云智擎信息技術(shù)(北京)有限公司副總經(jīng)理王曦出席“第五屆中國風(fēng)電后市場專題研討會”，在風(fēng)電場技改與優(yōu)化專題論壇，分享題為“基于神經(jīng)網(wǎng)絡(luò)的預(yù)防性維護(hù)策略實踐”的主旨演講。

云智擎信息技術(shù)(北京)有限公司副總經(jīng)理 王曦先生

　　王曦：我們是跟之前所有的演講嘉賓的公司不一樣，我們是純第三方做數(shù)據(jù)分析，工業(yè)大數(shù)據(jù)平臺獨(dú)立開發(fā)的一個廠商，風(fēng)電行業(yè)其實覺得也是蠻有淵源的，風(fēng)電行業(yè)的合作來講2014年就開始了，最近三四年的時間公司也比較大的投入做這方面的投入，公司本身我們是不做硬件，不做傳感器和采集盒子，我們本身是工業(yè)大數(shù)據(jù)的平臺以及算法，我們的合作伙伴，我們是第三方公司，我們技術(shù)上和微軟、亞洲研究院，和NVIDIA中國的團(tuán)隊有深度的合作，針對深度學(xué)習(xí)、記憶學(xué)習(xí)的行業(yè)應(yīng)用上。

　　客戶的群體來講，能源角度我們新能源、風(fēng)力發(fā)電和石油、石化方面有一些客戶的合作，目前主要的客戶來源都是設(shè)備的整機(jī)廠商和石油、石化設(shè)備研發(fā)公司，還有海油和中石油設(shè)備研發(fā)公司這樣，風(fēng)電行業(yè)業(yè)主的區(qū)公司有比較多的合作，設(shè)備的故障預(yù)測、診斷，以及我今天會主要講的運(yùn)維策略整體解決方案角度。

　　這頁片子講了我們行業(yè)面臨的問題以及挑戰(zhàn)，很早以前，2014年國內(nèi)的廠商可利用小時數(shù)，國外的可利用效率比我們多，發(fā)電效率比我們好，國內(nèi)這幾年整機(jī)的研發(fā)、整機(jī)的利用、整機(jī)的技術(shù)迭代來講，我不覺得硬件角度存在什么問題。我們可能存在運(yùn)維策略，對硬件沒有利用上，可能有一個很好的提升，這里面我們列了幾點(diǎn)，包括我們運(yùn)維管理還不是完全的閉環(huán)管理，我們傳統(tǒng)的關(guān)系被動式的，不是預(yù)測系統(tǒng)，報警系統(tǒng)，是有問題了才報出來，現(xiàn)場有運(yùn)維和工程師解決，然后再反饋，這個反饋就很薄弱，包括數(shù)據(jù)的質(zhì)量。

　　我們從設(shè)備品牌來講已經(jīng)接入了6到5個設(shè)備品牌的數(shù)據(jù)，我們發(fā)現(xiàn)數(shù)據(jù)質(zhì)量遠(yuǎn)遠(yuǎn)沒有達(dá)到這樣的標(biāo)準(zhǔn)，我們在美國參觀過GE的現(xiàn)場，和他們的監(jiān)控中心，他們引以自豪的就是說可能我們的截面，我們的功能沒你們做的那么酷炫，那么強(qiáng)大，我們的數(shù)據(jù)質(zhì)量一定是非常好的，因為他們有很多對于數(shù)據(jù)質(zhì)量的提升機(jī)制。我們回來花了一年多的時間在這部分對數(shù)據(jù)質(zhì)量評判，數(shù)據(jù)有效性的評判，包括數(shù)據(jù)的機(jī)制都建立起來了。

　　對業(yè)主來說機(jī)型、品牌比較多也是一個困擾，比如說長時間等待備件也是一個問題。運(yùn)維整體方案來講這是整體的方案，數(shù)據(jù)實時接入，包括大數(shù)據(jù)計算方面的子系統(tǒng)，包括后面無人式工單和策略的管理，底層是大數(shù)據(jù)的管理，大數(shù)據(jù)的分析和最后可視化結(jié)果的展現(xiàn)。

