当前位置： 首页 > news >正文

TDengine 数据函数 CORR 用户手册

news 2025/11/2 14:13:13

在这里插入图片描述

CORR 函数

语法

CORR(expr1, expr2)

功能说明

计算两列数据之间的皮尔逊相关系数（Pearson correlation coefficient），该数值反映了两个序列之间的线性关系强度和方向。

版本

v3.3.8.0

返回结果类型

DOUBLE

适用数据类型

  • expr1：数值类型。
  • expr2：数值类型。

嵌套子查询支持

适用于内层查询和外层查询。

适用于

表和超级表。

使用说明

  • 若 expr1 或 expr2 为 NULL，返回 NULL。
  • 皮尔逊相关系数的取值范围为 [-1, 1]。
  • 返回值为 1 表示完全正相关，-1 表示完全负相关，0 表示无线性相关。
  • 只能与普通列、TAG 列、选择（Selection）、投影（Projection）函数一起使用，不能与聚合（Aggregation）函数一起使用。
  • 计算相关系数需要至少两个数据点，否则返回 NULL。

示例所用表与数据（可直接复制执行）

-- 建库与使用
CREATE DATABASE IF NOT EXISTS power;
USE power;-- 智能电表表结构
CREATE STABLE meters (ts TIMESTAMP,current FLOAT,voltage INT,phase FLOAT,power DOUBLE
) TAGS (groupid INT,location VARCHAR(64)
);-- 子表
CREATE TABLE d1001 USING meters TAGS (1, 'California.SanFrancisco');
CREATE TABLE d1002 USING meters TAGS (2, 'California.LosAngeles');
CREATE TABLE d1003 USING meters TAGS (1, 'California.SanFrancisco');-- 写入数据（模拟不同负载特征）
INSERT INTO d1001 VALUES('2024-01-01 00:00:00.000', 10.3, 220, 30.0, 2266.0),('2024-01-01 00:15:00.000', 12.6, 221, 32.0, 2784.6),('2024-01-01 00:30:00.000', 11.5, 222, 31.0, 2553.0),('2024-01-01 00:45:00.000', 13.2, 223, 33.0, 2943.6),('2024-01-01 01:00:00.000', 14.8, 224, 35.0, 3315.2);INSERT INTO d1002 VALUES('2024-01-01 00:00:00.000',  9.0, 219, 28.0, 1971.0),('2024-01-01 00:15:00.000', 14.5, 218, 40.0, 3161.0),('2024-01-01 00:30:00.000',  8.2, 220, 25.0, 1804.0),('2024-01-01 00:45:00.000', 15.1, 217, 42.0, 3276.7),('2024-01-01 01:00:00.000',  7.8, 221, 23.0, 1723.8);INSERT INTO d1003 VALUES('2024-01-01 00:00:00.000', 10.5, 220, 30.0, 2310.0),('2024-01-01 00:15:00.000', 10.8, 221, 31.0, 2386.8),('2024-01-01 00:30:00.000', 11.2, 221, 32.0, 2475.2),('2024-01-01 00:45:00.000', 11.5, 222, 32.0, 2553.0),('2024-01-01 01:00:00.000', 11.9, 222, 33.0, 2641.8);

基础示例

示例 1: 计算两列的相关系数

-- 计算电流和电压的相关系数
taos> SELECT CORR(current, voltage) FROM d1001;corr(current,voltage)   |
============================0.986138358995449 |

示例 2: 验证完全正相关

-- 电流与功率应该高度正相关
taos> SELECT CORR(current, power) FROM d1003;corr(current,power)    |
============================0.999999999999999 |

示例 3: 分析不同变量的相关性

-- 计算多个变量对的相关系数
SELECT CORR(current, voltage) AS current_voltage_corr,CORR(current, power) AS current_power_corr,CORR(voltage, power) AS voltage_power_corr
FROM d1001;

 current_voltage_corr | current_power_corr | voltage_power_corr |
======================================================================0.986138358995449 |  0.999642229606833 |   0.989643019747214 |

示例 4: 按位置分组统计

-- 按位置分组计算电流与功率的相关性
SELECT location,CORR(current, power) AS corr_coefficient
FROM meters
GROUP BY location;

        location        | corr_coefficient  |
===============================================California.LosAngeles  | -0.577350269189626 |California.SanFrancisco|  0.998618735938662 |

智能电表场景示例

示例 5: 负载特性分析

目的：通过分析电流与功率的相关性，识别不同类型的用电负载。

-- 识别负载类型
SELECT tbname,CORR(current, power) AS load_correlation,CASEWHEN ABS(CORR(current, power)) > 0.95 THEN '线性负载'WHEN ABS(CORR(current, power)) > 0.80 THEN '准线性负载'WHEN ABS(CORR(current, power)) > 0.60 THEN '非线性负载'ELSE '复杂负载'END AS load_type
FROM meters
GROUP BY tbname;

