當前，我國(guo)新能(neng)源(yuan)產(chan)業(ye)正在(zai)逐漸(jian)推進(jin)能(neng)源(yuan)生(sheng)產(chan)和(he)消(xiao)費方式革(ge)命(ming)，構建清潔(jie)低碳、安(an)全高效的能(neng)源(yuan)體系成(cheng)為我國(guo)經濟社(she)會轉型發展的迫切(qie)需要(yao)。

   “工業(ye)智(zhi)能(neng)技(ji)術(shu)正在加速風電行業(ye)智(zhi)能(neng)化(hua)(hua)建設。”日(ri)前，北京天(tian)澤(ze)智(zhi)云科技(ji)有限公司技(ji)術(shu)研發副總裁金超博(bo)士在接受科技(ji)日(ri)報記者的(de)采訪時(shi)表(biao)示，風電智(zhi)能(neng)化(hua)(hua)有三個(ge)重要(yao)的(de)參考要(yao)素。

   數據來源與質(zhi)量管理

   金超強調，要結合風電領域知(zhi)識，對(dui)數(shu)據的(de)(de)來源跟質量進(jin)行(xing)管理，選擇那些(xie)對(dui)工業智(zhi)能建模有(you)作用的(de)(de)數(shu)據，才是最有(you)價值的(de)(de)。

   “這不僅僅適用于(yu)風(feng)電，任何一個(ge)做智(zhi)能(neng)化轉型的行業，采用數據驅(qu)(qu)動(dong)的方式，最終目(mu)的都是要(yao)將人的決策(ce)過程(cheng)自動(dong)化。也就是說，我(wo)們(men)所理解的數據驅(qu)(qu)動(dong)的工業智(zhi)能(neng)，是要(yao)將‘以前要(yao)靠人去不同的數據系統里(li)整合信息、內化成(cheng)知識、最后形成(cheng)決策(ce)’這樣一條鏈路自動(dong)化。”金超說。

   除(chu)了(le)對(dui)數(shu)據(ju)(ju)的量(liang)和(he)來(lai)源進(jin)行(xing)管(guan)理之(zhi)外，對(dui)數(shu)據(ju)(ju)質量(liang)的管(guan)理也很重要(yao)。金超(chao)認為，數(shu)據(ju)(ju)的質量(liang)，大概可以分為三類(lei)問(wen)題(ti)：第一類(lei)是通(tong)用的數(shu)據(ju)(ju)質量(liang)問(wen)題(ti)，比(bi)(bi)如(ru)奇異值(zhi)、缺失值(zhi)、超(chao)限值(zhi)等。第二(er)類(lei)是跟行(xing)業相關(guan)的，比(bi)(bi)如(ru)有的工況(kuang)不滿足分析(xi)目(mu)標，要(yao)對(dui)工況(kuang)做修正。第三類(lei)是跟建模相關(guan)的，如(ru)樣(yang)本不平衡、標簽缺乏(fa)等。

   數據(ju)質(zhi)量(liang)對(dui)數據(ju)驅(qu)動的模(mo)(mo)型效果非常重要(yao)，提前獲(huo)得(de)足量(liang)、高質(zhi)量(liang)、能代表所建模(mo)(mo)型對(dui)象行為的數據(ju)，是(shi)(shi)保證(zheng)模(mo)(mo)型效果的必要(yao)條件。但是(shi)(shi)，在現場獲(huo)取的數據(ju)的質(zhi)量(liang)，通常都達不到理想狀態(tai)。而(er)利(li)用數據(ju)質(zhi)量(liang)不佳的數據(ju)訓練得(de)到的模(mo)(mo)型，效果也不會很好。

