在(zai) 7 月 26 日的(de)(de) TDengine 用戶大會上，濤思數據(ju)（TDengine）首席(xi)架構師肖波進行(xing)了(le)(le)題(ti)為《TDengine 助(zhu)力(li)新(xin)型電力(li)系統高質量發(fa)展》的(de)(de)主題(ti)演(yan)(yan)講。他不僅分享了(le)(le) TDengine 在(zai)新(xin)型電力(li)系統中(zhong)的(de)(de)應(ying)用案例，還(huan)深入探討了(le)(le)如何利用 TDengine 的(de)(de)高性能數據(ju)處理(li)能力(li)，推(tui)動電力(li)行(xing)業的(de)(de)數字化(hua)(hua)轉型與智能化(hua)(hua)升(sheng)級。本文根據(ju)演(yan)(yan)講內(nei)容(rong)整(zheng)理(li)而成。
什么是新型電力系統？
在今天的(de)討論中，我想(xiang)先(xian)分享一些(xie)個人(ren)的(de)理解(jie)，特(te)別是關(guan)于新型(xing)電(dian)(dian)力系(xi)(xi)統(tong)的(de)相關(guan)內(nei)容。回顧幾(ji)十年(nian)前，國內(nei)的(de)電(dian)(dian)力系(xi)(xi)統(tong)仍然處于計劃經(jing)濟時代(dai)，主要(yao)是以銷(xiao)定(ding)產和強計劃性為(wei)特(te)征。當時，國家電(dian)(dian)網(wang)和南方電(dian)(dian)網(wang)的(de)資源調配能力使其能夠決定(ding)電(dian)(dian)力供應的(de)數量。在這樣的(de)背景(jing)下，火電(dian)(dian)在 20 年(nian)前的(de)發電(dian)(dian)量中占(zhan)據了 70% 以上。隨著國家經(jing)濟的(de)發展和新型(xing)電(dian)(dian)力系(xi)(xi)統(tong)的(de)提出(chu)，我們迎來了國家雙(shuang)碳政(zheng)策的(de)實(shi)施。
在這一(yi)(yi)政策(ce)的(de)要(yao)求(qiu)下，大規模(mo)可再(zai)生能源的(de)介入成為了重要(yao)的(de)背景。以數(shu)據(ju)為依據(ju)，2017 年(nian)(nian)(nian)我國的(de)電(dian)(dian)力(li)裝(zhuang)機容量(liang)大約(yue)為 17.7 億千瓦，而到 2023 年(nian)(nian)(nian)這一(yi)(yi)數(shu)字已增(zeng)(zeng)至 29.2 億千瓦，預(yu)計到 2060 年(nian)(nian)(nian)實現碳中和時，裝(zhuang)機容量(liang)可能達到 71 億千瓦。這一(yi)(yi)增(zeng)(zeng)長速度是顯著的(de)。具體來看，2017 年(nian)(nian)(nian)火電(dian)(dian)占比(bi)為 62%，而到 2023 年(nian)(nian)(nian)已降(jiang)至 38%。根據(ju)預(yu)測，2030 年(nian)(nian)(nian)碳達峰時，火電(dian)(dian)占比(bi)將降(jiang)至 30%。與此同時，風(feng)電(dian)(dian)和光伏的(de)比(bi)例(li)從六年(nian)(nian)(nian)前的(de) 16% 增(zeng)(zeng)長至去年(nian)(nian)(nian)的(de) 36%。
在這樣的(de)(de)(de)發展(zhan)趨(qu)勢下，我(wo)們(men)來探討下新型電力系統(tong)的(de)(de)(de)特點。首(shou)先，高比(bi)(bi)例的(de)(de)(de)可(ke)再生(sheng)能源介(jie)入是其重要特征。截至去年，風電和光(guang)伏的(de)(de)(de)裝(zhuang)機容量(liang)已(yi)達到 10.5 億千瓦，加(jia)上水電，整體(ti)可(ke)再生(sheng)能源的(de)(de)(de)比(bi)(bi)例已(yi)超過 15 億千瓦。未來，這一絕對(dui)數量(liang)和相對(dui)比(bi)(bi)例都將(jiang)快速攀升，導(dao)致可(ke)再生(sheng)能源在電力結構(gou)中的(de)(de)(de)比(bi)(bi)重加(jia)大。
