CN115185489A - 一种时序数据算法组态系统和方法 - Google Patents

Abstract

本发明具体涉及一种时序数据算法组态系统和方法，包括如下步骤：接收用户发送的时序数据工程管理请求；根据所述时序数据工程管理请求，建立时序数据管理工程；接收用户发送的算法组态请求；根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；将实时数据导入预处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。本发明的时序数据算法组态系统和方法，用户通过前端操作界面向服务器发出请求，服务器通过对时序数据的分析需求，在线进行算法的组态，以实现对多种不同的时序数据进行分析的目的。

Description

一种时序数据算法组态系统和方法

技术领域

本发明涉及时序数据算法技术领域，特别是涉及一种时序数据算法组态系统和方法。

背景技术

时序数据是同一统一指标按时间顺序记录的数据列，例如实时的水位数据。在核电站安全级DCS数字化控制系统中，各控制站需要根据预先设定的算法实现各种时序数据的分析，针对不同类型的数据，需要开发多种不同的算法模型然后导入相应的设备中运行后，才能实现时序数据的分析。因此，导致目前，针对每一种时序数据，都需要开发一套软件来进行时序数据的分析，给工程师带来了麻烦，导致算法的复用性低，编程效率低，而且多个软件的开发增加了开发成本。

发明内容

基于此，有必要针对现有时序数据算法组态系统和方法不能满足多种时序数据进行在线分析的问题，提供一种时序数据算法组态系统和方法，用户通过前端操作界面向服务器发出请求，服务器通过对时序数据的分析需求，在线进行算法的组态，以实现对多种不同的时序数据进行分析的目的。

为了实现上述目的，本发明提供如下技术方案：

一种时序数据算法组态方法，包括如下步骤：

步骤1、接收用户发送的时序数据工程管理请求；根据所述时序数据工程管理请求，建立时序数据管理工程；

步骤2、接收用户发送的算法组态请求；根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

步骤3、对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

步骤4、将实时数据导入预处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

进一步地，步骤2包括如下步骤：

步骤2.1、接收用户发送的算法组态请求；

步骤2.2、根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；

步骤2.3、根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。进一步地，所述步骤2.3包括如下步骤：

步骤2.3.1、采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

进一步地，所述步骤3包括如下步骤：

步骤3.1、对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；

步骤3.2、对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

进一步地，所述步骤4包括如下步骤：

步骤4.1、从实时数据库中获取实时数据；

步骤4.2、对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；

步骤4.3、将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。优选地，所述时序数据算法组态方法还包括：对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。

优选地，所述时序数据算法组态方法还包括：对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。

本发明还提供一种时序数据算法组态系统，包括：

工程建立单元，用于接收用户发送的时序数据工程管理请求，建立时序数据管理工程；

算法模块建立单元，用于接收用户发送的算法组态请求，根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

算法模块导入单元，用于对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

数据分析单元，用于将实时数据导入与处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

进一步地，所述算法模块建立单元用于接收用户发送的算法组态请求；根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。

进一步地，所述算法模块建立单元用于采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

进一步地，所述算法模块导入单元用于对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；以及用于对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

进一步地，所述时序数据分析单元用于从实时数据库中获取获取实时数据；用于对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；以及用于将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。

优选地，所述时序数据算法组态系统还包括算法模块运行状态监控单元，所述算法模块运行状态监控单元用于对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。

优选地，所述时序数据算法组态系统还包括算法模块验证单元，所述算法模块验证单元用于对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。

本发明的有益技术效果：

本发明的时序数据算法组态系统和方法，首先接收用户的工程管理请求，建立时序数据管理工程，然后接收用户的算法组态请求，根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块，之后再对一个或者多个算法进行预处理后，导入时序数据管理工程中，最后将实时数据导入与处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

本发明的时序数据算法组态系统和方法，根据用户的算法组态请求，可直接在线进行算法的组态，得到多个算法模块，然后将多个算法模块进行预处理，以将算法模块转换为可执行的程序或者动态库后，再将实时数据导入，即可通过在线组态的方式实现对实时数据的分析处理，从而可以适配多种不同的时序数据，针对不同的时序数据，可快速的进行算法在线组态，避免了重复开发，加快编程效率，降低开发成本。

