當前，我(wo)國新能源(yuan)產業正在逐漸推進能源(yuan)生產和消費(fei)方式革命，構建清(qing)潔低碳、安(an)全高效的能源(yuan)體系(xi)成為我(wo)國經濟(ji)社會轉(zhuan)型發展的迫切需要。

   “工業智(zhi)能技(ji)(ji)(ji)術正(zheng)在加速(su)風電行業智(zhi)能化建(jian)設。”日(ri)前，北京天澤智(zhi)云科(ke)技(ji)(ji)(ji)有限公司技(ji)(ji)(ji)術研發副總裁(cai)金超(chao)博士(shi)在接受科(ke)技(ji)(ji)(ji)日(ri)報記者的(de)采訪時(shi)表(biao)示，風電智(zhi)能化有三個(ge)重要(yao)的(de)參考要(yao)素。

   數據來(lai)源與質量管理

   金超強調，要結合風(feng)電領域知識，對(dui)數據的來源跟(gen)質(zhi)量進行管理(li)，選擇那些對(dui)工業(ye)智能建模有(you)作(zuo)用的數據，才是最(zui)有(you)價值的。

   “這不(bu)僅僅適用于風電(dian)，任何(he)一個做智(zhi)能化轉型(xing)的(de)行(xing)業，采用數(shu)據(ju)(ju)驅(qu)動(dong)(dong)的(de)方式，最(zui)終目的(de)都是要(yao)將(jiang)人的(de)決策(ce)過程自動(dong)(dong)化。也就(jiu)是說(shuo)，我們所理解的(de)數(shu)據(ju)(ju)驅(qu)動(dong)(dong)的(de)工業智(zhi)能，是要(yao)將(jiang)‘以前要(yao)靠人去不(bu)同(tong)的(de)數(shu)據(ju)(ju)系統(tong)里整合信息、內化成(cheng)知識、最(zui)后(hou)形成(cheng)決策(ce)’這樣一條鏈路自動(dong)(dong)化。”金超說(shuo)。

   除了對數據的(de)量(liang)和來源進(jin)行(xing)管(guan)理之外(wai)，對數據質(zhi)量(liang)的(de)管(guan)理也很(hen)重要(yao)(yao)。金超認為，數據的(de)質(zhi)量(liang)，大概可以分為三(san)(san)類問題：第(di)(di)一類是通用的(de)數據質(zhi)量(liang)問題，比(bi)如(ru)(ru)奇(qi)異值、缺失值、超限值等。第(di)(di)二類是跟(gen)行(xing)業相(xiang)(xiang)關的(de)，比(bi)如(ru)(ru)有(you)的(de)工況不滿(man)足分析目標，要(yao)(yao)對工況做(zuo)修正(zheng)。第(di)(di)三(san)(san)類是跟(gen)建模相(xiang)(xiang)關的(de)，如(ru)(ru)樣本不平衡(heng)、標簽缺乏等。

   數(shu)據(ju)質(zhi)量(liang)對(dui)數(shu)據(ju)驅動的(de)(de)模型(xing)效果非(fei)常(chang)重要，提前獲得足量(liang)、高(gao)質(zhi)量(liang)、能(neng)代(dai)表所建模型(xing)對(dui)象(xiang)行為的(de)(de)數(shu)據(ju)，是保(bao)證模型(xing)效果的(de)(de)必要條(tiao)件。但是，在現場獲取(qu)的(de)(de)數(shu)據(ju)的(de)(de)質(zhi)量(liang)，通常(chang)都達(da)不(bu)到理想(xiang)狀態(tai)。而利用數(shu)據(ju)質(zhi)量(liang)不(bu)佳的(de)(de)數(shu)據(ju)訓練(lian)得到的(de)(de)模型(xing)，效果也不(bu)會(hui)很(hen)好。

