ThingsBoard中如何聚合多个设备的最新读数实现建筑能耗总览
2025-05-12 22:08:00作者:范垣楠Rhoda
在物联网平台ThingsBoard的实际应用中,我们经常需要将多个设备的监测数据进行聚合展示。典型的场景如:一栋建筑内安装了4个电表设备,每个电表独立记录不同区域的用电量,现在需要实时展示整栋建筑的总能耗。
核心需求分析
这种场景下存在两个关键特征:
- 数据源分散性:能耗数据来源于多个独立设备
- 聚合实时性:需要基于各设备最新读数计算总和,而非历史累计值
传统做法中直接对设备时间序列数据求和会导致重复计算,因为每个电表本身可能已经记录了累计值。正确的做法应该是获取每个电表的最新瞬时读数后相加。
ThingsBoard解决方案
ThingsBoard提供了专门的规则引擎节点"Aggregate Latest"来处理这类需求。该节点的核心功能是:
- 从多个设备中获取指定key的最新数据点
- 对这些最新值执行聚合运算(求和、平均等)
- 输出聚合结果到目标实体
具体实现步骤
-
规则链配置:
- 创建新的规则链或修改现有规则链
- 添加"Aggregate Latest"节点
- 配置源设备列表和目标资产(建筑)
-
参数设置:
- 指定需要聚合的telemetry key(如"energy_consumption")
- 设置聚合函数为"SUM"
- 定义数据刷新间隔
-
数据可视化:
- 在仪表板创建Value Card部件
- 数据源选择建筑资产的聚合值属性
- 配置合适的显示单位和格式
高级应用技巧
-
异常数据处理:
- 可设置超时阈值,忽略长时间未更新的设备数据
- 对缺失数据可采用最后有效值或默认值策略
-
性能优化:
- 对于设备数量多的场景,建议适当调大聚合间隔
- 可启用遥测缓存提升响应速度
-
告警集成:
- 基于聚合结果设置阈值告警
- 当总能耗突增时触发通知
典型应用场景
这种聚合方案不仅适用于能源管理,还可应用于:
- 多区域温度平均值监控
- 分布式仓储库存汇总
- 连锁门店销售数据实时汇总
通过ThingsBoard的规则引擎可视化配置,无需编写代码即可实现复杂的多设备数据聚合逻辑,大大降低了物联网应用的开发门槛。对于需要实时监控汇总数据的场景,这无疑是最佳实践方案之一。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
633
143