附图说明

图1为本发明的时序数据算法组态系统逻辑示意图；

图2为使用本发明的时序数据算法组态系统进行时序数据算法组态示意图；

图3为本发明的时序数据算法组态方法流程示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步详细地描述。

参见图3，本发明提供一种时序数据算法组态方法，包括如下步骤：

步骤1、接收用户发送的时序数据工程管理请求；根据所述时序数据工程管理请求，建立时序数据管理工程；

步骤2、接收用户发送的算法组态请求；根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

步骤3、对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

步骤4、将实时数据导入预处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

所述步骤1实现时序数据管理工程的建立，通过建立时序数据管理工程即可将时序数据管理工程与实时数据对应，从而针对时序数据管理工程来对应的进行算法的组态。在建立时序数据管理工程时，用户通过对时序数据管理工程进行如下操作来发送时序数据工程管理请求：新建、打开、删除、修改、导入和导出。

所述步骤2用于实现算法的组态，通过对多种不同的算法不见以及脚本函数进行组合，即可生成多个用于进行时序数据分析的算法模块，具体包括如下步骤：

步骤2.1、接收用户发送的算法组态请求；

步骤2.2、根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；

步骤2.3、根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。

当接收到用户的算法组态请求后，可以通过在预设的算法部件库中选取算法部件，在脚本函数库中选取对应的脚本函数来进行算法的组态，具体地，所述算法部件库中存储有多个算法部件，所述脚本函数库中存储有多个脚本函数；用户通过对算法部件的管理和脚本函数的管理来发出算法组态请求，所述算法部件的管理包括对算法部件进行如下操作：新建、删除、修改、查询、导出、打开、导入和分类，所述脚本函数的管理包括对脚本函数进行如下操作：新建、删除、修改、查询、导出和导入；所述脚本函数库包含存储于本地的脚本函数和放置于云端的脚本函数，通过Web版脚本算法编辑工具实现对云端的脚本函数进行如下操作：修改、保存、镶嵌、向后回退、复制、粘贴、剪切和编译。

所述步骤2.3为了实现算法模块的生成，需要将算法部件和脚本函数进行组合，具体包括如下步骤：

步骤2.3.1、采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

脚本函数用于实现算法部件的功能配置，具体实施时，首先新建一个算法画面，然后将多个需要用到的算法部件导入算法画面中进行组合，之后再将多个脚本函数导入算法画面中，对各个算法部件进行配置，从而能够使多个算法部件配合形成一个具有特定功能的算法画面；通过新建多个算法画面，然后将多个算法画面进行调用顺序的配置后，即可生成一个算法模块，之后再通过重复上述方法，即可生成多个算法模块。

所述步骤3实现算法模块的预处理，使算法模块可以转换为能够被执行的计算机程序或者动态库，具体包括如下步骤：

步骤3.1、对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；

步骤3.2、对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

为了保证计算效率，并实现算法模块的执行，需将算法模块转换为面向编译的语言，编译成二进制文件后才能执行。具体的，首先对各个算法画面进行画面转换，得到格式为Fotran语言、C语言或者C++语言的源码，并生成编译需要的配置文件，然后使用编译工具编译Fotran语言、C语言或者C++语言的源码，并根据配置文件将算法模块转换为动态库或者可执行程序，实现后续算法模块的执行。

所述步骤4是为了将组态生成的算法模块运用于具体的运行环境中，从而实时对实时数据进行分析，具体包括如下步骤：

步骤4.1、从实时数据库中获取实时数据；

步骤4.2、对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；

步骤4.3、将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。

首先将实时数据库与运行环境进行对接，使实时数据库中的实时数据可导入运行环境中；然后对各个算法模块的执行顺序进行配置，其中各个算法模块的执行顺序可以同时进行或者具有先后顺序，具体配置方法可根据实际情况而定，本发明对此不做限定；之后再通过网络将处理后的算法模块下装到运行环境中，与实时数据库中的实时数据对接，即可使各个算法模块对实时数据进行分析；分析计算得到的结果存储于数据存储库中，具体可存储于Redis数据库中。需要说明的是，实时数据的计算可分为周期性计算方式和非周期性计算方式，周期性计算方式即使各个算法按照预定的周期来对实时数据进行周期性的计算，非周期性计算即使各个算法一次性的计算导入的实时数据。

此外，需要说明的是，算法模块的输入参数由用户给出，通过进行参数配置，可以保证算法模块可以是用户所需的计算方式，从而得到所需的结果。运行环境采用主备冗余框架实现服务的高可用，主备冗余采用热备方案，A/B两列的服务只能有一个处于活动状态，另一列处于热备用状态，能够提供根据服务器健康状况自动切换，和根据人为强制切换两种模式，主备机都提供了计算引擎，用户负责算法模块的健康状态监控，而且，只有主机才参与数据的I/O和计算，备机无数据I/O而且不计算。

