工業(yè)智能技術(shù)加速-風(fēng)電行業(yè)智能化建設(shè)

風(fēng)電行業(yè)智能化建設(shè)

——

在智能化落地過(guò)程中我們學(xué)到了什么

主講：金超 北京天澤智云科技有限公司北極星電力學(xué)院，分享，學(xué)習(xí)，成長(zhǎng)工業(yè)智能技術(shù)加速

金 超 博士技術(shù)研發(fā)副總裁，北京天澤智云科技有限公司全面負(fù)責(zé)工業(yè)智能前沿技術(shù)及算法模型研發(fā)專(zhuān)注于工業(yè)大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、信息-物理系統(tǒng)CPS、故障預(yù)測(cè)與健康管理PHM等工業(yè)智能技術(shù)和算法的研究與應(yīng)用。深耕風(fēng)力發(fā)電、軌道交通、機(jī)加工和的能效優(yōu)化管理等領(lǐng)域，服務(wù)客戶(hù)包括東方電氣，中車(chē)、中船、富士康等國(guó)際知名企業(yè)。畢業(yè)于美國(guó)辛辛那提大學(xué)機(jī)械工程系，師從工業(yè)大數(shù)據(jù)、工業(yè)智能等領(lǐng)域的世界級(jí)學(xué)科領(lǐng)頭人李杰教授，在美國(guó)國(guó)家科學(xué)基金（NSF）產(chǎn)學(xué)合作智能維

護(hù)系統(tǒng)中心（IMS中心）任職助理研究員。參與數(shù)十個(gè)世界級(jí)企業(yè)與機(jī)構(gòu)的科研項(xiàng)目，涉及領(lǐng)域包括電力、能源、半導(dǎo)體制造以及航運(yùn)。根據(jù)李杰教授CPS理論撰寫(xiě)的“賽博制造”提案獲美國(guó)NSF研究獎(jiǎng)金資助。課程概要風(fēng)

電

智

能

化

三

要

素工

業(yè)

智

能

在

風(fēng)

電

行

業(yè)

的

應(yīng)

用

價(jià)

值工

業(yè)

智

能

是

什

么工業(yè)智能是新一代信息技術(shù)，物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、人工智能、5G等與工業(yè)轉(zhuǎn)型升級(jí)之間的橋梁。結(jié)合對(duì)工業(yè)生產(chǎn)與運(yùn)營(yíng)的深刻理解，將跨領(lǐng)域的技術(shù)進(jìn)行融合并應(yīng)用于工業(yè)場(chǎng)景當(dāng)中，幫助工業(yè)產(chǎn)業(yè)重構(gòu)能力體系，提升應(yīng)對(duì)未來(lái)的競(jìng)爭(zhēng)力。避免解決可見(jiàn)不可見(jiàn)利用新知識(shí)實(shí)現(xiàn)價(jià)值改善利用智能信息加速新知識(shí)的誕生以預(yù)測(cè)性的視角解決未知問(wèn)題持續(xù)改善與訓(xùn)練將隱性問(wèn)題顯性化，從解決可見(jiàn)問(wèn)題到避免不可見(jiàn)問(wèn)題衰退Degradation失效Failure隱性問(wèn)題不斷積累，形成顯性問(wèn)題與損失可見(jiàn)的問(wèn)題與管理：?設(shè)備故障、產(chǎn)品缺陷、加工失效、質(zhì)量偏差等?通過(guò)KPI績(jī)效體系對(duì)管理問(wèn)題進(jìn)行管控和優(yōu)化工業(yè)智能的目標(biāo)：解決和避免不可見(jiàn)世界的隱性問(wèn)題價(jià)值模型痛點(diǎn)OTPT&ATDT數(shù)據(jù)領(lǐng)域知識(shí)天澤智云在工業(yè)智能落地的經(jīng)驗(yàn)“對(duì)癥下藥”“對(duì)癥”：痛點(diǎn)分析安全效率成本IT基礎(chǔ)設(shè)施與數(shù)據(jù)現(xiàn)狀領(lǐng)域知識(shí)深厚程度企業(yè)管理水平與文化價(jià)值目標(biāo)企業(yè)現(xiàn)狀調(diào)研分析企業(yè)痛點(diǎn)，需要從價(jià)值目標(biāo)與現(xiàn)狀兩個(gè)維度來(lái)考慮，找到企業(yè)真正的智能化強(qiáng)需求。以效率提升為目標(biāo)的痛點(diǎn)分析：某汽車(chē)制造廠機(jī)械臂故障Component