我們看到，風(feng)電(dian)、光(guang)伏與儲能的(de)集成已成為趨勢，針對大規模的(de)風(feng)電(dian)和光(guang)伏項(xiang)目，其測(ce)點數(shu)量也顯著(zhu)增加。例(li)如，一個核電(dian)島通常有約 20 萬(wan)個測(ce)點，而(er)集中式(shi)風(feng)電(dian)和光(guang)伏項(xiang)目的(de)測(ce)量點可能從數(shu)百萬(wan)到數(shu)千萬(wan)，這(zhe)對生產安全(quan)和運營管理提(ti)出了更高的(de)要求。
其次，智能電網(wang)(wang)(wang)的(de)建設也在加速推進(jin)。微電網(wang)(wang)(wang)、虛擬電廠(chang)和(he)電力市場機制(zhi)的(de)引入，進(jin)一步提高了對(dui)電網(wang)(wang)(wang)的(de)要求。例如，20 年(nian)前我(wo)國(guo)的(de)電網(wang)(wang)(wang)尚未實現(xian)分(fen)布(bu)(bu)式(shi)光(guang)伏(fu)接(jie)入，而如今(jin)，分(fen)布(bu)(bu)式(shi)光(guang)伏(fu)已在全國(guo)范(fan)圍內接(jie)入了數百(bai)萬戶，帶來了新的(de)監測、預警(jing)和(he)控制(zhi)挑戰。過去(qu)，電力調度(du)不(bu)需要關(guan)注這些問題，但現(xian)在情(qing)況已大(da)為不(bu)同。
此外(wai)，電(dian)力(li)市(shi)(shi)場機制的(de)引(yin)入(ru)也是新型電(dian)力(li)系(xi)統(tong)的(de)重要(yao)組成部分。目前(qian)，以(yi)國家(jia)電(dian)網為例，其營銷任務中(zhong)僅(jin)承擔 20%，剩余 80% 則依靠(kao)其他市(shi)(shi)場經營主體(ti)的(de)競(jing)爭。此外(wai)，充(chong)電(dian)樁(zhuang)的(de)建(jian)設、新能(neng)源的(de)使用(yong)以(yi)及(ji)負荷側管理和需求響應(ying)等(deng)概念，都是近十年才逐漸形成的(de)，構(gou)成了新型電(dian)力(li)系(xi)統(tong)的(de)獨(du)特特點。
在(zai)這樣的(de)一個發展趨勢(shi)下，TDengine 在(zai)全球的(de)用(yong)戶數量也在(zai)急劇增(zeng)長。截至目前，TDengine 在(zai)全球已運(yun)行超(chao)過 57 萬個實(shi)(shi)例(li)(li)，每天新增(zeng) 500 多個實(shi)(shi)例(li)(li)。如下圖所示，盡管我們(men)(men)在(zai)臺灣省和歐洲(zhou)等地尚未設立辦事處，但依然有大量用(yong)戶在(zai)使用(yong)我們(men)(men)的(de)產品。
我們(men)的(de)主(zhu)要電(dian)力(li)行業(ye)客(ke)戶(hu)包括國家(jia)電(dian)網(wang)、五大發電(dian)集(ji)團、地方能(neng)投(tou)公司(si)等，越來越多(duo)的(de)企(qi)業(ye)選(xuan)擇我們(men)的(de)產品，并(bing)在(zai)多(duo)個(ge)項目中應用。像大唐、國電(dian)投(tou)等企(qi)業(ye)均已有三個(ge)以(yi)上(shang)的(de)項目在(zai)運行。此外，金(jin)風科技、遠景能(neng)源、沃(wo)泰、天合(he)光能(neng)、寧德時(shi)代等一線主(zhu)機(ji)廠和組件供應商也都(dou)是(shi)我們(men)的(de)客(ke)戶(hu)。
通過(guo)以(yi)上分(fen)析，可以(yi)看出新(xin)型(xing)電力系統在面對可再生能源(yuan)快(kuai)速(su)增長的同時，也帶來了許多新(xin)的挑戰(zhan)和機遇。我們需要不斷適應這種變化，以(yi)推(tui)動電力行業的可持續(xu)發(fa)展。
新型電力系統的時序場景
