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據本地化處理和邊緣網關部署的條件基礎上，鑒于目前大量離線數據未被合理存儲以待日后在更高商業和社會價值的挖掘和利用，沐樺科技與力得聯合研發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，挖掘和創造水電站生產運營實時產生海量數據的經濟效益、商業及社會價值，成為電力領域的邊云協同落地應用場景示范案例。

02解決方案介紹

2.1　設計思路

在低壓水輪發電機組智能控制柜的業務場景邊緣側部署智能節點，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點的應用接口獲取實時和歷史數據，從數據中實時捕獲信息，將現網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，通過調整水電站各項工作參數使現網運行工況無限趨近于理想運行工況中的最高效率點，并依據此功率穩態值生成非線性控制策略用于運行條件匹配，調度機組高效運轉從而提高發電效率，最終達到為業主創效增收的目的。

2.2　平臺解決方案組成

（1）平臺系統架構

邊緣智能節點硬件模塊在ARM架構下運行Armbian Linux系統，物理層面上在靠近自動控制設備一側增加了邊緣網關模塊，集成了網絡、計算、存儲、應用核心能力為一體，設計上將原始數據和網絡傳輸分為兩個平面，在數據平面上先進行一次數據處理，然后只需將少量的處理結果數據通過網絡傳輸到云端。

（2）數據可視化

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

（3）基于數據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據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)，而是通過海量數據自動學習特征，也就是無監督學習，所以深度學習常和大數據聯系在一起。

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的靜、動態安全評估、故障診斷、負荷預測、線損計算、經濟調度控制策略等方面開展應用。

與傳統前饋人工神經網絡相比，深度學習使用多個隱含層，前一層可使用無監督學習算法獲得數據特征，輸入到下一個隱含層，從而通過多個隱含層逐步抽象出數據特征。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特征的水電功率時間序列。

大數據是深度學習應用的基本條件。大量數據在理論上可以對全時空數據集合內關聯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，邊緣智能平臺的數據采集和處理能力完全能夠滿足深度學習的應用需求，邊緣節點可以采集獲取各類傳感器和儀表的高質量的全時空數據集，為深度技術的應用開啟了新的入口。

基于數據的故障預測技術以數據為基礎，通過數據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展，基于機器學習的方法成為裝備故障預測技術的發展趨勢。在復合故障的情況下，各個故障對系統存在交互作用，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。常規的預測結果好壞取決于特征工程準備數據的能力，需要專業知識和技能。深度學習無需對數據正確分布做假設，無需處理原始數據，能夠自動學習預測性的特征。

結合基于數值天氣預報（Numerical Weather Prediction，NWT）能夠制定水電站高精度的數值天氣預報的物理模型，依據雨量作為預測模型的參考輸入變量，采用數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，提前優化調度計劃和機組組合，減少水資源浪費，使發電機組盡可能多的并網發電。

2.3　數據通訊和安全措施

該平臺基于數據產生洞見以“反哺”方式智能操控邊緣設備端，同時作為實現更多潛在價值應用的“基礎燃料”，是真正意義上物聯網時代下在電力領域的邊云協同的落地應用場景。

沐樺科技的泛載霧計算解決方案，基于豐富的業務經驗和技術實力，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濟效益

通過本地采集傳感器和儀表日志數據、霧計算層對數據進行過濾和分析、云端運用深度學習技術開展如靜、動態安全評估、故障診斷、負荷預測、線損計算、經濟調度控制策略等方面的應用，有效地推動現網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，提高操作精確度，智能地調度機組高效運轉，最終達到為業主創效增收的目的。

（2）與政府部門展開合作，推動基于電力大數據的公共服務

沐樺科技智能水電站邊緣智能平臺多層架構的合理分工規劃，使得從水電站采集到的海量數據能夠被有效地存儲、過濾、處理和整合，從而形成巨大價值和使用潛力的多元數據庫，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據的價值信息，與政策、經濟、人口、地理、氣象、能源和環境等外部數據進行了融合利用，實現和優化對政府部門相關政策效果、經濟趨勢、產業發展、用戶特性的預判和分析，助力政府、企業和社會機構的智能決策提供，從而將公司數據轉化為社會公共價值并造福于人民。

（3）賦能多領域多行業，發揮物聯網更大價值

平臺的搭建將云計算、邊緣計算、虛擬化、深度學習、數據可視化等前沿技術和應用深度結合，聚合未被深度應用和整合的數據，在未來可基于現有的或深度充分挖掘基于此類數據的利用價值，通過開放接口合作方式靈活接入，實現數據互聯互通，探索研發和落地更多有商業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》