Fault

Frequency-Downtime

for

138

MH

Robots

(each

dot

represents

one

component)01002003004005006000.005.00 10.00 15.00 20.00 25.00Average

Downtime

Caused

by

Components

(min)30.00Components

Fault

frequencyCable,otherEncoderRobotMotoretBrack

4ClampSwitch,otherSwitch,

prox.PalletSwitch,

limitUnknownMatehen2備品備件1設(shè)計(jì)改良3傳統(tǒng)維護(hù)預(yù)測(cè)性維護(hù)廠家定義——領(lǐng)域知識(shí)并非所有問(wèn)題

都適合用工業(yè)智能技術(shù)解決第一要素：數(shù)據(jù)來(lái)源與質(zhì)量管理價(jià)值模型痛點(diǎn)OTPT&ATDT數(shù)據(jù)領(lǐng)域知識(shí)來(lái)源與質(zhì)量管理風(fēng)電智能化轉(zhuǎn)型的關(guān)鍵在于對(duì)數(shù)據(jù)價(jià)值的挖掘和利用? 利用風(fēng)電業(yè)務(wù)領(lǐng)域知識(shí)，結(jié)

合智能化技術(shù)，將風(fēng)電過(guò)程數(shù)據(jù)轉(zhuǎn)化為洞察和知識(shí)，并形成可執(zhí)行的決策，優(yōu)化生

產(chǎn)要素和業(yè)務(wù)流程。? 風(fēng)電智能應(yīng)用可以成為數(shù)據(jù)洞察閉環(huán)優(yōu)化生產(chǎn)的一個(gè)重

要途徑。決策知識(shí)信息數(shù)據(jù)執(zhí)行根據(jù)確定要解決的問(wèn)題，倒推確定數(shù)據(jù)需求。系統(tǒng)在監(jiān)控的，接入數(shù)據(jù)；現(xiàn)有的系統(tǒng)無(wú)法監(jiān)控的，利用傳感器來(lái)采集原本沒(méi)有但需要的數(shù)據(jù)。數(shù)據(jù)來(lái)源管理資料來(lái)源:

IDC,

McKinsey

Global

Institute

analysis2000181291177377642439737533627627325624520716611687Annual

New

DataStored

bySector,2010

(Petabytes)0 500 1000 1500MANUFACTURINGGOVERNMENTBANKINGCOMMUNICATIONS

AND

MEDIARETAILPROFESSIONAL

SERVICESHEALTHCARESECURITIES

AND

INVESTMENT…EDUCATIONINSURANCETRANSPORTATIONWHOLESALEUTILITIESRESOURCESINDUSTRIESCONSUMER

AND

RECREATIONAL

…CONSTRUCTION數(shù)據(jù)的量大≠數(shù)據(jù)質(zhì)量好≠價(jià)值高25.6kHz

采樣率、130Mb/s、分布式數(shù)據(jù)采集與特征提取5Kb/s特征數(shù)據(jù)，基于事件的原始數(shù)據(jù)推送與分析數(shù)據(jù)來(lái)源管理——在數(shù)據(jù)收集時(shí)考慮成本最優(yōu)數(shù)據(jù)質(zhì)量管理“Garbage

