iotdb时序库在火电设备锅炉场景下的实践【原创文字，IoTDB社区可进行使用与传播】

一.概述

1.1 说明

本文章主要介绍iotdb数据库在电站锅炉工业场景下，对辅助智能分析与预警的使用介绍。

【原创文字，IoTDB社区可进行使用与传播】

1.2 项目背景

随着人工智能算法在电力领域的发展，以及燃煤锅炉设备精细化调整需求的增加，利用大数据算法开展锅炉关键设备全参数预测和预警，实现基于机理的设备工况分析和性能分析，开展设备健康状态评价和故障诊断研究，进而为深度调峰操作调整提供指导，为运行监盘提供预警，为检修维护提供参考。

此过程中面临诸多痛点：

设备种类繁多、协议众多、数据类型众多

时序数据特别是高频数据，数据量巨大

海量时序数据下的读写速度无法满足业务需求

现有时序数据管理组件无法满足各类高级应用需求

而选取IoTDB作为智能运维平台的存储数据库后，能稳定写入多频及高频采集数据，覆盖钢铁全工序，并采用复合压缩算法使数据大小缩减10倍以上，节省成本。IoTDB 还有效支持超过10年的历史数据降采样查询，帮助企业挖掘数据趋势，助力企业长远战略分析。

1.3 iotdb

Apache IoTDB（物联网数据库）是一体化收集、存储、管理与分析物联网时序数据的软件系统。 Apache IoTDB 采用轻量式架构，具有高性能和丰富的功能，并与Apache Hadoop、Spark和Flink等进行了深度集成，可以满足工业物联网领域的海量数据存储、高速数据读取和复杂数据分析需求。

具有它具有以下特点：

1.体量轻

2.性能高

3.易使用的特点

二 案例介绍

2.1 项目案例

2.1.1 数据测点

数据采集层负责分别从采集点采集数据，目前3#、4#机组每分钟采集约5.2万个测点的实时生产数据，每分钟计算约10万次。

2.1.2 架构图

1.边缘侧：为推送给平台测区域的部分，一般是某具体电厂使用的系统或者博望推送数据的服务器机器。

2.平台接入测：这台服务器部署工业处理X平台，在X平台配置测点，资产树等信息；使用网络通信框架mina和其他电厂系统进行数据对接，将接入到的数据进行解码并安装配置好的测点信息，推送到x平台上；实时数据存储到iotdb中。

2.1.3 功能接口案例

1工况预警页面，通过查询iotdb数据库，显示磨煤机工况预警统计信息，如下图：

2.iotdb连接线程池工具类，如下图：

3.对应的iotdb核心代码 ：

2.1.4 其他案例场景iotdb的sql用法

1.命令启动iotdb服务

2).iotdb导出脚本语句

 sh export-csv.sh -h 127.0.0.1 -p 6667 -u root -pw root -td /root/export-data0328  -f 30KYQ20AA00CT001A_M.csv  -q “select 30KYQ20AA00CT001A_M from root.iot_point.tenant_system where time >= 2022-03-25 05:00:00 and time <= 2022-03-25 06:00:00"

3).查看 iotdb 库中测点 30MMJ10FC10CT303A 的正常数据。

a）sql语句

select 30MMJ10FC10CT303A as 30MMJ10FC10CT303A from root.iot_point.tenant_systemorder by time desc limit 10

b）截图如下：

 c.观察后这里将测点 30MMJ10FC10CT303A 的模拟值设置：

将前一个时刻值设置 78.5001

将当前时刻值设置 73.5001

时间间隔为：60s

计算： (78.5001-73.5001)/60=0.0833

2.1.5 注意事项

在执行dml命令添加数据的时候，insert into xxxx values(y) ;xxxx只能到设备层，values里面只能有列名。如下图所示：