日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

01目標和概述

隨著小型水電站對發(fā)電機組運行效率和售電收入提升的需求和相關自動化控制技術的逐漸成熟，邊緣智能在小型水電站的應用需求日益迫切。在小型水電站已備數(shù)據(jù)本地化處理和邊緣網(wǎng)關部署的條件基礎上，鑒于目前大量離線數(shù)據(jù)未被合理存儲以待日后在更高商業(yè)和社會價值的挖掘和利用，沐樺科技與力得聯(lián)合研發(fā)搭建的智能水電站邊緣智能平臺，通過霧計算、邊緣計算等技術賦能小型水電站自動化控制智能化，挖掘和創(chuàng)造水電站生產(chǎn)運營實時產(chǎn)生海量數(shù)據(jù)的經(jīng)濟效益、商業(yè)及社會價值，成為電力領域的邊云協(xié)同落地應用場景示范案例。

02解決方案介紹

2.1　設計思路

在低壓水輪發(fā)電機組智能控制柜的業(yè)務場景邊緣側(cè)部署智能節(jié)點，采集傳感器和儀表日志并進行過濾、合并與分析，通過部署在云端的邊緣智能平臺訪問邊緣智能節(jié)點的應用接口獲取實時和歷史數(shù)據(jù)，從數(shù)據(jù)中實時捕獲信息，將現(xiàn)網(wǎng)工況運行生成的曲線圖建模，與水電站設計方案中的水輪機功率計算模型進行比對擬合，通過調(diào)整水電站各項工作參數(shù)使現(xiàn)網(wǎng)運行工況無限趨近于理想運行工況中的最高效率點，并依據(jù)此功率穩(wěn)態(tài)值生成非線性控制策略用于運行條件匹配，調(diào)度機組高效運轉(zhuǎn)從而提高發(fā)電效率，最終達到為業(yè)主創(chuàng)效增收的目的。

2.2　平臺解決方案組成

（1）平臺系統(tǒng)架構(gòu)

邊緣智能節(jié)點硬件模塊在ARM架構(gòu)下運行Armbian Linux系統(tǒng)，物理層面上在靠近自動控制設備一側(cè)增加了邊緣網(wǎng)關模塊，集成了網(wǎng)絡、計算、存儲、應用核心能力為一體，設計上將原始數(shù)據(jù)和網(wǎng)絡傳輸分為兩個平面，在數(shù)據(jù)平面上先進行一次數(shù)據(jù)處理，然后只需將少量的處理結(jié)果數(shù)據(jù)通過網(wǎng)絡傳輸?shù)皆贫恕?/p>

（2）數(shù)據(jù)可視化

數(shù)據(jù)可視化是商業(yè)智能的有力工具，將相對晦澀的的數(shù)據(jù)通過可視的、交互的方式進行展示，從而形象、直觀地表達數(shù)據(jù)蘊含的信息和規(guī)律。邊緣智能平臺基于Grafana的數(shù)據(jù)可視化能力在邊緣智能硬件對數(shù)據(jù)做過預處理和分析之后，通過Web實時展示出待處理數(shù)據(jù)的分布和維度，并結(jié)合業(yè)務邏輯和可視化目標，對數(shù)據(jù)進行標準化、擬合/平滑、抽樣采樣以及數(shù)據(jù)集降維等處理。

（3）基于數(shù)據(jù)進行深度學習的更多應用可能

深度學習主要特點是通過多層次的學習而得到對于原始數(shù)據(jù)的不同抽象層度的表示，進而提高分類和預測等任務的準確性。深度學習的一個重要特點是不需要人工輸入或標注特征(標簽)，而是通過海量數(shù)據(jù)自動學習特征，也就是無監(jiān)督學習，所以深度學習常和大數(shù)據(jù)聯(lián)系在一起。

深度學習具有強大的搜索計算能力，為提高水力發(fā)電效率模型計算的準確性增加了一種可行的方法。目前深度學習已在電力系統(tǒng)的靜、動態(tài)安全評估、故障診斷、負荷預測、線損計算、經(jīng)濟調(diào)度控制策略等方面開展應用。

與傳統(tǒng)前饋人工神經(jīng)網(wǎng)絡相比，深度學習使用多個隱含層，前一層可使用無監(jiān)督學習算法獲得數(shù)據(jù)特征，輸入到下一個隱含層，從而通過多個隱含層逐步抽象出數(shù)據(jù)特征。所以深度學習算法有強大的處理非線性問題和特征提取的能力，適合處理具有非線性和非平穩(wěn)特征的水電功率時間序列。