in,garbage

out.”數(shù)據(jù)質(zhì)量對(duì)數(shù)據(jù)驅(qū)動(dòng)的模型效果非常重要。提前獲得足量、連續(xù)、高質(zhì)量、能夠代表所建模對(duì)象行為的數(shù)據(jù)，是保證模型質(zhì)量的必要條件。問(wèn)題 對(duì)策? 數(shù)據(jù)“壞點(diǎn)”多：奇異值、缺失值、超限值……? 樣本不平衡? 數(shù)據(jù)缺乏，標(biāo)簽缺乏? ……? 提早進(jìn)行數(shù)據(jù)探索? DT/PT/AT各個(gè)層級(jí)都對(duì)輸入輸出數(shù)據(jù)進(jìn)行質(zhì)量校驗(yàn)? 模型/數(shù)據(jù)層面處理樣本不平衡? 在建模無(wú)數(shù)據(jù)時(shí)，結(jié)合領(lǐng)域知識(shí)，模型冷啟動(dòng)數(shù)據(jù)質(zhì)量管理——案例：基于SCADA的發(fā)電機(jī)軸承故障預(yù)警傳動(dòng)鏈摩擦生熱電能->內(nèi)能建立預(yù)測(cè)模型計(jì)算電機(jī)軸承溫度殘差實(shí)際電機(jī)軸承溫度故障風(fēng)險(xiǎn)-電機(jī)的轉(zhuǎn)速和功率是影響電機(jī)軸承溫度變化的主要負(fù)載因素，因此通過(guò)負(fù)載參數(shù)、環(huán)境參數(shù)、其他參照測(cè)點(diǎn)溫度等作為輸入?yún)?shù)，建立健康狀態(tài)下的發(fā)電機(jī)軸承溫度預(yù)測(cè)模型，并通過(guò)與實(shí)測(cè)溫度的差異判斷軸承當(dāng)前健康狀態(tài)。風(fēng)機(jī)傳動(dòng)系統(tǒng)溫升負(fù)載因素示意圖 電機(jī)軸承風(fēng)險(xiǎn)判定機(jī)理向機(jī)艙、冷卻系統(tǒng)的熱量損失負(fù)載等相關(guān)參數(shù)軸承溫度變化

~機(jī)理模型算法優(yōu)勢(shì)1.訓(xùn)練過(guò)程不需要大量數(shù)據(jù)，可以做到模型快速冷啟動(dòng)：僅~7天數(shù)據(jù)訓(xùn)練即可完成參數(shù)擬合2. 受環(huán)境溫度等外界變化影響較?。菏褂貌煌竟?jié)數(shù)據(jù)訓(xùn)練，得出的???變化較小3. 受工況影響較?。狠^之前模型相比，在低負(fù)載、降溫段仍然有較好的預(yù)測(cè)效果4.模型更簡(jiǎn)單，解釋性更強(qiáng)預(yù)測(cè)精度較為穩(wěn)定，測(cè)試集殘差始終保持mean~0,sigma<1，不隨季節(jié)變化而偏移第二要素：模型全生命周期管理價(jià)值模型痛點(diǎn)OTPT&ATDT數(shù)據(jù)領(lǐng)域知識(shí)全生命周期管理模型類(lèi)型選擇要因地制宜數(shù)據(jù)弱強(qiáng)機(jī)理強(qiáng)弱數(shù)據(jù)驅(qū)動(dòng)0100

