1. 简介

本文以一个含有“风光储”的微电网系统监控为例，详细介绍如何快速地把以 SparkplugB 格式上报的设备数据写入 TDengine TSDB 时序数据库，然后通过 TDengine IDMP 构建资产模型，利用 AI 自动生成可视化面板和实时分析，实现分钟级搭建高效、智能的 微电网 的监控系统。

在这个方案中，TDengine TSDB + TDengine IDMP 的组合能够为您带来四大好处：

1. 轻松完成数据导入：TDengine IDMP 与 TDengine TSDB 无缝集成，当 SparkplugB 监控数据写入 TSDB 后，能够快速导入 IDMP 并以树形结构的方式展现被监控的设备，设备资产一目了然。
2. 无问智推，数据自己说话：不用在 TDengine 侧做任何配置，不用脚本，不用提问，IDMP 会基于采集的数据，自动判断为 微电网 监测场景，自动为您推荐面板和实时预警，微电网系统的运行状态尽在掌控之中。
3. 智能问数，随问随答：不用 SQL，不用任何脚本语言，你只要用自然语言说出感兴趣的数据分析或面板，IDMP 将会自动帮您创建，把数据可视化与分析的使用门槛降为 0。
4. 如果添加新的被监测的设备，只要配置好 SparkplugB 数据源，在 TDengine 侧不用做任何设置和操作，设备就被自动的加入到监测的对象中，最大程度节省人力。

2. 前提条件

• 已安装 Docker 和 Docker Compose。本示例采用 Docker Compose 方式快速部署 TDengine IDMP 服务。
• 被监控的设备上报的 SparkplugB 格式的数据。为便于演示，本示例使用 SparkplugB 模拟生成器 模拟某工业园区微电网的场景。
• MQTT Broker 已具备。本示例的 MQTT Broker 部署在宿主机，地址：192.168.157.1:1883，请根据您自己的环境替换。

3. 配置指南

3.1 快速启动 TDengine IDMP 服务

• 克隆 tdengine-idmp-deployment 仓库

git clone https://github.com/taosdata/tdengine-idmp-deployment.git

• 使用 Docker Compose 启动 TDengine IDMP。该命令会自动拉取所需镜像（如本地不存在），并以后台模式启动 TDengine IDMP 服务和 TDengine TSDB 服务。

cd tdengine-idmp-deployment/docker
docker compose up -d

• 至此，TDengine IDMP 服务已成功启动。您可以在浏览器输入 http://ip:6042 访问 IDMP 服务，输入 http://ip:6060 访问 TSDB 服务。更多细节请参见 官网文档。

说明：TDengine IDMP 服务默认使用 TDengine TSDB 作为其数据源，IDMP 实例会自动创建到上述 TSDB 的连接。

3.2 在 TSDB 实例创建 DB

1. 浏览器访问 TSDB 实例，点击【数据浏览器】，在数据浏览器页面点击【创建数据库】。
2. 设置数据库名称为 db_microgrid，完成 DB 创建。

3.3 模拟微电网场景并上报 SparkplugB 数据

本示例将模拟一个工业园区的微电网场景（为便于演示，简化了设备数量和指标数量，实际上可随意扩充）

下载 SparkplugB 模拟生成器：spb_pub。目前只支持在 linux 系统中运行，分为 x64 和 arm64 版本下载：

• https://downloads.taosdata.com/tools/spb-pub/1.11.0/spb_pub-x86_64.tar.gz
• https://downloads.taosdata.com/tools/spb-pub/1.11.0/spb_pub-arm64.tar.gz

下载适合您CPU架构的压缩包文件。如果宿主机不是 linux 系统，建议把 压缩包文件 复制到容器 tdengine 中运行（容器名称也可能是 tdengine-tsdb，请根据实际环境替换）。

# 从宿主机复制压缩包文件（假设是spb_pub-x86_64.tar.gz）到容器
docker cp spb_pub-x86_64.tar.gz tdengine:/root
# 进入容器内
docker exec -it tdengine /bin/bash
# 在容器内，解压缩工具
tar -zxvf spb_pub-x86_64.tar.gz

按照 README.md 的说明，模拟本示例场景构建出新的配置文件，在 spb_pub 目录下放置：microgrid.toml

运行 SparkplugB 模拟生成器，发布到 MQTT Broker：

cd /root/spb_pub
./spb_pub --schema microgrid.toml --host 192.168.157.1

数据开始上报：

3.4 零代码写入数据到 TSDB

浏览器访问 TSDB 实例，创建 SparkplugB 数据写入任务。

创建数据写入任务 DataIn_Microgrid，类型为 SparkplugB，目标数据库选 db_microgrid，Brokers 填写地址 192.168.157.1:1883，客户端 ID 按要求填写一个，【检查连通性】，确保提示 数据源可用。

【订阅配置】中，Group ID 填写 Industrial_Park，节点/设备列表 填写 Micro_Grid/PV_Inverter_1,Micro_Grid/PV_Inverter_2,Micro_Grid/Wind_Turbine_1,Micro_Grid/Wind_Turbine_2,Micro_Grid/Battery_1,Micro_Grid/Env_Sensor_1,Micro_Grid/Grid_Interface_1，消息类型填写 DBIRTH,DDATA，下发 REBIRTH 命令 为 true。

【从服务器检索】，如果出现 Payload 示例数据并能正常解析，说明 SparkplugB 数据上报成功。

【创建超级表】stb_microgrid，如下图：

【映射】，SubTableName 一般填写 t_{group_id}_{edge_node_id}_{device_id}_{name}，但因本示例中 group_id 和 edge_node_id 都是仅有一个值，因此简化写为：t_{device_id}_{name}