在(zai)面(mian)對新型電力系(xi)統時，我們首先(xian)需要考慮(lv)一個重要命(ming)題：如何(he)提(ti)高運營管理(li)水平(ping)。為(wei)(wei)此，我們需要實現(xian)精(jing)益化和(he)智能化的(de)管理(li)。具體而言，這(zhe)要求我們在(zai)以下幾個方面(mian)進行提(ti)升：首先(xian)，提(ti)升數(shu)字(zi)化水平(ping)；其(qi)次(ci)，提(ti)高即(ji)時感知(zhi)力；最(zui)后(hou)，增(zeng)強決策效率。在(zai)這(zhe)之中，即(ji)時感知(zhi)力尤為(wei)(wei)重要，如何(he)有效地利用海量數(shu)據驅(qu)動業務將是我們關注(zhu)的(de)焦點。
回(hui)顧過去，在電(dian)網調(diao)度和電(dian)廠(chang)運行(xing)中(zhong)，實(shi)時(shi)感(gan)知力的(de)(de)(de)重(zhong)要性(xing)愈發(fa)凸顯(xian)。以十年前(qian)的(de)(de)(de)一(yi)個實(shi)例(li)為例(li)，我的(de)(de)(de)一(yi)位同事在京(jing)能的(de)(de)(de)火電(dian)廠(chang)工作，當時(shi)新(xin)能源(yuan)的(de)(de)(de)接(jie)入(ru)給他(ta)們帶來了(le)巨大(da)的(de)(de)(de)挑戰(zhan)。為了(le)應(ying)對變化(hua)，他(ta)們每天需要至少(shao)調(diao)節機組負荷(he)兩次，這在十年前(qian)是不可想(xiang)象的(de)(de)(de)。以大(da)亞灣核(he)電(dian)站為例(li)，其(qi)機組出力非常穩定，幾乎(hu)沒有波(bo)動。然而，一(yi)旦進入(ru)新(xin)能源(yuan)領域，出力的(de)(de)(de)波(bo)動性(xing)顯(xian)著(zhu)增加，例(li)如光伏(fu)發(fa)電(dian)的(de)(de)(de)波(bo)動會直接(jie)影響火電(dian)的(de)(de)(de)出力，帶來了(le)諸多挑戰(zhan)。因此，實(shi)時(shi)感(gan)知力的(de)(de)(de)提升(sheng)顯(xian)得尤(you)為關(guan)鍵(jian)，調(diao)度人員必(bi)須及(ji)時(shi)了(le)解(jie)機組的(de)(de)(de)運行(xing)風險以及(ji)外部電(dian)源(yuan)的(de)(de)(de)變化(hua)情況，以確(que)保安全生產(chan)和經濟運行(xing)。
在(zai)這(zhe)里(li)，我們需要(yao)思考如何提升感(gan)知力(li)，實現精益化和(he)智能(neng)化。新型(xing)電力(li)系統(tong)的(de)(de)數據(ju)特征(zheng)主(zhu)要(yao)包(bao)括顯著的(de)(de)結(jie)構(gou)化特征(zheng)和(he)日(ri)益增加的(de)(de)采集頻度。某五大六小(xiao)發(fa)電集團的(de)(de)新能(neng)源集控(kong)，需要(yao)接入全國數百個新能(neng)源場站，測(ce)點規模(mo)突破億級(ji)，需要(yao)對(dui)這(zhe)些海(hai)量(liang)(liang)(liang)遙測(ce)遙信測(ce)點進行實時處理。以(yi)南(nan)方電網為例，廣東省的(de)(de)電表(biao)數量(liang)(liang)(liang)已達(da) 5100 萬(wan)，每個表(biao)計測(ce)量(liang)(liang)(liang)的(de)(de)物理量(liang)(liang)(liang)超過(guo) 10 個，導致測(ce)點總(zong)量(liang)(liang)(liang)達(da)到(dao)億級(ji)。這(zhe)些測(ce)點的(de)(de)數據(ju)處理和(he)響應要(yao)求我們具備強(qiang)大的(de)(de)即(ji)時感(gan)知能(neng)力(li)。
然而，當前時序數據處理面臨諸多挑戰。下圖是大部分企業采用的數據架構圖，數據從采集后進入 Kafka，通過流批處理后存儲到實時數據庫、歷史(shi)數(shu)(shu)據(ju)(ju)庫和(he)數(shu)(shu)據(ju)(ju)倉庫中。這樣的架(jia)構中，數(shu)(shu)據(ju)(ju)存(cun)儲的參考點往往不止一個(ge)，數(shu)(shu)據(ju)(ju)可能被存(cun)儲在多(duo)個(ge)地方，有一些數(shu)(shu)據(ju)(ju)流的 Pipeline 級(ji)數(shu)(shu)多(duo)達四五(wu)級(ji)。這種多(duo)層次的數(shu)(shu)據(ju)(ju)流架(jia)構導致了(le)許多(duo)問題，例如寫入性能不足、實(shi)時告警的復雜性、實(shi)時分析(xi)的延(yan)遲(chi)和(he)數(shu)(shu)據(ju)(ju)分發的資源(yuan)浪費等。
