风能是一种清洁而稳定的新能源， 在环境污染和温室气体排放日益严重的今天，风力发电作为全球公认可以有效减缓气候变化、提高能源安全、促进低碳经济增长的方案，得到各国政府、机构和企业等的高度关注。此外，由于风电技术相对成熟，且具有更高的成本效益和资源有效性，因此，风电也成为近年来世界上增长最快的能源之一。
目前，我国已经成为全球风力发电规模最大、增长最快的市场。根据全球风能理事会统计数据，全球风电累计装机容量从截至 2001 年 12 月 31 日的 23,900MW 增至截至 2016 年 12 月 31 日的 486,749MW，年复合增长率为 22.25%，而同期我国风电累计装机容量的年复合增长率为49.53%，增长率位居全球第一； 2016 年，我国新增风电装机容量 23,328MW，占当年全球新增装机容量的 42.7%，位居全球第一。
为了实现国家节能减排的目标，我国将继续大力推动清洁能源的高效利用，并大力开发新能源和可再生能源，风电无疑是其中的一个重要的开发方向，未来风电行业将保持高速增长趋势。
随着风电在国家能源结构中的比例不断增大，对风电自动化运营水平也提出了越来越高的要求。 本文将重点介绍新型时序数据库 TimelineDB 在风电监控系统中的应用优势，旨在解决风电监控系统中传统数据库技术所碰到的一些问题。
1、风电设备监控应用需求
目前风电的装机容量最小在50MW左右，按照单台风机容量1.5MW计算，达到这种规模至少需要33台风机。对于大中型风电场，风机数量则多达上百台。对于风电集控中心而言，一般需管理8到10个风电场甚至更多，风机数量更是达到上千台。而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、参数等各种类型的信息，全面反映了风杌的运行状态和故障信息。据统计，目前主流风机所提供的信息点数目能够达到上百个，甚至接近1000个。按照上述风机的数量，一个 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。
（1）海量数据存储需求
目前，风电监控系统的大容量数据存储普遍采用关系数据库，需要大容量的磁盘阵列设备。风电监控系统的数据采样周期一般为秒级甚至毫秒级，则对磁盘空间的需求将呈指数级增长。目前普通磁盘阵列的容量很难满足上述海量数据的存储需求，需要不断添置磁盘阵列设备，会带来存储成本的快速提升。针对风电监控系统高频、海量存储的需求，只有时序数据库技术才能满足要求。TimelineDB时序数据库采用高效的压缩存储算法，极大地节省了磁盘空间，同时TimelineDB 的可扩展性极强，可扩展到PB级别。
（2）高效访问性能需求
风力设备监控系统需要为上层的管理、监控、统计、分析等应用提供数据访问服务。如高密度的趋势曲线，用于展示实时数据的变化趋势；高分辨率的故障数据记录，用于故障后的过程反演；高采样率的电能质量监测，用于分析并网电能的质量。这些高级应用不仅要求系统能够提供海量的存储空间用于长时间存储全面、完整的数据，更要求系统具备极高的数据访问性能，能够在秒级甚至毫秒级获取所需要的数据断面。目前的关系数据库无法胜任这一重任。时序数据库与关系数据库相比具备无可比拟的技术优势。
（3）软硬件接口开发需求
访问TimelineDB 时序数据库无需安装任何驱动程序，或者进行复杂的连接管理等操作。任何设备或应用都可以通过 HTTP RESTful 风格接口直接访问 TimelineDB 时序数据库。所有操作都可以通过接口执行，这种架构大大降低了企业开发成本和难度，使业务开发更加灵活高效。
RESTful 架构风格最初由 Roy T. Fielding，HTTP/1.1 协议 专家组负责人在其 2000 年的博士学位论文中提出。从其诞生之日开始，它就因其可扩展性和简单性受到越来越多的架 构师和开发者的青睐。
2、传统时序数据库存在的问题
时序数据库是按时间序列来存储实时变化的数据，一般库中按照“时间一值”的数据结构来存储。时序数据库的优势是通过有效压缩来存储高频变化的海量数据，同时还能实现对海量数据的快速访问。但传统时序数据库对数据模型的描述能力相对较弱， 例如针对风电场的设备模型和网络结构，时序数据库就无法描述其复杂的层次结构关系。这时就需要考虑采用关系数据库，利用其对实体对象之间关系的描述能力来存储风电场的模型和结构。TimelineDB数据库完美的支持关系型数据库SQL查询语句 ，联合查询会自动在多台机器上并行执行，可充分发挥两种类型数据库各自的技术优势。
3、访问性能优势应用举例
风电设备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。基于上述分析，只有时序数据库才能够满足如此海量的数据存储需求。 利用时序数据库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。
关系数据库根本无法胜任如此密集的海量数据存储的能力。 而对于时序数据库TimelineDB而言，1秒甚至更短的采样存储周期都不成问题，可按要求提供高密度、高精度的数据点。这样形成的趋势曲线可以完整地再现数据的实时变化情况，用于对事故的分析和处理。同时利用智能标签功能，可以让查询结果以可视化图表形式返回，生成HTML5代码可以直接与上层应用集成。
有了详细完整的风机故障数据记录，利用专业的风机故障反演软件，可对风机故障前后的任意时间段进行数据回放和精确回顾，不仅可以看到某一时刻整个风机的运行状态，也可以观察到风机故障随时间变化的过程。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。
总之，新型时序数据库TimelineDB提供的海量数据存储和快速数据访问能力为风电设备监控系统的诸多应用提供了理想的解决方案。随着我国风力发电的大力发展，新型时序数据库必将在新能源发电领域中获得越来越多的应用。
联系我们请访问：www.timelinedb.com
请扫描下方二维码