　　這頁騙子就一行字，這個就是我們踩過N多坑最后的總結(jié)，每家企業(yè)，每家運(yùn)維服務(wù)團(tuán)隊都在講我要提高運(yùn)維質(zhì)量，我要做基于預(yù)測性、主動性的運(yùn)維，怎么做？對于我們來說就這幾點(diǎn)，首先我接入靠譜、高質(zhì)量的數(shù)據(jù)，數(shù)據(jù)不管接了急控，接了實施數(shù)據(jù)，我可能會接一些故障數(shù)的數(shù)據(jù)，接一些比如說分資源的數(shù)據(jù)，這個數(shù)據(jù)的質(zhì)量怎么樣，會不會幫我們形成比較好的結(jié)果？

　　此外精準(zhǔn)的算法，算法每年的法國都特別快，算法的角度講我們這里講精準(zhǔn)，實操層面就是靠譜的算法，不一定每一個場景都要用深度學(xué)習(xí)，每一個場景用CPU進(jìn)行大量的運(yùn)算，只要精準(zhǔn)貼合就好了。前兩個是一個基礎(chǔ)，但同樣要和專業(yè)的專家的知識圖譜融合，否則你先做數(shù)據(jù)標(biāo)記，我沒有行業(yè)專家，沒有行業(yè)的知識圖譜，你連標(biāo)記都做不準(zhǔn)，肯定有比較大的問題。

　　從整體來講這是我們整體用比較簡單的圖形表現(xiàn)出來我們工作的方式，所以要做一個基于深度學(xué)習(xí)比較精準(zhǔn)高質(zhì)量的運(yùn)維體系，所以左側(cè)就是剛才跟各位介紹的我們揭露的數(shù)據(jù)，中間我們包括風(fēng)機(jī)數(shù)據(jù)、運(yùn)維數(shù)據(jù)、氣象數(shù)據(jù)N多數(shù)據(jù)的算法，左邊是包括故障預(yù)警、設(shè)備健康度，基于這兩個產(chǎn)出的運(yùn)維策略包。

　　其實剛才講的那么多，最離不開的就是我們基礎(chǔ)的大數(shù)據(jù)的運(yùn)行平臺，雖然預(yù)警、精準(zhǔn)運(yùn)維很出彩，所工作都是通過分布式的集群進(jìn)行計算，這個集群底層是數(shù)據(jù)揭露層，風(fēng)場的數(shù)據(jù)，實時數(shù)據(jù)，錄播各種設(shè)備的數(shù)據(jù)，包括資產(chǎn)數(shù)據(jù)，風(fēng)機(jī)生命檔案這樣的數(shù)據(jù)都要接進(jìn)來，當(dāng)然我們在數(shù)據(jù)大數(shù)據(jù)平臺進(jìn)行處理、規(guī)劃、分類、匯總，再上層是大數(shù)據(jù)分析平臺，上面有很多實時分析的算法，預(yù)警算法，以及我們叫運(yùn)維最優(yōu)化的算法，包括融入了很多故障數(shù)的數(shù)據(jù)，融入了很多數(shù)據(jù)做最后整體的展現(xiàn)。

　　我今天的主題是深度學(xué)習(xí)基于神經(jīng)網(wǎng)絡(luò)的預(yù)測性運(yùn)維的策略，其實從整體來講，在我們開來最后要產(chǎn)生一個能落地的，能讓現(xiàn)場同事，現(xiàn)場工程師快速解決的方法，我們把運(yùn)維策略分三個部分，第一部分無論是預(yù)警也好，還是我們叫設(shè)備健康度，我們這個風(fēng)場25臺風(fēng)機(jī)，哪臺或者是哪幾臺風(fēng)機(jī)運(yùn)行最差，最差是什么樣的問題我們首先要找到，有了個問題我找到問題了，派什么樣的人，帶什么樣工具，帶什么樣的備件什么時候點(diǎn)去做，什么時候做停機(jī)最合適，就叫運(yùn)維窗口期和運(yùn)維工作包，就是策略包。比如說這個運(yùn)維點(diǎn)需要4個人早上幾點(diǎn)做比較好，什么時候停機(jī)比較好，里面是不是有故障數(shù)、處理措施的支持，還是我有足夠的人員能力和備件的支持，我們有動態(tài)運(yùn)營、疲勞期等等設(shè)備分析是不是在比較差的疲勞期，這些都是我們中間結(jié)果和產(chǎn)出了，底層一樣，底層我們需要大量的數(shù)據(jù)，運(yùn)維數(shù)據(jù)，相關(guān)的其他數(shù)據(jù)做支撐。

