北京2017年11月9日電 /美通社/ -- 2017年10月16日至19日，2017北京國際風能大會暨展覽會（CWP2017）隆重召開。全球領先的智慧能源科技公司與全球較大的能源物聯(lián)網(wǎng)平臺遠景能源亮相風展，持續(xù)引領風電數(shù)字化風潮：發(fā)布海、陸三款智能風機新機型，展示全球首創(chuàng)的EnOS?智慧風場軟件解決方案，并分享了能源物聯(lián)網(wǎng)平臺在構建行業(yè)生態(tài)、推動全球能源數(shù)字化轉(zhuǎn)型的最新成果。
這一屆北京風展的主題“風能的數(shù)字化時代”，以及會場上紛紛亮相的數(shù)字化平臺，讓遠景能源EnOS?智慧風場軟件解決方案負責人趙清聲想起了七年前遠景首倡風電數(shù)字化時遭到的業(yè)內(nèi)質(zhì)疑。而如今，越來越多地企業(yè)加入了風電數(shù)字化的行列，但是遠景深知“風電數(shù)字化”絕不僅僅是模仿一堆軟件功能，組建一個解決方案那樣簡單。
作為行業(yè)先行者，遠景在無可借鑒的情況下，從軟件項目到軟件產(chǎn)品，再到軟件平臺，每一步背后都有其內(nèi)在動力，只有基于內(nèi)在驅(qū)動的數(shù)字進化，才能有機地對業(yè)務起到促進作用。遠景希望，風電行業(yè)的數(shù)字化水平，能夠因為遠景的“示范作用”，提升得更快一些。
“我們產(chǎn)品的引領性還是很突出的，目前市場上大部分是項目級定制開發(fā)功能，只合適一兩類用戶場景，普適性、可維護性、可升級性不高；有的如功率預測，適合所有用戶，但功能相對單一，我們做的是全系列產(chǎn)品級、平臺級的軟件?！边h景智能軟件銷售總監(jiān)張瓊表示。“平臺級”這三個字看似平淡無奇，卻是七年來在實際項目中趟過多少坑、重構進化了多少次才積累出來的?！?/p>
以風電數(shù)字化的基礎 -- 數(shù)據(jù)接入和準確性來說，遠景能源基于全球較大的能源物聯(lián)網(wǎng)平臺EnOS?打造的智慧風場軟件解決方案，可以直接讀取風機和光伏逆變器數(shù)據(jù)，能夠支持140種風機機型和650種型號的光伏逆變器直連接入EnOS?能源物聯(lián)網(wǎng)平臺，實現(xiàn)秒級數(shù)據(jù)的實時更新，并且設備采集數(shù)據(jù)的合格率超過95%，損失電量分析的準確率超過95%。
從起步開始，遠景的USCADA系統(tǒng)就是先在國內(nèi)項目的第三方風機上起步，再在海外項目的第三方風機上做，自己的風機反倒排在第三位，系統(tǒng)一開始就以普適性作為架構標準。但在2013年做某集團級客戶項目時，面對100多種機型，形形色色的接口，惡劣的通訊條件，參差不齊的設備穩(wěn)定性，遠景發(fā)現(xiàn)太多細節(jié)需要提升修改，也發(fā)現(xiàn)風機PLC直連是徹底提高數(shù)據(jù)質(zhì)量較有效的辦法。
通過為客戶解決一個又一個的項目，體驗了不同機型與主控版本下的復雜條件，也不斷優(yōu)化著產(chǎn)品的可配置型性，模型的抗干擾性。開始有些項目的“數(shù)據(jù)大掃除”耗時數(shù)月，我們業(yè)界領先的95%的數(shù)據(jù)合格率就是這樣提升的。
遠景持續(xù)七年的投入，攻克了無數(shù)細節(jié)上的難關，近100GW項目的產(chǎn)品化積累，解決了大部分數(shù)據(jù)連接、采集、運算、質(zhì)量控制等難題，這些都是數(shù)字化的基礎。