   金(jin)超舉(ju)例(li)說：“在(zai)做(zuo)發電機軸承(cheng)溫(wen)(wen)度(du)異(yi)常預警(jing)功能(neng)(neng)時(shi)，我們(men)并沒(mei)有大量(liang)的(de)(de)有標(biao)簽的(de)(de)歷史(shi)數(shu)據(ju)(ju)(ju)。根(gen)據(ju)(ju)(ju)我們(men)能(neng)(neng)獲(huo)取的(de)(de)軸承(cheng)溫(wen)(wen)度(du)、環境溫(wen)(wen)度(du)、功率、風速等信號，利用能(neng)(neng)量(liang)守恒建立(li)微分方程，通(tong)過估計(ji)(ji)參(can)數(shu)來(lai)建立(li)‘正常行為’模型(xing)，再與(yu)當下的(de)(de)狀(zhuang)態做(zuo)比對，根(gen)據(ju)(ju)(ju)殘(can)差的(de)(de)分布偏移來(lai)判斷(duan)異(yi)常，以此(ci)來(lai)彌補歷史(shi)數(shu)據(ju)(ju)(ju)標(biao)簽的(de)(de)不足。這就(jiu)是(shi)我們(men)通(tong)常采用的(de)(de)一(yi)個(ge)原則‘數(shu)據(ju)(ju)(ju)不夠(gou)，機理(li)(li)來(lai)湊’。當融入機理(li)(li)之(zhi)后，一(yi)是(shi)不需要大量(liang)的(de)(de)訓練(lian)數(shu)據(ju)(ju)(ju)，原來(lai)一(yi)個(ge)月(yue)的(de)(de)訓練(lian)數(shu)據(ju)(ju)(ju)，現在(zai)7天就(jiu)夠(gou)了；二是(shi)對外部環境的(de)(de)敏感(gan)度(du)有所降低，受工況(kuang)影(ying)響也變(bian)小；三是(shi)根(gen)據(ju)(ju)(ju)機理(li)(li)設計(ji)(ji)的(de)(de)被(bei)估計(ji)(ji)參(can)數(shu)，讓整個(ge)模型(xing)的(de)(de)可(ke)解釋性也變(bian)得更強(qiang)。”

   模(mo)型也需要全生命周期管理

   “因(yin)此在工業智能建模(mo)的(de)時(shi)候，模(mo)型(xing)(xing)的(de)選擇(ze)不一定只用數(shu)據驅動(dong)的(de)模(mo)型(xing)(xing)。考(kao)慮選擇(ze)什么樣的(de)建模(mo)方式，應從數(shu)據和機理兩個角度(du)來考(kao)慮。”金(jin)超(chao)說。

   當數(shu)(shu)據(ju)(ju)比(bi)較少(shao)，同時對(dui)(dui)建模對(dui)(dui)象理(li)解不(bu)夠深(shen)時，更(geng)多依賴于(yu)(yu)經(jing)驗或者需要做(zuo)(zuo)一些(xie)實(shi)驗。在數(shu)(shu)據(ju)(ju)比(bi)較少(shao)，機理(li)很強時，比(bi)如典型旋轉(zhuan)類設備(bei)的(de)智能(neng)診斷，可以(yi)基于(yu)(yu)機理(li)來做(zuo)(zuo)分析(xi)，并且(qie)(qie)基于(yu)(yu)規則來做(zuo)(zuo)到預(yu)警。對(dui)(dui)于(yu)(yu)機理(li)比(bi)較弱，但是數(shu)(shu)據(ju)(ju)很多的(de)情況，就可以(yi)發揮數(shu)(shu)據(ju)(ju)驅(qu)動(dong)的(de)模型優勢，去彌補對(dui)(dui)機理(li)認知的(de)不(bu)足。當數(shu)(shu)據(ju)(ju)足夠，并且(qie)(qie)機理(li)也(ye)很強時，我們更(geng)傾向于(yu)(yu)去做(zuo)(zuo)機理(li)跟數(shu)(shu)據(ju)(ju)融(rong)合的(de)模型，因為(wei)往往這樣的(de)模型可解釋性更(geng)強，對(dui)(dui)于(yu)(yu)外(wai)部環(huan)境的(de)變化也(ye)更(geng)加不(bu)敏(min)感。

   “通(tong)過我們和(he)信通(tong)院合作舉(ju)辦的(de)(de)工業大(da)數據(ju)(ju)(ju)創新競(jing)賽來(lai)(lai)看，也印證了(le)這(zhe)樣的(de)(de)思維(wei)方式。在(zai)(zai)第(di)三屆工業大(da)數據(ju)(ju)(ju)創新競(jing)賽的(de)(de)化工設(she)備故障(zhang)程度(du)預測問題，第(di)一名(ming)利用(yong)(yong)(yong)了(le)傳(chuan)統的(de)(de)振動(dong)分析，加上LightGBM機器學習，取得了(le)非常高(gao)的(de)(de)分數。我們后來(lai)(lai)得知，第(di)一名(ming)的(de)(de)選手(shou)是(shi)機械工程背景，對旋轉(zhuan)類設(she)備的(de)(de)分析很在(zai)(zai)行。但第(di)二名(ming)利用(yong)(yong)(yong)GAN這(zhe)樣的(de)(de)非監督式深度(du)學習方法，也達(da)到(dao)了(le)類似的(de)(de)效(xiao)果。第(di)二名(ming)采用(yong)(yong)(yong)的(de)(de)思路尤其引起我們的(de)(de)興趣：將振動(dong)信號的(de)(de)分析轉(zhuan)化為類圖像(xiang)(xiang)問題，利用(yong)(yong)(yong)計(ji)算機科學在(zai)(zai)圖像(xiang)(xiang)領(ling)域的(de)(de)突破性技術和(he)思想，來(lai)(lai)解決(jue)工業里面(mian)的(de)(de)非圖像(xiang)(xiang)數據(ju)(ju)(ju)問題。這(zhe)個提醒我們，在(zai)(zai)數據(ju)(ju)(ju)量足夠的(de)(de)時候(hou)，數據(ju)(ju)(ju)驅動(dong)的(de)(de)方法，是(shi)可能彌補一些我們對機理(li)了(le)解的(de)(de)不(bu)充分的(de)(de)。”金超說，“無論是(shi)哪次競(jing)賽，我們發現(xian)與我們的(de)(de)經驗一致，機理(li)和(he)數據(ju)(ju)(ju)驅動(dong)相結合的(de)(de)方式，效(xiao)果往(wang)往(wang)都比較(jiao)好。”

