputstatistiken in der Konsole an. Warnt, wenn ein Input keine Daten liefert.

- `TimeCorrelation: time_correlation` kombiniert mehrere Datenströme zu einem zeitlich monotonen Datensatz. Beispiel:
  ```json
  [
    {"timestamp": "00:00:00", "series": "24V", "value": 123}, 
    {"timestamp": "00:00:02", "series": "24V", "value": 789}
    {"timestamp": "00:00:01", "series": "480V", "value": 456}, 
  ]

wird korreliert zu:

  [
    {
      "timestamp": "00:00:00",
      "24V": {"value": 123}
    }, 
    {
      "timestamp": "00:00:01", 
      "24V": {"value": 123},
      "480V": {"value": 456}
    }, 
    {
      "timestamp": "00:00:02", 
      "24V": {"value": 789}, 
      "480V": {"value": 456}
    }
  ]

Output-Module

Ergebnisse der Middleware-Module werden anhand des series Feldes in separaten Messreihen gespeichert. Wenn kein series Feld vorhanden ist (z.B. nach time_correlation), dann werden alle übrigen Felder als eigenständige Messreihen angesehen. Zu jedem Zeitpunkt kann immer nur ein Messwert (eine CSV-Zeile / ein Influx-Record) je series existieren.

CSVStorage: csv_file speichert die Ergebnisse in CSV-Dateien und fügt diese periodisch zu einem ZIP-Ordner hinzu
```
path: logs # Ordner, in dem die Dateien gespeichert werden 
```

InfluxDB: influxdb speichert die Ergebnisse in einen Influxdb-bucket.

# Influxdb Parameter
url: "http://localhost:8086"
token: "<token>"
org: "myorg"
bucket: "energy-monitor"

README.md