   金超舉(ju)例說(shuo)：“在(zai)做發(fa)電機(ji)軸承(cheng)溫度異(yi)常(chang)預(yu)警功能時，我(wo)們并沒有(you)大量(liang)的(de)(de)(de)有(you)標簽的(de)(de)(de)歷史(shi)數(shu)據(ju)。根據(ju)我(wo)們能獲取的(de)(de)(de)軸承(cheng)溫度、環境(jing)溫度、功率、風速等信號，利用能量(liang)守恒建(jian)立微(wei)分方(fang)程，通過估計參數(shu)來(lai)建(jian)立‘正常(chang)行為’模(mo)型，再(zai)與當下(xia)的(de)(de)(de)狀態做比對(dui)，根據(ju)殘差的(de)(de)(de)分布偏(pian)移來(lai)判(pan)斷異(yi)常(chang)，以(yi)此來(lai)彌補歷史(shi)數(shu)據(ju)標簽的(de)(de)(de)不(bu)足。這就是(shi)我(wo)們通常(chang)采用的(de)(de)(de)一(yi)個(ge)(ge)原則‘數(shu)據(ju)不(bu)夠，機(ji)理來(lai)湊(cou)’。當融(rong)入機(ji)理之后，一(yi)是(shi)不(bu)需(xu)要(yao)大量(liang)的(de)(de)(de)訓(xun)練(lian)數(shu)據(ju)，原來(lai)一(yi)個(ge)(ge)月(yue)的(de)(de)(de)訓(xun)練(lian)數(shu)據(ju)，現在(zai)7天就夠了；二是(shi)對(dui)外部環境(jing)的(de)(de)(de)敏感度有(you)所(suo)降(jiang)低，受工況影響也變(bian)(bian)小(xiao)；三是(shi)根據(ju)機(ji)理設計的(de)(de)(de)被估計參數(shu)，讓(rang)整個(ge)(ge)模(mo)型的(de)(de)(de)可(ke)解釋性也變(bian)(bian)得更強。”

   模型(xing)也需要全生命周(zhou)期管理

   “因此在工業智能(neng)建模(mo)的(de)時候，模(mo)型的(de)選(xuan)擇不一定(ding)只(zhi)用(yong)數(shu)據(ju)驅(qu)動的(de)模(mo)型。考慮選(xuan)擇什么樣(yang)的(de)建模(mo)方式，應從數(shu)據(ju)和機理兩個角度(du)來考慮。”金超說。

   當(dang)數(shu)據比(bi)較(jiao)少，同時對建模對象理(li)解(jie)不夠(gou)深時，更(geng)多(duo)依賴于(yu)經驗或者需要做一(yi)些實驗。在數(shu)據比(bi)較(jiao)少，機(ji)理(li)很(hen)強時，比(bi)如(ru)典型旋轉類設備的(de)(de)智能(neng)診斷，可(ke)以基(ji)于(yu)機(ji)理(li)來做分析，并且基(ji)于(yu)規則來做到(dao)預警。對于(yu)機(ji)理(li)比(bi)較(jiao)弱(ruo)，但是數(shu)據很(hen)多(duo)的(de)(de)情況，就可(ke)以發揮數(shu)據驅動(dong)的(de)(de)模型優勢，去彌補對機(ji)理(li)認知的(de)(de)不足。當(dang)數(shu)據足夠(gou)，并且機(ji)理(li)也很(hen)強時，我們更(geng)傾向于(yu)去做機(ji)理(li)跟數(shu)據融合的(de)(de)模型，因(yin)為往往這(zhe)樣的(de)(de)模型可(ke)解(jie)釋性更(geng)強，對于(yu)外部環境的(de)(de)變化也更(geng)加不敏感。

   “通過我(wo)們和信通院合作(zuo)舉辦的(de)(de)工(gong)業(ye)大數據(ju)(ju)創(chuang)新(xin)競(jing)賽(sai)來看，也(ye)印證了(le)(le)這(zhe)(zhe)樣的(de)(de)思(si)維方(fang)式(shi)(shi)。在(zai)(zai)第(di)(di)三屆工(gong)業(ye)大數據(ju)(ju)創(chuang)新(xin)競(jing)賽(sai)的(de)(de)化工(gong)設備故障程度(du)預測問題(ti)(ti)，第(di)(di)一(yi)名利用(yong)了(le)(le)傳統的(de)(de)振動分(fen)(fen)析(xi)，加上LightGBM機(ji)器學習(xi)，取得(de)了(le)(le)非(fei)常高(gao)的(de)(de)分(fen)(fen)數。我(wo)們后來得(de)知(zhi)，第(di)(di)一(yi)名的(de)(de)選手是機(ji)械(xie)工(gong)程背景(jing)，對旋轉類(lei)設備的(de)(de)分(fen)(fen)析(xi)很(hen)在(zai)(zai)行。但第(di)(di)二名利用(yong)GAN這(zhe)(zhe)樣的(de)(de)非(fei)監督式(shi)(shi)深度(du)學習(xi)方(fang)法，也(ye)達到(dao)了(le)(le)類(lei)似的(de)(de)效果。第(di)(di)二名采用(yong)的(de)(de)思(si)路(lu)尤(you)其引起我(wo)們的(de)(de)興趣：將振動信號的(de)(de)分(fen)(fen)析(xi)轉化為類(lei)圖(tu)像(xiang)問題(ti)(ti)，利用(yong)計(ji)算(suan)機(ji)科學在(zai)(zai)圖(tu)像(xiang)領域的(de)(de)突破性技術和思(si)想，來解決工(gong)業(ye)里面(mian)的(de)(de)非(fei)圖(tu)像(xiang)數據(ju)(ju)問題(ti)(ti)。這(zhe)(zhe)個提醒我(wo)們，在(zai)(zai)數據(ju)(ju)量足(zu)夠(gou)的(de)(de)時候，數據(ju)(ju)驅動的(de)(de)方(fang)法，是可能彌補一(yi)些我(wo)們對機(ji)理了(le)(le)解的(de)(de)不充(chong)分(fen)(fen)的(de)(de)。”金超(chao)說(shuo)，“無(wu)論是哪次競(jing)賽(sai)，我(wo)們發現與我(wo)們的(de)(de)經驗一(yi)致，機(ji)理和數據(ju)(ju)驅動相結合的(de)(de)方(fang)式(shi)(shi)，效果往(wang)往(wang)都比較好。”

