[发明专利]一种基于大数据流式计算的故障实时匹配方法

权利要求书

1.一种基于大数据流式计算的故障实时匹配方法，其特征在于，包括如下步骤：

S1、将设备运行状态数据通过中转装置上传到大数据云平台；

S2、数据预处理；大数据云平台接收到数据后，进行数据合法性验证、数据类型归类、丢弃缺失数据、重复数据清洗后，发往Kafka消息集群；

S3、基于Spark Streaming计算Kafka消息集群的流式故障实时匹配。

2.如权利要求1所述的基于大数据流式计算的故障实时匹配方法，其特征在于，步骤S3还包括步骤3.1、将实时匹配的数据使用正则表达式匹配解析为多变量监控指标模型列表，采取移动平均法对信号平滑去噪；

步骤S3还包括步骤3.2、利用滚动窗口，采取高阶中心距筛选出早期故障；

步骤S3还包括步骤3.3、对多变量监控指标模型按位报警分区、按值报警分区、按区间报警分区，再结合报警字典产生报警描述信息；

按位报警分区，计算得到位报警正常子集和位报警异常子集；

多变量[序号-值]对列表，按位报警分区，如果监控变量的序号位于报警区间，计算得到位报警区集合；否则划分为其它区；

按值报警分区，计算得到值报警正常子集和值报警异常子集；

在按位报警分区的其它区中，按值报警分区，如果监控变量的序号位于值报警区间，计算得到值报警区集合；否则划分为其它区；

按区域报警分区，计算得到区间报警正常子集和区间报警异常子集；

在按值报警分区的其它区中，如果监控变量的值命中报警字典的报警上限到下限区间，计算得到区间报警正常子集；否则划分为区间报警异常子集；

步骤S3还包括步骤3.4、组合步骤3.3的各正常子集为监控变量正常数据集，组合步骤3.3的各异常子集为监控变量异常数据集；

步骤S3还包括步骤3.5、计算监控变量从异常恢复正常的数据集；

步骤S3还包括步骤3.6、并行方式存储监控变量异常数据集到故障记录表；

步骤S3还包括步骤3.7、并行方式更新监控变量从异常恢复正常的数据集到故障记录表。

3.如权利要求2所述的基于大数据流式计算的故障实时匹配方法，其特征在于，步骤3.7中所述的故障记录表中的属性有故障事件编号、变量编码、故障状态、报警值、报警开始时间、报警结束时间、报警次数、报警描述、报警原因、恢复值、恢复时间、创建时间、更新时间。

4.如权利要求1所述的基于大数据流式计算的故障实时匹配方法，其特征在于，步骤S1中所述的中转装置连接设备获取该设备的运行状态数据，整理成多变量时间序列，定时预定频率发送到大数据云平台。