   一個模型(xing)的誕生就像嬰兒一樣，成長的過(guo)程中需要接受(shou)教(jiao)育(yu)、做練習題(ti)，最(zui)(zui)終(zhong)畢(bi)業，成人。模型(xing)類似(si)，也要通過(guo)不斷的跟領域知識磨合和融(rong)入(ru)，在能夠采(cai)集更多樣本的情況下不斷迭代，最(zui)(zui)終(zhong)才(cai)能形成一個比較(jiao)成熟的模型(xing)。

   “因此，我(wo)們需要一個(ge)基(ji)礎設施，能(neng)夠對模(mo)型的(de)全生命(ming)周期進行(xing)管理(li)。基(ji)于這樣(yang)的(de)理(li)念，我(wo)們開發(fa)(fa)(fa)了(le)一套完(wan)整(zheng)的(de)工業智能(neng)模(mo)型研發(fa)(fa)(fa)平臺，從算法的(de)設計、探索、驗證，以(yi)及監控和部署，形成(cheng)一套完(wan)整(zheng)的(de)閉環。通(tong)過(guo)這樣(yang)的(de)一個(ge)工業智能(neng)模(mo)型研發(fa)(fa)(fa)平臺，有效(xiao)地解決了(le)工業領域常(chang)常(chang)談到的(de)‘建模(mo)難、用模(mo)難、管模(mo)難’的(de)問題(ti)，極大提升了(le)模(mo)型的(de)研發(fa)(fa)(fa)效(xiao)率、降(jiang)低了(le)維護成(cheng)本。” 金超(chao)說。

   智(zhi)能化(hua)落地是(shi)跨領(ling)域(yu)跨技術的(de)系統工程

   在落地工(gong)業智能的時候，除了數據(ju)跟(gen)模型這兩個(ge)要素之外，還有(you)系統工(gong)程能力。也就是，如何能夠把分析技術(shu)（AT），數據(ju)技術(shu)（DT），平臺技術(shu)（PT）以及運維技術(shu)（OT）這四類整合起(qi)來。

   “在(zai)DT層，即數據(ju)技(ji)術這一端，要能(neng)實(shi)現(xian)設備的(de)(de)(de)物聯以及邊(bian)緣計(ji)算，將孤島系(xi)統(tong)(tong)中的(de)(de)(de)數據(ju)統(tong)(tong)一管理。在(zai)AT層，需要對(dui)模(mo)型(xing)的(de)(de)(de)建(jian)立、管理、部署和(he)服(fu)務化都進行(xing)全面的(de)(de)(de)管控。最(zui)后跟信息系(xi)統(tong)(tong)以及運維(wei)系(xi)統(tong)(tong)形成融合。從(cong)(cong)DT到(dao)OT的(de)(de)(de)工業(ye)(ye)智能(neng)系(xi)統(tong)(tong)，模(mo)型(xing)只是AT層的(de)(de)(de)一小(xiao)部分。系(xi)統(tong)(tong)建(jian)立起來，才(cai)是工業(ye)(ye)智能(neng)服(fu)務的(de)(de)(de)開始。從(cong)(cong)數據(ju)到(dao)業(ye)(ye)務的(de)(de)(de)閉環、不斷(duan)積累(lei)企業(ye)(ye)自己(ji)的(de)(de)(de)知識(shi)資產，才(cai)是運營一個工業(ye)(ye)智能(neng)系(xi)統(tong)(tong)最(zui)需要關注的(de)(de)(de)，而非(fei)僅僅建(jian)模(mo)。”金超(chao)說。（記者 馬愛(ai)平）