【提交】成功，【查看】任务状态。显示系统已自动创建表并写入数据。

3.5 在 IDMP 中创建元素模板

浏览器访问 IDMP 实例，激活。创建元素模板及元素，将 TDengine TSDB 的数据加载至 TDengine IDMP。

首先创建元素模板。

【基础库】->【元素模板】->【新建元素模板】，【模板名称】填 光伏逆变器，【元素命名模式】为 模板名称 即 ${Template#name}${KEYWORD1}，【保存】

首次添加 ${KEYWORD1} 时，系统要求【请输入关键字描述】，此处填写 请输入设备编号（正整数）

右上角切换至 元素模板 > 光伏逆变器 > 属性面板 ，【新增属性模板】，【名称】填 光伏发电功率，【值类型】选 Double , 【显示的小数位数】2，【计量单位分类】选 体积流量，【默认计量单位】选 立方米每小时，【显示计量单位】选 立方米每小时，【数据引用类型】选 TDengine 指标

在弹出的【数据引用表达式】填写：【连接】boiler-tsdb；【数据库】db_boiler；【源表名称模式】t_PV_Inverter_${KEYWORD1}_solar_pv_output；【列】value

说明：

• 替换字符串 KEYWORD 在具体的元素模板内有效，同个元素模板内如果用到相同 KEYWORD，只需创建一次。
• 如果是手工新建的元素模板也用到 KEYWORD，必须点【+】显式创建；如果是通过复制元素模板，则不用。
• 如果一个元素模板里有多个属性，可以复制属性模板，粘贴并编辑得出另一个属性模板。最终得到效果如下：

按照上述方法，创建出所有5个元素模板。完整的配置过程参见：微电网_元素模板.csv

说明：

• 属性模板可以跨元素模板复制粘贴，但每个元素模板里都需要建自己的 KEYWORD。
• IDMP 已内置了各种计量单位，如有需要扩展的，可在【基础库】->【计量单位】里扩展。本示例中，添加了计量单位类型 功率密度，扩展了计量单位 W/㎡ 用在 太阳辐照强度；扩展了计量单位 hPa 用在 大气压力。

3.6 创建资产模型

【元素浏览器】->【元素】，按层级依次构建 工业园区 > 微电网，在元素 微电网【新建子元素】光伏发电系统 和 风力发电系统。

选择元素 光伏发电系统，【新建子元素】，【模板】选 光伏逆变器，【KEYWORD1】填 1

按上述步骤，依次选择不同的元素模板创建出 光伏发电系统 和 风力发电系统 的所有子元素。

在元素 微电网【新建子元素】，选择另外3个元素模板，创建出另外3个设备。最终得到资产模型如下：

在【元素浏览器】中，IDMP 会自动根据资产模型的路径信息，以树形结构的方式展示微电网的监控参数。

3.7 体验 AI 生成面板

• 在左侧资源浏览器中，点击 工业园区 > 微电网 > 电网接口 元素，通过上方路径导航菜单选择【面板】，跳转至该元素的 AI 推荐面板页面。
• 等待 AI 生成面板推荐后，您可根据需求进行选择，例如：“过去一小时电网频率和交换功率”，在您感兴趣的面板右上方的菜单中，点击【生成】按钮。等待面板生成后，可以【查看】该面板。

• 面板生成后，您还可以在该面板的详情页面中选择【高级】，查看 AI 创建面板时使用的 SQL 语句：

SELECT _wstart,AVG(`电网频率`) AS `电网频率`,AVG(`交换功率`) AS `交换功率` 
FROM `idmp`.`vt_电网接口_411057` 
WHERE  _c0 >= now-1h and _c0 <= now INTERVAL(1m)

• 点击【保存】，即可在下方面板列表中查看 电网接口 元素下对应的面板。

3.8 体验 AI 分析

• 在左侧资源浏览器中，点击 工业园区 > 微电网 > 风力发电系统 元素，通过上方路径导航菜单选择【分析】，跳转至该元素的 AI 推荐分析页面。
• 等待 AI 生成分析问题推荐后，您可以根据需求进行选择，例如：“风力发电系统的风力发电机超过5分钟没有数据传输，则发出警告报警,记录最后一条的风力发电功率,会话窗口。”，点击您感兴趣的问题链接，以进入分析编辑页面，点击页面最下方的【保存】。

• 退回到分析列表中，即可查看对应的分析。

4. 更多

除了使用 Docker/Dcoker Compose 以外，TDengine 还支持其他部署方式。为了简化部署，我们提供了 Ansible， Helm 等多种部署方式，详见：https://github.com/taosdata/tdengine-idmp-deployment；另外还提供云服务。

5. 小结

本文以 Step by Step 的方式，介绍了如何使用 TDengine TSDB + TDengine IDMP 快速搭建一个以 SparkPlugB 格式上报数据的 微电网 监控系统。以往需要几天、甚至几周，并进行繁琐的配置、调试才能搭建起来的系统，使用 TDengine IDMP 后，30分钟内即可搞定。日后，如果有新的设备需要被纳入到监控系统中，只需选择元素模板创建元素即可。如果监控的点位有变更或新增，仅需更新元素模板里相应的属性模板即可，无需操作其他地方。

搭建整个监控系统的工作几乎都在 SparkPlugB 数据源的准备 以及 构建资产模型，无需编写复杂的 SQL 语句，无需脚本和其他配置，无需学习 Grafana，无需了解多少 微电网 知识，即可轻松掌握 微电网 的运行状态，实时监控和分析 微电网 的工况并采取相应措施。