在寫入性能方面(mian)，許多企業依賴Hadoop的(de)分布式(shi)能力進行(xing)數(shu)據接入，但其數(shu)據存儲為非結構(gou)化(hua)，處理(li)效率低下，資(zi)源消耗(hao)巨大。例如，我(wo)(wo)曾(ceng)參與一(yi)個新能源場站(zhan)的(de)項目，接入兩(liang)年的(de)數(shu)據量達到 2 萬億條，我(wo)(wo)花(hua)了 13 小時把數(shu)據寫入到 TDengine 中，它之(zhi)前的(de)架構(gou) count 一(yi)次(ci)數(shu)據需(xu)要 15 小時，接入 TDengine 后 count 一(yi)次(ci)大概是 30 多秒到 40 秒，而且前者對資(zi)源消耗(hao)也是巨大的(de)。相比之(zhi)下，TDengine 的(de)結構(gou)化(hua)存儲和高性能寫入能力，顯著降低了處理(li)時間，減少了資(zi)源浪費。
在(zai)實(shi)(shi)時告警(jing)方(fang)(fang)面，實(shi)(shi)現通(tong)常(chang)依(yi)賴 Kafka、Flink、Spark 和 Redis 的(de)(de)結合，然而(er)，這種架構的(de)(de)復(fu)雜性導(dao)致數(shu)據(ju)(ju)重(zhong)復(fu)處(chu)理(li)(li)，消(xiao)(xiao)耗(hao)大量資(zi)源(yuan)。實(shi)(shi)時分析方(fang)(fang)面，有(you)些企業選(xuan)擇(ze)直接在(zai) Flink 中處(chu)理(li)(li)數(shu)據(ju)(ju)，還有(you)一(yi)些通(tong)過搭(da)建(jian)數(shu)倉的(de)(de)方(fang)(fang)式，但(dan)寫入性能的(de)(de)不足(zu)使得全量數(shu)據(ju)(ju)難以入庫(ku)。面對高基數(shu)問題，一(yi)些人會選(xuan)擇(ze)搭(da)建(jian)多個實(shi)(shi)時數(shu)倉，這又導(dao)致融(rong)合變得很難，大大降低(di)數(shu)據(ju)(ju)的(de)(de)關聯(lian)性和分析的(de)(de)靈活(huo)度。此外，數(shu)據(ju)(ju)分發環(huan)節也需要從 Kafka 再次消(xiao)(xiao)費數(shu)據(ju)(ju)，造成(cheng)資(zi)源(yuan)浪費和數(shu)據(ju)(ju)一(yi)致性維(wei)護的(de)(de)高成(cheng)本。
此前(qian)，針(zhen)對(dui)數據(ju)(ju)治(zhi)理并(bing)沒(mei)有(you)一(yi)個(ge)很(hen)好(hao)的(de)(de)(de)技術方案，很(hen)多(duo)(duo)企業就選擇重復(fu)消費 Kafka，在很(hen)多(duo)(duo)電網公司省一(yi)級公司的(de)(de)(de)營銷側，為滿足巨量的(de)(de)(de)消費能力，他(ta)們的(de)(de)(de) Kafka 集群(qun)是巨大的(de)(de)(de)，能達到十(shi)多(duo)(duo)個(ge)甚至(zhi)數十(shi)個(ge)節點(dian)，以(yi)滿足多(duo)(duo)路應用重復(fu)消費數據(ju)(ju)的(de)(de)(de)需求。大家可以(yi)想(xiang)象，這是一(yi)個(ge)多(duo)(duo)么臃腫(zhong)的(de)(de)(de)架構(gou)，但當時(shi)確實沒(mei)有(you)更(geng)好(hao)的(de)(de)(de)方案，也因此帶來了很(hen)多(duo)(duo)難以(yi)解決的(de)(de)(de)問題。
