2017年中國電機(jī)工程學(xué)會年會能源互聯(lián)網(wǎng)專題研討會于11月23日在廣西南寧國際會展中心召開。

ABB(中國) 有限公司首席技術(shù)官劉前進(jìn)博士出席會議，并發(fā)表了題為《智能運(yùn)維-機(jī)器學(xué)習(xí)在資產(chǎn)健康管理中的應(yīng)用》的主旨演講。

以下為發(fā)言內(nèi)容：

劉前進(jìn)：上個月接到組委會的邀請做個報告，問我講什么題目，當(dāng)時腦瓜一熱說講講機(jī)器學(xué)習(xí)的工作，因為這幾年ABB我們在做數(shù)字化變革，過去三年講了非常多的架構(gòu)、方案、平臺的構(gòu)建，所以我想講點不一樣的，我的題目是機(jī)器學(xué)習(xí)在電力產(chǎn)品中的應(yīng)用，這是我最近的工作，特別是結(jié)合智能運(yùn)維。

過去的三年我們講了ABB的平臺，去年底和今年初在美國和中國分布發(fā)布了平臺，這是工信部之前的白皮書26號工業(yè)互聯(lián)網(wǎng)之一，最大的背景是我們看到物聯(lián)的成本越來越低，我們做了一個小的盒子一百美金，當(dāng)時開發(fā)項目的時候，上海一個客戶說2013年用的手機(jī)，我簡單做幾個APP，中間有十多項傳感器，我一個一個拿出來，每個傳感器就幾塊一個，這個數(shù)據(jù)怎么用，不知道。我就想到這能不能使用在工業(yè)上，這是當(dāng)時的一個背景。

第二個背景很簡單，因為計算能力越來越強(qiáng)，從最早的CPU、GPU，對大的數(shù)據(jù)提前處理，挖掘出特殊的信息，這是一個很特別的點。

第三個背景，我們帶寬越來越強(qiáng)，最早3G的時候幾十K很了不起了，后來幾十M，到了5G的時候會怎么樣，這是我們在2014年討論對ABB戰(zhàn)略性轉(zhuǎn)型階段。過去一年多我們在原有的7千萬的聯(lián)網(wǎng)設(shè)備進(jìn)行整合，有7萬套的系統(tǒng)平臺，還有6千多臺解決方案，還有幾十個云平臺，這是當(dāng)時的方案。

所以，講到歷程的時候，這是我們的構(gòu)架，提到這個平臺的時候也很多，從學(xué)術(shù)界的圈子里的方向，一個是機(jī)器人，我講得比較多，兩個月前我們干了一件事，在意大利，我們開發(fā)的機(jī)器人取代了指揮，指揮非常驚訝，說不可思議，動作的平滑度，在女高音講《我的父親》中，有一個高音，機(jī)器人的手隨著節(jié)奏給予對應(yīng)的指揮，這是非常好的例子。但是我在想，機(jī)器學(xué)習(xí)跟我們的能源、電氣如何結(jié)合，這是今天的內(nèi)容。

機(jī)器學(xué)習(xí)給我們帶來的影響是什么，我們的專業(yè)知識在座的各位大部分是電氣工程背景，和大數(shù)據(jù)怎么融合，能夠產(chǎn)生新的方案，為什么在推出平臺的時候，我們跟微軟合作，跟IBW合作，最近在跟華為測試平臺等事。為什么還需要行業(yè)的專家參與，因為將這個平臺應(yīng)用到行業(yè)的時候確實需要非常多的工業(yè)知識，沒有這些很難產(chǎn)生業(yè)務(wù)價值。所以，機(jī)器的計算能力非常強(qiáng)，從認(rèn)知上沒有達(dá)到人的水平。如果我們把這么一個強(qiáng)計算能力，通過數(shù)據(jù)所產(chǎn)生的模型以外的知識，和我們專業(yè)知識整合，甚至專家的知識來結(jié)合，應(yīng)用到各個領(lǐng)域當(dāng)中會產(chǎn)生對應(yīng)的價值回歸。