应用价值：

  • 识别用电设备类型
  • 评估负载稳定性
  • 指导用电管理

示例 6: 电压质量评估

目的：分析电压与功率的相关性，评估供电质量。

-- 评估电压稳定性对功率的影响
SELECT location,AVG(voltage) AS avg_voltage,STDDEV(voltage) AS voltage_variation,CORR(voltage, power) AS voltage_power_corr,CASEWHEN CORR(voltage, power) > 0.9 AND STDDEV(voltage) < 3 THEN '优秀'WHEN CORR(voltage, power) > 0.8 AND STDDEV(voltage) < 5 THEN '良好'ELSE '需改善'END AS quality_grade
FROM meters
GROUP BY location;

应用价值：

  • 评估供电质量
  • 识别电压波动问题
  • 优化电网运行

示例 7: 设备异常检测

目的：监测相关系数的突变，及时发现设备异常。

-- 检测相关系数异常的电表
SELECT tbname,CORR(current, power) AS current_power_corr,AVG(current) AS avg_current,AVG(power) AS avg_power
FROM meters
GROUP BY tbname
HAVING ABS(CORR(current, power)) < 0.7
ORDER BY current_power_corr ASC;

应用价值：

  • 早期故障预警
  • 异常行为识别
  • 设备健康监测

示例 8: 时间段特征分析

目的：分析不同时段电力参数的相关性变化。

-- 按时间窗口分析相关性
SELECT _wstart AS time_window,CORR(current, voltage) AS corr_i_v,CORR(current, power) AS corr_i_p,AVG(current) AS avg_current
FROM meters
WHERE ts >= '2024-01-01 00:00:00'AND ts < '2024-01-01 02:00:00'
INTERVAL(30m);

应用价值：

  • 识别用电规律
  • 发现周期性特征
  • 优化负荷预测

示例 9: 相位角影响分析

目的：分析相位角与其他参数的关系，评估功率因数影响。

-- 分析相位角与功率的关系
SELECT location,CORR(phase, power) AS phase_power_corr,AVG(phase) AS avg_phase,STDDEV(phase) AS phase_variation
FROM meters
GROUP BY location;

应用价值：

  • 评估功率因数稳定性
  • 指导无功补偿
  • 优化能效管理

示例 10: 多电表协同分析

目的：分析同一区域不同电表的运行协同性。

-- 分析同一位置不同电表的功率相关性
SELECT m1.tbname AS meter1,m2.tbname AS meter2,CORR(m1.power, m2.power) AS power_correlation
FROM (SELECT ts, power, tbname FROM meters WHERE tbname = 'd1001') m1,(SELECT ts, power, tbname FROM meters WHERE tbname = 'd1003') m2
WHERE m1.ts = m2.ts;

应用价值：

  • 评估区域负荷协同性
  • 识别共同用电模式
  • 优化区域供电

示例 11: 能效评估

目的：通过相关性分析评估用电效率。

-- 计算电流与功率效率指标
SELECT location,CORR(current, power) AS efficiency_correlation,AVG(power / current) AS avg_power_per_amp,STDDEV(power / current) AS power_efficiency_variation
FROM meters
WHERE current > 0
GROUP BY location;

应用价值：

  • 评估用电效率
  • 识别能效改进机会
  • 指导节能措施

示例 12: 数据质量检测

目的：利用相关性分析检测数据采集质量。

-- 检测数据一致性
SELECT tbname,CORR(voltage, power) AS data_consistency,COUNT(*) AS sample_count,CASEWHEN CORR(voltage, power) IS NULL THEN '数据不足'WHEN ABS(CORR(voltage, power)) < 0.3 THEN '数据异常'ELSE '数据正常'END AS data_quality
FROM meters
GROUP BY tbname;

应用价值：

  • 监测数据质量
  • 识别传感器故障
  • 保证数据可靠性

生产场景应用

场景 A: 智能运维系统

目的：构建基于相关性分析的智能运维预警系统。

应用示例：

-- 生成设备健康评估报告
SELECT tbname AS meter_id,CORR(current, power) AS health_indicator,AVG(current) AS avg_current,STDDEV(current) AS current_stability,CASEWHEN CORR(current, power) IS NULL THEN '数据不足'WHEN ABS(CORR(current, power)) < 0.6 THEN '需要维护'WHEN ABS(CORR(current, power)) < 0.8 THEN '关注'ELSE '正常'END AS maintenance_status
FROM meters
WHERE ts >= NOW - 24h
GROUP BY tbname
ORDER BY health_indicator ASC;

场景 B: 负荷预测优化

目的：通过相关性分析优化负荷预测模型的特征选择。

应用示例：

-- 评估预测特征的相关性
SELECT 'current-power' AS feature_pair,CORR(current, power) AS correlation
FROM meters
WHERE ts >= NOW - 7d
UNION ALL
SELECT 'voltage-power' AS feature_pair,CORR(voltage, power) AS correlation
FROM meters
WHERE ts >= NOW - 7d
UNION ALL
SELECT 'phase-power' AS feature_pair,CORR(phase, power) AS correlation
FROM meters
WHERE ts >= NOW - 7d
ORDER BY correlation DESC;

