為實(shí)現(xiàn)發(fā)電、輸電、變電、配電、用電的實(shí)時智能聯(lián)動，電力行業(yè)開始在傳統(tǒng)業(yè)務(wù)之上構(gòu)建信息網(wǎng)絡(luò)、通訊網(wǎng)絡(luò)、能源網(wǎng)絡(luò)，運(yùn)用云計算、物聯(lián)網(wǎng)等新興技術(shù)，大力發(fā)展數(shù)字化、信息化、智能化。在應(yīng)對海量時序數(shù)據(jù)處理需求時，如關(guān)系型數(shù)據(jù)庫、工業(yè)實(shí)時庫、Hadoop 大數(shù)據(jù)平臺在內(nèi)的傳統(tǒng)數(shù)據(jù)庫解決方案問題重重，嚴(yán)重阻礙數(shù)字化進(jìn)程。在此背景下，一些企業(yè)開始嘗試進(jìn)行數(shù)據(jù)架構(gòu)改造，選擇適合的時序數(shù)據(jù)庫（Time Series Database，TSDB）產(chǎn)品，相關(guān)經(jīng)驗(yàn)匯總?cè)缦拢?/p>

TDengine x 中節(jié)能風(fēng)力發(fā)電運(yùn)維系統(tǒng)

“目前基于 TDengine 我們構(gòu)建了中節(jié)能風(fēng)電運(yùn)維平臺，使用后數(shù)據(jù)存儲優(yōu)勢明顯，整體壓縮比在 7-8 倍，數(shù)據(jù)查詢也實(shí)現(xiàn)了秒級響應(yīng)。未來我們考慮在每個風(fēng)電場站的三區(qū)部署一個單節(jié)點(diǎn) TDengine，作用不只是采集和轉(zhuǎn)發(fā)，還要起到時序數(shù)據(jù)質(zhì)量治理以及實(shí)時模型預(yù)測的功能；而在集團(tuán)側(cè)我們會考慮基于 TDengine 構(gòu)建更多更復(fù)雜的計算指標(biāo)和高級模型；同時還要和任務(wù)調(diào)度引擎以及風(fēng)電行業(yè)標(biāo)準(zhǔn)集成?！?/p>

業(yè)務(wù)背景

盡管中節(jié)能風(fēng)力發(fā)電股份有限公司具備成熟的風(fēng)電開發(fā)和運(yùn)維經(jīng)驗(yàn)，但隨著在建風(fēng)場逐步增多以及各類新型傳感器的加裝，傳統(tǒng)運(yùn)維方式越發(fā)吃力，嚴(yán)重限制業(yè)務(wù)發(fā)展。順應(yīng)時代潮流，數(shù)字化智能化的需求越來越強(qiáng)烈，其迫切需要基于海量時序數(shù)據(jù)的數(shù)據(jù)平臺來支撐繁雜的運(yùn)維工作。

在選型調(diào)研工作中，中節(jié)能最初嘗試使用傳統(tǒng)的工控時序數(shù)據(jù)庫（Time-Series Database），但隨著測點(diǎn)數(shù)量的增多，單機(jī)版架構(gòu)已經(jīng)無力支撐，后期他們嘗試了 InfluxDB 和 OpenTSDB 等分布式架構(gòu)的時序數(shù)據(jù)庫，但性能又達(dá)不到要求。經(jīng)過反復(fù)對比測試以及應(yīng)用適配后，最終其選定 TDengine 作為數(shù)據(jù)平臺的時序數(shù)據(jù)解決方案。

架構(gòu)圖

點(diǎn)擊案例查看更多技術(shù)細(xì)節(jié)

TDengine x 上海電氣儲能智慧運(yùn)維系統(tǒng)

“在使用 InfluxDB 一周以后執(zhí)行查詢，內(nèi)存使用率達(dá)到了 80%，并且過了十分鐘也沒出來結(jié)果，已經(jīng)完全不適合業(yè)務(wù)使用。而在使用了 TDengine 近 1 個月后，使用相同的 SQL 語句，查詢只需要 0.2 秒，表現(xiàn)非常優(yōu)異。在壓縮方面，在采集點(diǎn)數(shù)量相同的情況下，壓縮后的數(shù)據(jù)量 TDengine 是 InfluxDB 的 1/3.”