基于 TDengine，我們提出(chu)了一種簡化(hua)的(de)(de)數(shu)據(ju)處理(li)方案。通過(guo)對數(shu)據(ju)進(jin)(jin)行一次(ci)持久(jiu)化(hua)和清洗(xi)，確(que)保在數(shu)據(ju)進(jin)(jin)入前就完成治理(li)，避免后續的(de)(de)重復處理(li)。下圖中綠(lv)色的(de)(de)這幾條線代(dai)表結(jie)構(gou)化(hua)數(shu)據(ju)在進(jin)(jin)行消費，你(ni)可(ke)以從 TDengine 的(de)(de)實時(shi)和歷史數(shu)據(ju)庫中用(yong) Flink 對它(ta)進(jin)(jin)行訂(ding)(ding)(ding)閱消費，可(ke)以把它(ta)推送到任何(he)數(shu)據(ju)源(yuan)目的(de)(de)地。你(ni)的(de)(de)實時(shi)應用(yong)也可(ke)以利用(yong) TDengine 內嵌的(de)(de)消息(xi)訂(ding)(ding)(ding)閱接口來進(jin)(jin)行數(shu)據(ju)訂(ding)(ding)(ding)閱，數(shu)據(ju)可(ke)以消費出(chu)去，也可(ke)以處理(li)后再回寫(xie)回來。除此之(zhi)外，應用(yong)還可(ke)以通過(guo) TDengine 的(de)(de)實時(shi)查詢方法獲取最新數(shu)據(ju)，驅動相關業務(wu)。
TDengine 在寫(xie)(xie)入(ru)性能(neng)(neng)(neng)方面(mian)(mian)能(neng)(neng)(neng)夠(gou)支持億級測(ce)點的(de)低延遲寫(xie)(xie)入(ru)。通過(guo)(guo)其結(jie)(jie)構化(hua)數據存儲和預計算(suan)功(gong)能(neng)(neng)(neng)，TDengine 實(shi)(shi)現(xian)了(le)非常高(gao)的(de)性能(neng)(neng)(neng)。當數據經過(guo)(guo)結(jie)(jie)構化(hua)處理后(hou)，所(suo)消費的(de)數據也是結(jie)(jie)構化(hua)的(de)，這對于(yu)進行預聚合計算(suan)時(shi)，能(neng)(neng)(neng)夠(gou)顯著提升性能(neng)(neng)(neng)。此外，在實(shi)(shi)時(shi)告警方面(mian)(mian)，TDengine 通過(guo)(guo)實(shi)(shi)時(shi)訂(ding)閱(yue)和最新數據查詢，能(neng)(neng)(neng)夠(gou)滿足(zu)對延遲敏感業(ye)務的(de)需求(qiu)。在實(shi)(shi)時(shi)分析方面(mian)(mian)，TDengine 內置的(de)流計算(suan)功(gong)能(neng)(neng)(neng)結(jie)(jie)合多(duo)窗(chuang)口和標簽多(duo)維度的(de)能(neng)(neng)(neng)力，能(neng)(neng)(neng)夠(gou)為各種實(shi)(shi)時(shi)分析提供全面(mian)(mian)支持。最后(hou)，TDengine 還具備內嵌的(de)結(jie)(jie)構化(hua)消息(xi)隊列(lie)，能(neng)(neng)(neng)夠(gou)輕松(song)實(shi)(shi)現(xian)實(shi)(shi)時(shi)數據分發，進一步解決相關問題。
以河北電力為(wei)例(li)，我們成(cheng)功實現了全省分(fen)布式光伏的(de)(de)接入(ru)(ru)。他們的(de)(de)省級(ji)調(diao)度(du)中心(xin)和營銷(xiao)中心(xin)的(de)(de)數(shu)據接入(ru)(ru)量極大(da)，將(jiang)近 3000 萬表(biao)計，達到每(mei) 15 分(fen)鐘 7 億(yi)到 8 億(yi)條(tiao)報文。借助 TDengine 的(de)(de)結構化實時入(ru)(ru)庫、數(shu)據分(fen)發，能(neng)夠(gou)高(gao)效(xiao)支持實時業務場景，性能(neng)優于(yu)傳(chuan)統的(de)(de) Kafka +ETL 架(jia)構。
