基于时序数据库的电力运维系统关键技术研究

基于时序数据库的电力运维系统关键技术研究

丁桥

中石化重庆页岩气有限公司，山东 东营 257000

摘要：电力运维系统是保障电力系统正常运行的关键，随着我国电网建设工程的完善以及电力系统规模的扩大，用户对于电力运维系统功能的要求也逐渐提高。为了适应当前电力运维系统对于复杂功能的要求，技术人员应在电力运维系统构建中融合更多创新理念与技术，解决当前系统存在的管理效率低、运算时间久等问题。时序数据库在电力运维系统中的应用能够进一步优化系统的存储性能，提升数据处理能力与整体管理效率。本文将以时序数据库为核心分析电力运维系统的基本架构、功能以及其关键技术。

关键词：时序数据库；电力运维；运维系统；关键技术；系统功能

引言

随着我国信息技术的不断发展，各行业均把握住了时代与科技发展的机遇，将现代化科学技术融入行业发展中，推进了行业的改革与创新发展。电力运维系统是电力能源稳定运行的保障，传统的运维服务存在数据分析能力低、响应处理效率低、工作成本高等缺陷，为了解决以上问题，技术人员将信息技术融入系统构建中，增加了时序数据库结构，实现了自动化运维服务，扩大了系统数据存储量，同时提升了系统的数据处理能力与工作服务效率，满足了终端用户对于电力运维系统的需求。

1 基于时序数据库的电力运维系统架构与功能设计

1.1 整体框架

与常规的电力运维系统相比，本文构建的自动化运维系统将利用时序数据库实现电力数据的采集与存储，同时使用Redis技术实现系统功能的完善与改进，提升数据处理的效率。另外，技术人员还利用边缘计算平台实现了边缘端与云端数据的协同管理，使用多种通信协议完成系统数据的转换与传输，达到系统自动化管理与监控的效果，基于时序数据库的电力运维系统整体框架设计。

1.2 功能设计

边缘计算平台是电力运维系统的关键平台，其能够实现海量数据的动态监控、实时收集以及高效处理，使得数据处理更加靠近源，进而提升数据处理的效率，缩短系统功能响应与实现的时间。边缘平台不仅能够支持多线协议，同时还能够支持各种网关，实现数据的安全传输，采取流式计算处理方法进行数据的分析与处理，满足系统自动化运维管理的需求，将聚合非实时数据并行之后上传，发挥边缘计算与云计算的协同工作效果。其次就是时序数据库的构建与应用，该数据库能够存储时序数据，根据时序特征提供数据的查询、存储等功能，同时还能够支持数据的快速写入与查询，有效提升了电力运维系统的服务效率。电力运维系统中的管理自动化系统将负责系统的各项管理工作，比如检修管理、安全管理等，其通过分析和处理时序库数据做出维修管理等相关决策，提升了系统管理的智能性与自动性。最后就是监控自动化系统，其主要包括网络状态监控、告警监控等功能，是维持电力系统正常运行的重要系统，能够及时发现电力系统中的风险因素并做出提醒[1]。

2 基于时序数据库的电力运维系统关键技术

2.1 时序数据库的构建

与常规的数据管理模式相比，时序数据管理指的是按照时间标识进行数据排列与管理的过程，其数据的具体排列顺序就是数据产生的不同时间点顺序。时序数据管理模式在电力运维系统中体现出较多应用优势，能够实现对数据的实时管理，为终端提供操作简单的信息查询服务。从结构上来看，时序数据可以分为主体、时间戳以及测量值三个部分，其中的主体就是被测量的对象，且一个主体只能够对应一个测量对象，但在实际测量的过程中可以映射出多个时间戳，形成时序上的对应关系，每个时间戳会产生一个测量值，因此时序数据能够展现出某测量主体的动态变化情况。对于同一个主体来说，其不同的时间戳将产生不同的测量值，因此终端在进行信息查询时需输入主体信息及其时间戳，这样就能够得到对应的测量值。另外，终端用户也可以通过某测量值的输入获得对应主体以及时间戳的信息，这样就能够提高数据查询的精准度。时序数据库在电力运维系统中的作用就是存储不同时序的电力数据信息，与传统的关系型数据库相比，时序数据库能够处理海量信息，具有高实时性、强压缩能力的特征，能够进一步改善电力运维系统的数据分析功能。无论是传统的关系型数据库还是时序数据库，其都包含标签、数据点、度量、时间戳、字段与维度等关键参数信息。与传统数据库不同的是，时序数据库中的时序数据使用标签+时间戳分区的方式进行存储，能够快速响应数据信息查询的需求，达到自动化运维管理的要求。从数据采集功能方面来看，时序数据将通过时间戳、标签以及维度三个关键参数进行统计和采集，有效提高了数据采集的精准度[2]。