注意事项

  1. 数据要求：计算相关系数需要至少两个有效数据点，数据点过少会导致结果不可靠。

  2. NULL 值处理：任一输入列包含 NULL 值时，该数据点会被忽略，不参与计算。

  3. 线性关系限定：皮尔逊相关系数只能衡量线性相关性，对于非线性关系需要其他分析方法。

  4. 相关不等于因果：高相关系数不意味着存在因果关系，需结合业务逻辑判断。

  5. 异常值敏感性：相关系数对异常值敏感，建议先进行数据清洗。

  6. 样本大小影响：样本量过小可能导致相关系数不稳定，建议至少30个数据点。

  7. 计算精度：返回 DOUBLE 类型，存在浮点精度限制。

  8. 分组计算：在超级表上使用时，建议配合 GROUP BY 按子表或标签分组。

数学关系

基本定义：

皮尔逊相关系数 r 的计算公式为：

r = Cov(X,Y) / (σ_X × σ_Y)

其中：

  • Cov(X,Y) 是 X 和 Y 的协方差
  • σ_X 是 X 的标准差
  • σ_Y 是 Y 的标准差

取值范围与含义：

  • r = 1：完全正相关（X 增大，Y 也增大）
  • r = -1：完全负相关（X 增大，Y 减小）
  • r = 0：无线性相关
  • |r| > 0.8：强相关
  • 0.5 < |r| ≤ 0.8：中等相关
  • 0.3 < |r| ≤ 0.5：弱相关
  • |r| ≤ 0.3：极弱相关或无相关

性质：

  • 对称性：CORR(X,Y) = CORR(Y,X)
  • 量纲无关：不受变量单位影响
  • 线性变换不变性：对 X、Y 进行线性变换不改变相关系数

相关函数

  • STDDEV：标准差函数，相关系数计算的基础
  • AVG：平均值函数，协方差计算的基础
  • SUM：求和函数，用于协方差计算

函数意义与价值

数学意义

皮尔逊相关系数是统计学中最常用的相关性度量指标，用于衡量两个变量之间线性关系的强度和方向。它通过标准化协方差，消除了量纲影响，使得不同单位的变量可以进行比较。

实际应用价值

  1. 关系发现

    • 识别变量间的线性关系
    • 发现隐藏的数据模式
    • 验证业务假设

  2. 特征工程

    • 机器学习特征选择
    • 多重共线性检测
    • 模型优化

  3. 异常检测

    • 监测相关性异常变化
    • 识别设备故障前兆
    • 数据质量评估

  4. 质量控制

    • 评估测量一致性
    • 验证设备准确性
    • 监控系统稳定性

  5. 决策支持

    • 指导资源配置
    • 优化运营策略
    • 风险评估

本用户手册提供了 CORR 函数的完整使用说明，特别针对电力系统中的设备监测、质量评估、负荷预测等实际需求，所有示例均符合 TDengine 语法规范，方便用户快速上手并应用于生产环境。

关于 TDengine

TDengine 是一款专为物联网、工业互联网等场景设计并优化的大数据平台，其核心模块是高性能、集群开源、云原生、极简的时序数据库。
它能安全高效地将大量设备每天产生的高达 TB 甚至 PB 级的数据进行汇聚、存储、分析和分发，并提供 AI 智能体对数据进行预测与异常检测，提供实时的商业洞察。

http://www.dtcms.com/a/552910.html

相关文章：

  • Java的驼峰转换实现方案
  • 从零开始的C++学习生活 19:C++复习课(5.4w字全解析)
  • 阿里云-云服务器的创建与使用
  • 安防监控系统：安防之眼，智守未来
  • 网站建设吸引人的话语广元北京网站建设
  • 网站上线前营销推广工作准备网站创建费用
  • Apache Tomcat RewriteValve目录遍历漏洞 | CVE-2025-55752 复现
  • k8s：service资源详解
  • 大型系统性能优化问题
  • 国际版多语言语聊语音厅交友源码开发：技术特性、中外差异与核心注意事项
  • 面对网络蠕虫的紧急处理方式和防护措施
  • 深入掌握 Maven Settings：从配置到实战
  • 厦门做网站seo的惠州哪家做网站比较好
  • 目标检测原理分享
  • AI驱动的VSCode插件开发：从模型研发到性能优化的全栈实践
  • 6 种无误的方法：如何备份和恢复华为手机
  • Spring Boot 整合 ShedLock 处理定时任务重复
  • 静态网站开发课程相关新闻做设计图的网站
  • MCU（微控制器单元）上的语音识别
  • 【普中Hi3861开发攻略--基于鸿蒙OS】-- 第 31 章 WIFI 实验-华为 IoTDA 设备接入
  • hive的全连接
  • 集团企业网站设计方案专业做化学招聘的网站有哪些
  • win11 wsl安装Ubuntu-22.04并迁移D盘 以及安装docker
  • 频闪拍照中的相机和光源同步问题
  • 乐吾乐3D可视化案例【智慧汽车三维可视化】
  • 网站图片验证码出不来潜江资讯网电脑版
  • 大模型在百度电商机审应用的落地实践
  • esp8266+dht11传感器实时上报温湿度
  • WPF中为Button设置IsMouseOver和IsPressed事件中改变背景颜色不起作用
  • vagrant nat网络问题－虚拟机同时存在两个IP，并且不能访问外网