行业垂直门户网站

设为首页 | 加入收藏

您当前的位置:北极星智能电网在线 > 正文

GE:探路能源AI 我们可以学什么

北极星智能电网在线  来源:能源评论杂志  作者:莫锦和 阮玮蘋 张立  2017/9/30 10:02:49  我要投稿  

北极星智能电网在线讯:巨大白色油罐壁上,一条形似爬虫的黑色机器从底端出发,沿着光滑的油罐开始缓慢爬行。就在这条机器的顶端,有一对仿如眼睛的摄像头,时行时停间,摄像头已经把油罐的各种细节全数拍下,并向数据中心传输。而后台的机器,则迅速通过对这些数据的分析,确定油罐设施情况以及是否需要做进一步的检测。

这个类似虫子的黑色机器,来自一家名为AvitasSystem的公司。这家公司在今年6月的初秀格外引人关注,其中除了人工智能(下文简称AI)技术在能源领域的应用让业界耳目一新,还因为它的老板——通用电气(下文简称GE)旗下的风险投资机构GEVentures。

谈起AI,人们更多地会想到微软、IBM、亚马逊这些在消费领域大放异彩的公司。事实上,长期精于能源和制造的GE也在早有布局:2011年起就开始了数字化转型——由设计、生产转为软件数字服务,并成立GE数字集团,整合资产性能管理(APM)系统和ServiceMax云服务,意在变革服务操作,降低成本并减少设备的非计划停机时间;2016年大手笔收购BitStewSystems和Wise.io两家公司,加上2017年AvitasSystem的诞生,不难看出,GE在能源AI领域的信心和野心。

提升效率是杀器

GE数字转型成功的标志,是创建了工业互联网平台Predix,而人工智能则堪称是Predix上的“刀尖舞者”。如果说,Predix类似于电脑系统Windows和手机系统Android,那么在2016年,GEPredixAnalyticsRuntime引入机器学习能力,就是对系统做了彻底的升级——通过机器学习模型的训练,参与数据及信息分析,产生富有价值的预测性解决方案。

对GE材料、航空、医疗等板块,AI的作用在于更新业态模式、实现节能降耗;但能源板块上,AI的意义更为直接和明显,因为它不仅实现了“节流”,还通过“开源”,提升了整个价值链的效率。

仅以在电力领域为例,GE不单建立了涵盖设备维修、改造升级、长期服务协议、电厂日常运营及维护的全厂解决方案(Fleet360),同时,通过人工智能的机器算法,可对生产的实时数据进行分析,实现故障预测、效能比对,并对设备全生命周期进行监控和管理,提高设备的可靠性,提升电力资产精益水平,缩短管理响应时间,全面提升资产盈利能力和市场竞争力。

在发电环节,GE近年收购的NeuCo公司致力于帮助发电厂商实现节能减排。该公司成功运用人工智能技术对各发电设备实时监测以及运行维护,可提供一系列的故障诊断与解决方案,在故障初级阶段快速补救反应,提升了设备运行稳定度和发电效率,确保系统正常运行,延长运行寿命。机器学习允许软件识别微小变化,从燃煤机组的实践经验看,不仅提高了燃煤系统的效率和稳定性,减排效益也较为可观,效率提高1%相当于减少1000辆机动车的碳排放量。

在输配环节,GE人工智能技术替代了人工巡检、电话报障的传统方式,利用智能电表和机器学习进行定位和检测,提高故障响应,自动识别问题的根源,迅速恢复供电。由于电网公司通常面临技术线损和非技术线损问题,因此为减少技术线损,GE利用人工智能实现对输配电过程中的电压、电流、有功、无功、相位等进行自动实时调整;而对于非技术损失,则通过智能电表、网络传感器等智能设备识别可能存在的窃电或其他功率损耗。

在用电环节,GE开发了ConsumerWebPortal连接发电商、输配电企业、工商业用户、居民用户,以双向智能电表作为流量以及数据入口,积累消费者用电详细数据,建立消费者个人档案,形成发输配端与消费端的互动。输配电端的AI技术根据消费者用电习惯以及发电厂的发电量制定差异化电价,汇总到ConsumerWebPortal;消费者可以根据自身情况选择相匹配的供电方,同时工商业用户可采用电厂直供电模式进行交易。

模式稳健但单一

不难看出,在这一轮的AI混战中,各大企业都显现出自己的独门绝招——谷歌立足AI底层算法及芯片方面的积累优势,以覆盖更多的消费使用场景;亚马逊虽然其深度学习能力暂时还不及谷歌、微软、Facebook,但围绕Alexa在人工智能语音市场中的领先地位,重点布局智能家居和云服务;IBM则主推人工智能Watson系统,更多是聚焦商业问题。