機(jī)器學(xué)習(xí)，我簡單提一下，對機(jī)器學(xué)習(xí)來說從過去十幾年之后，其實有很大的提高，特別是在處理大數(shù)據(jù)的時候，這是人所不具備的，如何一個人處理幾百臺變壓器、在線變壓器產(chǎn)生的數(shù)據(jù)，這是通過一個人做不到，但是通過計算機(jī)，通過互聯(lián)網(wǎng)的平臺是可以做到的，基于學(xué)習(xí)可以不按照規(guī)則的變成就可以從數(shù)據(jù)中挖掘合理的信息。但它不是萬能，你給的是垃圾信息，出來的信息也是垃圾的，也不是實時的，需要有不斷的學(xué)習(xí)過程，也需要人的介入，因為在數(shù)據(jù)的標(biāo)簽行為中，也在你最后的實施過程中，都需要有人的介入，這必然打上人的標(biāo)簽，這個算法本身有提高的過程。行業(yè)背景知識很關(guān)鍵，我講邊際計算有惠普找我一起看看怎么做，因為沒有行業(yè)背景，你不知道標(biāo)簽，你純粹學(xué)是學(xué)不到內(nèi)容的，這是非常關(guān)鍵的點，得到結(jié)果如何用專業(yè)的角度解釋，也有可能有價值，但是怎么用，客戶不可能買單，背景很專業(yè)。

數(shù)據(jù)背景和重要性，今天中午吃飯的時候提到一點，電網(wǎng)公司說數(shù)據(jù)比較多，這些數(shù)據(jù)真不算多，數(shù)據(jù)質(zhì)量是不能達(dá)到我們的目標(biāo)，就像我們做調(diào)度自動化的時候，我們會做動態(tài)分析，你的表是有誤差的，可能多方面影響，如果把一個非常大的偏差數(shù)據(jù)放到計算中，最后的結(jié)果一定會帶來很大的差別。多樣性是指各種多結(jié)構(gòu)的數(shù)據(jù)，從運(yùn)營的角度來說，數(shù)據(jù)隨著產(chǎn)品的生命周期不同的形態(tài)，不僅僅是正常的設(shè)備給你的信息也有限。所以，能不能得到一個設(shè)備，生命周期的權(quán)限，沒有商家的配合你也做不到。為什么在不同學(xué)術(shù)討論的時候，他們說我們也不相信深入學(xué)習(xí)在工業(yè)中很大的使用，有可能是一個熱度，會隨著時間下降。有一個新的說法，寬度學(xué)習(xí)，可以融合起來達(dá)到效果。

無論如何，當(dāng)你做一個機(jī)器學(xué)習(xí)的時候會做分類、異常檢測和回歸，接下來怎么跟運(yùn)維結(jié)合。我們做了地區(qū)的體檢，大小簫條，匯總一下，最后看看設(shè)備怎么整改。從數(shù)據(jù)來說，有一些小的特征你可以實現(xiàn)，我們叫早期缺陷探測。這怎么跟結(jié)合我們的題目，我們對一個物理模型與數(shù)據(jù)分析的優(yōu)點，有一些無法預(yù)測的運(yùn)營狀態(tài)，有一些東西是現(xiàn)在模型無法描述的東西，這個時候需要結(jié)合，改善模型，解決問題的因素。

有兩種方式，有監(jiān)督學(xué)習(xí)，根據(jù)歷史的數(shù)據(jù)做個預(yù)測，建模流程中，這個大家不用拍，因為網(wǎng)上非常多，用好工具和用工具是不一樣的。講到非監(jiān)督學(xué)習(xí)之前，我的建議是如果能用監(jiān)督學(xué)習(xí)最好不用非監(jiān)督學(xué)習(xí)，因為非監(jiān)督學(xué)習(xí)在數(shù)據(jù)中心沒有合適的標(biāo)簽，你需要對數(shù)據(jù)進(jìn)行分解，比如我們對這么一組數(shù)據(jù)，我們假設(shè)絕大多數(shù)的設(shè)備是好的設(shè)備，這是不對的。我們假設(shè)所有的設(shè)備是好的，只有個別設(shè)備是非健康的，算法的過程中，有很多想法，以及怎么做，比如把數(shù)據(jù)如何規(guī)劃，如何把數(shù)據(jù)降維。哪怕只有幾十個檢測量，每分鐘檢測一組，一個月下來數(shù)據(jù)量非常大，如何把這么大的數(shù)據(jù)量進(jìn)行處理，而且還能夠映射回去，這是需要技巧的，這需要在數(shù)據(jù)分析的專家來了解和配合運(yùn)作。

