从“保数据”到“用数据”：上海电气用 IoTDB 重构储能运维平台

打通接入、管理、服务、应用全链路让数据真正服务于储能业务诊断、运营与智能决策随着储能行业快速发展电站规模与复杂度不断提升。对企业而言挑战不只是把系统建起来更在于围绕电站全生命周期做好数据采集、管理、分析与运维闭环在保障安全稳定运行的同时逐步提升运维效率和经济性。作为综合性装备制造集团上海电气在储能领域布局广泛覆盖锂电、液流、飞轮等多个方向具备电芯、BMS、OPS 等环节的自研与集成能力并结合自身业务实践推动储能电站建站、生产、运维全链条智能化建设智慧运维平台优化运维体系。IoTDB 作为核心时序数据底座支撑了上海电气对海量储能数据的统一管理与业务应用助力运维系统架构持续演进。01平台演进历程从“采数、护数”到“用数”02IoTDB 如何支撑储能运维平台建设03重构平台架构数据链路、服务模型、协同平台04典型业务场景举例05持续推进储能运维智能升级06结语01平台演进历程从“采数、护数”到“用数”在工业场景中数据平台的建设往往不是一步到位的。上海电气储能运维系统星源智储 NovaPower的持续迭代过程恰好印证了工业数字化的一条典型规律数据底座必须先扎稳业务能力才能真正释放出来。早期平台建设重点集中在数据采集、数据保护、数据处理等基础能力上。对储能场景而言数据丢失、跨网闸传输、协议不统一、系统链路复杂等问题会直接影响后续分析与运维。数据质量始终是平台建设的前提。随着系统演进平台建设重点逐步从“采数、治数、护数”转向“用数”。这意味着团队能将更多精力从底层数据工程问题释放出来聚焦面向业务的诊断、预测与运维闭环使平台真正服务于储能场景。02IoTDB 如何支撑储能运维平台建设在上海电气案例中IoTDB 不仅是“性能更好的数据库”更在场景适配、数据模型组织、系统架构简化与业务支撑等方面体现了价值。(1) 树模型更贴近工业现场的组织方式在储能场景中设备层级关系天然复杂不同项目、不同业主的需求也不尽相同。相比单纯从表结构或指标维度出发工业现场往往更需要一种既能反映设备层级、又便于扩展的组织方式。IoTDB 的树模型能自然映射储能场景中的设备层级让数据语义更加直观也让复杂场景下的模型扩展更灵活。基于这一结构上海电气储能运维系统进一步进行扩展和封装构建统一物模型确保每个测点在系统内保持唯一。这样一来不同协议、不同来源的数据可以在统一模型下被高效组织、管理减少了传统数据转换带来的消耗。(2)系统架构简化团队回归业务在上海电气储能运维系统的第三代架构中一个很明显的变化是数据管理层不再使用复杂的中间件体系链路尽可能简化为“设备—采集—数据库—业务服务”的清晰结构。这背后的核心诉求是让系统更容易维护版本更容易统一团队能将有限精力投入到真正重要的地方。整体架构清晰后后续维护和升级成本也更可控这正是工业企业构建智慧系统的核心诉求。借助 IoTDB上海电气储能运维系统逐步构建起一套更易维护、可统一升级、可持续复用的架构体系为后续业务扩展提供了更稳固的基础。(3)围绕数据质量构建完整链路工业环境下数据在采集、传输、跨网闸流转等环节容易出现丢失、重复等问题。如果这些基础问题得不到解决上层的分析、诊断、预测工作都会受影响。因此在储能运维中数据质量绝非附属问题而是底层前提。上海电气高度重视数据传输工具也是因为数据质量要求高必须确保数据不丢失、不重复、可追溯。在平台建设中IoTDB 不只是存储组件而是支撑整体数据治理和业务闭环的重要底座在数据质量和链路建设的大框架中发挥关键作用。03重构平台架构数据链路、服务模型、协同平台上海电气储能运维系统围绕储能场景对数据链路、服务组织和平台分层架构进行了整体重构结合 IoTDB 的既有优势逐步形成面向端、边、云协同的标准化平台体系。(1)打造“接入-管理-服务-应用”全流程体系星源智储系统 形成设备层、接入层、管理层、服务层和业务层的分层架构。底层连接 PCS、BMS、SCU 及其他智能设备上层承载 OPS、EMS 等业务平台围绕“数据接入-管理-服务-应用”逐层推进可支撑复杂数据接入也便于上层业务拓展。数据接入层支持 MQTT、Modbus、OPC-UA 等多种协议并配套传输工具通过安全通道上传现场数据保障数据来源稳定。数据管理层以 IoTDB 和 MySQL 为核心分别存储时序与业务管理类数据形成统一数据管理体系。数据服务层提供数据访问、数据统计、数据分析、实时推送、实时/离线处理、数据质量治理等多维度服务能力支撑监控、分析、展示和业务应用的持续运行。(2)从模块化开发到“模型服务流”过去很多工业系统往往按模块分别开发各模块之间主要共享函数库。随着数据源增多、部署位置逐渐分散、场景差异扩大这种方式会带来较高的维护和版本管理成本。