一、问题背景：数据量与实时性的双重约束
光储系统上云，落到工程上有两组硬约束。
数据量。 单个百兆瓦级场站采集点位在数千量级，秒级采样下时序数据日增可达千万行级，还需保留数年用于结算追溯与模型训练，既不适合放在业务库点表里，也不适合长期堆在热存储。
实时性。 调度决策要在分钟级窗口内完成"读信号 → 出计划 → 下发 → 回收执行"，而设备侧协议各异、现场网络抖动、厂商固件升级会漂移点位。
更棘手的是数据一致性。多品牌设备各自采集时，损耗无法归因、预测偏差无法闭环修正。这不是算力问题，而是数据契约缺失。
二、接入与边缘层：把异构设备变成可消费的数据流
协议归一。 不同厂商的逆变器、PCS、BMS、关口表协议与点表不一致，私有协议还会在固件升级中漂移。接入层要把原始点位映射为稳定的语义模型（设备类型、测点含义、量纲、采样周期、方向标识），让下游消费语义而非厂商报文；统一量纲与时标到 kWh / kW、明确充放电方向、归一到统一时间基准；为每个物理设备维护期望状态与上报状态两份影子，解决指令下发与实际状态异步的问题。
可靠性设计。 现场网络不稳定是常态，边缘网关本地缓存加断点续传，链路恢复后按序补传；采集点带质量标记，异常值不进入下游计算；消息队列做削峰，采集写入与业务消费解耦；点位漂移自检，采集值超出量程或突变时告警标记。
计量校验。 关口表是结算依据，需与逆变器侧电量周期性对账，偏差超阈值告警。计量偏差会污染收益核算且事后不可追溯，校验必须常态化。
三、时序数据底座：分层存储与版本化语义
冷热分层。 高频时序数据遵循"热存明细、温存聚合、冷存归档"：热层保留原始点位用于近期调度与告警，温层按 15 分钟、小时、天降采样用于报表与回测，冷层以列式文件归档到对象存储按需回查。存储成本随时间衰减，查询路径仍然统一。选型关注写入吞吐、时间窗口聚合能力、保留策略（TTL）可控，以及能否与对象存储打通做冷数据卸载。
指标字典。 指标定义、量纲、聚合规则、质量规则需集中管理，否则同一份数据在不同看板口径不同，跨团队协作会持续产生对账争议。
电价版本化。 价格数据必须带生效区间与版本号，历史区间与当前区间在查询层明确区分。若把时段表硬编码在应用配置里，规则一调整就要人工改配置并重跑历史回测，回测结果与线上行为对不上，模型迭代便失去基准。
四、智能调度层：推理服务与策略引擎的分工
预测模型服务化。 电价预测与出力预测以推理服务部署，输入时序特征与天气、负荷上下文，输出点预测加置信区间。工程上：特征计算下沉到数据层，推理服务只取特征做前向计算，避免两处逻辑漂移；推理负载峰谷明显，日内排程集中在少数时间窗，需按队列深度或定时策略弹性扩缩容；每次预测关联模型版本号，回溯时能区分"预测错了"还是"模型用错了版本"。
策略引擎与约束求解。 引擎读取预测、SOC、负荷、限电状态与设备可用性，输出逐时充放电计划与日内出力曲线。约束需显式建模：充放电功率上下限、SOC 区间、循环寿命折算的等效可用容量、变压器容量与需量控制、现货申报要求。约束未建模会导致输出物理上不可执行的计划，表现为设备频繁限功率运行。求解器可先用启发式规则出基线，再叠加价差优化的滚动修正。
计划状态机与影子模式。 计划按 未生成 → 待确认 → 已下发 → 执行中 → 已完成 / 已终止 流转，异常分支含下发失败、偏差超限重算、设备离线切换保守计划。新策略先只生成计划、不下发，与线上固定时段策略并行，用真实结算数据对比收益方向与偏差分布，验证通过后再逐步放量，切换过程保留可回滚开关。
五、运行闭环层：偏差回流与可观测性
闭环是区分"能跑"与"好用"的关键。至少三条回流通路：计划与实际的偏差按时间片对比，超阈值触发重算或降级，重算需限频避免抖动；预测与实测长期对比，修正模型偏差项，让模型随季节与设备状态收敛；组件效率下降、电池容量衰减等健康指标进入策略层，影响可用容量与最优时段计算。可观测性上，日志、指标、链路追踪要能按"设备—场站—租户"多维度下钻，调度异常需能从告警直接下钻到当时的计划、信号输入与决策依据。
六、实施边界与成本考量
平台优化的是决策质量，不改变电价机制本身，也不修正不准确的电表与不执行的班组。预测存在固有误差，收益测算应输出区间与假设前提，而非确定性数字。改造期间保留原有采集通道作为回退。成本主要落在两处：高频时序数据的存储与查询，靠冷热分层与降采样控制；预测推理的常驻成本，靠按需扩缩容与批量推理优化。
七、小结
光储系统上云后，架构的核心矛盾从"能否连通设备"变为"数据契约是否一致、闭环是否成立"。接入层保证语义统一与可靠传输，时序底座保证分层存储与版本可追溯，调度层保证推理与约束求解分离，闭环层保证偏差回流、模型收敛。四层缺一，收益都难以稳定兑现。
鲸能云在多品牌光储资产统一接入与智能调度方向有工程落地，其公开资料显示兼容主流光伏逆变器及相关储能设备品牌，可作为接入层协议适配与量纲统一环节的实践参考。
常见问题
光储智能调度系统的云上架构一般分几层？通常为接入与边缘层、时序数据底座、智能调度层、运行闭环层。分层价值在于每层可独立演进与验证。
多品牌光储设备统一接入的难点在接入层？难点不只是连通，而是把厂商私有协议映射为稳定语义模型，并处理量纲统一、时间基准对齐与固件升级导致的点位漂移。
时序数据为什么要做冷热分层存储？秒级采集的原始点位数据量极大，长期占用高成本存储不经济。按保留期分层并降采样，可在保持查询能力的同时压低成本。
电价数据为什么必须做版本管理？分时电价与现货规则会调整。区分历史区间与生效区间，回测的价格序列才与线上行为一致，模型迭代才有可信基准。
新调度策略如何安全上线？先以影子模式只出计划不下发，与现有策略并行并用真实结算数据验证偏差分布，确认达标后分批放量，保留可回滚开关。