接下來我舉幾個例子，這在整個圈子里是第一手，講風(fēng)機(jī)的場景，2014年的時候，我們有南方、北京、島上、海上的，拿到不同數(shù)據(jù)，把對應(yīng)的數(shù)據(jù)進(jìn)行遷移，進(jìn)行分析，把它的故障種類進(jìn)行分類，開始訓(xùn)練開始培訓(xùn)，推完之后我們做判斷，我們在預(yù)測暴風(fēng)點發(fā)生的時候，這么一個時間段內(nèi)我們預(yù)測早期的信號，我能夠在1700當(dāng)天可以檢測出82%的故障，這算高嗎，其實提不提高不是關(guān)鍵點，我看到軟件和百度也在提，也是80%—90%。但是有前提條件，第一你預(yù)了多少，第二，不知道價值的前提下給你裝傳感器，所以我們不用傳感器，直接用機(jī)器檢出，我們在HV也發(fā)表了文章。

第二個例子，針對斷路器的健康評估，涉及到熱、材料、電廠的計算等工作，這些工作跟各個材料有直接的關(guān)系。需要對這些數(shù)據(jù)和運(yùn)營數(shù)據(jù)結(jié)合起來，我在電網(wǎng)找運(yùn)營數(shù)據(jù)，如果有部分的場景，可以導(dǎo)出來，最后定出一個指標(biāo)，叫做健康指數(shù)，根據(jù)指數(shù)給出第一層的數(shù)據(jù)。所用的開發(fā)類型、故障種類、檢測信號做出評估，最后檢測類達(dá)到90%多，這是非常高的，差幾點不關(guān)鍵，而是檢測出一家是在執(zhí)行，不斷往前推測。所以，90%多是非常理想的結(jié)果。作為一個用戶，如果你接受用繼續(xù)學(xué)習(xí)來解決現(xiàn)有的問題的時候，你應(yīng)該也有心理接受糾錯的問題。所以，我們把程度設(shè)到最低，因為大家不希望被打擾，哪怕可以少報，但是不能誤報，這是需要你到到場參與行動地

我們針對變壓器所做的機(jī)器學(xué)習(xí)案例，在過去二十年中，我們已經(jīng)積累了很多數(shù)據(jù)，不叫繼續(xù)學(xué)習(xí)，應(yīng)該是AI中的專業(yè)模型，對對應(yīng)的類型分類，我們可以考慮不同類型的場景，對不同的因素進(jìn)行學(xué)習(xí)。去年我們在北美的時候，有一個廠子，已經(jīng)有了設(shè)備，有一些小異常也一直在運(yùn)行，結(jié)果這個設(shè)備就斷了，廠子不得不替工。把算法和實際運(yùn)行的平臺結(jié)合，對現(xiàn)有傳感的結(jié)合，整理出相應(yīng)的設(shè)備數(shù)據(jù)、客戶平臺。對數(shù)據(jù)要聚合、抽樣，最后給出短路、熱、絕緣、配件等。我最后舉個實例，第一個是變壓器的例子，這在國內(nèi)已經(jīng)有很多人使用了，變壓器中間有在線的有色譜等等， 將數(shù)據(jù)輸入之后，我們有專門的條差工具。2014年做了一個項目，這個項目在意大利電網(wǎng)開始使用了，因為英文還不錯，而且資產(chǎn)健康不錯。資產(chǎn)健康針對開發(fā)遠(yuǎn)程服務(wù)，客戶不會24小時一個服務(wù)團(tuán)隊在那里，我們針對現(xiàn)有的標(biāo)桿對應(yīng)相應(yīng)的傳感器。這個工作可以通過視頻讓大家了解一下，這已經(jīng)是我們前年拍的了，這個服務(wù)中心在廈門。

這是我們整個內(nèi)容，在客戶剛發(fā)現(xiàn)問題的時候我們可以在現(xiàn)場第一手解決問題，解決客戶的問題才是工業(yè)互聯(lián)網(wǎng)最終所帶來的價值，謝謝大家。