优选地，为了实现对各个算法模块的监控，保证各个算法模块能够工作于正常情况，所述时序数据算法组态方法还包括：对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。工作人员可通过监控日志来判断各个算法模块是否运行正常，从而可以适时的进行修改和调整，以保证算法模块的正常运行。

优选地，为了避免算法模块被下装前或者出现异常时，无法被发现运行错误，所述时序数据算法组态方法还包括：对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。在仿真时，可同时对所有需要同时上线或者下线的算法模块进行仿真运算，以判断出各个算法模块是否正常，仿真时，各个算法模块需处于离线状态，以保证能够准确的判断出算法模块是否正常。

参见图1-2，本发明还提供一种时序数据算法组态系统，包括：

工程建立单元，用于接收用户发送的时序数据工程管理请求，建立时序数据管理工程；

算法模块建立单元，用于接收用户发送的算法组态请求，根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

算法模块导入单元，用于对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

时序数据分析单元，用于将实时数据导入预处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

所述算法模块是一个可以独立完成某项业务计算的单元及其配置文件，最终可以编译成一个动态库或者可执行程序。所述算法模块并不限于完成某一项功能，例如其可以是报警计算模块，氙毒预测模块，热功率计算模块等，可以进行设备状态计算、报警计算、工况计算等需要后台周期性计算的场合。

所述工程建立单元用于实现时序数据管理工程的建立，通过建立时序数据管理工程即可将时序数据管理工程与实时数据对应，从而针对时序数据管理工程来对应的进行算法的组态。用户通过在前端界面进行时序数据管理工程的新建、打开、删除、修改、导入、导出等操作来发出时序数据工程管理请求，工程建立单元接收用户发送的时序数据工程管理请求，建立时序数据管理工程。

所述算法模块建立单元用于实现算法的组态，通过对多种不同的算法部件以及脚本函数进行组合，即可生成多个用于进行时序数据分析的算法模块，具体地，所述算法模块建立单元用于接收用户发送的算法组态请求；根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。

当算法模块建立单元接收到用户的算法组态请求后，可以通过在预设的算法部件库中选取算法部件，在脚本函数库中选取对应的脚本函数来进行算法的组态，具体地，所述算法部件库中存储有多个算法部件，用户通过在前端界面进行算法部件的管理来向算法模块建立单元发出算法组态请求，算法部件的管理包括对算法部件进行新建、打开、删除、修改、导入、导出等操作；所述脚本函数库中存储有多个脚本函数，用户通过前端界面进行脚本函数的管理来向算法模块建立单元发出算法组态请求，脚本函数的管理包括对脚本函数进行新建、删除、修改、查询、导出、导入等操作；所述算法模块建立单元用于接收用户发出的算法组态请求；根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。所述脚本函数库包含存储于本地的脚本函数以及放置于云端的脚本函数，云端的脚本函数可通过Web版脚本算法编辑工具来实现修改、保存、镶嵌、向后回退、复制、粘贴、剪切、编译等操作。

所述算法模块建立单元用于实现算法模块的生成，需要将算法部件和脚本函数进行组合，具体地，所述算法模块建立单元用于采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

脚本函数用于实现算法部件的功能配置，具体实施时，可以先在前端界面新建一个算法画面，然后将多个需要用到的算法部件导入算法画面中进行组合，之后再将多个脚本函数导入算法画面中，对各个算法部件进行配置，从而能够使多个算法部件配合形成一个具有特定功能的算法画面；通过新建多个算法画面，然后将多个算法画面进行调用顺序的配置后，即可生成一个算法模块，之后再通过重复上述方法，即可生成多个算法模块。

所述算法模块导入单元用于实现算法模块的预处理，使算法模块可以转换为能够被执行的计算机程序或者动态库，具体地，所述算法模块导入单元用于对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；以及用于对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

为了保证计算效率，并实现算法模块的执行，需将算法模块转换为面向编译的语言，编译成二进制文件后才能执行。具体的，首先对各个算法画面进行画面转换，得到格式为Fotran语言、C语言或者C++语言的源码，并生成编译需要的配置文件，然后使用编译工具编译Fotran语言、C语言或者C++语言的源码，并根据配置文件将算法模块转换为动态库或者可执行程序，实现后续算法模块的执行。

所述时序数据分析单元用于将组态生成的算法模块运用于具体的运行环境中，从而实时对实时数据进行分析，具体地，所述时序数据分析单元用于从实时数据库中获取获取实时数据；用于对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；以及用于将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。

