小T導(dǎo)讀：中節(jié)能風(fēng)力發(fā)電股份有限公司（股票簡稱：節(jié)能風(fēng)電，股票代碼：601016）是中國節(jié)能環(huán)保集團有限公司控股的現(xiàn)代股份制公司。公司先后成功中標(biāo)并示范建設(shè)了國家第一個百萬千瓦級風(fēng)電基地啟動項目——河北張北單晶河200兆瓦風(fēng)電特許權(quán)項目，和第一個千萬千瓦級風(fēng)電基地啟動項目——甘肅玉門昌馬200兆瓦風(fēng)電特許權(quán)項目，是國家首個百萬千瓦、千萬千瓦風(fēng)電基地的示范者和引領(lǐng)者，在業(yè)內(nèi)樹立了較高的知名度和良好的品牌形象。建成、在建項目裝機規(guī)模547.97萬千瓦，已發(fā)展成為張北壩上地區(qū)、甘肅河西走廊地區(qū)最大的風(fēng)電開發(fā)商之一，是我國風(fēng)電領(lǐng)域一支重要的力量。

一、項目背景

公司作為中節(jié)能集團在風(fēng)電領(lǐng)域的專業(yè)化公司和核心上市平臺，具備成熟的風(fēng)電開發(fā)和運維經(jīng)驗，但是隨著在建風(fēng)場逐步增多以及各類新型傳感器的加裝，傳統(tǒng)運維方式已經(jīng)越來越吃力，數(shù)字化智能化的需求越來越強烈，因此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維工作。

因此，我們做了大量的時序數(shù)據(jù)調(diào)研工作。但是選型工作也并非一帆風(fēng)順，開始我們嘗試傳統(tǒng)的工控時序數(shù)據(jù)庫（Time-Series Database），但是隨著測點數(shù)量的增多，單機版架構(gòu)已經(jīng)無力支撐，后期我們也嘗試了InfluxDB和OpenTSDB等分布式架構(gòu)的時序數(shù)據(jù)庫，但是性能又達不到要求。

機遇巧合，我們注意到一款國產(chǎn)、開源的時序數(shù)據(jù)庫TDengine，所以也嘗試了一下。

二、TDengine選型測試

針對我們重點關(guān)注的查詢性能，我們做了如下幾個測試。

1. 單測點歷史數(shù)據(jù)聚合查詢

隨機選擇任一個測點，查詢該測點在某個時間段測點采集值的count，max，min，avg；比如從2020-01-01 00:00:00.000 到 2020-02-01 00:00:00.000的31天內(nèi)的共535680條數(shù)據(jù)記錄的count，max，min，avg。具體的查詢語句為：

select count(*),max(col117),min(col117),avg(col117) from t_QH01 where ts>='2021-08-15 00:00:00.000' and ts<'2021-08-16 00:00:00.000'

實驗截圖如下：

3次查詢測試時延如下：

測試批次	時延（秒）
1	0.635000
2	0.145000
3	1.492000
平均值	0.7573333333333333

2. 分組聚合查詢

查詢某個時間段內(nèi)測點采集值的count，max，min，avg，比如查詢從2020-01-01 00:00:00.000 到 2020-02-01 00:00:00.000的31天內(nèi)的數(shù)據(jù)記錄的count，max，min，avg。數(shù)據(jù)庫中對應(yīng)查詢語句為：

select count(*),max(col117),min(col117),avg(col117) from t_QH01 where ts >='2021-08-01 00:00:00.000' and ts<'2021-09-01 00:00:00.000' group by wtcode >>E:/taosTempData/2

實驗截圖如下：

3次查詢測試時延如下：

測試批次	時延（秒）
1	0.040000
2	0.661000
3	0.099000
平均值	0.26666

3. 窗口查詢操作

查詢某個時間段內(nèi)，按照1小時、1天、10天的時間窗口進行分組后的count，max，min，avg聚合結(jié)果；比如查詢從2020-01-01 00:00:00.000 到 2020-02-01 00:00:00.000的31天內(nèi)的全部數(shù)據(jù)記錄，按照每1小時、1天、10天的時間區(qū)間劃分后的count，max，min，avg。

數(shù)據(jù)庫中對應(yīng)查詢語句為：

select count(*),max(col117),min(col117),avg(col117) from t_QH01 where ts >='2021-08-01 00:00:00.000' and ts<'2021-09-01 00:00:00.000' and wtcode ='001' interval (1h) >>E:/taosTempData/3;
select count(*),max(col117),min(col117),avg(col117) from t_QH01 where ts >='2021-08-01 00:00:00.000' and ts<'2021-09-01 00:00:00.000' and wtcode ='001' interval (1d) >>E:/taosTempData/4; 
select count(*),max(col117),min(col117),avg(col117) from t_QH01 where ts >='2021-08-01 00:00:00.000' and ts<'2021-09-01 00:00:00.000' and wtcode ='001' interval (10d) >>E:/taosTempData/5;