總結(jie)而言，TDengine 作為新型電力系統的(de)時序大數據基座，不僅能(neng)夠(gou)獨立運(yun)作，也能(neng)夠(gou)與(yu)現有的(de)時序數據生態良好(hao)結(jie)合，替代(dai) Kafka 等傳(chuan)統架構(gou)。如果(guo)企(qi)業已(yi)經在現有架構(gou)上(shang)進行了(le)投資，TDengine 同樣能(neng)夠(gou)與(yu)之(zhi)融合，提供更(geng)高(gao)效的(de)解決方案。這(zhe)樣，我們就能(neng)夠(gou)在新型電力系統的(de)建設中，更(geng)加靈活地應對未來的(de)挑戰。
新型電力系統 5 類場景分析與挑戰
在(zai)接下來(lai)的(de)討論中，我將分享我對(dui)新型電力系統場景分析的(de)一些(xie)理(li)解。結合新型電力系統的(de)業務特點，我們將其劃分為五類場景：第一類是新一代調度云；第二類是電網營銷的(de)時(shi)(shi)序(xu)數(shu)據(ju)平臺；第三類是新能(neng)源大基地的(de)創新集控，包(bao)括設備(bei)運(yun)維；第四類是電力湖倉一體的(de)時(shi)(shi)序(xu)數(shu)據(ju)解決(jue)方案；第五類是在(zai)人工智能(neng)背(bei)景下的(de)時(shi)(shi)序(xu)預測。
電網調度的現狀與挑戰
當前電網調度面臨以下三大(da)現狀：
- OT 域場景：實時數據庫與歷史數據庫分離，系統的高可用性較為脆弱。
- 穩態 SCADA 與 WAMS 實時采集：主要依靠這些系統支撐調度業務。
- 數據存儲：目前歷史數據主要存儲在關系數據庫中，僅保留 SCADA 的分鐘級數據。
基于上述現狀，電網調(diao)度(du)面臨三大挑(tiao)戰(zhan)：
- 新能源發電數據接入難：分布式光伏和配變的接入困難。
- 回溯與問題分析難：在需要回溯問題時，往往缺乏秒級或毫秒級的斷面數據。
- 數據實時分發難：在某些情況下，數據分發必須通過重復消費 Kafka 進行處理。
針對這些(xie)挑戰，TDengine 提(ti)供了有效(xiao)的解決(jue)方案。
- 實時與歷史庫的合一：在 TDengine 中，實時數據與歷史數據并無區分，數據寫入后即可進行實時訂閱，同時成為歷史數據的一部分。
- 全量 SCADA 穩態遙測與遙信實時寫入：以前較為困難的任務，如秒級數據的實時寫入，現在已經能得到很好的解決。
- 全面接入與監控：包括 PMU/WAMS、故障錄波等中高頻數據的實時寫入，以及分布式光伏和配變的接入。
- 實時計算與數據分發：TDengine 支持功率、發電量等多維度的實時聚合計算，并能按需實時分發結構化數據。數據分析師可以通過窗口和流計算的結合，利用 TDengine 的 SQL 和相關函數，無需編寫代碼即可實現創新查詢。
電網營銷的現狀與挑戰
電網營銷(xiao)方面的現狀同樣不(bu)容(rong)忽視，主要(yao)表(biao)現為以下幾(ji)點：
- 巨量測點數：用戶電能表與分布式光伏接入的測點數達到億級至十億級，且多數基于 Hadoop 或 GP 方案，這些方案的缺點是要么資源消耗高，要么存在高基數問題。
- 采集頻率提升：頻率從 15 分鐘逐漸縮短到 1 分鐘，數據量持續增長。
- 業務需求規劃難：即席分析功能的滿足率低。
由(you)此(ci)，電(dian)網(wang)營銷面臨的挑(tiao)戰包(bao)括：
- 實時性需求難以滿足：數據鏈路長、批處理延時長。
- 業務創新受限：即席查詢受到限制，數據一致性難以保證。
- 需求開發周期長：技術棧復雜，數據鏈路復雜。
- 功率預測效果不理想。
在(zai)電網營銷中，TDengine 能(neng)夠(gou)實現億級測點的(de)實時(shi)寫(xie)入(ru)，確保數(shu)據(ju)的(de)新(xin)鮮(xian)度(du)和低(di)延時(shi)。數(shu)據(ju)快速接入(ru)后，便可進行實時(shi)計算(suan)(suan)，支持負(fu)荷評估與綜合能(neng)源管理。同時(shi)，TDengine 還能(neng)夠(gou)滿(man)足突(tu)發性(xing)計算(suan)(suan)的(de)需求，助力業務創新(xin)。此外(wai)，TDengine 在(zai)實時(shi)數(shu)據(ju)的(de)高(gao)效(xiao)采集方面(mian)為(wei)用戶用電行為(wei)分析(xi)提(ti)供了(le)支持，這為(wei)諸如車聯網、虛擬(ni)電廠以及電力市(shi)場(chang)交易平臺等一系列對數(shu)據(ju)實時(shi)性(xing)有(you)較高(gao)要求的(de)應(ying)用場(chang)景奠定了(le)堅實的(de)基礎