業(yè)務(wù)背景

圍繞“一芯 3S”核心產(chǎn)品鏈，上海電氣著手構(gòu)建儲能核心競爭力，“SmartOPS 儲能智慧運(yùn)維系統(tǒng)”就作為其中的關(guān)鍵組成部分，旨在實(shí)現(xiàn)全面監(jiān)測、預(yù)測性維護(hù)、熱管理分析等高級應(yīng)用。在本地部署中，該系統(tǒng)需要重點(diǎn)考慮本地硬件資源的限制，如站端系統(tǒng)的內(nèi)存、CPU 以及讀寫性能等，選擇合適的時序數(shù)據(jù)庫成為破解問題的關(guān)鍵。在對 OpenTSDB、InfluxDB、Apache IoTDB、TDengine、ClickHouse 幾款數(shù)據(jù)庫進(jìn)行對比測試后，其嘗試在系統(tǒng)中落地了 TDengine。

效果展示

點(diǎn)擊案例查看更多技術(shù)細(xì)節(jié)

TDengine x 八五信息新能源電力物聯(lián)網(wǎng)平臺

“在應(yīng)用 TDengine 之后，系統(tǒng)讀寫性能較原 TimescaleDB 數(shù)據(jù)庫提高 10 倍左右，在數(shù)據(jù)接入層我們不用再擔(dān)心數(shù)據(jù)庫的寫入性能瓶頸；數(shù)據(jù)分析查詢應(yīng)用層也較原系統(tǒng)有較大提升，尤其是在時間跨度大的聚合類分析幾乎瞬間響應(yīng)。在軟硬件方面，TDengine 幫助我們節(jié)省了系統(tǒng)大量的計算資源以及存儲資源，較原系統(tǒng)降低了大約 4 倍左右的存儲成本?！?/p>

業(yè)務(wù)背景

在八五信息新能源電力物聯(lián)網(wǎng)平臺建設(shè)中，此前其使用 TimescaleDB，無論在讀寫性能，還是硬件資源上，都遇到了瓶頸，且該數(shù)據(jù)庫沒有集群功能。后面開始采用 TDengine，存儲和查詢分析物聯(lián)網(wǎng)設(shè)備的實(shí)時數(shù)據(jù)，以及光伏設(shè)備傳感器的遙測數(shù)據(jù)，需支撐至少 50000 臺設(shè)備總計 400 萬測點(diǎn)的實(shí)時數(shù)據(jù)接入、處理及存儲，預(yù)計日增量 40 多億條。

平臺架構(gòu)

點(diǎn)擊案例查看更多技術(shù)細(xì)節(jié)

TDengine x 水電廠畸變波形分析及故障預(yù)判系統(tǒng)

“TDengine 在該項(xiàng)目中順利投入使用，在現(xiàn)場運(yùn)行環(huán)境的表現(xiàn)，如同我們的驗(yàn)證測試一樣，擁有優(yōu)異的寫入能力和快速的查詢能力，可以有力地支撐系統(tǒng)對原始信號數(shù)據(jù)進(jìn)行進(jìn)一步的分析與應(yīng)用?！?/p>

業(yè)務(wù)背景

計算機(jī)監(jiān)控系統(tǒng)和機(jī)組穩(wěn)定性監(jiān)測分析系統(tǒng)，主要是從振動、氣隙等狀態(tài)量對主機(jī)設(shè)備的運(yùn)行狀態(tài)進(jìn)行監(jiān)測和評估，其核心需求是將全廠的電力系統(tǒng)各元件納入系統(tǒng)的監(jiān)測，并存儲高采樣率的原始信號數(shù)據(jù)，初步估算全廠電力系統(tǒng)元件 1 天即可產(chǎn)生 1.7TB 字節(jié)數(shù)據(jù)量，數(shù)據(jù)存儲難題橫亙眼前，在經(jīng)過反復(fù)對比測試后，其決定將 TDengine 正式引入該項(xiàng)目。

點(diǎn)擊案例查看更多技術(shù)細(xì)節(jié)

寫在最后

時序數(shù)據(jù)庫的設(shè)計和優(yōu)化都是根據(jù)時序數(shù)據(jù)特點(diǎn)而來，在面對物聯(lián)網(wǎng)、時序場景的數(shù)據(jù)處理需求時，時序數(shù)據(jù)庫顯然更加有針對性，而以上企業(yè)的事實(shí)證明，在電力行業(yè)中，時序數(shù)據(jù)庫的應(yīng)用能夠有效增加系統(tǒng)的各方面性能，降低研發(fā)和運(yùn)維成本，真正幫助企業(yè)實(shí)現(xiàn)降本增效。

添加 TDengine 小助手小T，找專業(yè)的解決方案架構(gòu)師聊一聊