　　這個剛才也提到了，我們要算健康度要看相關(guān)點(diǎn)位的動態(tài)預(yù)值，要看相關(guān)的一些問題，不會看到不相關(guān)部件的一些點(diǎn)位，另外要看全場對比，全場對比就是說全場里找出來模擬標(biāo)準(zhǔn)工況下什么指標(biāo)下運(yùn)行，不同的直銷是不是會有樣的問題，當(dāng)然我們會分析疲勞度，也會有故障預(yù)警來做這樣的工作。

　　說是這個想法的由來，現(xiàn)在覺得很普及，有很多做這樣的事情，主機(jī)的角度和運(yùn)維的角度SCADA很多運(yùn)維的設(shè)置比較靠后，不會是非常靈敏的數(shù)值，可能是比較靠后的準(zhǔn)備，以及提前準(zhǔn)備好工作包和運(yùn)維策略來幫助整體最終無論是成本的降低還是發(fā)電量的提升。

　　所以我們的基本原理也是剛才這幾點(diǎn)，包括我們針對滑動窗口期一個坍塌的計算，什么叫滑動窗口期？這跟傳統(tǒng)SCADA和急控的考慮不一樣，我們是會往前延長一個有選擇的時間窗口期來選擇適當(dāng)?shù)臄?shù)據(jù)，幫助我們做未來的預(yù)測，當(dāng)然這里面還是有一些統(tǒng)計學(xué)和應(yīng)用數(shù)據(jù)的理論在里面，我們會算疲勞期，疲勞期很多人會想，疲勞期很簡單，我就說這個風(fēng)機(jī)工作多式小時，我們后來發(fā)現(xiàn)這樣比可能不是完整的，雖然能夠解決一定問題，完整的想法我們是想說，疲勞期是不是應(yīng)該在同功率，同發(fā)電量的情況下比較疲勞期，疲勞期要跟時間關(guān)聯(lián)，跟故障率相關(guān)聯(lián)，這是比較完整的疲勞期。

　　我們用深度學(xué)習(xí)專干期記憶LSTM的模型做這樣的事情，這是建模的過程，這里不詳細(xì)講了，這也是涉及到剛才四個主要建模的過程。具體模型的創(chuàng)建和其他機(jī)器學(xué)習(xí)的方法沒有什么區(qū)別，數(shù)據(jù)進(jìn)來做聚合、提取做重要點(diǎn)位，然后做模型，做預(yù)測做驗證，效果好持續(xù)優(yōu)化，效果不好做一些各個點(diǎn)位的一些調(diào)整和技術(shù)的一些工作，當(dāng)然我們是分三步做的，這是第一個，第二個是針對我們?nèi)珗鰧Ρ鹊模槍σ恍顟B(tài)預(yù)測的結(jié)果，針對疲勞的一些分析，都是通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)進(jìn)行的這樣一個分析。

　　詳細(xì)說說動態(tài)閾值是什么概念？SCADA會進(jìn)行報警，這是詳細(xì)的閾值，動態(tài)閾值不同工況下不定不同，不同的風(fēng)速、不同的轉(zhuǎn)速有時候可能80度夠了，有的時候可能85度需要報，我們用深度學(xué)習(xí)歷史的數(shù)據(jù)作為模型，未來24小時、48小時溫度的點(diǎn)位、數(shù)值應(yīng)該在什么數(shù)值上，這是我們要考慮的問題，這個過程是實時數(shù)據(jù)，沒有寫太細(xì)，對于數(shù)據(jù)的質(zhì)量我們做了大量的工作，數(shù)據(jù)確實怎么補(bǔ)齊，數(shù)據(jù)有的水溫低于多少度以上，用什么樣的方式修整過來。體征提取，對于設(shè)備零部件的亞健康，特寫特征跟它比較密切。

