作為多年來服務電力行業并時刻關注國內電力行業發展趨勢和技術訴求的IT運維服務提供商,北塔軟件針對泛在電力物聯網業務創新需求,提出了“基于全息感知的融合運維”理念,并通過大數據與機器學習等先進技術融合,為更好地服務電力用戶、推動相關產業鏈快速發展提供了有力支撐。
運維是泛在電力物聯網落地的支點
為什么要建泛在電力物聯網呢?往大說,泛在電力物聯網是國家能源戰略的先手棋,是實現電力系統各個環節萬物互聯、人機交互、狀態全面感知、信息高效處理、應用便捷靈活的重要一環。
往小說,我們用手機查電量、交電費,元件、線路、設備稍有問題就會報警,能自愈的自愈,不能自愈的人工處理,這將使我們的生活更加愜意。
對于泛在電力物聯網落地過程中的運維需求變化,北塔軟件認為:“泛在電力物聯網就是泛在物聯網技術在電網中任何時間、任何地點、任何人、任何物之間的信息連接和交互。這必然帶來了一些新的挑戰,需要全方位對電網運行狀態、客戶用電等各種信息進行實時監測和預警,分析數據采集點和采集頻次會大幅增加,數據規模將增長,數據分析計算和實時處理要求會越來越高,也只有更‘聰明’的運維才可以有效支撐泛在電力物聯網的復雜架構。”
那么,如何讓電力行業的運維管理變得更聰慧呢?北塔軟件給出的答案是“全息感知+融合運維”。
泛在電力物聯網“泛”既是亮點,也是難點。這不僅涉及到終端通信協議、接口的標準出臺,更依賴運維數據采集的海納百川和精密編排。為此,北塔軟件提供了通過內置多引擎多協議的數據統一采集平臺,并通過大數據模型自動匹配各類IT設備外,針對電力物聯網的智能電表、油浸式主變壓器等對象進行深度匹配。采用人工智能、機器學習等方式的深度分析,進而實現全息感知,為泛在電力物聯網運維管理提供強力支點。
機器學習打造智能運維引擎
從未來發展上看,泛在電力物聯網將是世界上最復雜的系統之一。而隨著整個物聯網系統數據規模的急劇膨脹,以及服務類型的復雜多樣,“基于人為制定規則”的專家系統逐漸變得力不從心。
業界普遍認為,自動化運維的瓶頸在于“人腦”。這是因為我們必須由一個長期在某個行業從事運維的專家手動地將重復出現的、有跡可循的現象總結出來,形成規則,才能完成自動化運維。然而,泛在電力物聯網會應用在越來越多場景中,簡單的、基于人為制定規則的方法并不能夠解決超大規模運維的問題。
“以往,我們運維的思路就是一開始就對‘它們’進行一定的配置,建立靜態的規則。而機器學習則可以存在反饋機制,它能利用數據不斷創建和更新行為模型,而不是使用靜態的行為去尋找特定的結果。并且,機器學習還可以在不指明具體方向的情況下自行探索,它可以發現事件隱含的特性,并依據此將相關的事件聚類,總結出特征向量。這種無監督的機器學習方式可以發現事件與事件、事件與運維結果之間的隱性關聯,進而幫助我們實現事前管理。”北塔軟件表示,全息感知融合運維的核心技術之一就是機器學習,并且為智能引擎的實現提供了先決條件。
智能引擎的核心是大數據,而數據的“量級”決定著引擎的運行效率和準確度。自2001年成立伊始,北塔軟件就已開始為電力行業相關用戶提供相應服務,其用戶已經涵蓋了電力行業大部分企業,包括:國家電網公司、中國大唐電力集團公司、中國國電集團公司、中國華能集團公司、華北電網公司、華東電網公司,山東、浙江、貴州、四川、黑龍江省電力公司,以及多個省市級調度通信中心等等。通過深耕行業近20年的積累,北塔軟件對長期的、大量的設備運行數據與運維管理數據進行機器學習與訓練,形成覆蓋全場景的智能運維策略,用戶可以利用智能基線、容量規劃、考核評價等提高運維分析、操作效率,進而為泛在電力物聯網提供運營保障。
針對油浸式主變壓器容易發生的熱故障、放電故障、絕緣體受潮故障等情況,采取Modbus等協議基礎數據采集,通過智能引擎對各類故障的關聯指標進行自動分類。細化每一類故障的最末端指標,包括基于神經網絡中短期溫度趨勢監控、過熱故障氣體組分長期趨勢預測、放電故障氣體組分波動率異常監控、放電故障定位在線分析、微水含量波動率異常分析、主變電源老化及壽命預測、絕緣油劣化更換/過濾周期預測等,極大豐富對泛在物聯設備的運維分析預測。
為智慧電網建設獻力
泛在電力物聯網建設是順應能源革命和數字革命融合發展趨勢的戰略抉擇,是能源領域服務美麗中國建設的具體實踐。北塔軟件將緊抓泛在電力物聯網歷史機遇,發揮運維管理研發優勢,更好地服務電網企業,為智慧電網建設貢獻力量。
