為實現發電、輸電、變電、配電、用電的實時智能聯動，電力行業開始在傳統業務之上構建信息網絡、通訊網絡、能源網絡，運用云計算、物聯網等新興技術，大力發展數字化、信息化、智能化。在應對海量時序數據處理需求時，如關系型數據庫、工業實時庫、Hadoop 大數據平臺在內的傳統數據庫解決方案問題重重，嚴重阻礙數字化進程。在此背景下，一些企業開始嘗試進行數據架構改造，選擇適合的時序數據庫（Time Series Database，TSDB）產(chan)品，相關經驗匯總如下(xia)：

TDengine x 中節能風力發電運維系統

“目前基(ji)于(yu) TDengine 我們(men)構建(jian)(jian)了(le)中節能風(feng)(feng)電運維平臺，使(shi)用后數據(ju)存(cun)儲優勢明顯(xian)，整體壓(ya)縮比(bi)在(zai) 7-8 倍(bei)，數據(ju)查詢也實(shi)現(xian)了(le)秒級響應(ying)。未來我們(men)考(kao)慮在(zai)每個(ge)風(feng)(feng)電場(chang)站的(de)三區(qu)部署一(yi)個(ge)單(dan)節點 TDengine，作用不只是采(cai)集(ji)和轉發，還要起到時序(xu)數據(ju)質(zhi)量治理以及實(shi)時模(mo)(mo)型預測的(de)功能；而(er)在(zai)集(ji)團側我們(men)會(hui)考(kao)慮基(ji)于(yu) TDengine 構建(jian)(jian)更(geng)多更(geng)復(fu)雜的(de)計算(suan)指標和高(gao)級模(mo)(mo)型；同時還要和任(ren)務調度(du)引擎以及風(feng)(feng)電行(xing)業標準集(ji)成。”

業務背景

盡管中節(jie)能(neng)風(feng)力發電股份(fen)有限公司具備成熟的風(feng)電開發和運維(wei)經驗，但隨著在建風(feng)場逐(zhu)步增多以(yi)及各類新型(xing)傳(chuan)感器的加(jia)裝，傳(chuan)統運維(wei)方式越(yue)(yue)發吃力，嚴重限制業務(wu)發展(zhan)。順應時代潮流，數(shu)字化智能(neng)化的需(xu)求越(yue)(yue)來(lai)越(yue)(yue)強烈，其迫(po)切需(xu)要(yao)基于海(hai)量時序數(shu)據(ju)的數(shu)據(ju)平臺來(lai)支(zhi)撐繁(fan)雜的運維(wei)工作。

在(zai)選型調(diao)研工作中(zhong)，中(zhong)節能最(zui)初嘗(chang)試(shi)使用(yong)(yong)傳統(tong)的工控(kong)時序(xu)數(shu)(shu)據(ju)(ju)庫（Time-Series Database），但(dan)隨著(zhu)測點數(shu)(shu)量的增(zeng)多，單機版架構已經無力支撐，后(hou)期他們嘗(chang)試(shi)了 InfluxDB 和(he) OpenTSDB 等分布式架構的時序(xu)數(shu)(shu)據(ju)(ju)庫，但(dan)性能又達(da)不到(dao)要(yao)求(qiu)。經過反(fan)復對(dui)比測試(shi)以及(ji)應用(yong)(yong)適配后(hou)，最(zui)終其(qi)選定 TDengine 作為數(shu)(shu)據(ju)(ju)平臺(tai)的時序(xu)數(shu)(shu)據(ju)(ju)解決方案(an)。

架構圖

點擊案例查看更多技術細節

TDengine x 上海電氣儲能智慧運維系統

“在(zai)(zai)使用 InfluxDB 一周以后(hou)執行查詢，內存(cun)使用率達到了(le) 80%，并且過了(le)十分鐘也(ye)沒出來結果，已經完(wan)全(quan)不(bu)適合業務(wu)使用。而在(zai)(zai)使用了(le) TDengine 近 1 個月后(hou)，使用相同的 SQL 語句，查詢只需要(yao) 0.2 秒，表(biao)現非常(chang)優(you)異。在(zai)(zai)壓縮方面，在(zai)(zai)采(cai)集(ji)點數量(liang)(liang)相同的情況下(xia)，壓縮后(hou)的數據量(liang)(liang) TDengine 是(shi) InfluxDB 的 1/3.”

業務背景

圍(wei)繞“一芯(xin) 3S”核心產(chan)品鏈，上(shang)海(hai)電氣著(zhu)手構建儲(chu)能核心競爭力，“SmartOPS 儲(chu)能智慧運維系(xi)(xi)(xi)統”就作為其(qi)中(zhong)的(de)(de)關鍵組成部分，旨在(zai)實現全(quan)面監(jian)測、預測性維護(hu)、熱(re)管理(li)分析等高(gao)級應(ying)用。在(zai)本地部署中(zhong)，該(gai)系(xi)(xi)(xi)統需要重(zhong)點考(kao)慮本地硬件資源的(de)(de)限制(zhi)，如站(zhan)端系(xi)(xi)(xi)統的(de)(de)內存、CPU 以及(ji)讀寫性能等，選擇合適的(de)(de)時序數(shu)據庫成為破(po)解問題(ti)的(de)(de)關鍵。在(zai)對 OpenTSDB、InfluxDB、Apache IoTDB、TDengine、ClickHouse 幾款數(shu)據庫進(jin)行對比測試后，其(qi)嘗試在(zai)系(xi)(xi)(xi)統中(zhong)落(luo)地了 TDengine。