200

300

400

500

600

700

800

900Power(KW)Probability#

10

-301234567?歷史基線(xiàn)C

V

at

W

in

d

S

p

eed

=

6.2

is

0.44571當(dāng)下? 風(fēng)速儀異常? 偏航對(duì)風(fēng)不正? 變槳電機(jī)溫度異常變槳控制異常理論值與擬合值的偏差機(jī)理數(shù)據(jù)融合模型正常行為? 發(fā)電機(jī)軸承溫度異常? 發(fā)電機(jī)繞組溫度異常? 齒輪箱軸承溫度異常? 齒輪箱油溫異常集群基線(xiàn)IGBT溫度異常? 變流器溫度異常VS個(gè)體經(jīng)驗(yàn)/實(shí)驗(yàn)機(jī)理模型/規(guī)則工業(yè)大數(shù)據(jù)創(chuàng)新競(jìng)賽獲獎(jiǎng)算法啟示風(fēng)機(jī)葉片結(jié)冰預(yù)測(cè)化工設(shè)備轉(zhuǎn)子部件脫落故障等級(jí)排序數(shù)據(jù)驅(qū)動(dòng)機(jī)理數(shù)據(jù)融合名次方法優(yōu)勢(shì)劣勢(shì)1基于CNN-LSTM深度?準(zhǔn)確度高?訓(xùn)練時(shí)間長(zhǎng)（8?小時(shí)）算力資源耗費(fèi)學(xué)習(xí)網(wǎng)絡(luò)的風(fēng)機(jī)葉片?低門(mén)檻，無(wú)需大結(jié)冰預(yù)測(cè)領(lǐng)域知識(shí)?模型泛化能力有待驗(yàn)證2基于物理原理+KNN分類(lèi)的混合預(yù)測(cè)模型??模型可解釋性強(qiáng)通常模型泛化能力更強(qiáng)??需要一定領(lǐng)域知識(shí)儲(chǔ)備，門(mén)檻高非常依賴(lài)工程師的個(gè)人能力名次方法優(yōu)勢(shì)劣勢(shì)1基于旋轉(zhuǎn)機(jī)械振動(dòng)分析特征工程與LightGBM的故障等級(jí)分類(lèi)模型??模型可解釋性強(qiáng)通常模型泛化能力更強(qiáng)??需要一定領(lǐng)域知識(shí)儲(chǔ)備，門(mén)檻高非常依賴(lài)工程師的個(gè)人能力2基于GAN的非監(jiān)督式故障等級(jí)排序模型??非監(jiān)督的數(shù)據(jù)驅(qū)動(dòng)深度學(xué)習(xí)算法，容易上手對(duì)標(biāo)簽無(wú)要求??算力資源耗費(fèi)大模型泛化能力有待驗(yàn)證模型成長(zhǎng)需要“教育”和“習(xí)題冊(cè)”教育練習(xí)領(lǐng)域知識(shí)更多工況下的故障樣本冷啟動(dòng)模型嬰兒成人成長(zhǎng)迭代不準(zhǔn)確成熟模型準(zhǔn)確硬件安裝數(shù)據(jù)準(zhǔn)備系統(tǒng)部署數(shù)據(jù)接入價(jià)值痛點(diǎn)工業(yè)智能應(yīng)用業(yè)務(wù)需求&領(lǐng)域知識(shí)模型的全生命周期管理分

析技

術(shù)（A

T

）? 工業(yè)大數(shù)據(jù)分析? 工業(yè)智能模型與算法運(yùn)維技

術(shù)（

O

T

）? 領(lǐng)域知識(shí)? 系統(tǒng)設(shè)計(jì)? 工程化實(shí)施能力數(shù)

