av网站的免费观看丨无码福利一区二区三区丨亚洲人成影院在线观看丨337p人体粉嫩胞高清视频丨国内a∨免费播放

一、項目概況

1. 項目背景
“工業大數據應用技術國家工程實驗室”屬于國家發改委大數據領域創新能力建設專項，是我國目前唯一一家工業大數據研究及產業化支撐機構，哈電集團作為聯合申報單位負責工業大數據在電力裝備行業中深度應用。

2. 項目簡介
發電設備工業大數據應用技術平臺是基于信息—物理系統（CPS）、工業大數據平臺和故障預測與健康管理（PHM）理念，結合IoT、大數據分析、協同優化、可視化等技術構成的智能體系，為遠程運維、智能制造等業務場景提供了應用技術支撐，同時為哈電集團工業互聯網云平臺建設及產品全方位全周期管理打下了堅實基礎，促進集團從傳統制造業向服務型制造業的轉型升級。

3. 項目目標
通過對哈電集團發電設備工業大數據應用技術平臺（一期）項目的建設及應用示范，建立覆蓋產品全方位全周期管理的發電設備工業大數據應用技術平臺，實現“數據驅動”，打造大數據采集分析、遠程運維等服務型制造新模式。

二、項目實施概況

1. 項目總體架構
發電設備工業大數據應用技術平臺在總體框架設計上遵循微服務化的思想，遵從組件化的模式開發，并提供開發規范和指導，以支持應用組件的獨立部署、升級與維護，并能夠與第三方應用較便利地交互與集成。平臺總體架構如下圖所示：

圖 1平臺架構示意圖

 

平臺主要組成部分功能描述如下：
（1）數據資源層：該層主要為電廠內各設備的運行數據源，例如風機、電池、各傳感器等產生的實時數據源，以及存儲歷史數據的外部數據管理系統。
（2）邊緣層：該層的核心功能是對數據資源層的各種數據源進行數據收集，該層主要由硬件設備構成，通常部署在設備現場。該層主要由認證服務、組態配置、信號采集、協議解析、邊緣計算、數據編碼、數據加密、數據傳輸、數據緩存、訪問控制等模塊構成，以此構建了平臺的數據基礎。
（3）數據接入和交換層：該層主要負責實時數據包或離線數據文件的接入、解密、解析和轉換工作。接入模塊和交換模塊耦合，以拉取的方式實現兩模塊的數據傳輸，保證實時數據包可以穩定接收不堵塞，數據解密、解析和轉換有條不紊。
（4）工業大數據存儲和管理層：該層主要承載數據存儲、數據高性能計算、資源管控、控制監控中心、數據管理工具五大功能。滿足大規模存儲應用的需要；為數據應用高速響應和數據極速查詢等數據服務提供有力支撐；為平臺的底層計算、存儲等資源提供堅實保障；為平臺提供綜合治理和管控；提供數據建模、數據查詢、數據運維等工具。
（5）數據應用層：該層主要由微服務中心、工業智能建模工具和企業級模型運行引擎三大模塊構成。微服務中心是平臺的創新功能，依照平臺的微服務框架思路，該模塊建立了可由多用戶共建數據應用的可拓展開放系統；工業智能建模工具為用戶提供 “拖拉拽”畫布式建模方式和工業組件，幫助用戶構建基于工業領域的算法模型；企業級模型引擎可以實現算法上傳部署和全面的可視化模型執行管理和環境分析監控。
（6）業務應用層：包括狀態監測、故障診斷、運維優化、健康評估、趨勢預測等，并提供基于Web的統一門戶訪問界面，通過數據可視化、報表等手段，清晰展現平臺的各種應用數據，支撐用戶快速分析與決策。

2. 主要建設內容
廣泛整合利用現有先進技術、知識和硬件資源，打造行業級的開放平臺。平臺整體采用了分布式云技術架構、模塊化功能設計和多層次開放性接口的思想，滿足多種類設備上云、多語言APP開發、多維度數據管理、多模式服務部署等工業大數據應用的關鍵需求。

（1）工業大數據應用技術平臺建設
工業大數據應用技術平臺對外提供多種形式的數據接口API，內部集成可視化建模IDE、算法模型運行引擎和基于微服務的業務應用運行環境。主要功能模塊包括數據接入管理、設備管理、數據運維管理、工業智能算法建模工具、企業級模型運行引擎、微服務注冊及管理、系統管理等功能，可視化界面如下所示：

圖2 平臺可視化界面

 

平臺提供工業智能算法建模工具來實現業務知識抽象化，該工具為算法工程師提供包括數據質量檢測、數據清洗、可視化、特征提取、特征選擇、機器學習算法、行業模板、模型評估等功能，算法組件庫內含百余個算法組件，算法開發人員在可視化環境下通過“拖拉拽”畫布式實現工業算法建模。算法模型可直接上傳至模型庫和企業級模型運行引擎，實現模型快速部署運行。工業智能算法建模工具如下圖所示：

圖3 可視化集成建模環境

 

（2）數據采集終端解決方案
平臺配套研發了“數據采集及邊緣計算一體化終端” ，該硬件具有通用性、滿足定制化需求、可靠性和安全性的特點，將異構數據采集、高復雜度邊緣計算、數據標準化、數據緩存、網絡安全策略等功能模塊集于一體。

圖4 數據采集及邊緣計算一體化終端結構圖

 

