CN115130622A - 一种用于故障诊断的基础设施运行数据处理方法及装置 - Google Patents

Abstract

本发明公开了一种用于故障诊断的基础设施运行数据处理方法及装置，包括如下步骤：采集基础设施的运行数据，建立运行数据库；基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型；根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。本发明通过对基础设施的运行数据划分类型、设置相应的数据标签，增强了故障诊断时运行数据的可读性，提高了运行数据处理的工作效率。

Description

一种用于故障诊断的基础设施运行数据处理方法及装置

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于故障诊断的基础设施运行数据处理方法及装置。

背景技术

数据中心基础设施为数据中心安全可靠、正常运行提供保障，其主要由供配电、空调、安防、消防等***组成，***的设备包括多个品牌、多家工厂，设备设施运行数据的种类繁多，且运行数据的命名规则既不统一也不规范。虽然大部分运行数据的名称是由字母和数字组成，但是仅仅通过名称很难判断其本身所表示的含义和具体内容。

当需要对数据中心的运行数据进行故障诊断或者模型算法的后端应用时，针对运行数据的处理工作量较大。同时，若运行数据发生动态变化，还需要再付出额外的处理工作。同样的，若进行故障诊断或模型算法项目间的迁移，也还需要再次对新项目上的运行数据进行额外处理，以此来适应不同场景下的故障诊断或模型算法的后端应用。

基于以上问题，针对基础设施或者相关设备的运行数据如何进行处理，成为研究者的一个方向。如专利CN114281541A公开了一种设备分析***及方法，大致的过程是对采集到的源数据建立N个标签，构建网络设备与标签集合的数据仓库。在对设备进行分析时，不仅采集网络设备的固有属性源数据，还采集网络设备的流量，风险监控、运营管理源数据中的至少一项，增加与网络设备运营维护相关联的数据，使得对网络设备的维护更全面准确。

但是，以上方案对设备数据标签的建立未涉及复杂且设备、设施类型多样的应用情景，且未对表征设备运转状态的相关数据进行标签化处理，因而，根据采集并处理的数据无法实现对设备的智能化故障分析、诊断及监测。

在冶炼领域，如专利CN112836096A给出了一种基于数据中间件的高炉专家规则知识库管理***，通过规则库变量配置模块对高炉专家知识规则进行配置和维护，以及通过数据中间件从高炉运行状态数据库读取高炉运行数据，并与推理机管理***数据库进行匹配和推理，进而将与规则匹配的操作炉型建议以及炉况说明反馈给高炉操作人员。在该方案中当专家知识规则修改或扩充时，需要同时更新规则库变量配置模块和数据中间件，并且当数据迁移到新的项目上时也需要一定程度上修改规则库变量配置模块和数据中间件，费时又费力且无法保证应用的准确性。

因此，如何实现针对多场景、多类型基础设施运行数据的处理，以提高后续故障诊断的效率，实现针对基础设施的智能化监控是本领域技术人员亟待解决的问题。

发明内容

针对上述现有技术中存在的缺陷，本发明提供了一种用于故障诊断的基础设施运行数据处理方法及装置，通过对基础设施的运行数据划分类型、构建语义数据模型，为不同的运行数据设置相应的数据标签，搭建起数据标签与基础设施的对应关系，增强了后续对基础设施进行故障诊断过程中相应运行数据的可读性，提高了针对运行数据处理的工作效率，更是实现了运行数据在故障诊断规则、模型算法时的快速迁移、扩充和复用。

第一方面，本发明提供一种用于故障诊断的基础设施运行数据处理方法，包括如下步骤：

采集基础设施的运行数据，建立运行数据库；

基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型；

根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

通过对基础设施运行数据构建语义数据模型，根据不同属性设置数据标签，搭建数据标签与基础设施的对应关系，将后续面向数据的基础设施故障诊断转化成为了面向数据标签的故障诊断，提高了对运行数据处理的工作效率，实现运行数据在故障诊断规则、模型算法时的快速迁移、扩充和复用。

进一步的，基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，具体包括：

基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据；

分别为运行设备数据和监控点位数据定义第一类别标签和第二类别标签；

其中，运行设备数据反映基础设施的基本属性，监控点位数据反映基础设施的运转属性。

进一步的，分别为运行设备数据和监控点位数据定义第一类别标签和第二类别标签，具体包括：

第一类别标签的内容包括设备名称、所属位置、设备类型及设备描述；

第二类别标签的内容包括设备名称、点位描述及点位类型。

基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据，并分别定义为不同的类别标签，便于在故障诊断时的分析和判断。

