BDTP-数据服务中的对象数据如下:
{
"id": "Eq32060500018c5dd28e0fb1470db61ed3de66a580c2",
"classCode": "WSDWPP",
"projectId": "Pj3206050001",
"grouping": 1,
"objType": "equipment",
"valid": 1,
"name": "生活给水水泵-VJEY2",
"localId": "Pump02",
"localName": "2号生活给水水泵",
"createTime": 1630928465000,
"createApp": "datacenter",
"updateTime": 1631066318000,
"updateApp": "datacenter",
"virtualInfoCodes": [],
"modeControl": "1",
"bimId": "Pj32060500017f8cd1a80eb411ec986e1f9988da50f8F6:1264008",
"bimLocation": "-107816.2,-61683.94,22758.0",
"runStatus": "2004-907",
"pipePressure": "2004-904",
"pumpTemperature": "2004-903",
"faultStatus": "2004-906"
}
其中下面四个信息点(对象属性)是动态信息点,其他信息点是静态信息点;
动态信息点,需要根据一个唯一标识去IOT服务获取数据,目前使用的唯一标识是表号-功能,同一个项目下,表号-功能号是唯一 的,所有动态信息点中保存的数据格式是表号-功能号。
"runStatus": "2004-907",
"pipePressure": "2004-904",
"pumpTemperature": "2004-903",
"faultStatus": "2004-906"
目前,物联网、工业互联网、车联网等智能互联技术在各个行业场景下快速普及应用,导致联网传感器、智能设备数量急剧增加,随之而来的海量时序监控数据存储、处理问题,也为时序数据库高效压缩、存储数据能力、查询分析提出了更高的要求。
时序数据指数据元组根据时间戳(ti)升序排列的数据集合,可以被划分为:
1、单变量时序(Univariate Time Series,UTS):每次采集的数据元组集合为单个实数变量。
2、多变量时序(Multivariate Time Series ,MTS):每次采集的数据元组集合由多个实数序列组成,每个组成部分对映时序一个特征。
用数学范式表达时序可以被定义为:
示例:
... | time | data | ... |
---|---|---|---|
... | 20001010 00:10:03 | 1005.00 | ... |
... | 20001010 00:10:21 | 1100.00 | ... |
.. | 20001010 00:11:16 | 1192.00 | .. |
项目id(projectId) | 表号(meter) | 功能号(funcid) | 采集时间(receiveTime) | 数据值(data) | 是否高频(gaopin) |
---|---|---|---|---|---|
1101020001 | 67C8081 | 11101 | 20210601150948 | 23.9 | TRUE |
1101020001 | 67C8081 | 11201 | 20210601150948 | 26.6 | FALSE |
1101070037 | 1001 | 11 | 20010203040506 | 3.1 | FALSE |
(1)低频:采集频率比较低,几分钟一个数据,比如:有功电能、温湿度、CO2、CO等
(2)高频:采集频率比较高,几秒一个数据,比如:电流、电压、功率等
(1)累积量 Accumulated quantity, abbr. Acc (Acc)
数值沿时间轴累计,连续性数值时变量。
例如:电耗,冷量,热量,水耗,燃气量,蒸汽量等,以及可以转化为此类特性的参数,如缴费剩余金额值等
(2)瞬时量 Instantaneous quantity, abbr. Inst (Inst)
数值沿时间轴连续变化的时变量,在物理意义上常表现为累积量的一阶导数。
例如:温度,压力,CO2浓度,电流,功率等
(3)状态量 Enumerate variable quantity, abbr. Enumv(Enumv)
延连续时间轴只有给定整数数值状态的时变量。
例如:冷却塔风机档位(0. 停,1. 低,2. 高),风机盘管风机档位(0. 停,1. 低,2. 中,3. 高)等
(4)通断变量 Boolean variable quantity, abbr. Boolv (Boolv)
延连续时间轴只有0/1两种数值状态的时变量。
例如:设备开关状态,系统报警状态,手自动状态等
(5)阶跃变量(Step)
(6)瞬时累计量(InAc)
(7)累计瞬时量(AcIn)
(8)文本类型
状态量的特殊情况,直接保存,不参与分精度计算
(1)连续变量 连续量,continuous quantity,abbr. Contu
数据对应固定的时间轴,即时间间隔固定,或相对固定。
例如:连续采集的数据,分精度数据。
(2)脉冲变量
脉冲量,pulse quantity,abbr. Pulse
随时间偶发性产生数据,时变量间的时间间隔没有规律,也不对应固定间隔的时间轴。
例如:报警消息,控制开指令,控制关指令等。
分精度数据是系统中给定的规范时间步长的时序变量数据;
分精度数据库按照功能划分为操作数据库(OperationDB),修补数据库(AutorepairDB,ManurepairDB)和关联数据库(RelativeDB);
三类数据库之间的关系如下
根据原始数据的采集周期,确定相对应操作数据库的分精度步长,即每个参数都对应一个采集属性CollectProperty = {(Contu,T ) / Pulse}.
系统暂时只处理低频采集数据,对于采集频率<1min的高频数据,系统不会长期保存原始数据,分精度数据按照低频数据的标准统一处理
采集周期无论长短,系统都会提供分精度处理。当采集周期较长时,系统提供的短周期分精度数据不能保障其有效性。即根据采集属性参数的情况,关联数据库中,有些库ProtectFlag = 1(1.不保障;0.保障)
下表标记说明:1)黑体加粗字,蓝色框,为操作数据库;2)其余均为相关数据库;3)橙色框,为不保障数据库。