【技术实现步骤摘要】
一种工业大数据计算任务调度管理系统
[0001]本专利技术涉及一种工业大数据计算任务调度管理系统，属于工业大数据
技术介绍
[0002]随着国家能源工业领域数字化转型和工业领域大数据的爆发式增长以及对生产海量数据采集、汇聚、挖掘、分析等需求的不断提高，数据规模的快速增长，数据属性维度也越来越多，让数据分析时间变长，计算复杂度也迅速提升。挖掘数据多维特征属性，设计合理、高效、扩展性强且自适应的大数据智能分析计算方法和计算任务调度管理系统，让用户不需要关注任务的创建、调度和执行环节，以及计算资源分配是否合理、资源依赖是否满足等细节，并且能灵活选用各种智能分析计算方法，从而把更多的精力放到数据分析和业务挖掘上，为工业数据发挥其价值提供强有力的保障。
[0003]目前行业内计算方法还主要关注数据属性本身，这类方法更多用在政府、金融、民生等领域，在能源工业领域，数据本身的体量和特性和民用领域有差异，且本身其具备固有的物理特性，因此结合数据和物理设备特征属性融合分析的计算方法的研究成为当前的热点。此外，在工业大数据平台...
【技术保护点】
【技术特征摘要】
1.一种工业大数据计算任务调度管理系统，其特征在于，包括：一体化模型管理模块，用于构建和管理数据采集模型、业务对象模型和功能算法模型；算法配置模块，用于创建功能算法，将功能算法注入到功能算法模型实体上；计算任务管理模块，通过配置计算任务执行策略，将策略作用到业务对象模型实体和功能算法模型实体上，动态的创建和管理计算任务；计算内核与计算任务管理模块通信，通过任务特征匹配不同的计算执行策略，自动选取不同的计算任务执行器执行任务；计算结果分发模块，与计算内核通信，对计算结果进行发布。2.根据权利要求1所述的工业大数据计算任务调度管理系统，其特征在于，所述功能算法采用基于多维数据融合的大数据智能分析计算方法；所述基于多维数据融合的大数据智能分析方法采用面向业务物理设备对象的信息物理融合建模，并基于物理设备的信息物理融合模型实现多源异构数据的关联融合分析；基于多维数据融合的大数据智能分析方法采用基于设备多特征属性和时空多维数据密度聚类分析的计算方法，识别业务设备对象的多维属性相关性，形成具有时空特征属性的设备相关性特征属性曲线族。3.根据权利要求2所述的工业大数据计算任务调度管理系统，其特征在于，所述业务物理设备的信息物理融合建模方法，实现了结构化离线数据、非结构化离线数据以及实时流数据对应所属对象化模型和对象数据引用的融合建模；并可以实现结构化、非结构化离线数据和实时流数据等异构数据基于设备的对象化信息的融合关联。4.根据权利要求1所述的工业大数据计算任务调度管理系统，其特征在于，所述一体化模型管理模块包括元模型管理单元，通过元模型管理单元实现动态的创建对象模型，所述一体化模型管理模块，构建模型分区解耦和信息、物理、功能融合关联的模型管理，实现数据采集模型、业务对象模型和功能算法模型的独立建模、分类管理和融合关联。5.根据权利要求1所述的工业大数据计算任务调度管理系统，其特征在于，所述数据采集模型能够自动映射到设备状态感知层属性模型，根据采集模型的配置规范自定义传输协议解析插件，采用协议插件式框架，将插件注入到采集模型上实现采集模型对自定义传输协议的支持。6.根据权利要求5所述的工业大数据计算任务调度管理系统，其特征在于，所述业务对象模型映射到业务对象表示层，支持横向分类建模和纵向分层建模，实现复杂场景的业务状态的灵活拆解。7.根据权利要求6所述的工业大数据计算任务调度管理系统，其特征在于，所述设备状态感层的数据采集模型、业务对象表示层的业务对象模型和功能算法描述层的功能算法模型在建模过程中彼此独立，在建模实现上互相解耦，在信息、物理、功能上实现关联融合，并以面向对象的思想将数据采集、业务对象和功能算法进行一体化建模。8.根据权利要求1所述的工业大数据计算任务调度管理系统，其特征在于，所述一体化模型管理模块包括模型实体单元，根据所述数据采集模型、业务对象模型和功能算法模型的定义，结合基于元模型信息创建的对象化模型可以动态创建数据采集模型实体、业务对象模型实体和功能算法模型实体，所述功能算法模型实体与算法配置模块进行通信，在算法配置模块中能够自定义算法功能，并将算法功能注入到功能算法模型实体中。
9.根据权利要求8所述的工业大数据计算任务调度管理系统...
【专利技术属性】
技术研发人员：纪陵，何鑫亮，王永，范仲鸣，杨小凡，
申请(专利权)人：南京国电南自电网自动化有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。