跳到主要内容

7. 实时智能分析与响应

实时分析是 TDengine IDMP 的核心能力之一,负责将原始时序数据转化为可操作的运营洞察。其工作方式为:对实时传感器数据流持续执行计算、检测异常、生成 KPI,并在满足预设条件时触发事件。借助内置 AI 辅助功能,用户可通过自然语言描述创建分析配置,也可利用内置异常检测算法自动识别异常,无需手动编写检测规则。

该概念与 AVEVA PI System 中的分析(Analysis)直接对应——即针对元素数据自动运行、产生计算输出并可选择性生成事件的规则。具有 PI Analysis Service 使用经验的用户可直接沿用相同的概念模型。

实时分析的功能

分析绑定在元素上,持续监视该元素的数据,并在触发条件满足时执行预定义的计算。计算结果支持以下输出方式:

  • 写入元素属性 — 将计算值(如每小时平均值、效率比率或累计合计)作为新的时序数据,与原始测量值一同存储。
  • 写入事件属性 — 在事件生成时,将计算值(如峰值温度、批次时长、故障代码)捕获并记录到对应事件中。
  • 两者兼有 — 同一次计算可以既写入元素属性,又写入事件属性。

底层机制

IDMP 提供图形化配置界面,实际计算由 TDengine TSDB-Enterprise 流式计算引擎执行。由于计算在数据库内部运行,不占用 IDMP 服务器资源,即使 IDMP 应用服务器重启,已创建的流计算也会继续运行。

每个分析对应 TDengine 中的一个流计算(Stream)。流名称在分析列表中可见,在底层数据库中唯一标识该计算。

超越传统实时数据库

传统实时数据库要求工程师手动配置每个分析:定义触发条件、编写表达式、映射输出属性。这一过程不仅实施周期长,而且对工程师的领域知识和系统经验要求较高。IDMP 通过图形化配置与 AI 辅助,显著降低了实时分析的实施复杂度。

AI 辅助分析创建。 内置 AI 助手支持通过自然语言描述自动生成分析配置。例如,输入"计算 15 分钟窗口内的平均功率因数",系统即可自动填充完整的创建表单。此外,系统还能根据元素的模板、属性及已采集数据,主动推荐适用的分析方案。用户只需浏览推荐列表并选择所需项,即可直接保存,无需手动编写配置。

无需检测规则的异常检测。 传统实时数据库中,异常检测依赖工程师手动编写阈值规则,只能覆盖已知的异常模式。IDMP 提供由 TDgpt(TDengine 内置 AI 分析引擎)驱动的异常检测触发类型,用户只需选择目标属性和算法,TDgpt 即可自动识别异常的起止时间,无需预定义阈值。TDgpt 支持多种算法框架,包括 statsmodels、PyTorch、scikit-learn 以及 TDengine 自研的 TDtsfm 时序基础模型。异常检测作为标准触发类型,与滑动窗口、事件窗口等统一集成在分析配置表单中。

分析与元素层次结构

每个分析归属于一个特定元素,并在该元素的分析标签页中进行配置。分析支持以下两种计算范围:

  • 元素自身的属性 — 针对当前元素的属性数据进行计算,适用于单台设备或单个测点的场景。
  • 子元素聚合 — 对共享相同模板的所有(或经过筛选的)子元素指标进行聚合计算。例如,汇总风电场元素下所有风机的平均发电功率。

本章内容

  • 浏览和管理分析 — 分析列表、工具栏控件和行操作
  • 创建分析 — 四段式创建表单:基本信息、触发、计算和事件
  • 触发类型 — 所有八种触发类型及其具体参数
  • 计算 — 计算对象、窗口聚合、输出时间戳和输出属性
  • 生成事件 — 配置分析以产生事件
  • AI 辅助分析 — 使用内置 AI 从自然语言创建分析
  • 分析模板 — 在元素模板中定义可复用的分析规则