　　當(dāng)然我們也會針對這些異常用聚類分析，判斷哪些點(diǎn)位是異常的，會匯聚到我們整體工作當(dāng)中，疲勞期開始的時候下降比較快，平穩(wěn)期，最后是損耗失效期，這個是一個樣子，每一臺設(shè)備算出來的比率或者是梯度都是不一樣的，整體的趨勢是這樣的，我們把它放在整體策略的前期分析里面做整體策略分析的支持。

　　當(dāng)然最后說一下預(yù)警，其實這個是我們的一個老片子了，我們預(yù)警模型不止這些了，針對預(yù)警模型來講，我們原來覺得這個跟SCADA差不多，用戶也覺得是SCADA，我們可能提前預(yù)測用戶覺得很好，后來只是覺得我只是預(yù)測出來一個事件意義是不大的，為什么我們要做針對這種大部件或者是整機(jī)的健康度？我們要把這些東西關(guān)聯(lián)到一個大部件，或者是二級、三級部件上才有意義。但是我們整體的一個分析計算里面都是按照計算，分析葉片、整機(jī)等等這些都會跟我們具體大部件健康度的分析融合在一起的。

　　剛才計算了那么多，無論是疲勞期、動態(tài)閾值還是其他的這些東西，我們要做成集成算法匯集起來，算法這邊會看到有幾個比例，70、20、10，動態(tài)閾值狀態(tài)預(yù)測70%，異常點(diǎn)檢測20%，疲勞度分析10%，我們每次比例都是不一樣的，只有我們觀察動態(tài)閾值還是70%，所以其他的每次都不一樣。

　　講了這么多我們這次結(jié)果還是不錯的，左側(cè)是我們預(yù)測的故障的時段，右邊是健康時段，雖然有下降，但是還是屬于我們健康的故障圖譜里面，我們通過這樣完成了整個的過程。說一個具體的例子，就拿齒輪箱，齒輪箱運(yùn)維上面的問題有時候還是比較多的，我們預(yù)防性策略上一個具體的例子，比如說我們會算齒輪箱健康度，我們會看齒輪箱的油溫，最佳時間，什么樣人可以做這個事情，我們可以用什么故障解決方案做，以及他需要什么樣的工具。齒輪箱健康度和我們運(yùn)維策略包會合成一個工單下發(fā)下去，這個工單做完之后會回來的。

　　這是內(nèi)蒙風(fēng)場廠的一個案例，我們做了一些處理，把一些隱患找到了。這里多說一句，其實SCADA這個是特別好的一個東西，它相當(dāng)于對設(shè)備是一個在最底層，或者是真正大的損壞之前會報出來，但是它不關(guān)注小的隱患，我們?yōu)槭裁匆P(guān)注小的隱患，部件的隱患？因為很多部件的隱患不做處理有一天報警了，SCADA的問題不做出來，然后有一天SCADA的問題真的出現(xiàn)了，我們正套的運(yùn)維就是查缺補(bǔ)漏，我們會預(yù)先、提前來發(fā)現(xiàn)這個問題，告知這個問題，以及具體怎么操作，形成我們策略包做這樣的事情。

　　這是我們產(chǎn)品的一些截屏，放在最后不是我們最重要的部分，是我們預(yù)警加策略包的產(chǎn)品，我們剛才講的算法、底層的計算，和大數(shù)據(jù)相關(guān)是我們的關(guān)鍵，但是沒有算法、底層的計算，高效的計算能力這些都沒有辦法做到實時。現(xiàn)在我們這套機(jī)制，包括全局管理、性能KPI指標(biāo)，行業(yè)內(nèi)十幾個KPI指標(biāo)，包括預(yù)警，健康度預(yù)警，審批及工單，以及策略包和解決方案建議，這是完整的一套體系。到了這邊工單完成之后還會回到整體的平臺里面做持續(xù)的優(yōu)化和分析。

　　簡單來說我們的初衷很簡單，就是能省的成本省下來，能發(fā)電的時間盡量發(fā)電，提升發(fā)電量，降低運(yùn)維成本，少換配件，提前維修就這么簡單。

　　這是我整體的介紹。

　　謝謝大家！

　　（根據(jù)發(fā)言整理，未經(jīng)本人審閱）