进一步的，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库，具体包括：

对运行数据库的运行数据进行逐一识别，判断识别的运行数据反映的基础设施属性；

基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签；

重复以上步骤，完成运行数据库中所有运行数据的数据标签设置，形成数据标签库。

进一步的，基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签，具体包括：

如判断为反映基础设施的基本属性，则确定为运行设备数据，设置为第一类别标签，如判断为反映基础设施的运转属性，则确定为监控点位数据，设置为第二类别标签；

基于预定义的第一类别标签和第二类别标签的格式，为识别的运行数据设置数据标签，形成赋值数组的数据标签；

其中，第一类别标签和第二类别标签中相同的运行设备的设备名称的赋值数组一致。

进一步的，语义数据模型与设置数据标签的关系公式为：

其中，P为语义数据模型，n为运行数据库的所有运行数据，m为所有运行设备数据，n-m为所有监控点位数据，f（x _i ）为运行设备数据标记函数，g（x _j ）为监控点位数据标记函数。

进一步的，运行设备数据标记函数，具体包括：

其中，f（x _i ）为运行设备数据标记函数，m为所有运行设备数据，λ ₁ ，λ ₂ ，λ _3… λ _k为k个与 运行设备数据相关的第一类别标签，

为对应λ第一类别标签矩阵的调节系数，a ₁ ，a ₂ ，a _3… a _k 的取值为1或0，x _i 表示第i个运行设备数据，diag为形成对角矩阵的函数；

监控点位数据标记函数，具体包括：

其中，g（x _j ）为监控点位数据标记函数，n为运行数据库的所有运行数据，n-m为所 有监控点位数据，

为l个与监控点位数据相关的第二类别标签，

为对应

第二类别标签矩阵的调节系数，b ₁ ，b ₂ ，b _3… b _l 的取值为1或0，

表示第j个反监控点 位数据，diag为形成对角矩阵的函数。

进一步的，对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断，具体包括：

基于需要进行故障诊断的基础设施，确定在数据标签库进行搜寻的第一类别标签内容和第二类别标签内容；

通过第一类别标签内容和第二类别标签内容识别出数据标签库中相关的每一数据标签，形成待诊断数据标签集合；

根据待诊断数据标签集合，确定对应的待诊断运行数据，完成对基础设施的故障诊断。

进一步的，基础设施的故障诊断与数据标签库的关系，其关系公式如下：

其中，X_u为基础设施的运行数据，F为故障诊断函数，ω为在数据标签库内进行检索的函数，t为数据标签库中的数据标签，w为数据标签的编号，v为数据标签检索函数的个数，M为数据标签库中数据标签的数量，N为预设的正整数。

根据搭建的数据标签与基础设施的对应关系，以及故障诊断与数据标签库的关系公式，在进行基础设施故障诊断时，可快速输出诊断结果，并提出建议措施，实现基础设施故障诊断的便捷化和智能化。

同时，可利用数据标签快速查找出不同设备、设施所包含的同类别数据，以此作为输入数据便可直接进行故障诊断规则、模型算法的快速复用。当扩充故障诊断规则、模型算法时，只需确定所需输入数据的数据标签，便可直接实现故障诊断规则、模型算法的快速扩充。

第二方面，本发明还提供一种采用上述处理方法的装置，包括：

采集模块，用于采集基础设施的运行数据，建立运行数据库；

构建模块，用于根据与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

分析模块，用于对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

本发明提供的一种用于故障诊断的基础设施运行数据处理方法及装置，至少包括如下有益效果：

（1）通过对基础设施运行数据划分类型、构建语义数据模型，为不同运行数据设置相应的数据标签，搭建起数据标签与基础设施的对应关系，将后续面向数据的基础设施故障诊断转化成为了面向数据标签的故障诊断，增强了针对基础设施进行故障诊断过程中运行数据的可读性，提高了针对运行数据处理的工作效率，更是实现了运行数据在故障诊断规则、模型算法时的快速迁移、扩充和复用。

（2）基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据，并分别定义为不同的类别标签，便于在故障诊断时的分析和判断。