實驗截圖如下：

多個批次查詢測試時延如下：

測試批次	時延（秒）
interval(1h)第1次查詢	0.107000
interval(1h)第2次查詢	0.060000
interval(1h)第3次查詢	1.072000
Interval(1h) 平均值	0.413

測試批次	時延（秒）
interval(1d)第1次查詢	0.041000
interval(1d)第2次查詢	0.087000
interval(1d)第3次查詢	1.615000
Interval(1d) 平均值	0.581

測試批次	時延（秒）
interval(10d)第1次查詢	0.072000
interval(10d)第2次查詢	0.026000
interval(10d)第3次查詢	0.020000
Interval(10d) 平均值	0.03933

經(jīng)過反復(fù)對比測試以及應(yīng)用適配，最終我們選定TDengine作為我們數(shù)據(jù)平臺的時序數(shù)據(jù)解決方案。

三、TDengine Database落地實踐

目前中節(jié)能風(fēng)電的整體時序數(shù)據(jù)流如下圖所示：

風(fēng)場的時序數(shù)據(jù)(主要是風(fēng)機數(shù)據(jù)和電氣數(shù)據(jù))穿透網(wǎng)閘后，經(jīng)由場站側(cè)的采集程序采集和轉(zhuǎn)發(fā)，最終所有數(shù)據(jù)會匯聚到集團側(cè)的分布式時序數(shù)據(jù)庫，前端的實時監(jiān)視、指標(biāo)計算均構(gòu)建于其上，同時數(shù)據(jù)還要送到大數(shù)據(jù)分析平臺和生產(chǎn)運維平臺。

集團中心側(cè)的TDengine集群起到了舉足輕重的作用，既要收集所有風(fēng)場的時序數(shù)據(jù)，同時還要支撐前端應(yīng)用以及同步數(shù)據(jù)到其它系統(tǒng)。

TDengine的諸多特性中，最吸引我們的是超級表和標(biāo)簽功能。超級表能讓同一類風(fēng)機的建模、管理和計算過程更加方便快捷，而標(biāo)簽特性能增加諸如隸屬項目、平臺容量等維度特征，便于在聚合操作過程中快速篩選或者分組。基于時間窗口和狀態(tài)窗口的功能也為應(yīng)用構(gòu)建提供了很多方便，比如功率曲線擬合過程中需要的五分鐘平均風(fēng)速和功率計算邏輯，以及基于風(fēng)機狀態(tài)的各類統(tǒng)計分析。

在TDengine的使用初期遇到了一些問題，主要涉及集群搭建和參數(shù)配置方面，經(jīng)過和濤思數(shù)據(jù)技術(shù)團隊的溝通交流，都已得到解決。

后期在數(shù)據(jù)建模和應(yīng)用適配方面也走了一些彎路，尤其是數(shù)據(jù)建模方面。最開始我們使用的是最簡單的單列模式，一個測點一張表，在測點數(shù)目少的情況下問題并不明顯，但是隨著測點數(shù)目的不斷膨脹，這種方式逐漸暴露出在應(yīng)用適配方面的問題；后來我們采取按照不同機型不同風(fēng)場建超級表的方式建模，基本能解決我們的應(yīng)用問題，但是依然有無效開關(guān)量數(shù)值過多的問題；最終我們采取將風(fēng)機狀態(tài)等重點開關(guān)量單列建模的方式解決了。

四、整體效果和未來展望

目前基于TDengine數(shù)據(jù)庫我們構(gòu)建了中節(jié)能風(fēng)電運維平臺，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)查詢也實現(xiàn)秒級響應(yīng)。整體使用效果如下圖所示：

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)量治理以及實時模型預(yù)測的功能；而在集團側(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。未來的數(shù)據(jù)流圖如下圖所示：

最終將其作為中節(jié)能風(fēng)電公司時序數(shù)據(jù)的核心技術(shù)組件來構(gòu)建智能運維平臺，為中節(jié)能風(fēng)電公司3060雙碳目標(biāo)的提供堅實基礎(chǔ)。

作者介紹：

潘文彪，中節(jié)能風(fēng)電生產(chǎn)運維部數(shù)據(jù)分析師，2019年起從事節(jié)能風(fēng)電的數(shù)據(jù)分析與數(shù)字化平臺建設(shè)工作。