以疫情期間的(de)一(yi)(yi)個實(shi)際案例為(wei)例，某些省份(fen)通(tong)過監測(ce)老年家(jia)庭的(de)用電和(he)用水情況，及時發現家(jia)中是(shi)否存(cun)在突發問題(ti)。這(zhe)一(yi)(yi)場景凸顯(xian)了實(shi)時數(shu)(shu)據(ju)的(de)重要(yao)性。如果沒有(you)實(shi)時的(de)數(shu)(shu)據(ju)寫入和(he)消費機(ji)制，及時響應將(jiang)變(bian)得極其困難，可(ke)能需(xu)(xu)要(yao)等待(dai)數(shu)(shu)小時才(cai)能發現異(yi)常。而如果數(shu)(shu)據(ju)采集的(de)頻率僅為(wei) 5 分鐘一(yi)(yi)次，就能夠通(tong)過實(shi)時寫入+實(shi)時預警迅速(su)識別(bie)出(chu)問題(ti)。TDengine 在技(ji)術上為(wei)這(zhe)一(yi)(yi)需(xu)(xu)求提供了可(ke)能性，其實(shi)時數(shu)(shu)據(ju)處理(li)能力顯(xian)著優于傳統的(de)批處理(li)方式。若采用批處理(li)，實(shi)施類似的(de)應用將(jiang)面(mian)臨(lin)更(geng)高的(de)復(fu)雜(za)性和(he)挑(tiao)戰(zhan)。
新能源大基地的創新集控
新能(neng)源大基地的(de)創新集控(kong)及設備監(jian)測是(shi)我(wo)們重點攻克(ke)的(de)市場之一。在風(feng)電(dian)、光伏和儲(chu)能(neng)領域，集中接入(ru)千萬(wan)級測點的(de)實(shi)時(shi)寫入(ru)已成為(wei)基本要求。然而，像國電(dian)投和三峽集團等大型項目，實(shi)際測點數量更(geng)是(shi)達到上億級別。這對實(shi)時(shi)監(jian)測、告警和計算分析提(ti)出(chu)了更(geng)高的(de)業務需求。
此外，端邊云的(de)(de)協同能(neng)力也愈發重(zhong)要。得益(yi)于 TDengine 采用 C 語(yu)言全棧自(zi)主研發的(de)(de)底層技術，我們的(de)(de)性能(neng)超出了(le)客(ke)戶預(yu)期，并將(jiang)在此領域持續發力。目前(qian)，我們的(de)(de)系統已廣(guang)泛應用于國(guo)防領域，包(bao)括空中(zhong)和海上(shang)的(de)(de)多種(zhong)平臺。
在(zai)電(dian)力行業(ye)，存(cun)在(zai)眾多應用(yong)場景。例如，在(zai)儲(chu)能(neng)電(dian)站中(zhong)(zhong)，結合(he)(he) AI 技術進行電(dian)芯預(yu)警的(de)預(yu)測場景是我(wo)(wo)們未來的(de)重要發(fa)展方向(xiang)。此(ci)外，我(wo)(wo)們還提供了分布式和集中(zhong)(zhong)式的(de)混(hun)合(he)(he)解決方案。這意味著我(wo)(wo)們的(de)方案能(neng)夠將數(shu)據匯聚到中(zhong)(zhong)心端(duan)，同時也允許用(yong)戶根據數(shu)據的(de)價(jia)值靈活選(xuan)擇存(cun)儲(chu)位(wei)置。對于(yu)價(jia)值較低的(de)數(shu)據，可以選(xuan)擇在(zai)場站側進行存(cun)儲(chu)，而(er)將高價(jia)值數(shu)據提取到中(zhong)(zhong)心側，從而(er)有效(xiao)降低成本，避免(mian)高帶寬(kuan)和高存(cun)儲(chu)成本的(de)負擔。
總而言(yan)之，在新(xin)能(neng)源(yuan)大基(ji)地的創新(xin)集控(kong)項目中，我們提供了多種(zhong)解決方案(an)，以滿(man)足不同應(ying)用場景的需求。
電力湖倉一體的時序數據解決方案
我(wo)們也(ye)在嘗試探索電力(li)湖倉(cang)一體的時(shi)序(xu)數(shu)據(ju)(ju)解(jie)決(jue)方案(an)。下圖展示(shi)了 TDengine 的時(shi)序(xu)數(shu)據(ju)(ju)庫架構，我(wo)們可以通過邊(bian)緣側將(jiang)數(shu)據(ju)(ju)匯聚到中心側，從而實(shi)現高效的實(shi)時(shi)數(shu)據(ju)(ju)采集。