（3）根据搭建的数据标签与基础设施的对应关系，以及故障诊断与数据标签库的关系公式，在进行基础设施故障诊断时，可快速输出诊断结果，并提出建议措施，实现基础设施故障诊断的便捷化和智能化。

附图说明

图1为本发明提供的一种用于故障诊断的基础设施运行数据处理方法的流程示意图；

图2为本发明提供的构建包含所有运行数据类型的语义数据模型的流程示意图；

图3为本发明提供的反映不同基础设施属性的类别标签树状图；

图4为本发明提供的形成数据标签库的流程示意图；

图5为本发明提供的数据标签库的故障诊断时的快速复用流程图；

图6为本发明提供的数据标签库的故障诊断时的快速迁移流程图；

图7为本发明提供的用于故障诊断的基础设施运行数据处理装置的结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者装置中还存在另外的相同要素。

如图1所示，本发明提供一种用于故障诊断的基础设施运行数据处理方法，包括如下步骤：

采集基础设施的运行数据，建立运行数据库；

基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型；

根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

通过对基础设施运行数据构建语义数据模型，根据不同属性设置数据标签，搭建数据标签与基础设施的对应关系，将后续面向数据的基础设施故障诊断转化成为了面向数据标签的故障诊断，提高了对运行数据处理的工作效率，实现运行数据在故障诊断规则、模型算法时的快速迁移、扩充和复用。

如图2所示，基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，具体包括：

基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据；

分别为运行设备数据和监控点位数据定义为第一类别标签和第二类别标签；

其中，运行设备数据反映基础设施的基本属性，监控点位数据反映基础设施的运转属性。

分别为运行设备数据和监控点位数据定义为第一类别标签和第二类别标签，具体包括：

第一类别标签的内容包括设备名称、所属位置、设备类型及设备描述；

第二类别标签的内容包括设备名称、点位描述及点位类型。

基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据，并分别定义为不同的类别标签，便于在故障诊断时的分析和判断。

如图3所示，构建的语义数据模型中针对第一类别标签和第二类别标签形成了类别标签树状图。例如，反映基础设施基本属性的运行设备数据定义为第一类标签，那么该运行设备的数据在定义为第一类标签时，内容包括设备名称、所属位置、设备类型及设备描述，对运行设备布局的n个监控点位的监控定位数据定义为第二类标签，那么该运行设备对应的每个监控点位（n个中的任意一个）的数据在定义为第二类标签时，内容均包括设备名称、点位类型和点位描述。

如图4所示，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库，具体包括：

对运行数据库的运行数据进行逐一识别，判断识别的运行数据反映的基础设施属性；

基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签；

重复以上步骤，完成运行数据库中所有运行数据的数据标签设置，形成数据标签库。

基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签，具体包括：

如判断为反映基础设施的基本属性，则确定为运行设备数据，设置为第一类别标签，如判断为反映基础设施的运转属性，则确定为监控点位数据，设置为第二类别标签；

基于预定义的第一类别标签和第二类别标签的格式，为识别的运行数据设置数据标签，形成赋值数组的数据标签；

其中，第一类别标签和第二类别标签中相同的运行设备的设备名称的赋值数组一致。

其中，重复以上步骤，完成运行数据库中所有运行数据的数据标签设置，形成数据标签库，具体包括：

其中，P为语义数据模型，n为运行数据库的所有运行数据，m为所有运行设备数据，n-m为所有监控点位数据，f（x _i ）为运行设备数据标记函数，g（x _j ）为监控点位数据标记函数。

其中，

运行设备数据标记函数，具体包括：

其中，f（x _i ）为运行设备数据标记函数，m为所有运行设备数据，λ ₁ ，λ ₂ ，λ _3… λ _k为k个与 运行设备数据相关的第一类别标签，

为对应λ第一类别标签矩阵的调节系数，a ₁ ，a ₂ ，a _3… a _k 的取值为1或0，x _i 表示第i个运行设备数据；k的数值不做具体限定，在不同的应用场景下具 体取值可以不同。

∀为全称量化符号，代表全称量词，指任意一个，diag为函数名称，用于构造对角矩阵。

具体来说，在某个实施例中，通过第一类别标签的数据标签函数，可以将反映基础设施的基本属性的运行数据转化为赋值数组形式的数据标签如下：

tags{type:”equip”,siteinfo:”site”,descs:[],equipName:”name”}

其中，type:”equip”表示该数据为运行设备数据，siteinfo表示该设备的所属位置，例如数据格式为“楼-层”，descs是一个用于描述该设备的标签数组，equipName表示该设备的名称。