2.2  Redis技术应用

电力运维系统中常用的哈希分片方式能够优化信息查询的过程，但在进行复杂函数计算的时候依旧会耗费大量的时间，对此，技术人员可使用Redis技术对时序数据库功能进行优化。笔者建议使用Redis技术的RAX基数树数据形式，该形式能够利用字段的公共标签降低时序数据查询响应的时间，达到服务器节点压缩以及存储空间优化的目的。利用差异化RAX基数树的节点结构，运维系统能够快速进行时序数据的时间排列，满足范围key的信息查询需求，达到数据库功能优化的目标。

2.3 时序数据的预聚合处理

时序数据的预聚合处理是提高数据处理效率的关键技术，本文中采取流式处理方法实现时序数据的预聚合，技术人员将在内存写入的过程中同时开展预聚合处理，期间预聚合的操作次数将分配给每次数据写入。这样的内存流技术能够消除系统计算非实时数据的时间差，同时还能够提高系统的数据处理效率[3]。

在预聚合处理过程中首先需要将待处理的时序数据写入相对应的时序对象中，之后根据预聚合处理规则进行聚合操作，最后再将聚合之后的数据按照规范写入时序数据库中。根据以上预聚合处理的基本规则，用户能够从时序对象的聚合查询中通过运算得到聚合结果。而对于不符合聚合要求的查询操作则直接返回查询结果。

2.4 时序数据的保留策略

电力运维系统中每时每刻都会产生海量的电力数据与信息，如果系统盲目地进行数据存储与积累而缺乏有效的管理策略，那么长时间后系统的存储空间就会被占用，影响系统的数据处理与查询等基本功能。对此，技术人员应改良运维系统的数据处理功能，定期将系统中存储的低价值数据剔除，这样不仅能够节约时序数据库的空间，同时还能够提升整个系统的性能。在时序数据库的电力运维系统中建议采取延迟删除的保留策略，即在数据点写入时序对象时进行自动化查询，根据时序数据库的存储状态采取不同的数据处理以及保留策略。针对即将达到饱和状态的时序数据库，系统将删除部分历史时序数据，为新数据的写入创造空间，建立全新的数据块。延迟删除在期间的应用能够实现分布式处理，在新数据块创建之前进行历史时序数据的删除。延迟删除在发挥功能时将进行时间戳与数据保留时间的减法计算，得到数据保留的边界值。之后系统将判断时序数据的各数据点时间情况，只有在所有数据点均过期的情况下才会进行数据块的删除处理。

3 结束语

综上所述，时序数据库在电力运维系统中的应用体现出数据分析能力强、响应处理效率高等优势，因此技术人员可以融合Redis技术优化数据库功能，发挥时序数据库的存储与查询优势，实现更好的数据处理，提升电力运维系统的性能。

参考文献：

[1]李明,张靖,吴尚,等.基于时序数据库的自动化运维技术研究[J].信息技术,2021,45(6):6.

[2]王红涛,王志超,陈峰,等.基于时序数据库的工业大数据应用研究[J].重型机械,2020(4):5.

[3]李泊恺,汪宏亮.电力数据中心运维管理的发展研究[J].中国新通信,2020(1):1.