时序数据分析单元首先将实时数据库与运行环境进行对接，使实时数据库中的实时数据可导入运行环境中；然后对各个算法模块的执行顺序进行配置，其中各个算法模块的执行顺序可以同时进行或者具有先后顺序，具体配置方法可根据实际情况而定，本发明对此不做限定；之后再通过网络将处理后的算法模块下装到运行环境中，与实时数据库中的实时数据对接，即可使各个算法模块对实时数据进行分析；分析计算得到的结果存储于数据存储库中，具体可存储于Redis数据库中，并在前端界面上实时显示，方便工作人员查看。

需要说明的是，实时数据的计算分为周期性计算方式和非周期性计算方式，周期性计算方式即使各个算法按照预定的周期来对实时数据进行周期性的计算，非周期性计算即使各个算法一次性的计算导入的实时数据。此外，需要说明的是，时序数据分析单元的输入参数通过用户在前端界面输入给出，通过进行参数配置，可以保证数据分析单元可以是用户所需的计算方式，从而得到所需的结果。此外，运行环境采用主备冗余框架实现服务的高可用，主备冗余采用热备方案，A/B两列的服务只能有一个处于活动状态，另一列处于热备用状态，能够提供根据服务器健康状况自动切换，和根据人为强制切换两种模式，主备机都提供了计算引擎，用户负责算法模块的健康状态监控，而且，只有主机才参与数据的I/O和计算，备机无数据I/O而且不计算。

优选地，为了实现对各个算法模块的监控，保证各个算法模块能够工作于正常情况，所述时序数据算法组态系统还包括算法模块运行状态监控单元，所述算法模块运行状态监控单元用于对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。工作人员可通过监控日志来判断各个算法模块是否运行正常，从而可以适时的进行修改和调整，以保证算法模块的正常运行。

优选地，为了避免算法模块被下装前或者出现异常时，无法被发现运行错误，所述时序数据算法组态系统还包括算法模块验证单元，所述算法模块验证单元用于对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。在仿真时，可同时对所有需要同时上线或者下线的算法模块进行仿真运算，以判断出各个算法模块是否正常，仿真时，各个算法模块需处于离线状态，以保证能够准确的判断出算法模块是否正常。

所述算法模块是一个可以独立完成某项业务计算的单元及其配置文件，最终可以编译成一个动态库或者可执行程序。并不限于完成某一项功能，例如其可以是报警计算模块，氙毒预测模块，热功率计算模块等，可以进行设备状态计算、报警计算、工况计算等需要后台周期性计算的场合。

所述工程算法模块、配置、运行组件的集合。由用户根据自己的业务特性创建，一般建议以机组为最小单元创建。例如：海南一号机组工程，田湾1/2号机组工程等。

所述算法模块是一个可以独立完成某项业务计算的单元及其配置文件，最终可以编译成一个动态库或者可执行程序。例如：报警计算模块，氙毒预测模块，热功率计算模块等。

所述算法部件是图形化建模的最小单元，一般对应了一个特定的功能函数。例如：触发器，逻辑AND计算，四选二算法等。

所述算法画面是通过可视化手段，由算法部件相连形成的具备调用关系的图形化文件。若干个画面经过组合、编译后可生成算法模块。

为了更好的理解本发明，以下具一具体实施例对本发明的技术方案进行详细说明。

实施例1

本发明提供一种时序数据算法组态方法，使用时序数据算法组态系统，包括如下步骤：

步骤1、用户用户通过在前端界面对时序数据管理工程操作来向工程建立单元发出时序数据工程管理请求；

步骤2、用户通过在前端页面对算法部件的管理和脚本函数的管理来向算法模块建立单元发出算法组态请求；

步骤3、工程建立单元接收用户发送的工程管理请求，建立时序数据管理工程；

步骤4、算法模块建立单元接收用户发送的算法组态请求，在算法部件库中选取对应的算法部件，从脚本函数库中选取对应的脚本函数；

步骤5、算法模块建立单元采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块；

步骤6、算法模块导入单元对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；

步骤7、算法模块导入单元对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序；

步骤8、算法模块验证单元对各个处理后的算法模块进行仿真运算，以判断算法模块是否正常；

步骤9、时序数据分析单元从实时数据库中获取实时数据；

步骤10、时序数据分析单元对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；

步骤11、时序数据分析单元将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储；

步骤12、通过算法模块运行状态监控单元对各个算法模块的运行状态进行监控，并生成监控日志。本发明的时序数据算法组态系统和方法，首先接收用户的时序数据工程管理请求，建立时序数据管理工程，然后接收用户的算法组态请求，根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块，之后再对一个或者多个算法进行预处理后，导入时序数据管理工程中，最后将实时数据导入与处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

