TDengine IDMP 应用场景：煤矿综采监视系统（内附 Step by Step 步骤）

董洪奎

2025-11-27 / IDMP应用场景, IDMP工业数据管理平台

行业痛点

煤矿综采系统作为矿山生产的核心工艺，涵盖采煤机、液压支架群、泵站、组合开关、皮带运输机及移动变电站等多个子系统。该系统结构复杂，监测点位众多。

随着巷道工作面的动态调整，相关监测点位频繁变动并持续新增，导致监控画面需不断修改与完善。此外，新旧点位管理、设备资源配置、权限分配等工作也较为繁琐。同时，由于各矿山之间的设备命名规则不统一，汇聚至中心的数据格式杂乱，难以统一处理，逐渐形成“数据沼泽”。在数据采集环节，系统缺乏断点续传机制，导致数据完整性难以保障。数据分发管理同样令人困扰，缺乏细粒度的权限控制。此外，现有监控界面过度偏重动画仿真效果，在硬件配置较低时易出现操作卡顿，交互体验不佳；系统也缺乏深层次的数据价值分析与AI功能，整体智能化水平有限。

随着TDengine TSDB与IDMP平台的引入，上述问题将得到系统性解决。

解决方案

模型化管理

1. 采集管理

TDengine TSDB 能够支持海量数据的采集、存储与查询，可轻松应对千万级的数据处理需求。它支持多种工业协议，几乎能满足市场上所有的数据采集场景。在保障数据完整性方面，TSDB 提供了断线缓存机制：当设备与中心侧断开连接时，数据会自动缓存至本地；待通信恢复后，缓存的數據会批量上传至中心侧，从而确保了数据写入的完整性与连续性。

2. 云边架构

该模式支持云边协同，可将边缘侧的点位增、删、改等变动实时同步至中心侧。同时，系统集成了加密传输、压缩传输与断线续传等功能，为矿区与数据中心之间构建了高效、可靠的协同机制。

3. 建模管理，OT到IT，单列到多列展示

传统工业数据采集（如通过OPC协议采集电机设备的电流、电压、频率等数据点）通常采用简单的单列或扁平化模型。这导致数据存入数据库后，缺乏上下文关联，成为无法体现业务意义的离散数据点。而TDengine IDMP平台则能轻松地将这些数据点按实际业务对象进行建模与管理，实现数据的情景化。

以综采系统为例，现场数据通过工业协议采集并注入TDengine TSDB后，用户在IDMP平台中仅需通过简单配置，即可快速创建设备对象模板。该平台同时支持通过CSV文件进行模板的批量导入与导出，具体操作流程如下图所示：

TDengine IDMP 应用场景：煤矿综采监视系统（内附 Step by Step 步骤） - TDengine Database 时序数据库

在此模板中，keyword 是一个系统预定义的占位符变量。它在实例化时会被实际值替换，其值通常对应于 TDengine TSDB 中的子表名称。

数据高效管理

1. 数据分组

TDengine 不仅支持对数据点进行重命名，以实现命名标准化；对于已有清晰命名规划的场景，它也能自动识别其命名规律并进行分组。具体而言，只需在标签中使用英文句点 “.” 来分隔路径（例如：矿区.系统.设备.点位），IDMP 平台便会自动以此为依据，生成对应的树状结构目录，如下图所示，在每个子表的path标签中标记了路径信息，呈现效果如下：

2. 数据分发和权限管理

TDengine 的数据订阅与分发机制，借鉴了Kafka等现代消息中间件的核心设计，不仅继承了其流量削峰、负载解耦与断线续传等核心优势，确保了数据消费的完整性并显著提升了系统吞吐能力，相对于传统工业实时库，优势如下：

细粒度权限控制：提供字段级的权限管理，其精细度远超传统实时数据库的接口级权限。
可视化运维监管：提供图形化界面，可实时监控所有消费者的状态、消费进度与ID等信息。

3. 场景模板化

矿山行业的一大特点是，随着巷道工作面的推进，监测点位会持续动态增加与变更。针对这一挑战，TDengine IDMP 的模板化管理机制展现出强大优势：对于新增的工作面点位，可基于既有模板快速实例化，实现点位的快速组合建模与监控画面的高效复用。若变更仅涉及点位名称，从数据在TDengine TSDB中更新到IDMP生成全新的监控系统，全程仅需数分钟即可发布上线。这得益于IDMP全面的模板化支持，包括元素属性、监控画面、数据分析及事件处理等均可模板化，如下图所示：

