发电厂在任何国家都属于重要的基础建设之一。为了保证电厂设备能够长期平稳地运行,通过故障预警系统来对电厂的设备进行监测,对即将可能出现的故障进行预警,从而提前进行维护。但是一台基本的热力发电机机组中就将近有1万个测点,在面对不断产生的大量监测数据,需要设计一套能够处理实时数据流并找出故障测点的系统。为了处理电厂设备生成的实时数据流,本文设计了一套基于Storm分布式流计算框架的设备故障预警系统。首先建立模型维护一组相互关联的测点,选取这些测点的正常运行时间段的历史数据,通过高斯混合模型聚类算法建立数据模型,用Storm实时计算待测数据与模型中特征数据在各个维度的相似度,如果相似度过低则认为是异常点进行报警。为了避免数据生成速度和Storm处理速度不匹配,加入了Kafka作为消息队列对数据进行缓存,并且采用Web服务管理整个系统,能让技术人员更好地管理,降低操作难度。最后模拟电厂生成大量监测数据让Storm进行实时计算处理,并对结果进行分析。结果表明,设备故障预警系统能够应对大量的实时数据并且较准确地预测出异常点,从而实现设备故障的预警。