大數(shù)據(jù)是深度學習應用的基本條件。大量數(shù)據(jù)在理論上可以對全時空數(shù)據(jù)集合內(nèi)關聯(lián)關系進行有效識別和提取，一定程度上彌補物理因果關系分析的不足，邊緣智能平臺的數(shù)據(jù)采集和處理能力完全能夠滿足深度學習的應用需求，邊緣節(jié)點可以采集獲取各類傳感器和儀表的高質(zhì)量的全時空數(shù)據(jù)集，為深度技術的應用開啟了新的入口。

基于數(shù)據(jù)的故障預測技術以數(shù)據(jù)為基礎，通過數(shù)據(jù)分析處理方法挖掘隱含信息進行預測，是為一種實用的故障預測技術。隨著機器學習與深度學習理論的發(fā)展，基于機器學習的方法成為裝備故障預測技術的發(fā)展趨勢。在復合故障的情況下，各個故障對系統(tǒng)存在交互作用，無法利用模式特征對復合故障進行故障建模與理論分析。深度學習不依賴前期假設，能夠自動檢測相互作用。常規(guī)的預測結(jié)果好壞取決于特征工程準備數(shù)據(jù)的能力，需要專業(yè)知識和技能。深度學習無需對數(shù)據(jù)正確分布做假設，無需處理原始數(shù)據(jù)，能夠自動學習預測性的特征。

結(jié)合基于數(shù)值天氣預報（Numerical Weather Prediction，NWT）能夠制定水電站高精度的數(shù)值天氣預報的物理模型，依據(jù)雨量作為預測模型的參考輸入變量，采用數(shù)值計算方法預測降雨量繪制庫容水位增長曲線，并換算成水頭高度，提前優(yōu)化調(diào)度計劃和機組組合，減少水資源浪費，使發(fā)電機組盡可能多的并網(wǎng)發(fā)電。

2.3　數(shù)據(jù)通訊和安全措施

該平臺基于數(shù)據(jù)產(chǎn)生洞見以“反哺”方式智能操控邊緣設備端，同時作為實現(xiàn)更多潛在價值應用的“基礎燃料”，是真正意義上物聯(lián)網(wǎng)時代下在電力領域的邊云協(xié)同的落地應用場景。

沐樺科技的泛載霧計算解決方案，基于豐富的業(yè)務經(jīng)驗和技術實力，考慮了不同層面和層次的安全要求，所提供的相應技術方案，可供不同用戶根據(jù)實際場景選用。

03代表性及推廣價值

（1）提高小型水電站的運營效率和經(jīng)濟效益

通過本地采集傳感器和儀表日志數(shù)據(jù)、霧計算層對數(shù)據(jù)進行過濾和分析、云端運用深度學習技術開展如靜、動態(tài)安全評估、故障診斷、負荷預測、線損計算、經(jīng)濟調(diào)度控制策略等方面的應用，有效地推動現(xiàn)網(wǎng)運行工況無限趨近于理想運行工況中的最高效率點，豐富決策依據(jù)，提高操作精確度，智能地調(diào)度機組高效運轉(zhuǎn)，最終達到為業(yè)主創(chuàng)效增收的目的。

（2）與政府部門展開合作，推動基于電力大數(shù)據(jù)的公共服務

沐樺科技智能水電站邊緣智能平臺多層架構(gòu)的合理分工規(guī)劃，使得從水電站采集到的海量數(shù)據(jù)能夠被有效地存儲、過濾、處理和整合，從而形成巨大價值和使用潛力的多元數(shù)據(jù)庫，通過與政府部門合作的方式開放向相關部門提供基于水電站運行大數(shù)據(jù)的價值信息，與政策、經(jīng)濟、人口、地理、氣象、能源和環(huán)境等外部數(shù)據(jù)進行了融合利用，實現(xiàn)和優(yōu)化對政府部門相關政策效果、經(jīng)濟趨勢、產(chǎn)業(yè)發(fā)展、用戶特性的預判和分析，助力政府、企業(yè)和社會機構(gòu)的智能決策提供，從而將公司數(shù)據(jù)轉(zhuǎn)化為社會公共價值并造福于人民。

（3）賦能多領域多行業(yè)，發(fā)揮物聯(lián)網(wǎng)更大價值

平臺的搭建將云計算、邊緣計算、虛擬化、深度學習、數(shù)據(jù)可視化等前沿技術和應用深度結(jié)合，聚合未被深度應用和整合的數(shù)據(jù)，在未來可基于現(xiàn)有的或深度充分挖掘基于此類數(shù)據(jù)的利用價值，通過開放接口合作方式靈活接入，實現(xiàn)數(shù)據(jù)互聯(lián)互通，探索研發(fā)和落地更多有商業(yè)和社會價值的新應用。

摘自《自動化博覽》2019年增刊《邊緣計算2019專輯》