例如：冷水机组对应的设备描述的数组为descs[chiller]，冷冻水泵对应的设备描述的数组为descs[chilled,water,pump]。

监控点位数据标记函数，具体包括：

其中，g（x _j ）为监控点位数据标记函数，n为运行数据库的所有运行数据，n-m为所 有监控点位数据，

为l个与监控点位数据相关的第二类别标签，

为对应

第二类别标签矩阵的调节系数，b ₁ ，b ₂ ，b _3… b _l 的取值为1或0，x _j 表示第j个反监控点 位数据。其中l的数值不做具体限定，在不同的应用场景下具体取值可以不同。

∀为全称量化符号，代表全称量词，指任意一个，diag为函数名称，用于构造对角矩阵。

具体来说，在某个实施例中，通过第二类别标签的数据标签函数，可以将反映基础设施的运转属性的运行数据转化为赋值数组形式的数据标签如下：

tags{type:”point”,descs:[],equipName:”name”}

其中，type:”point”表示该数据为监控点位数据，descs表示为点位描述，equipName表示该监控点位数据所属的运行设备名称。

descs是一个用于描述该监控点位的标签数组，例如，热通道的温度数据对应的点位描述的数组为descs[temp,sensor,hot,asile]，送风温度设定值对应的点位描述的数组为descs[temp,sp,discharge,air]，冷冻水进水温度对应的点位描述的数组为descs[temp,sp,entering,chiled,water]。

对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断，具体包括：

基于需要进行故障诊断的基础设施，确定在数据标签库进行搜寻的第一类别标签内容和第二类别标签内容；

通过第一类别标签内容和第二类别标签内容识别出数据标签库中相关的每一数据标签，形成待诊断数据标签集合；

根据待诊断数据标签集合，确定对应的待诊断运行数据，完成对基础设施的故障诊断。

如以上实施例中的赋值数组的数据标签中，equipName实现了基础设施与数据标签的自动关联，也实现了运行设备数据和监控点位数据的自动关联。定义语义数据模型后利用数据标签可以快速检索出所需数据。

例如：

（1）查询安装在7号楼2层的所有运行设备数据：

read(type=”equip” and siteinfo=”7-2”)；

（2）查询1号冷水机组的所有监控点位数据：

read(type=”point” and equipName =” 1号冷水机组”)；

（3）查询所有关于温度的监控点位数据：

read(type=”point” and [temp])；

（4）查询所有热通道温度监控点位数据：

read(type=”point” and [temp,sensor,hot,asile])。

为不同的运行数据设置相应的数据标签，搭建起数据标签与基础设施的对应关系，增强了后续对基础设施进行故障诊断过程中相应运行数据的可读性，提高了针对运行数据处理的工作效率。

具体来说，对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断，具体包括：

基础设施的故障诊断与数据标签库的关系，其关系公式如下：

其中，X_u为基础设施的运行数据，F为故障诊断函数，ω为在数据标签库内进行检索的函数，t为数据标签库中的数据标签，w为数据标签的编号，v为数据标签检索函数的个数，M为数据标签库中数据标签的数量，N为预设的正整数。

以上的关系公式中v与u并非是一一对应的关系，N的数值根据不同的应用场景而发生变化。

如图5所示，将相同的故障诊断规则、模型算法应用于同一个项目中的不同设备时，可利用某一特定对应的数据标签在数据标签库中快速查找出不同设备、设施所包含的同类别数据，并且以此作为输入数据，便可直接进行故障诊断规则、模型算法的快速复用，给出故障诊断的建议措施。

如图6所示，当故障诊断规则、模型算法应用于不同项目时，只需确定所需输入数据的数据标签，便可直接实现故障诊断规则、模型算法的快速扩充。

如图7所示，本发明还提供一种用于故障诊断的基础设施运行数据处理装置，包括：

采集模块，用于采集基础设施的运行数据，建立运行数据库；

构建模块，用于根据与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

分析模块，用于对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种用于故障诊断的基础设施运行数据处理方法，其特征在于，包括如下步骤：

采集基础设施的运行数据，建立运行数据库；

基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型；

根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

2.如权利要求1所述的基础设施运行数据处理方法，其特征在于，基于与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，具体包括：

