江行智能CTO樊小毅:AI边缘计算驱动能源产业变革(2)
【作者】网站采编
【关键词】
【摘要】对于管控系统来说,更多的是体现在电力调度和辅助决策上。数据上传以后,要从数据回收、清洗、标注、训练,包括封装测试来实现一个新的闭环;再有
对于管控系统来说,更多的是体现在电力调度和辅助决策上。数据上传以后,要从数据回收、清洗、标注、训练,包括封装测试来实现一个新的闭环;再有云边协同方案,来形成第二个闭环。
利用云边协同的智能算法,在边侧设备上实现混合机理模型和机器学习的算法推理应用,给出度电成本最优的可调负荷和储能协同调控指令,实现低碳用能。同时,通过碳智能控制器,应用边缘智能算法和区块链技术,可实现精确可信监测各类用能终端的碳排放数据,为开展碳排放趋势分析和碳交易等提供可信的监测数据。
企业智慧化如何借力边缘计算技术
从框架设计和应用落地的角度,我来对企业智慧化过程中如何借力边缘计算技术进行分析:
首先是云边协同,涉及到云、边、端这样一个三层的考量,主要考虑的就是快速构建AI产品的能力,然后能够快速构建这种软硬件系统。
我们可以看到在边缘计算落地过程中,包括从传感器、设备协议这些都需要尽可能解耦。因此从下往上看的话,一方面需要硬件实现快速适配,利用边缘计算的软件框架,对设备接入和协议进行规范化,从而减少硬件接入适配的成本。
其次是AI+边缘计算可以实现数据和模型的闭环。比如在一些变电站场景中,我们需要一些特殊的开关控制器的识别,但是这种控制设备使用量会非常少,也就意味着我们在平时的迭代过程中,预训练的模型,识别的数据的量不会很多,那么我们就需要有一套系统能够实现从前端数据采集、标注到训练过程可以进行自动迭代,我们就可以更好的去实现自动调优,这样最终能够实现整个环路与模型管理相结合,实现数据的和告警的自动上传分析以及模型部署的自动调优下发。这样会充分用到云边协同和边缘推理的能力。
再次是组装式应用,我们看到在工业互联网领域,因为每套系统的定制化要求非常高,这就会导致在工业场景中出现我们业内所说的烟囱林立现象,比如在电网业务的场景中,需要在人工智能应用的输出上去叠加一层跟OA业务系统的联通,同时又要去做数字孪生的呈现。
从传统的方案上来说,这需要接口对齐、前端开发等等流程上面打通,它耗费的成本是非常高的。但如果有种组合式的应用,可以在业务线上通过少量配置和开发来实现这种需求。我们先把它拆分成基础设施能力、数据能力、分析能力和业务能力4大类,通过边缘原生代码的开发支撑,来实现可配置的AI,快速的部署到业务应用中。
AI+边缘计算的典型应用和未来展望
目前AI+边缘计算,从能源电力领域的风光水火的发电侧,到输电变电配电用电的整个场景,应用落地的场景是非常丰富的。
我们以变电站场景为例,变电站中外接的设备和传感器是比较复杂的,包括高清摄像头,红外的热成像摄像头,还有环境传感器,也包括一些反馈控制设备,比如巡检机器人,智能感知设备和边缘物联代理等智能设备。此外,根据变电站的不同等级,针对升压和降压的不同需求,还有各种相应设备,在不同的变电站中间,用到的一次和二次设备也有差别。
我们可以看到这其中包含了近百种不同的表记、读数、识别设备,以及户外的一些巡检设备,监测像油污泄漏、烟火、高温等等情况。不但设备种类多,对于数据的处理的要求也非常高,包括上传、分析的低延时的要求,诊断跟预测的要求,可能还涉及到对原有系统的一些OA的联动需求,包括人工巡检的一些智能设备的排班以及一些设备的引导。
在这样一个复杂场景中,实现智能运维需要依赖人工智能和边缘计算协同。
另外再举一个场景,比方说在火力发电厂场景,需要大量使用煤炭,煤炭的运输主要通过输煤皮带来实现,那么对输煤皮带的安全管控就非常重要,皮带撕裂,洒煤漏煤,还有堵煤断煤等情况如不能及时发现和处理即会导致严重的生产事故。
通过AI加边缘计算的方式就可以有效解决这个问题,利用边缘计算技术,通过摄像头、激光器、震动传感器、环境的传感器等端侧设备就可以构建一套本质安全方案。 文章来源:《能源技术与管理》 网址: http://www.nyjsygl.cn/zonghexinwen/2022/0320/1578.html