效果展示

點擊案例查看更多技術細節

TDengine x 八五信息新能源電力物聯網平臺

“在(zai)(zai)應用(yong) TDengine 之后，系(xi)(xi)統(tong)讀寫(xie)性能較原(yuan)(yuan) TimescaleDB 數據(ju)庫(ku)提高(gao) 10 倍(bei)左(zuo)右(you)，在(zai)(zai)數據(ju)接(jie)入層我(wo)們(men)(men)不(bu)用(yong)再擔心數據(ju)庫(ku)的寫(xie)入性能瓶頸；數據(ju)分析查(cha)詢應用(yong)層也較原(yuan)(yuan)系(xi)(xi)統(tong)有較大(da)提升，尤其是在(zai)(zai)時間(jian)跨度大(da)的聚合類(lei)分析幾乎(hu)瞬間(jian)響應。在(zai)(zai)軟硬件方面，TDengine 幫(bang)助(zhu)我(wo)們(men)(men)節省了系(xi)(xi)統(tong)大(da)量(liang)的計算資源以及存儲資源，較原(yuan)(yuan)系(xi)(xi)統(tong)降低了大(da)約 4 倍(bei)左(zuo)右(you)的存儲成本(ben)。”

業務背景

在八(ba)五信息新能(neng)源電力(li)物(wu)聯(lian)網平(ping)臺(tai)建設中，此前其使用(yong) TimescaleDB，無論在讀(du)寫(xie)性能(neng)，還是硬件資源上，都遇到了瓶(ping)頸(jing)，且該數(shu)據(ju)庫沒有集群功能(neng)。后(hou)面開始采用(yong) TDengine，存儲(chu)(chu)和(he)查詢分析物(wu)聯(lian)網設備的實時數(shu)據(ju)，以及光伏設備傳感器的遙測數(shu)據(ju)，需支撐至少 50000 臺(tai)設備總計 400 萬測點的實時數(shu)據(ju)接入、處理(li)及存儲(chu)(chu)，預計日(ri)增量 40 多億(yi)條(tiao)。

平臺架構

點擊案例查看更多技術細節

TDengine x 水電廠畸變波形分析及故障預判系統

“TDengine 在(zai)該(gai)項目中順利投(tou)入(ru)使用，在(zai)現(xian)場運(yun)行環(huan)境(jing)的(de)表(biao)現(xian)，如同我們的(de)驗證測試一樣(yang)，擁有(you)優異的(de)寫入(ru)能力和快速的(de)查詢能力，可(ke)以有(you)力地支撐(cheng)系統對原(yuan)始信(xin)號數(shu)據進(jin)行進(jin)一步(bu)的(de)分析與應用。”

業務背景

計算(suan)機監控系(xi)(xi)統(tong)(tong)和機組穩定(ding)性監測(ce)(ce)分析系(xi)(xi)統(tong)(tong)，主要是從振動、氣(qi)隙(xi)等(deng)狀態量對(dui)主機設備的(de)運行狀態進行監測(ce)(ce)和評估，其核心(xin)需求(qiu)是將(jiang)全廠的(de)電(dian)力系(xi)(xi)統(tong)(tong)各元(yuan)件(jian)納入(ru)系(xi)(xi)統(tong)(tong)的(de)監測(ce)(ce)，并存儲(chu)高采樣率的(de)原始信號數據(ju)，初步估算(suan)全廠電(dian)力系(xi)(xi)統(tong)(tong)元(yuan)件(jian) 1 天即可產生(sheng) 1.7TB 字節數據(ju)量，數據(ju)存儲(chu)難題橫亙眼前，在經過反復對(dui)比測(ce)(ce)試后，其決定(ding)將(jiang) TDengine 正式(shi)引入(ru)該項目。

點擊案例查看更多技術細節

寫在最后

時(shi)(shi)序(xu)數據庫(ku)的(de)設計(ji)和(he)(he)優化(hua)都是根據時(shi)(shi)序(xu)數據特(te)點而(er)來，在(zai)面(mian)對物聯網、時(shi)(shi)序(xu)場(chang)景的(de)數據處理需求時(shi)(shi)，時(shi)(shi)序(xu)數據庫(ku)顯然更加有針對性(xing)，而(er)以上企業的(de)事實證明，在(zai)電力(li)行業中(zhong)，時(shi)(shi)序(xu)數據庫(ku)的(de)應用(yong)能夠(gou)有效增加系統(tong)的(de)各(ge)方(fang)面(mian)性(xing)能，降(jiang)(jiang)低(di)研發和(he)(he)運維成本，真正(zheng)幫助企業實現(xian)降(jiang)(jiang)本增效。

添加(jia) TDengine 小助手(shou)小T，找專業(ye)的(de)解(jie)決方(fang)案架構(gou)師聊一聊