为此上海电气储能运维系统不再沿用传统模块化开发思路而是借鉴 IoTDB 在模型和流方面的理念以服务为基本单元进行系统组织。对于采集、传输、处理、存储等环节不再针对不同场景重复开发而是通过统一服务能力 配置化组装的方式来适配不同业务场景。这意味着核心服务只需要一次开发就可以沉淀复用并且不同端、边、云场景的部署可以通过配置快速完成不必反复修改代码尽可能实现“一套代码、一个版本、按需组装”降低团队长期维护成本。(3)四大协同平台贯通“底座-业务”闭环持续抽象后储能运维系统被进一步沉淀为四大协同平台基础数据平台负责数据采集、传输、存储与基础管理数据处理平台承载数据分析、数据统计、智能算法管理、服务调度等能力智慧运维平台面向业务侧支撑可视化展示、监控、诊断、工单及资产信息管理等应用服务监控平台监控场、端、云各类软件服务的运行状态保障整套系统稳定运行。这里的“平台”并不是彼此割裂的烟囱式系统而是在统一模型之上协同运作。通过这样的方式逐步贯通“数据底座-数据处理-业务应用”闭环使数据链路更清晰可控也让平台的扩展性和复用性更强。04典型业务场景举例在上海电气储能运维系统的实践中IoTDB 已在多个核心业务场景实现应用包括电站监控、趋势分析、远程诊断、寿命预测、电芯运维、数据安全等多个核心业务。(1)趋势分析看清运行状态再谈高阶智能作为运维平台的基础能力平台首先实现了海量储能设备时序数据的持续监控并在此基础上对储能电站的日常使用情况进行全面分析挖掘设备健康情况和安全运行的变化趋势为运维人员提供直观的数据分析结果实现对储能设备运行状态的精准感知与把控。对储能企业来说这并不是简单的可视化展示而是进一步做运维判断、策略调整和异常识别的基础。(2)运营分析兼顾内部运维与业主需求储能运维平台不仅服务内部技术团队也面向业主提供运营支撑。业主更关注的是经济性、收益表现和运行策略变化因此平台除了技术层面的健康与安全分析之外也会结合历史与实时数据帮助业主理解收益趋势、使用趋势和策略变化情况。这意味着同一套数据底座既要支撑设备监控也要支撑面向经营视角的分析。这也是储能业务场景区别于一般监控场景的重要特点之一。(3)智能诊断闭环从单点异常到工单下发平台通过多维数据联合分析能够支撑从单测点异常识别到综合诊断分析的闭环流程。例如平台先识别到某个单体电压离群、同时一致性较差再结合其他维度数据进行分析。如果发现相关迹象满足诊断条件就会自动触发综合性诊断分析随后生成工单下发至现场运维公司执行。最终现场确认故障为电芯腐蚀。这一过程并非单纯的 “告警触发”而是一个依托多维时序数据结合 AI 学习算法和机理模型的闭环运维体系实现了异常侦测、综合诊断、工单执行到事后复盘的全链条管理。目前平台已形成上述闭环机制并持续优化实际工单验证中尚未出现“狼来了”的情况识别异常与现场运维实际高度对应为后续的诊断自动化和运维智能化升级奠定了基础。这一点对工业场景尤为关键因为它意味着分析结果不仅能“看起来聪明”更能够经得起现场验证。05持续推进储能运维智能升级对于储能智慧运维平台而言其价值不仅体现在单一功能的实现上更体现在是否能够形成面向多场景持续扩展的平台能力。在这一实践中星源智储系统通过构建统一底座、组织标准化服务方式和面向业务应用的平台架构使数据接入、处理、分析、运维能够在同一体系下协同运行不仅支撑了储能运维场景的监控、分析、诊断、工单闭环也为后续接入更多业务场景、算法能力和应用模块打下了基础。面向未来上海电气正持续推进储能运维体系从“感知异常”向“智能决策”升级。目前平台已具备异常感知、质量分析、健康度预测、收益预测等能力初步形成了智能互联和智能分析基础。下一阶段将聚焦寿命与经济性的智能决策、诊断闭环优化和自动化运维能力提升。同时围绕工具生态、模型协同、边缘部署、安全保障等方向平台也在持续完善和演进。对储能行业而言这不仅是单一平台能力的升级更代表着运维体系从“可见、可管”向“可诊、可判、可优化”不断迈进。06结语从上海电气的实践来看储能运维平台建设的关键不只是选择一款数据库产品而是围绕复杂工业场景建立一套能保障数据质量、持续支撑业务演进的底层体系。IoTDB 提供了更适合工业语义的时序数据底座帮助上海电气简化架构、统一模型支撑趋势分析、运营分析、智能诊断等业务落地。上海电气储能运维系统的探索也体现了工业数据平台建设的清晰路径先夯实数据底座再释放业务价值推动运维体系从“保数据”走向“用数据”才能逐步迈向更高水平的智能化决策与闭环运维。规上企业应用实例能源电力中核武汉国网信通产业集团华润电力大唐先一上海电气国轩清安储能某储能厂商太极股份航天航空中航机载共性蓝箭航天-朱雀二号蓝箭航天-朱雀三号北邮一号卫星北邮二、三号卫星钢铁、金属冶炼宝武钢铁中冶赛迪中国恩菲交通运输中车四方长安汽车城建智控德国铁路智慧工厂与物联PCB 龙头企业博世力士乐德国宝马北斗智慧物联某物联大厂昆仑数据怡养科技绍兴安瑞思