Obsidian/博客/数据分析与报告/大数据技术栈.md

这个储能电站电池热失控早期预警系统项目使用了以下大数据相关技术和功能：

大数据技术栈

1. 数据存储

• Supabase (PostgreSQL) - 分布式开源数据库
• 存储220万+条实时监控数据

2. 数据处理

• 统计分析：MTBF（平均故障间隔）、MTTR（平均修复时间）、温度超标率、电压一致性、SOC健康度
• 多维度分析：按电池、簇、机架、时间等多维度聚合

3. 大数据可视化

• ECharts - 趋势图、雷达图、箱线图、热力图、柱状图
• 实时数据渲染和大数据点展示

4. 多数据源集成

数据源	数据量	用途
IONTECH监测数据	220万+	实时监控
NREL实验数据	365条	失效分析
CALCE测试数据	80条	寿命测试

5. 高级分析功能

• 多电池对比分析：温度分布箱线图、电压一致性热图、SOC均衡性柱状图
• 健康度评分：SOH评分系统
• 异常检测：温度/电压/SOC异常告警
• 趋势预测：电池衰减趋势分析

6. 技术架构

• React + TypeScript - 前端框架
• Supabase REST API - 数据接口
• Docker容器化部署

项目数据分析方法

项目有专门的数据分析服务 statisticsService.ts，主要通过以下方法分析：

1MTBF - 平均故障间隔时间

// MTBF = 总运行时间 / 故障次数
// 用于评估系统可靠性和稳定性
async getMTBF(batteryId?: string)

2️MTTR - 平均修复时间

// MTTR = 故障修复总时间 / 故障次数
// 用于评估运维响应效率
async getMTTR(batteryId?: string)

3️温度超标率统计

// 统计各电池温度>45°C的记录占比
async getTemperatureExceedRate(batteryId?: string)

4️电池健康度分布

// 按excellent/good/fair/poor分类
async getHealthDistribution()

5️系统综合指标

// 整合所有指标
async getSystemMetrics()

---

数据流向

数据库(220万+)
    ↓
统计分析服务
    ↓
ECharts可视化
    ↓
前端展示

具体分析维度

分析类型	方法	用途
可靠性分析	MTBF/MTTR	评估系统稳定性
温度分析	超标率/趋势图	热失控预警
电压分析	标准差/一致性评分	电池均衡
SOC分析	分布统计	荷电状态
多电池对比	箱线图/热力图	横向对比
衰减预测	趋势拟合	寿命预测