在各个公司拼命在消费品领域争抢AI地盘的过程中,GE根据自己的特色,选择了重视集成应用的模式。

具体以能源领域为例,就是围绕其能源设备及业务流程,建立Predix,以数字镜像作为核心创新,通过连续收集设备上的传感数据,运用自学习的人工智能算法,分析设备性能和运行特征,预测能源价值链各种用户面临的问题并作出响应,实现节能或预防性维护,提高设备运行性能、企业财务业绩及能源用户收益。

这种模式,也是不少能源电力企业在AI领域寻求发展的方向,它稳定且实用,但并不一定适应于未来。

根据PRNewswire、IDC等机构预计,人工智能撬动的智慧能源市场,到2020年市值将达到5160亿美元。其中,仅人工智能市场收入就达470亿美元,而与之密切相关的机器人系统硬件、软件及相关服务营收将达1880亿美元,AI外延的智能电网、智能住宅、智能太阳能等预计更是高达2810亿美元。

同时,随着云计算的日益强大,深度学习算法的逐步优化,再加上指数增长的海量数据,传统的模式需要不断更迭,GE如果想在能源AI领域实现领跑,只有不断挖掘自身产品的痛点,并与这三股强大动力密切结合,才能寻找新的应用空间。

我们可以学什么

无论是成绩还是教训,GE的经验都可视为能源行业AI开拓的有效借鉴,特别是在以下三个方面:应用场景、数据应用和人才培养。

众所周知,应用场景是AI的核心生命力,但这也是GE的短板——在AI上的技术发展与突破,除在医疗领域进行了原始创新和早期应用外,包括能源在内的其他业务领域,GE仍把自己定位为“没有章法下的快速追随者”,言下之意,就是对当前的场景结合并不满意。

因此,中国能源行业要实现AI的落地应用,需要在准确理解AI的基础上,将AI植入于适合企业自身特点的具体业务,真正发挥AI的学习和分析能力,从而提高产品与服务的质量和效益。

和应用场景同样的重要的是数据资源。它就像AI最重要的原料,在AI基础层和技术层的发展阶段,软件依赖于程序代码编制,因而拥有优秀编程人员的公司占有优势。随着AI深度学习算法的兴起,其功能完善得益于大数据的训练。GE的经验是,数据越多,算法性能越强,AI提供的服务也就越智能。

对于中国能源行业而言,连接着发电与用户的电网企业拥有丰富的大数据资源,应抓住能源互联网的发展契机,加快推进智能表计安装、智能巡检运行、智能电网建设,为AI的应用夯实数据基础。

比前两者更重要的是人才资源。AI的核心是提高经营效益,提出具体的商业解决方案,这根本上有赖于人的决策。但短期内,全球AI业界培养不了几个像李飞飞这样的深度学习专才。在人才培养方面,GE并没有走寻找出类拔萃的精英路线,而是选择培养复合型人才。

与谷歌、微软这样的纯AI研发不同,GE成立了专门的全球研发中心,尽管加强AI基因的植入,但它最终培养出的AI专家还能了解能源业务和制造业务。这或许正是能源企业与互联网企业不同之处,不仅需要专业的信息技术人才,更需要培养熟悉市场前景、运营模式、资金投入、项目产出的复合型业务人才。(作者供职于广东电网公司)

原标题:GE:探路能源AI

分享到:
北极星投稿热线:陈女士 13693626116 新闻投稿QQ: 1831213786
邮箱:chenchen#bjxmail.com(请将#换成@)
北极星智能电网在线:此资讯系转载自北极星智能电网在线合作媒体或互联网其它网站,北极星智能电网在线登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考。
热点关注
中国南方电网公司反事故措施(2017年版)

中国南方电网公司反事故措施(2017年版)

南方电网生技[2017]6号附件:南方电网公司反事故措施(2017年版)1总则1.1公司设备反事故措施管理办法中明确,公司将定期归纳总结设备事故事件的经验教训,提炼相关技术性防范措施,作为公司反事故措施发文执行。每次反措发文过程中,公司各专业管理部门均需梳理上次反措条文的执行情况,当反措要求已执行完毕或相关要求已纳入到技术标准中时,该条反措即可作废,否则将继续实

--更多
最新新闻
新闻排行榜

今日

本周

本月

深度报道
相关专题