例如，若要为新建工作面创建“综采系统-三机-破碎机”监控，仅需在相应目录下新建一个破碎机设备，系统便会自动完成数据关联并生成对应的图表与监控界面，如下图所示：

在机器资源配置评估中，您仅需关注当前正在使用的数据点位，而无需为已停采的历史工作面设备分配计算资源。这得益于TDengine高效的数据采集、写入、查询与分发订阅能力。在处理相同规模的工作点位时，其计算机资源占用可比传统实时数据库低70%以上，即仅需后者的30%甚至更少。

另外对于点位授权管理，TDengine提供了全面点位授权方案，打破行业授权方案局限性，再也不用担心授权点位问题给生产带来的巨大影响。

深度分析，挖掘数据价值

1. 轻松构建图表分析

数据背后蕴藏着巨大价值，但传统系统因分析手段匮乏，多数只能实现基础的可视化展示，且过度依赖动画渲染导致算力消耗高，在普通硬件上易出现卡顿，体验不佳。TDengine 则专注于数据的实际分析价值，不仅提供曲线、柱状图、饼图与报表等常规展示，更内置聚类分析散点图、状态时间线图、事件趋势图及地图等高级分析工具，支持全方位的数据透视与深度挖掘，真正实现数字驱动决策。

若要统计设备的开机、关机与故障时长，仅需在面板中选择“状态时间线图”，并配置对应测点及状态颜色映射，系统即可自动生成直观的状态时序展示，便于直接进行设备运行效率分析。

2. 轻松构建规则引擎

得益于 TDengine TSDB 原生的流式计算引擎，用户可通过低代码的可视化界面，轻松构建面向大型场景的实时分析流。通过灵活定义多种事件触发条件与计算窗口（如异常检测、状态变化、滑动窗口、会话窗口等），形成强大的实时规则链，从而实现对设备异常与关键业务指标的即时感知与智能研判，让决策先人一步。

比如评估设备可利用率，按照分钟级输出，如下图所示：

只需要简单配置一下窗口和表达式即可。其中计算表达式如下图所示：

随后，系统将在此元素下动态生成对应的流式计算指标（作为一种派生属性）。该指标实时更新，用户可直接基于它创建各类可视化图表，如实时仪表盘或趋势分析图，从而实现对计算结果的即时洞察与分析。

若您希望深入了解此类指标的计算逻辑，TDengine 的复合指标功能将为您提供清晰的建设路径与详细说明。

3. 无问智推，复合指标

主动洞察，降低门槛：通过“智能场景推荐”，系统能理解您的业务，主动推送关键看板与实时分析，无需复杂配置即可掌握运营状况。
自然交互，即问即答：借助“智能问答”功能，您可以直接用业务语言提问，并即时在看板或分析中得到解答，让数据分析像对话一样简单。
深度分析，智能预测：内建多种高级数据模型，直接为您提供时序预测、异常根因诊断与缺失数据补齐等能力，释放数据的深层价值。
全面评估，指标洞察：TDengine IDMP 创新地集成大语言模型（LLM），为构建复合指标提供了革命性的自然语言交互界面。用户只需用自然语言描述分析需求，系统便能智能生成相应的复合指标，并同步提供其实现逻辑与功能说明。这极大地降低了创建复杂指标的技术门槛，赋能用户探索更深层次的数据洞察，彻底开拓了指标分析的视野与维度。

大家对“智能问数”与“无问智推”已较为熟悉，在此不再赘述。我们将重点介绍更具开创性的“复合指标”应用，它有望为您的数据分析工作带来“发现新大陆”般的体验，从全新维度挖掘数据价值。针对煤矿综采系统，系统自动感知，生成如下图所示复合指标：

点开想要看到指标，比如设备综合利用率指标，如下图所示：

此时，我们只需要将“计算口径”中的SQL语句进行检查，符合规则之后，将其拷贝到”元素浏览器—面板”表达式中，便会生成设备效率趋势图。

SELECT sum(case when `前部运输机机尾张紧_油缸压力` > 0 OR `后部运输机机尾张紧_油缸压力` > 0 OR `转载张紧_油缸压力` > 0 then 1 else 0 end) / count(*) FROM `vst_张紧系统_571954` WHERE ts > now()-1s and ts < now()

统计值展示时，选择”统计值”模式，输入SQL语句，时间列选项，在下拉框选择last(ts)，点击”验证”，便可看到当前统计值。