各位小伙伴大家好，本期 Jesse 想再来跟大家聊聊 TSDB 的应用场景，在此也感谢尹晨所著的《时序数据库在风电监控系统中的应用》一文，其为我们探究 TSDB 在风电系统中的应用提供了重要的帮助。

本文仅代表个人观点，如有偏颇之处，还请海涵～

🤠🤠🤠

TSDB 助力风电监控

风力资源由于其清洁、低碳以及可持续的特点，在我国的能源战略中一直拥有着重要的地位。同时，风力发电也因其技术成熟、可靠性高、可较大规模利用等特点，从而具有良好的商业前景。数据显示，截至 2021 年底，中国可再生能源发电装机容量达到 10.63 亿千瓦，占发电装机总容量 44.8%，其中风电装机容量达 3.28 亿千瓦。伴随着风电的普及，我们对风电场自动化运营水平也提出了越来越高的要求。在此之中，风电监控系统就扮演者举足轻重的角色。

风电监控系统的难题

国内风电场的装机容量一般最小在 50MW 左右，按照单台风机容量 1.5MW 计算，达到 50MW 左右的规模需要 33 台以上的风机，而且一台风机造价昂贵，根据相关数据，一台 2MW 的风力发电机，风机采购成本约为 720-850 万/台。对于大中型风电场而言，风机数量则更多。从风电集控中心来说，其一般需管理 8—10 个风电场，所以风机数量会达千台以上。为了全面反映了风机的运行状态和故障信息，每台风机的信息点所保存的信息量非常大，包括 IO、告警、事件、参数（来源根据传感器采集指标不同，又被细分为压力，震动，温度，转速等）等各种类型的信息。目前主流风机所提供的信息点数目能够达到上百个，甚至近千个。按照上述风机的数量，一个普通风电场的风机监控系统要接收和处理的数据量将达到几万甚至十几万，一个风电集控中心要接收和处理的数据量则将达到百万数量级。同时，风电监控系统还要为上层的监控、统计、分析、管理等高级应用提供数据支撑。因此，风电监控系统对数据的存储和访问都提出了很高的要求。目前，在数据存储方面，风机监控系统的大容量数据存储采用关系数据库的较多，需要大容量的磁盘阵列设备。由于风机监控系统的数据采样周期一般为秒级甚至毫秒级，对磁盘空间的需求呈指数级增长。在数据查询方面，风机监控系统需要为上层应用提供数据查询服务。

TSDB 助力实现系统功能

TSDB 可以为上层的应用提供了数据的海量存储和快速访问服务，基于 TSDB 可实现一些对数据服务要求较高的应用功能：

（1）趋势曲线：传统的关系数据库的趋势曲线，因采样周期问题其形成的曲线有明显的锯齿状，数据也不够完整和精确。而对于 TSDB 而言，1 秒甚至更短的采样周期不成问题，其可提供高密度、高精度的数据点，以用于对事故的分析和处理。

（2）故障数据记录：风机故障数据记录一般要求包含故障前 3 分钟和故障后 2 分钟内的故障风机的全部运行数据，并要求保留存储 6 个月以上。按照风电场 200 台风机的设计容量，每台风机 1000 个左右的数据点，每个数据点 1 秒的采样周期，并以 10％的故障率计算，数据库至少需要提供 600 万点左右的备用容量。利用 TSDB 可以实现对风机故障数据的记录，可完整保存风机故障前后的运行状态，记录的数据分辨率可达到 1 秒甚至更短。有了完整的风机故障数据，利用专业风机故障反演软件，我们可对风机故障前后的任意时间段进行数据回放。风电监控系统具备对全景故障数据的追忆能力，有助于运行人员或风机厂家及时分析和排除风机故障。

（3）电能质量监测：影响风力发电并网的关键因素是电能质量，电能质量只有符合电网要求才允许发电场并网供电。为了实现对电能质量的监测，需要采集每台风机的电能数据，进行谐波、谐间波、高频分量、闪变系数、长闪变值、短闪变值、闪变阶跃系数、电压变动系数等一系列电能质量指标的计算，从而评估电能质量的优劣。要实现上述的计算和监测，必须基于较高的数据采样频率，一般要求数据采样频率在 4K～20KHz 之间。按照风电场 200 台风机的设计容量，每台风机采集 16 点电能数据，即使采样率为最低的 4KHz，每秒的数据存储量也将达到：200×16×4000=12,800,000 点。

基于上述分析，针对如此高的数据采样频率，只有 TSDB 才能够满足对数据存储的需求。

CnosDB 简介

CnosDB 是一款高性能、高易用性的开源分布式时序数据库，现已正式发布及全部开源。

欢迎关注我们的社区网站：https://www.cnosdb.com