終端支持多協議、多種數據庫通訊接口及原始模擬/數字量的直接采集，采用多種安全策略，解決了工業現場原始信號不易采集、數據種類多、接口協議繁雜、數據傳輸不安全等技術瓶頸；信號采集及邊緣計算前端實現高復雜度的邊緣計算，如高頻信號采集、信號處理、特征提取、壓縮加密、故障預警、工況智能變頻采集等，大大降低了平臺的網絡和計算資源需求。

（3）新能源設備上云
新能源設備上云是項目的關鍵示范點，特別是多種新能源設備同時上云。為了體現平臺的優勢，基于發電設備工業大數據應用技術平臺的遠程運維服務示范電站多能互補智能運維系統包括100kW和30kW永磁直驅風電機組、100kWp光伏發電、儲能系統容量為110kWh、海水淡化系統負荷為42kW、灌裝線負荷為16kW、380V交流配電系統和微網綜合監控系統。
利用平臺一體化數據采集解決方案提供了數據收集，總體運維服務包括狀態監測、故障預警、歷史查詢、數據分析四大模塊，利用了故障預測與健康管理（PHM）的技術概念，全面開展以“故障預測”替代“故障診斷”，“專家系統”與“人工智能”相結合的運維新模式?？梢暬\維界面如圖5所示：

圖5 基于發電設備工業大數據應用技術平臺遠程運維服務界面

 

圖6展示了基于支持向量機的偏航對風不正分析界面，表1列舉了示范項目中利用人工智能或PHM方法的共14個APP。

表1 利用人工智能或PHM方法的APP
 

圖6 偏航對風不正分析界面

 

三、下一步實施計劃

進一步擴展升級發電設備工業大數據應用技術平臺建設，發揮平臺作用，面向集群用戶開展遠程診斷工作，同時應用具備自主知識產權的數據采集系統保證機組數據安全、可控、規范；綜合開展以數據采集、大數據管理、大數據分析、智能診斷、智能運維以及智能制造為核心的發電設備全生命周期大數據應用技術研究，逐步形成業務生態圈，業務機理同大數據科學相結合，在滿足發電設備遠程運維需求的同時為設計生產提供數據依據。

四、目創新點和實施效果

1. 項目先進性及創新點
（1）一體化數據采集解決方案
平臺配套“數據采集及邊緣計算一體化終端”實現了廣泛接入、邊緣計算及智能變頻采集等功能，真正以大數據的思想和架構應對海量工業數據采集場景。
（2）多源異構數據融合技術
利用多源異構數據融合技術，將不同種類發電設備數據轉化為面向發電設備對象的統一信息模型，完成了時間、空間關聯的數據斷面和不同業務數據的一致表達，解決了數據采集和數據管理過程中的標準化和一致性問題。
（3）海量數據并行處理技術
利用海量異構數據實時、批量處理分析技術，構建在線監測、在線分析和在線計算等實時數據處理平臺。平臺內存計算引擎采用改進后的ApacheSpark，消除了頻繁的I/O 磁盤訪問，同時具有極低的調度和啟動開銷，滿足計算量大且對于實時性要求高的場景。
（4）微服務架構技術
為了實現平臺生態建設，開發過程中充分考慮應用服務及應用算法的擴展，采用微服務技術框架。以模塊化的方式實現服務的開發與運行，標準化了平臺所有服務的網絡通信訪問，實現了平臺各數據服務之間的解耦、重用，可以自動化運維、部署、編排與資源分配，提高了平臺的可用性和可靠性。
（5）可視化建模分析工具
平臺集成了可視化工業智能建模工具（IDE）降低了工業APP的開發門檻并加快了開發速度，解決了現有專家知識難以沉淀的困難。通過專業團隊的總結提煉，將標準、通用的分析建模方法和流程包裝為行業經驗模板，大幅減輕算法工程師對行業知識的依賴。
（6）健康預測代替故障診斷
平臺采用故障預測與健康管理（PHM）的模式，代替出故障、找根源的傳統運維模式，以系統工程的角度利用歷史數據及同類比較數據對設備未來運行狀況進行判斷，提前預測故障風險，安排檢修計劃，提升發電系統綜合經濟效益。

2. 實施效果
發電設備工業大數據應用技術平臺的實施應用，能夠實現發電設備數據的實時采集、集中存儲，并基于數據資源開展數據管理工作，從業務與技術角度梳理業務數據模型，形成數據資源地圖，方便業務人員和技術人員隨時查詢和應用數據分析域的數據資源，支撐統一數據服務的構建。

經濟效益方面，平臺實現向市場提供“制造+服務”的模式。平臺作為哈電集團向服務型制造轉型的衍生產品不僅可帶來新的經濟增長點，幫助設計生產部門優化工藝，同時還幫助發電站減少檢修（維修）次數和縮短檢修時間，降低電站運營成本，有利于實現我國現代數字化電站的建設需求。

技術效益方面，平臺根據業務經驗積累集數據采集技術、云平臺技術以及機器學習等先進的智能化技術于一體，通過多年業務經驗，將裝備從生產制造到運維的工業知識沉淀為哈電集團智能專家知識庫和工業APP庫，提升哈電集團整體軟實力，助力企業的轉型升級。

社會效益方面，平臺為遠程運維和智能制造等業務場景提供了有力的應用技術支撐，逐步形成支撐工業互聯網平臺發展的技術體系和產業體系，增強中國裝備的國際競爭力。