为实现发电、输电、变电、配电、用电的实时智能联动，电力行业开始在传统业务之上构建信息网络、通讯网络、能源网络，运用云计算、物联网等新兴技术，大力发展数字化、信息化、智能化。在应对海量时序数据处理需求时，如关系型数据库、工业实时库、Hadoop 大数据平台在内的传统数据库解决方案问题重重，严重阻碍数字化进程。在此背景下，一些企业开始尝试进行数据架构改造，选择适合的[时序数据库]( https://www.taosdata.com/"时序数据库")（Time Series Database，TSDB）产品，相关经验汇总如下：

[TDengine x 中节能风力发电运维系统]( https://www.taosdata.com/user-cases/4866.html"TDengine x 中节能风力发电运维系统")

> “目前基于 TDengine 我们构建了中节能风电运维平台，使用后数据存储优势明显，整体压缩比在 7-8 倍，数据查询也实现了秒级响应。未来我们考虑在每个风电场站的三区部署一个单节点 TDengine，作用不只是采集和转发，还要起到时序数据质量治理以及实时模型预测的功能；而在集团侧我们会考虑基于 [TDengine]( https://www.taosdata.com/"TDengine") 构建更多更复杂的计算指标和高级模型；同时还要和任务调度引擎以及风电行业标准集成。”

**业务背景**

尽管中节能风力发电股份有限公司具备成熟的风电开发和运维经验，但随着在建风场逐步增多以及各类新型传感器的加装，传统运维方式越发吃力，严重限制业务发展。顺应时代潮流，数字化智能化的需求越来越强烈，其迫切需要基于海量时序数据的数据平台来支撑繁杂的运维工作。

在选型调研工作中，中节能最初尝试使用传统的工控时序数据库（Time-Series Database），但随着测点数量的增多，单机版架构已经无力支撑，后期他们尝试了 InfluxDB 和 [OpenTSDB]( https://www.taosdata.com/opentsdb"OpenTSDB") 等分布式架构的时序数据库，但性能又达不到要求。经过反复对比测试以及应用适配后，最终其选定 TDengine 作为数据平台的时序数据解决方案。

**架构图**

![](http://img.blog.itpub.net/blog/2022/10/26/96b081486c90c3f2.jpeg?x-oss-process=style/bb)

点击[案例]( https://www.taosdata.com/user-cases/4866.html"案例")查看更多技术细节

[TDengine x 上海电气储能智慧运维系统]( https://www.taosdata.com/user-cases/3552.html"TDengine x 上海电气储能智慧运维系统")

> “在使用 InfluxDB 一周以后执行查询，内存使用率达到了 80%，并且过了十分钟也没出来结果，已经完全不适合业务使用。而在使用了 TDengine 近 1 个月后，使用相同的 SQL 语句，查询只需要 0.2 秒，表现非常优异。在压缩方面，在采集点数量相同的情况下，压缩后的数据量 TDengine 是 InfluxDB 的 1/3.”

**业务背景**

围绕“一芯 3S”核心产品链，上海电气着手构建储能核心竞争力，“SmartOPS 储能智慧运维系统”就作为其中的关键组成部分，旨在实现全面监测、预测性维护、热管理分析等高级应用。在本地部署中，该系统需要重点考虑本地硬件资源的限制，如站端系统的内存、CPU 以及读写性能等，选择合适的时序数据库成为破解问题的关键。在对 OpenTSDB、InfluxDB、Apache IoTDB、TDengine、ClickHouse 几款数据库进行对比测试后，其尝试在系统中落地了 TDengine。

**效果展示**

![](http://img.blog.itpub.net/blog/2022/10/26/e0d54b2c7d180cc3.jpeg?x-oss-process=style/bb)

点击[案例]( https://www.taosdata.com/user-cases/3552.html"案例")查看更多技术细节

[TDengine x 八五信息新能源电力物联网平台]( https://www.taosdata.com/user-cases/1872.html"TDengine x 八五信息新能源电力物联网平台")

> “在应用 TDengine 之后，系统读写性能较原 TimescaleDB 数据库提高 10 倍左右，在数据接入层我们不用再担心数据库的写入性能瓶颈；数据分析查询应用层也较原系统有较大提升，尤其是在时间跨度大的聚合类分析几乎瞬间响应。在软硬件方面，TDengine 帮助我们节省了系统大量的计算资源以及存储资源，较原系统降低了大约 4 倍左右的存储成本。”

**业务背景**

在八五信息新能源电力物联网平台建设中，此前其使用 TimescaleDB，无论在读写性能，还是硬件资源上，都遇到了瓶颈，且该数据库没有集群功能。后面开始采用 TDengine，存储和查询分析物联网设备的实时数据，以及光伏设备传感器的遥测数据，需支撑至少 50000 台设备总计 400 万测点的实时数据接入、处理及存储，预计日增量 40 多亿条。

**平台架构**

![](http://img.blog.itpub.net/blog/2022/10/26/6d7112ae0ea2aa58.jpeg?x-oss-process=style/bb)

点击[案例]( https://www.taosdata.com/user-cases/1872.html"案例")查看更多技术细节

[TDengine x 水电厂畸变波形分析及故障预判系统]( https://www.taosdata.com/user-cases/4862.html"TDengine x 水电厂畸变波形分析及故障预判系统")

> “TDengine 在该项目中顺利投入使用，在现场运行环境的表现，如同我们的验证测试一样，拥有优异的写入能力和快速的查询能力，可以有力地支撑系统对原始信号数据进行进一步的分析与应用。”

**业务背景**

计算机监控系统和机组稳定性监测分析系统，主要是从振动、气隙等状态量对主机设备的运行状态进行监测和评估，其核心需求是将全厂的电力系统各元件纳入系统的监测，并存储高采样率的原始信号数据，初步估算全厂电力系统元件 1 天即可产生 1.7TB 字节数据量，数据存储难题横亘眼前，在经过反复对比测试后，其决定将 TDengine 正式引入该项目。

点击[案例]( https://www.taosdata.com/user-cases/4862.html"案例")查看更多技术细节

**写在最后**

时序数据库的设计和优化都是根据时序数据特点而来，在面对物联网、时序场景的数据处理需求时，时序数据库显然更加有针对性，而以上企业的事实证明，在电力行业中，时序数据库的应用能够有效增加系统的各方面性能，降低研发和运维成本，真正帮助企业实现降本增效。

> 欢迎添加小T（VX：TDengine），加入物联网技术讨论群，第一时间了解TDengine 官方信息，与关注前沿技术的同学们共同探讨新技术、新玩法。

------------

想了解更多 [TDengine Database]( https://www.taosdata.com/?zh"TDengine Database")的具体细节，欢迎大家在[GitHub]( https://github.com/taosdata/TDengine"GitHub")上查看相关源代码。
[![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)](https://www.taosdata.com/?zh "![](http://img.blog.itpub.net/blog/2022/05/11/0fd59db1207fc97f.jpeg?x-oss-process=style/bb)")

ITPub博客

「经验汇总」基于TDengine的时序数据解决方案

最新文章