北极星

搜索历史清空

  • 水处理
您的位置:电力火电火电动态报道正文

当AI进入电厂能做什么?预测短期电力负荷、设备故障排查等 将带来巨大经济效益

2018-09-19 15:36来源:中国华能作者:王子晨关键词:智能电厂电力负荷火电收藏点赞

投稿

我要投稿

今年最顶级的AI盛会——正在上海举办的“2018世界人工智能大会”吸引了全世界的目光。

(来源:微信公众号“中国华能” ID:china-huaneng 作者:王子晨)

在全世界都在讨论AI如何改变生活的时候,小能人也请来了一位专家,聊聊AI如何改变工业生产。有请真视通公司的大数据首席顾问、伦敦大学人工智能领域专家赖兆红博士

人工智能不同于机器学习

很多人都会把机器学习和人工智能混为一谈,在赖兆红的理解中,人工智能与通常引述的机器学习是两个不同的概念。

机器学习的出现要早于人工智能,是机器利用算法模型从大量数据中解析得到有用信息的过程。在机器学习的过程中,已知的算法模型和明确的规则是必不可少的。人工智能则是在AlphaGo击败人类围棋冠军这个里程碑事件后,开始受到业界广泛关注的。人工智能的研究重点是人工神经网络,用机器模拟人脑运转,从信息处理角度对神经元细胞相互连接、触发的方式建立运算模型。在特定环境(规则)下,机器自行感知采集数据,再通过复杂运算逼近自然界的某种算法或者人脑神经网络行为特征,从而做出最合理的推理、判定并给出反馈。基于这一目标,对特定环境或规则的解析,计算机、大数据、统计学、经济学、生命科学等大量学科被牵扯到其中。

目前,人工智能的主流算法分为监督学习与强化学习。监督学习是用大量的结论数据对机器进行培训。以AlphaGo为例,AlphaGo通过研究人类棋手数千场对抗的棋谱,从这些游戏中学习规则和策略,进而学会下围棋,这个过程就是监督学习。而强化学习更偏向让机器“自学”。研发AlphaGo的公司去年公布了它的升级版“AlphaGo Zero”——据说AlphaGo Zero的围棋玩得更好、学得更快,最主要的是它的学习过程没有求助于人类专家。AlphaGo Zero的自学过程建立在对围棋规则的充分了解和“奖励”机制之上。AlphaGoZero在19x19的棋盘上反复尝试落子,赢棋便“奖励”加分,输棋就扣分,通过反复与其他版本的“自己”对抗下棋,这个不断自我革新的过程就是强化学习。相比较而言,监督学习需要的数据成本更高,更加依赖人类专家在该领域获取的经验;而在强化学习的过程中,机器展现出的“非人类”风格可能会衍生出其他棘手问题。

理论上来讲,机器可以模仿人类智能,然后通过自学快速成长、超越人类。“但是,人类对大脑的认知还是非常有限的”,赖兆红说,“我们现阶段在人工智能领域取得的突破,还停留在规则性较强的场景中。人工智能可以通过规则递归运算(搜索)推导出准确率极高的结论,实现强大的人机互动效果,但是在语言的理解、人体感知(如嗅觉)和情感的认知等方面处理效果还欠佳”。

人工智能落地工业制造

人类对人工智能的开发利用并不满足于给自己找一个强大的棋友,在工业生产中它更被寄予厚望。

人工智能技术落地工业制造有两大先天优势:一是工业生产流程往往与业务机理紧密结合,具有明确的规则性;二是生产过程通常伴随着多节点的数据采集,为人工智能数据分析提供了海量样本。

在工业制造中,人工智能技术与大数据分析相辅相成,一直专注于赋予工业生产智能化的属性,最典型的应用包括模型分析、预测研判、辅助决策等等。这些应用是如何实现的?可以为工业生产带来什么效益?以设备预测性维护为例,赖兆红做了简要说明:设备的理想状态为正常工作状态,随着时间的推移、环境的变化,设备发生损耗,人工智能的任务就是去感知这个变化,识别并提前预警。人工智能可以结合业务知识,通过特征值进行故障预测,指导人员提前维护或更换设备。“设备故障的原因是多种多样的,体现在数据上也是千差万别,但是我们预测故障并不需要逐一排除,通过发现特征值,人工智能就能判定设备状态异常。”赖兆红说,“这个功能应用到隐患排查方面,非常简单实用。”

除了实现设备检修维护、性能分析这一类的生产优化,人工智能还能建立数据模型,通过精确到小时、分钟的历史电力负荷数据训练,预测该厂的短期电力负荷变化,帮助企业优化经营成本;通过协同上下游企业,优化产业生态链……人工智能技术在工业生产中的巨大潜力已经得到了国家层面的重视。在打造中国工业互联网、中国制造2025的浪潮中,新技术、新平台、新的商业模式孕育而生,应用在中国庞大的工业生产基数下,哪怕很小的性能改进,都将带来巨大的经济效益,进而鼓励更长期、更可观的投入和研发。

智能工厂离我们有多远?

一方面,人工智能在工业领域的潜力已经开始显现,在预测性维护、安全检查、成本优化等方面的应用获得了小范围成功;另一方面,从“单点智能”到“全局智能”,从特定场景下的智能化应用到建设智能工厂,如何让机器完成一个高度协调的生产过程,需要更多冷静思考。“像电厂一样的流程化企业,生产的每一步都牵一发而动全身,比如,电厂停机会影响到电网负荷,再影响到更多家庭用电、企业生产,这个安全生产的责任是非常艰巨的,”赖兆红认为,“全局智能电厂还有待进一步研究。”

“在现阶段,工厂要做好从自动化到数字化、再到智能化的转型,一定要重视大数据分析。发挥人工智能的辅助决策功能,通过大数据分析,预测供给侧、需求侧变化趋势,用数据指导决策。”赖兆红说,“比如,我们正在进行企业用户画像方面的尝试,首要的是给人工智能构建相关的知识体,这还要生产企业相关领域专家的帮助。”如何确定数据的采集点,如何理解每个数据的含义,构建完整的专业领域知识体,这是人工智能运算的前期条件,也是人工智能专家和工业生产业务专家共同面临的难点。只有充分了解业务机理,才能更好地把生产制造流程映射到人工智能模型,再对模型进行层层优化,达到理想的收敛效果……人工智能为工业制造提供了转型升级的重大机遇,工业制造为人工智能提供了技术落地的优渥土壤,为了共同实现提速发展,双方专家的工作已紧密交织。

目前,人工智能技术已经可以为工业生产省去很多重复性工作、解决传统领域无法解决的问题,在安全施工、救援抢险领域也大有可为。“DeepMind团队正在让机器学习模仿类似消防员的行为,如翻越障碍物。这个功能成熟以后,就可以应用到某些高危工作领域,比如用机器人抢险救援任务,或者完成煤矿井下、核电领域、高温高压环境中的操作。”赖兆红预测道。

正如霍金曾在全球移动互联网大会所说:“我们站在一个美丽新世界的入口。这是一个令人兴奋的、同时充满了不确定性的世界”,我们将是这个智能世界的先行者。祝福我们。


投稿与新闻线索:陈女士 微信/手机:13693626116 邮箱:chenchen#bjxmail.com(请将#改成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

智能电厂查看更多>电力负荷查看更多>火电查看更多>