基于反映基础设施属性的区别，将运行数据库中运行数据的类型划分为运行设备数据和监控点位数据；

分别为运行设备数据和监控点位数据定义第一类别标签和第二类别标签；

其中，运行设备数据反映基础设施的基本属性，监控点位数据反映基础设施的运转属性。

3.如权利要求2所述的基础设施运行数据处理方法，其特征在于，分别为运行设备数据和监控点位数据定义第一类别标签和第二类别标签，具体包括：

第一类别标签的内容包括设备名称、所属位置、设备类型及设备描述；

第二类别标签的内容包括设备名称、点位描述及点位类型。

4.如权利要求3所述的基础设施运行数据处理方法，其特征在于，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库，具体包括：

对运行数据库的运行数据进行逐一识别，判断识别的运行数据反映的基础设施属性；

基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签；

重复以上步骤，完成运行数据库中所有运行数据的数据标签设置，形成数据标签库。

5.如权利要求4所述的基础设施运行数据处理方法，其特征在于，基于判断出的反映基础设施属性，为识别的运行数据设置对应的类别标签，形成数据标签，具体包括：

如判断为反映基础设施的基本属性，则确定为运行设备数据，设置为第一类别标签，如判断为反映基础设施的运转属性，则确定为监控点位数据，设置为第二类别标签；

基于预定义的第一类别标签和第二类别标签的格式，为识别的运行数据设置数据标签，形成赋值数组的数据标签；

其中，第一类别标签和第二类别标签中相同的运行设备的设备名称的赋值数组一致。

6.如权利要求4所述的基础设施运行数据处理方法，其特征在于，语义数据模型与设置数据标签的关系公式为：

其中，P为语义数据模型，n为运行数据库的所有运行数据，m为所有运行设备数据，n-m为所有监控点位数据，f（x _i ）为运行设备数据标记函数，g（x _j ）为监控点位数据标记函数。

7.如权利要求6所述的基础设施运行数据处理方法，其特征在于，运行设备数据标记函数，具体包括：

其中，f（x _i ）为运行设备数据标记函数，m为所有运行设备数据，λ ₁ ，λ ₂ ，λ _3… λ _k为k个与运行 设备数据相关的第一类别标签，

为对应λ第一类别标签矩阵的调节系数，a ₁ ，a ₂ ，a _3… a _k的取 值为1或0，x _i 表示第i个运行设备数据，diag为形成对角矩阵的函数；

监控点位数据标记函数，具体包括：

其中，g（x _j ）为监控点位数据标记函数，n为运行数据库的所有运行数据，n-m为所有监控 点位数据，

为l个与监控点位数据相关的第二类别标签，β为对应

第二类 别标签矩阵的调节系数，b ₁ ，b ₂ ，b _3… b _l 的取值为1或0，x _j 表示第j个反监控点位数据，diag为形 成对角矩阵的函数。

8.如权利要求3所述的基础设施运行数据处理方法，其特征在于，对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断，具体包括：

基于需要进行故障诊断的基础设施，确定在数据标签库进行搜寻的第一类别标签内容和第二类别标签内容；

通过第一类别标签内容和第二类别标签内容识别出数据标签库中相关的每一数据标签，形成待诊断数据标签集合；

根据待诊断数据标签集合，确定对应的待诊断运行数据，完成对基础设施的故障诊断。

9.如权利要求8所述的基础设施运行数据处理方法，其特征在于，基础设施的故障诊断与数据标签库的关系，其关系公式如下：

其中，X_u为基础设施的运行数据，F为故障诊断函数，ω为在数据标签库内进行检索的函数，t为数据标签库中的数据标签，w为数据标签的编号，v为数据标签检索函数的个数，M为数据标签库中数据标签的数量，N为预设的正整数。

10.一种采用如权利要求1-9任一所述基础设施运行数据处理方法的装置，其特征在于，包括：

采集模块，用于采集基础设施的运行数据，建立运行数据库；

构建模块，用于根据与基础设施的关系，将运行数据自定义为至少两种不同的类型，构建包含所有运行数据类型的语义数据模型，根据构建的语义数据模型，将运行数据库中的所有运行数据转化为与基础设施形成对应关系的数据标签，形成数据标签库；

分析模块，用于对数据标签库分析，确定异常的运行数据，完成基础设施的故障诊断。

Images