風能是一種清潔而穩定的新能源， 在環境污染和溫室氣體排放日益嚴重的今天，風力發電作爲全球公認可以有效減緩氣候變化、提高能源安全、促進低碳經濟增長的方案，得到各國政府、機構和企業等的高度關注。此外，由於風電技術相對成熟，且具有更高的成本效益和資源有效性，因此，風電也成爲近年來世界上增長最快的能源之一。
目前，我國已經成爲全球風力發電規模最大、增長最快的市場。根據全球風能理事會統計數據，全球風電累計裝機容量從截至 2001 年 12 月 31 日的 23,900MW 增至截至 2016 年 12 月 31 日的 486,749MW，年複合增長率爲 22.25%，而同期我國風電累計裝機容量的年複合增長率爲49.53%，增長率位居全球第一； 2016 年，我國新增風電裝機容量 23,328MW，佔當年全球新增裝機容量的 42.7%，位居全球第一。
爲了實現國家節能減排的目標，我國將繼續大力推動清潔能源的高效利用，並大力開發新能源和可再生能源，風電無疑是其中的一個重要的開發方向，未來風電行業將保持高速增長趨勢。
隨着風電在國家能源結構中的比例不斷增大，對風電自動化運營水平也提出了越來越高的要求。 本文將重點介紹新型時序數據庫 TimelineDB 在風電監控系統中的應用優勢，旨在解決風電監控系統中傳統數據庫技術所碰到的一些問題。
1、風電設備監控應用需求
目前風電的裝機容量最小在50MW左右，按照單颱風機容量1.5MW計算，達到這種規模至少需要33颱風機。對於大中型風電場，風機數量則多達上百臺。對於風電集控中心而言，一般需管理8到10個風電場甚至更多，風機數量更是達到上千臺。而每颱風機的信息點所保存的信息量非常大，包括IO、 告警、事件、參數等各種類型的信息，全面反映了風杌的運行狀態和故障信息。據統計，目前主流風機所提供的信息點數目能夠達到上百個，甚至接近1000個。按照上述風機的數量，一個 通風電場的風機監控系統要接收和處理的數據量將達到幾萬甚至十幾萬，一個風電集控中心要接收和處理的數據量則將達到百萬數量級。同時，風電監控系統還要爲上層的監控、統計、分析、管理等高級應用提供數據支撐。因此，風電監控系統對數據的存儲和訪問都提出了很高的要求。
（1）海量數據存儲需求
目前，風電監控系統的大容量數據存儲普遍採用關係數據庫，需要大容量的磁盤陣列設備。風電監控系統的數據採樣週期一般爲秒級甚至毫秒級，則對磁盤空間的需求將呈指數級增長。目前普通磁盤陣列的容量很難滿足上述海量數據的存儲需求，需要不斷添置磁盤陣列設備，會帶來存儲成本的快速提升。針對風電監控系統高頻、海量存儲的需求，只有時序數據庫技術才能滿足要求。TimelineDB時序數據庫採用高效的壓縮存儲算法，極大地節省了磁盤空間，同時TimelineDB 的可擴展性極強，可擴展到PB級別。
（2）高效訪問性能需求
風力設備監控系統需要爲上層的管理、監控、統計、分析等應用提供數據訪問服務。如高密度的趨勢曲線，用於展示實時數據的變化趨勢；高分辨率的故障數據記錄，用於故障後的過程反演；高採樣率的電能質量監測，用於分析併網電能的質量。這些高級應用不僅要求系統能夠提供海量的存儲空間用於長時間存儲全面、完整的數據，更要求系統具備極高的數據訪問性能，能夠在秒級甚至毫秒級獲取所需要的數據斷面。目前的關係數據庫無法勝任這一重任。時序數據庫與關係數據庫相比具備無可比擬的技術優勢。
（3）軟硬件接口開發需求
訪問TimelineDB 時序數據庫無需安裝任何驅動程序，或者進行復雜的連接管理等操作。任何設備或應用都可以通過 HTTP RESTful 風格接口直接訪問 TimelineDB 時序數據庫。所有操作都可以通過接口執行，這種架構大大降低了企業開發成本和難度，使業務開發更加靈活高效。
RESTful 架構風格最初由 Roy T. Fielding，HTTP/1.1 協議 專家組負責人在其 2000 年的博士學位論文中提出。從其誕生之日開始，它就因其可擴展性和簡單性受到越來越多的架 構師和開發者的青睞。
2、傳統時序數據庫存在的問題
時序數據庫是按時間序列來存儲實時變化的數據，一般庫中按照“時間一值”的數據結構來存儲。時序數據庫的優勢是通過有效壓縮來存儲高頻變化的海量數據，同時還能實現對海量數據的快速訪問。但傳統時序數據庫對數據模型的描述能力相對較弱， 例如針對風電場的設備模型和網絡結構，時序數據庫就無法描述其複雜的層次結構關係。這時就需要考慮採用關係數據庫，利用其對實體對象之間關係的描述能力來存儲風電場的模型和結構。TimelineDB數據庫完美的支持關係型數據庫SQL查詢語句 ，聯合查詢會自動在多臺機器上並行執行，可充分發揮兩種類型數據庫各自的技術優勢。
3、訪問性能優勢應用舉例
風電設備故障數據記錄一般要求包含故障前3分鐘和故障後2分鐘內的故障風機的全部運行數據，並要求保留存儲6個月以上。按照風電場200颱風機的設計容量，每颱風機1000個左右的數據點，每個數據點1秒的採樣週期，並以10%的故障率計算，數據庫至少需要提供600萬點左右的備用容量。基於上述分析，只有時序數據庫才能夠滿足如此海量的數據存儲需求。 利用時序數據庫實現對風機故障數據的記錄，可完整保存風機故障前後的運行狀態，記錄的數據分辨率可達到1秒甚至更短。
關係數據庫根本無法勝任如此密集的海量數據存儲的能力。 而對於時序數據庫TimelineDB而言，1秒甚至更短的採樣存儲週期都不成問題，可按要求提供高密度、高精度的數據點。這樣形成的趨勢曲線可以完整地再現數據的實時變化情況，用於對事故的分析和處理。同時利用智能標籤功能，可以讓查詢結果以可視化圖表形式返回，生成HTML5代碼可以直接與上層應用集成。
有了詳細完整的風機故障數據記錄，利用專業的風機故障反演軟件，可對風機故障前後的任意時間段進行數據回放和精確回顧，不僅可以看到某一時刻整個風機的運行狀態，也可以觀察到風機故障隨時間變化的過程。風電監控系統具備對全景故障數據的追憶能力，有助於運行人員或風機廠家及時分析和排除風機故障。
總之，新型時序數據庫TimelineDB提供的海量數據存儲和快速數據訪問能力爲風電設備監控系統的諸多應用提供了理想的解決方案。隨着我國風力發電的大力發展，新型時序數據庫必將在新能源發電領域中獲得越來越多的應用。
