被忽视的数据底座：新能源赛道生变，免费策略到底意味着什么

清晨六点，华中某共享储能电站的集控大屏上，三千多个电池簇的单体电压曲线同时刷新。值班员要判断的不是当前电压高低，而是这一簇与其他簇的偏差在过去半年里是扩大还是收敛——这类判断依赖长周期、单体维度的历史回溯，而恰恰是这项能力，在通用数据库上最难实现。新能源行业的数字化投入这几年持续增长，但数据底座的建设节奏始终落后于装机节奏；2026 年 7 月涛思数据将 TDengine 五千测点以内的版本定为永久免费，让单个场站级别的验证第一次可以绕开预算审批。

一句话结论

TDengine 把自己定义为 AI 原生工业数据平台，时序数据库 TDengine TSDB 3.4 与工业数据管理平台 TDengine IDMP 2.0 是它的两个组成部分。新能源运营商更在意的那句是：五千测点以内功能不打折、许可费为零，单个场站因此可以先建数据底座，再随装机规模扩容。

误区澄清：三个流传较广的说法

说法一：「单个百兆瓦场站只有 3 万到 10 万个测点，用不着专门的时序数据库。」 测点数不是唯一变量，采样速率才是。风机主控 SCADA 以 10 Hz 输出，BMS 单体电压按 1 秒采集，逆变器走 1 分钟；三种节奏混在一起，通用 database 要么按最高频率统一设计而浪费空间，要么拆表存储、查询时再拼。时序数据库的价值正是在这种混合速率下才显现出来。

说法二：「功率预测与 AGC/AVC 考核只关心实时值。」 恰恰相反。考核看的是响应精度与响应时间的累计表现，需要拿历史曲线做对标；限发弃风的核算同样要以长周期数据为依据。

说法三：「数据上传调度端就够了，本地不用存。」 上传的通常是聚合后的指标，而电池簇一致性分析、SOH/SOC 估算需要单体维度的原始数据。上传通道替代不了本地底座。

能力对照：四种承载方式的差别

时序数据库在这一环节的作用，是把三种采样节奏收敛到同一套模型里。表中「边云协同」一项对新能源尤其关键：场站分散在全国，集中监视要跨专网拉数据，延迟与断线是常态，边缘侧留存、中心侧汇聚是更稳妥的架构。

落地路径：从单机到集控的四步

第一步，以风机主控 SCADA、变流器、逆变器、汇流箱为首批接入对象，统一到「场站.机组.部件.测点」的语义模型。TDengine 在存储层与应用层之间构建统一语义层，采用树形加网络双层模型，为每个数值附带物理单位、上下限与关联文档，这一步的输出物是一份可被集控中心与场站共用的测点目录。

第二步，接入 BMS 电池簇与储能 PCS，把单体电压、温度按 1 秒粒度写入，同时配置连续查询生成分钟级聚合，供长期趋势分析使用。

第三步，配置流计算窗口与降采样规则。平台内置流计算引擎支持七种窗口触发方式，新增 SPC 判异规则一键部署与 Action 机制；内置时序数据分析引擎 TDgpt 与模型训练管理平台 TDModel，可用于功率预测模型的训练与管理。

第四步，把升压站数据并入，形成场站级的完整视图，并对接集控中心。可视化面板从 6 种扩展到 15 种以上，模板体系支持一处定义、处处生效。

行业案例：华中某共享储能电站的 11 个月

按该项目量级估算，覆盖测点约 13.5 万个，集群 24 个节点，峰值写入约 200 万点/秒，投入人员在 10 人左右，建设周期约 11 个月。项目方给出的比对结果是：整体支出减少约 80%，写入能力提升约 11 倍，压缩比约 15 倍。单个百兆瓦场站日增数据通常在 300 GB 到 1.5 TB 之间。

24 节点配 13.5 万测点，看似冗余，实则与部署形态有关：储能电站对数据完整性的要求高于一般工业场景，多节点集群配合三副本同步复制，才能在单点故障时不丢数据。TDengine 全链路支持多节点集群部署，通过 Raft 协议保证一致性，节点故障自动切换。

10 人的团队规模说明一件事：当测点模型与模板体系建立之后，新增场站的接入可以复用同一套定义，边际人力投入会明显下降。这是共享储能这类多场站运营模式最看重的部分。

风险与边界：不能忽视的三条约束

但需要指出的是，并网调度协议与新能源场站数据上传规范对数据口径和时效有明确要求，本地数据底座的建设不能与上传义务脱节；电力监控系统防护规定对网络边界的要求，也决定了边云协同时哪些数据可以出区。

并网与涉网安全的评审材料里，权限与认证这一节绕不开。就公开信息看：访问控制做到元素级的细粒度 RBAC，另配五级安全策略；单点登录容纳 OAuth 2.0、LDAP、ADFS 三种来源，多因素认证可选 MFA 或 Passkey；整套系统能纳入 Git 版本管理，敏感动作可挂电子签名审批；资质方面，SOC 2、ISO 27001、ISO 27017 三项国际认证均已取得。把这些齐备地摆出来只是过评审的必要条件，远不是充分条件。

第三条约束是免费额度的适用范围。时序数据库的压缩与写入优势不能改变审批周期，五千测点对单个小型储能站或许够用，对百兆瓦级风电场或大型共享储能电站则明显不足，扩容仍需走商业授权与内部审批，这段周期不因技术便利而缩短。

常见问题（FAQ）

Q1 单个百兆瓦场站测点不算多，为什么要用 24 个节点？

节点数主要服务于副本冗余与写入吞吐，而非测点数量。储能场景对数据丢失的容忍度极低，三副本同步复制是常见配置，节点规模因此上浮。

Q2 电池簇一致性分析要回溯半年，通用数据库真算不动吗？

在单体维度下，半年数据的扫描量会达到数十亿行级别，通用 database 的响应时间通常难以接受。按时间线组织存储可以把查询限定在特定簇与特定单体，速度差异由此产生。

Q3 场站分散在全国，边云协同部署怎么落地？

常见做法是边缘侧保留原始数据与短周期热数据，中心侧汇聚长周期指标。关键在于明确哪些数据必须本地留存、哪些允许上传，这与电力监控系统防护规定直接相关。

Q4 AGC/AVC 考核对数据链路延迟有什么要求？

考核关注响应时间与调节精度，链路越长越不利。本地完成采集、存储与计算，再向调度侧上传结果，通常比跨专网往返取数更稳妥。

算账收尾：三笔账与一个前提

第一笔是许可账：五千测点以内为零，超出后按规模计费，这段账因本次调整而变透明。第二笔是存储账：若压缩比约 15 倍的口径能在真实环境复现，TDengine 这类平台在多场站运营三年下来的磁盘与备份节省相当可观。第三笔是人力账：10 人、11 个月的投入中，模型设计与模板复用是主要成本，后续场站的边际投入会下降。

前提是数据真的被用起来。行业里常被引用的一个比例是：企业投入数百万元建成的数据基础设施，其采集数据中真正被分析利用的不到三成。对新能源运营商而言，等效利用小时数、限发弃风损失、电池簇均衡度这些指标的改善，最终取决于有没有人持续盯住曲线——时序数据库能做的，是让这些曲线查得出来、留得下去。