遠景基于EnOS?能源物聯(lián)網(wǎng)平臺開發(fā)的Ensight產(chǎn)品，基于2PB高質(zhì)量數(shù)據(jù)和機器學習算法包，訓練設備健康度模型，衡量發(fā)電性能和設備健康度，提供關鍵部件的健康度預警與狀態(tài)維護提示，從而實現(xiàn)預測維護。Ensight Wind基于海量數(shù)據(jù)與機器學習技術，不斷優(yōu)化算法，實現(xiàn)風機發(fā)電性能與設備亞健康狀態(tài)識別告警，進行預測維護，減少大部件故障造成的非計劃性停機損失，使故障風機提升等效利用77小時。
遠景一直很清楚，機器學習并不是挖幾個算法大牛就可以實現(xiàn)的?！皫啄昵拔覀円舱J為招些數(shù)據(jù)算法專家就可以發(fā)掘數(shù)據(jù)里的價值，但實踐發(fā)現(xiàn)學習能源領域的垂直領域知識很關鍵，否則傳統(tǒng)機器學習所發(fā)現(xiàn)的一些規(guī)律，對垂直領域來說，不過是常識，精度能不能做到極致先不論，僅一個不可解釋性就讓你舉步維艱?！盓nOS?大數(shù)據(jù)平臺架構師閆博士說。
他找到的解決方法是讓機器學習的專家和領域技術骨干相互學習，每兩周舉辦一次培訓，讓機器學習的人弄明白能源領域的理論知識，“不僅是文字表達的講懂，更要把里面的數(shù)學模型、物理模型公式都看懂”。反過來原來的領域?qū)＜覄t要學習python語言和算法包，還要參加軟件培訓，大家做真正的“跨界”人才，用閆博士的話說就是“讓大氣動力學的領域?qū)＜覍W神經(jīng)網(wǎng)絡，讓神經(jīng)網(wǎng)絡專家搞懂流體力學?！?/p>
這種雙向?qū)W習打破了機器學習和領域知識之間的隔膜，讓機器學習能夠真正和實際應用結(jié)合起來。目前，遠景軟件團隊中，有機器學習背景和領域知識背景的人才比例接近一比一。
遠景不僅在機器學習人才培養(yǎng)方面推陳出新，在機器學習領域也做了很多模式創(chuàng)新，主要體現(xiàn)在遠景去年推出的新能源功率預測軟件孔明上面。
孔明在自己團隊開發(fā)機器學習算法之外，還搭建了一個算法驗證、比較平臺，與各高校、ECMWF、NCAR等各機構達成戰(zhàn)略合作協(xié)議，大家貢獻算法。針對客戶的風場數(shù)據(jù)，讓不同的氣象數(shù)據(jù)，不同算法在平臺上同時運行，在不打開“黑匣子”的前提下，讓機器自動尋找到最適合該風場的算法。
孔明獨創(chuàng)的算法驗證平臺，不僅能夠提高自身的預測精度。更創(chuàng)造了一種機器學習在風功率預測方面的“眾包”模式，一種各方多贏的行業(yè)生態(tài)。
海量數(shù)據(jù)和天量運算離不開運算能力的支持，可能很少人知道，早在亞馬遜AWS正式進入中國之前，遠景已經(jīng)是它的第一個中國客戶。如今，遠景能源背后還依托著太湖之光和天河二號國家超級計算中心所獨有的大數(shù)據(jù)運算能力，這讓它可以為整個行業(yè)提供計算平臺。
以上的技術創(chuàng)新和技術支持，使孔明的預測精度高出業(yè)界水平5個百分點。雖然孔明是市場后入者，但憑借著在很多風場和競品的“貼身PK”，短短一年多時間內(nèi)就已經(jīng)打入了300多個風場。
無論是遠景此次揭秘的Enlight和Ensight產(chǎn)品，還是去年推出的孔明新能源功率預測系統(tǒng)，都在不斷豐富著EnOS?智慧風場軟件解決方案的價值創(chuàng)造，滿足著不同客戶不同層面、不同人員的需求。
如今，歐洲第二大可再生能源管理軟件公司BazeField已經(jīng)接入EnOS?平臺，可以和Enlight、Ensight一起為客戶提供打包方案。“以后，平臺上app可以和app找朋友了?！拔覀儾豢赡軜訕佣甲约簛?，重要的是使能優(yōu)秀的app開發(fā)者們。”趙清聲表示，“我們通過‘領域吸引領域，應用吸引應用’，去發(fā)揮平臺Synergy的力量，遠景堅信能源行業(yè)的未來由無數(shù)開發(fā)者創(chuàng)造。”