據(jù)技

術(shù)（DT

）? 多源數(shù)據(jù)采集? 智能邊緣計(jì)算? 工業(yè)物聯(lián)網(wǎng)平臺(tái)技

術(shù)（

PT

）? 計(jì)算平臺(tái)（云+邊緣）? 分析建模平臺(tái)? 大數(shù)據(jù)管理平臺(tái)? 工業(yè)APP開(kāi)發(fā)平臺(tái)第三要素：跨領(lǐng)域跨技術(shù)的系統(tǒng)工程以模型全生命周期管理為核心的風(fēng)電智能運(yùn)維應(yīng)用設(shè)計(jì)DTATIT工業(yè)微服務(wù)開(kāi)發(fā)可視化組件開(kāi)發(fā)平臺(tái)集成部署業(yè)務(wù)需求領(lǐng)域知識(shí)OT導(dǎo)入風(fēng)電智能應(yīng)用風(fēng)電智能運(yùn)維應(yīng)用研發(fā)流水線(xiàn)葉片在線(xiàn)監(jiān)控發(fā)電性能分析工業(yè)大數(shù)據(jù)服務(wù)平臺(tái)智能排程數(shù)據(jù)接入風(fēng)機(jī)各硬件系統(tǒng)數(shù)據(jù)采集SCADA系統(tǒng)邊緣計(jì)算硬件開(kāi)發(fā)、部署及管理… 邊緣智能硬件CMS工業(yè)物聯(lián)與邊緣計(jì)算系統(tǒng)業(yè)務(wù)數(shù)據(jù)分析結(jié)果數(shù)據(jù)歷史數(shù)據(jù) 設(shè)備故障庫(kù)實(shí)時(shí)數(shù)據(jù)測(cè)試文件數(shù)據(jù)驗(yàn)證實(shí)驗(yàn)數(shù)據(jù)模型部署與監(jiān)控-

模型打包發(fā)布-

模型指標(biāo)監(jiān)控-

模型優(yōu)化故障診斷工業(yè)智能模型研發(fā)生命周期管理平臺(tái)傳動(dòng)鏈故障預(yù)測(cè)數(shù)據(jù)預(yù)處理-

數(shù)據(jù)標(biāo)識(shí)-

降噪降維-

質(zhì)量檢查-

工況分割-

數(shù)據(jù)探索特征庫(kù)建立-

機(jī)理分析-

特征工程-

數(shù)據(jù)轉(zhuǎn)化模型訓(xùn)練與驗(yàn)證-

建模技術(shù)路徑探索與實(shí)施-

模型調(diào)試實(shí)驗(yàn)?zāi)Ｐ痛鎯?chǔ)與管理-

模型存儲(chǔ)庫(kù)-

工業(yè)智能資產(chǎn)積累與傳承價(jià)值模型痛點(diǎn)OTPT&ATDT數(shù)據(jù)領(lǐng)域知識(shí)天澤智云在工業(yè)智能落地的經(jīng)驗(yàn)業(yè)務(wù)閉環(huán)與知識(shí)積累風(fēng)電故障預(yù)警的業(yè)務(wù)目標(biāo)拆解風(fēng)場(chǎng)運(yùn)營(yíng)收益

(Profit)

↑=

風(fēng)場(chǎng)發(fā)電收入

(Revenue)

↑–

O&M成本

(Cost)↓O&M成本

(Cost)

↓=

固定運(yùn)營(yíng)成本(交通、人力等)

↓+

停機(jī)維修成本

↓故障預(yù)警業(yè)務(wù)目標(biāo)停機(jī)維修成本

↓=

(單次停機(jī)時(shí)長(zhǎng)

↓

*故障造成的發(fā)電功率損失

↓

+

維修備件費(fèi)用

)*停機(jī)頻次

↓無(wú)憂(yōu)風(fēng)場(chǎng)業(yè)務(wù)目標(biāo)1. 大部件更換提前備件，減少備件的等待時(shí)間2. 在故障惡化前完成維修處理1. 選擇在風(fēng)速更低的更優(yōu)維護(hù)時(shí)間窗停機(jī)1. 降低因故障造成的突然停機(jī)（MTBF）對(duì)應(yīng)措施用工業(yè)智能技術(shù)全方位保障風(fēng)電行業(yè)安全高效運(yùn)營(yíng)風(fēng)機(jī)振動(dòng)監(jiān)測(cè)分析基于高頻振動(dòng)信號(hào)分析與工業(yè)智能算法，實(shí)現(xiàn)風(fēng)機(jī)核心部件的早期故障識(shí)別與在線(xiàn)故障預(yù)診；通過(guò)對(duì)運(yùn)維任務(wù)進(jìn)行綜合建模，實(shí)現(xiàn)備件和人員等資源的智能化調(diào)度，實(shí)現(xiàn)風(fēng)機(jī)級(jí)、風(fēng)場(chǎng)級(jí)和企業(yè)級(jí)的高效運(yùn)維。葉片在線(xiàn)