北极星

搜索历史清空

  • 水处理
您的位置:电力火电智慧电厂企业正文

应用大模型技术构建电厂智能“大脑”:国电电力上海庙公司开发专属“ChatGPT”

2024-01-25 16:34来源:北极星电力网关键词:智慧电厂火电厂火电收藏点赞

投稿

我要投稿

随着人工智能技术的飞速升级,世界范围内正快速迈入以大模型为核心的人工智能新时代,这次产业升级被认为是第四次产业革命的标志。大模型不仅仅是一种技术手段,更是对人机交互方式的重新定义。过去几十年,人机交互方式经历了从命令行到图形用户界面(GUI)的演变,而如今人工智能的诞生让我们可以用自然语言的方式,与电脑进行交互。业界普遍认为,大模型时代已经到来,每个行业、每个产品、每个业务系统都值得用大模型重新塑造。

在这一背景下,国电电力上海庙公司作为智慧电站建设的先行者,首次尝试用大模型技术重构电厂的智能化系统,旨在应对产业升级及数字化转型的挑战,推动大模型技术在火电行业中的应用,为电厂智能化和高效化提供全新的解决方案,并取得了显著的成果,构建了首个燃煤电厂专属的智能“大脑”。

0.jpg

一、在实践的过程中,我们遇到了诸多挑战:

1.电厂设备众多,数据繁杂,特别是由于安全生产的要求,一些业务系统无法与其他系统对接,数据无法有效采集;只能通过屏幕拍照或打印成纸质的形式进行采集。

2.大模型在行业应用中存在先天“缺陷”:

(1)幻觉问题:大模型的底层原理是基于概率,所以它有时候会一本正经胡说八道,有时会犯事实性错误,也就是可靠性问题(俗称“幻觉”);

(2)行业知识与新鲜度问题:大模型的规模越大(参数、tokens越多),训练成本就越高。因此如何在成本可控的前提下,将行业知识和及时性数据“加入”大模型中,构建专属“知识库”,成为实践中最重要的挑战之一;

(3)数据安全:企业内部存在很多敏感信息,既要保证安全,又要借助AI能力,那么最好的方式就是把数据全部放在本地,企业数据的业务计算全部在本地完成。而大模型仅仅完成一个归纳的功能,甚至大语言模型(LLM)都应该完全本地化部署。

(4)透明可追溯:为了解决大模型的“可靠性”问题,我们需要大模型给出的“答案”是透明可追溯的,即回答问题的同时,要给出答案/信息的来源,方便使用者在具体使用过程中确认信息的可靠性。

3.由于当前大模型的推理能力还比较弱,所以我们还需要使用关系型数据库来对结构化数据进行管理和访问。那如何准确使用大模型的自然语言互动的方式,直接从关系型数据库中获取想要的数据报表呢?

最终经过设计和尝试,在实践中我们已经切实解决了上述问题和挑战,完成了国电电力上海庙公司AI智能助手系统的开发。下面是我们在实践中的一些经验和解决方案分享。

二、国内首个电厂大模型智能化实践—国电电力上海庙公司AI智能助手

1.根据电厂实际应用场景,定制化开发OCR智能识别算法,特别是屏幕拍照中遇到了角度倾斜问题、多图(多屏)数据融合问题、摩尔纹问题等进行算法优化,最终实现通过屏幕拍照等方式+OCR实现智能采集异构数据的问题。识别出的数据按照数据类型,分别提交进入知识库、数据库和IMS系统中。

1.jpg

2.通过大模型技术,成功融合关系型数据库与非结构化知识库,运用Text-to-SQL等专利技术,为用户提供统一的“自然语言”调用方式,使员工更方便获取所需知识。

2.jpg

3.利用国产开源大模型,通过私有化部署,在电厂内部网络中构建了专属智能知识库,基于进阶检索增强生成(RAG,Retrieval Augmented Generation)方案,我们开发了一系列流程和工具,包括数据预处理、长文档拆分、向量库、索引库和资料建立、RAG召回率优化等,为电厂内部提供高效的知识检索渠道。此外,定期更新机制,确保知识库中的业务知识保持最新状态。3.jpg

4.集成到IMS系统中的AI智能助手,使员工更方便、更直接的获得知识和答案。AI智能助手可以在消缺决策和建议、安措危险提示、设备智能检索等多个业务中为员工提供更直接的帮助。4.jpg

国电电力上海庙公司的实践尝试,是火力发电行业知识管理领域极为有价值的创新,验证了应用大模型技术对于电厂智能化升级的可行性,同时探索出了一条火电行业构建专有知识库的可行道路。

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。

智慧电厂查看更多>火电厂查看更多>火电查看更多>