   一個模(mo)(mo)型(xing)的誕生就(jiu)像嬰兒(er)一樣(yang)，成(cheng)長的過(guo)程中需要接受教育(yu)、做練習題，最終(zhong)畢業，成(cheng)人。模(mo)(mo)型(xing)類似，也要通過(guo)不斷(duan)的跟(gen)領(ling)域知識(shi)磨合和融入，在能夠(gou)采集更(geng)多樣(yang)本的情況下(xia)不斷(duan)迭代，最終(zhong)才(cai)能形成(cheng)一個比較成(cheng)熟的模(mo)(mo)型(xing)。

   “因此，我們(men)需要一(yi)個基礎設施，能(neng)夠對模型(xing)的(de)全生命周期進行管(guan)理(li)。基于這(zhe)樣(yang)的(de)理(li)念，我們(men)開發(fa)了一(yi)套完整的(de)工(gong)業智能(neng)模型(xing)研發(fa)平臺(tai)，從算(suan)法的(de)設計、探索、驗證，以及(ji)監(jian)控和(he)部署，形成(cheng)一(yi)套完整的(de)閉環。通過這(zhe)樣(yang)的(de)一(yi)個工(gong)業智能(neng)模型(xing)研發(fa)平臺(tai)，有效(xiao)(xiao)地解決了工(gong)業領域常常談到的(de)‘建模難、用(yong)模難、管(guan)模難’的(de)問題，極大提升(sheng)了模型(xing)的(de)研發(fa)效(xiao)(xiao)率、降低了維護成(cheng)本(ben)。” 金超說。

   智能化落地是跨領(ling)域(yu)跨技術的(de)系統工程

   在落地工業智(zhi)能(neng)的時(shi)候，除(chu)了(le)數據跟模型這兩個要素之(zhi)外，還有系(xi)統(tong)工程(cheng)能(neng)力。也就是(shi)，如何能(neng)夠把分析(xi)技(ji)術(shu)（AT），數據技(ji)術(shu)（DT），平臺技(ji)術(shu)（PT）以(yi)及運維技(ji)術(shu)（OT）這四類(lei)整(zheng)合起(qi)來(lai)。

   “在(zai)DT層(ceng)，即(ji)數(shu)據技術這一端，要(yao)能實現設(she)備的(de)(de)(de)物(wu)聯以及邊緣計(ji)算，將孤島系(xi)統(tong)中的(de)(de)(de)數(shu)據統(tong)一管理。在(zai)AT層(ceng)，需要(yao)對模型的(de)(de)(de)建(jian)立(li)、管理、部署和服務(wu)化都進行全面的(de)(de)(de)管控(kong)。最后跟信息系(xi)統(tong)以及運(yun)維(wei)系(xi)統(tong)形成融合。從DT到OT的(de)(de)(de)工業(ye)智能系(xi)統(tong)，模型只是AT層(ceng)的(de)(de)(de)一小(xiao)部分。系(xi)統(tong)建(jian)立(li)起來，才(cai)(cai)是工業(ye)智能服務(wu)的(de)(de)(de)開始。從數(shu)據到業(ye)務(wu)的(de)(de)(de)閉環、不斷(duan)積累(lei)企業(ye)自(zi)己(ji)的(de)(de)(de)知識(shi)資產，才(cai)(cai)是運(yun)營一個工業(ye)智能系(xi)統(tong)最需要(yao)關注的(de)(de)(de)，而非(fei)僅僅建(jian)模。”金超(chao)說。（記(ji)者 馬愛平）