本发明的时序数据算法组态系统和方法，在建立了时序数据管理工程后，根据用户的算法组态请求，可直接在线进行算法的组态，得到多个算法模块，然后将多个算法模块进行预处理，以将算法模块转换为可执行的程序或者动态库后，再将实时数据导入，即可通过在线组态的方式实现对实时数据的分析处理，从而可以适配多种不同的时序数据，针对不同的时序数据，可快速的进行算法在线组态，避免了重复开发，加快编程效率，降低开发成本。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (14)

1.一种时序数据算法组态方法，其特征在于，包括如下步骤：

步骤1、接收用户发送的时序数据工程管理请求；根据所述时序数据工程管理请求，建立时序数据管理工程；

步骤2、接收用户发送的算法组态请求；根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

步骤3、对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

步骤4、将实时数据导入预处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

2.根据权利要求1所述的时序数据算法组态方法，其特征在于，步骤2包括如下步骤：

步骤2.1、接收用户发送的算法组态请求；

步骤2.2、根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；

步骤2.3、根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。

3.根据权利要求2所述的时序数据算法组态方法，其特征在于，所述步骤2.3包括如下步骤：

步骤2.3.1、采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

4.根据权利要求3所述的时序数据算法组态方法，其特征在于，所述步骤3包括如下步骤：

步骤3.1、对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；

步骤3.2、对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

5.根据权利要求1所述的时序数据算法组态方法，其特征在于，所述步骤4包括如下步骤：

步骤4.1、从实时数据库中获取实时数据；

步骤4.2、对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；

步骤4.3、将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。

6.根据权利要求1所述的时序数据算法组态方法，其特征在于，所述时序数据算法组态方法还包括：对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。

7.根据权利要求1所述的时序数据算法组态方法，其特征在于，所述时序数据算法组态方法还包括：对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。

8.一种时序数据算法组态系统，其特征在于，包括：

时序数据管理工程建立单元，用于接收用户发送的时序数据工程管理请求，建立时序数据管理工程；

算法模块建立单元，用于接收用户发送的算法组态请求，根据所述算法组态请求进行算法的组态，以得到一个或者多个算法模块；

算法模块导入单元，用于对所述一个或者多个算法模块进行预处理后，导入时序数据管理工程中；

数据分析单元，用于将实时数据导入与处理后的一个或者多个所述算法模块中，对所述实时数据进行实时计算，以实现对实时数据的分析并存储。

9.根据权利要求8所述的时序数据算法组态系统，其特征在于，所述算法模块建立单元用于接收用户发送的算法组态请求；根据所述算法组态请求，从算法部件库选取对应的算法部件，从脚本函数库中选取对应的脚本函数；根据选取的算法部件和脚本函数组装生成一个或者多个算法模块。

10.根据权利要求9所述的时序数据算法组态系统，其特征在于，所述算法模块建立单元用于采用选取的脚本函数将选取的算法部件进行连接和组合，以生成多个算法画面后，将多个算法画面进行组合，以生成一个或者多个算法模块。

11.根据权利要求9所述的时序数据算法组态系统，其特征在于，所述算法模块导入单元用于对所述算法模块中的各个算法画面进行画面转换，以得到源码，并生成编译所需的配置文件；以及用于对所述源码进行编译后，根据所述配置文件生成与所述算法模块对应的动态库或者可执行程序。

12.根据权利要求8所述的时序数据算法组态系统，其特征在于，所述时序数据分析单元用于从实时数据库中获取获取实时数据；用于对处理后的各个算法模块的执行顺序进行配置后，将处理后的各个算法模块下装到运行环境中；以及用于将所述实时数据导入处理后的各个算法模块中，以使处理后的各个所述算法模块按照执行顺序进行执行后，实现对实时数据的分析和存储。

13.根据权利要求8所述的时序数据算法组态系统，其特征在于，所述时序数据算法组态系统还包括算法模块运行状态监控单元，所述算法模块运行状态监控单元用于对组态得到的所有算法模块的运行状态进行监控，并生成监控日志。

14.根据权利要求8所述的时序数据算法组态系统，其特征在于，所述时序数据算法组态系统还包括算法模块验证单元，所述算法模块验证单元用于对组态得到的所有算法模块进行仿真运行，以实现对所有算法模块的验证。

Images