此(ci)外，我(wo)們(men)還(huan)發現一(yi)些(xie)特定(ding)場景需(xu)要(yao)同時(shi)處理時(shi)序(xu)數據和(he)(he)非時(shi)序(xu)數據，并(bing)支持(chi)結構(gou)化和(he)(he)非結構(gou)化數據。因(yin)此(ci)，我(wo)們(men)與合作伙伴聯合推出了(le)一(yi)攬子解(jie)決(jue)方案(an)，旨在提供卓越的(de)實時(shi)性(xing)與強大的(de)湖倉能力的(de)方案(an)，從而簡化用戶(hu)架構(gou)，降低用戶(hu)的(de)總擁有成(cheng)本（TCO）。
盡(jin)管在我們(men)的(de)(de)整體數(shu)據(ju)中(zhong)，時序數(shu)據(ju)占比高(gao)達 90%，但從(cong)用戶的(de)(de)角度(du)來(lai)看，全面(mian)的(de)(de)數(shu)據(ju)處理需求依然存(cun)在。因此，我們(men)致力于提供滿足各種需求的(de)(de)解決(jue)方案，以更好地服務我們(men)的(de)(de)用戶。
電力時序預測
最后，我們推出了基于預訓練 LLM 的時序數據 AI 分析工具 TDgpt。其(qi)應用(yong)場景包括基于歷(li)史數據(ju)的未(wei)來預測(ce)、真(zhen)實數據(ju)的歷(li)史回(hui)補(bu)以(yi)及異常(chang)監(jian)測(ce)。電(dian)芯的熱失控監(jian)測(ce)是一個(ge)典型(xing)的應用(yong)示例。通過對電(dian)池內阻和溫升等數據(ju)進行實時(shi)分析，及時(shi)識別異常(chang)情況。
未(wei)(wei)來，各類業(ye)務(wu)場景將對預(yu)(yu)測有更高的(de)(de)需求，特別是在(zai)(zai)源荷(he)儲(chu)和電(dian)力(li)交(jiao)易(yi)等領域。在(zai)(zai)電(dian)力(li)行業(ye)中，準確的(de)(de)未(wei)(wei)來預(yu)(yu)測是至關(guan)重要(yao)的(de)(de)，它(ta)能夠幫助調整發電(dian)企(qi)業(ye)的(de)(de)出力(li)，優(you)化(hua)營銷策略(lve)，以及在(zai)(zai)負荷(he)管理中決定是否啟用需求響應(ying)、調動虛擬電(dian)廠以快速調整負荷(he)，或者提供儲(chu)能與反向發電(dian)服務(wu)。借助 TDgpt 進(jin)行更準確的(de)(de)預(yu)(yu)測，我們可以顯著降低社會運行成(cheng)本，從而提升整體效率。
進入 //yakult-sh.com.cn/tdgpt 查(cha)看 TDgpt 更(geng)詳細(xi)信息
結語
在(zai)新型電(dian)(dian)力(li)系統的(de)(de)建設與(yu)發(fa)展中，TDengine 作為(wei)時(shi)序數據的(de)(de)高效(xiao)(xiao)處理平(ping)臺，展現了強大的(de)(de)能(neng)力(li)和(he)應用潛力(li)。未來，隨著(zhu)電(dian)(dian)力(li)行業(ye)(ye)(ye)對實時(shi)數據和(he)智能(neng)分析需(xu)求(qiu)的(de)(de)不斷增加，TDengine 將繼續發(fa)揮(hui)其技術(shu)優勢(shi)，推(tui)動(dong)電(dian)(dian)力(li)行業(ye)(ye)(ye)的(de)(de)數字化(hua)轉(zhuan)型與(yu)智能(neng)化(hua)升級。我們將不斷優化(hua)和(he)擴(kuo)展我們的(de)(de)產(chan)品，以滿(man)足各(ge)類(lei)業(ye)(ye)(ye)務場景的(de)(de)需(xu)求(qiu)，提升電(dian)(dian)力(li)系統的(de)(de)運營效(xiao)(xiao)率和(he)安(an)全性。通過與(yu)合作伙伴的(de)(de)緊密合作，我們期待在(zai)電(dian)(dian)力(li)行業(ye)(ye)(ye)的(de)(de)各(ge)個領域中，推(tui)動(dong)創新，助力(li)可(ke)持(chi)續發(fa)展，為(wei)構建更加智能(neng)、高效(xiao)(xiao)和(he)綠(lv)色的(de)(de)電(dian)(dian)力(li)系統貢獻力(li)量。
