“機器學習能夠幫助電廠運營智慧化，利用電廠已有的大量的數據，再加上機器學習的算法體系，以及各個電廠的個性化配置，最終幫助完成實現電廠運營的智慧化轉型。”華北電力大學科技園人工智能實驗室博士鮑鎮在中國能源研究會節能減排中心與華北電力大學國家大學科技園聯合舉辦“2018年智慧電廠論壇(第一期)”上發表演講時表示。北極星電力網將全程對會議進行直播，如需了解更多的會議直播，請聯系微信號：13693626116

華北電力大學科技園人工智能實驗室博士鮑鎮《智慧電廠運營解決方案》

各位領導，專家，下午好!很榮幸在這里跟大家分享“智慧電廠運營解決方案”這個話題，我是主講人鮑鎮。

這個話題將從五個方面為大家來展開：

第一，背景介紹。我將從北京介紹引出現在存在的問題，以及我們可能解決的問題。

第二，我所理解的智慧運營的經營理念是什么樣的。

第三，它會經歷什么樣的蛻變過程。

第四，怎樣做落地的方案設計以及實施。

第五，我們想要幫助電廠想要達到的終極目標。

第一，背景介紹。

這是我的一些個人簡介，我畢業于華北電力大學，目前是華北電力大學科技園人工智能實驗室的負責人，我們研究的一些成果在中國的創業大賽上獲得了知名獎項，我也是團隊的技術負責人。我的主要研究方向，是機器學習在電力工業中的應用，說到機器學習其實大家應該并不陌生，因為在我們周圍、身邊其實已經充滿了機器學習應用的案例，比較時髦的現在比如說無人駕駛技術，還有AlphaGo的圍棋，是通過增強學習來實現的，還有百度的主頁搜索，還有新聞推薦，甚至喜歡逛淘寶，也能看到商品推薦。但是剛剛郭處長也提到，實際上機器學習在工業上的應用目前并不多，我本人也是在這個研究領域當中。我研究的主要方向是它在電力工業中的應用，具體現在是有六個大方向，電力市場博弈策略、工業的在線異常檢測、需求響應、數據中心優化等等這些方向，和我們今天的話題相關的就是電力市場博弈策略和工業的在線異常監測這兩塊。

首先我們要做電廠的規劃設計，還要做組織規劃設計，包括行政人員、生產人員，接下來是生產人員的生產培訓以及我們的工程實施。電廠建設完之后我們會進行生產運行，還有市場營銷。在生產運行和市場營銷兩個層面，其實就是我們今天比較關注的兩個話題，一個是運、一個是營。機器學習具體能給這兩個方面帶來什么樣的價值呢?剛剛郭處長也提到，設備的狀態檢修，還有故障預警、異常勻凈避免非停等等，我們是不是可以利用這些做到這個內容，我講的更多的是細化的東西，我們在這方面怎么利用機器學習幫大家解決市場營銷層面的問題。

接下來看看我所理解的智慧運營的經營理念是什么樣的。我認為有四個層次：

1，經濟層面。首先應該是包含設備的經濟性，然后是運行的經濟性，還有人員配比、人員計劃安排的經濟性。

2，安全層面，主要是指資產安全和人身安全。

3，穩定層面，穩定層面就是正常工況下我們怎么去避免或者減少黑屏的時間，怎么樣去保障社會是在健康運行的狀態，變化工況的穩定是指在不同工況切換的時候，我們怎么樣去保障切換的平緩過度。

4，盈利層面上，前面三層面講的是怎么樣發電經濟，后面講的是發電怎么賺更多的錢。

為什么做這個事情呢?因為我覺得機器學習，我始終堅信機器學習能夠幫助電廠運營智慧化，幫助他完成這么一個蛻變。

首先，設備蛻變。首先有這些數據，這些數據專家結合自己的經驗和對電廠的理解，能夠做出準確的判斷。實際我們的機器學習通過分析這些數據也可以對設備做一個狀況的感知。他背后的技術原理就是機器學習中提到的有監督的回歸預測技術，還有無監督的技術。

這里給大家講一個案例，這是一個色帶，是一個狀態變化的色帶，由深綠色、變成淺綠色、變成紅色，這個時候是亞健康的狀態。我們氣筒感知出了這個事情，通過對它進行維護，之后又變成了綠色健康狀態。是怎么做的呢?實際上跟郭處長講的很像，但是我們是細化，細化到了可實施的階段，就是對原始數據進行加工，利用機器學習的算法進行加工，橫軸代表時間，有兩條曲線，一條曲線是實際的指標值，還有一條曲線是我們機器學習算法加工出來的一個對比值、參照值，當他們兩條線重合的時候，我們認為是一個健康的狀態，有偏差的時候我們認為是亞健康的狀態，這個時候又重合了，變成了健康的狀態。大家這里可以看到，通過指標的感知，對指標體系的設計，我們可以完成對全局設備的狀態感知。生產管理人員拿到這些感知的數據之后，我相信他能夠更加合理的對設備進行經濟上、安全上以及穩定上的管理。

看完設備再看看系統層面的蛻變，這里看到的是獨立系統，實際上電廠中的一個系統應該是處于上下游之中的，他不應該是獨立存在的，所以每個系統之中有一個配合的關系，在我看來他應該是一個全局生態，而且每個系統之間、每個信號之間斗狠有可能有一些錯綜復雜的關系。我們怎么去做的呢?我們實際上是通過機器學習中的概率模型、還有數據網絡技術，先對它的關系進行梳理，梳理完之后再用無監督的方法和數據監督的手段對這些關系進行預測，一旦有這個關系有問題的時候就會預警，這就是日常預警。

展示一個案例，這是一臺機組下面有很多系統，每個系統下面有很多獨立的子系統，每個獨立的子系統下面會有一些信號，點擊信號之后可以看見，這里有很多需要監測的信號，就是來自于本系統的信號，還有許多來自于外部系統的信號，我們研究成果里把這些信號全部融合在一起，最終對這些需要監測的信號做出一個上下限的計算，這里的上下限和DCS的預警是不一樣的。所以在我們計算之后又有一個上下限，而且是一個實施動態的，一旦超出這個上線或者下限，我們可能會找到一個小的點，我們定位他為異動，當點擊異動的時候可以看到這個異動是什么情況?詳細數據是什么?為什么會產生這個異動?是哪些信號影響了他?怎么影響他的?這個信號影響他的量是多少?這里會提供輔助決策的信息畫面。生產管理人員通過這個畫面就能非常清晰的找到異動所產生的原因，是根上的原因，并不是表面的原因，是通過現象看到本質。我們找到原因之后會把這些異動異常全部推送到主控畫面，使整個機組、整個系統，包括所有信號的異常都推送過來。

生產管理人員通過這個畫面能夠了解到的信息是一個全局的，他能夠看到所有系統中具體是哪個信號在什么樣的時間點、產生什么樣的異常、我應該怎么樣去解決他，快速的找到問題、定位問題的原因，再幫助他消除問題。大家這里可以看到，我們提供的系統層面的解決方案，實際上是一個有機的整合，系統之間的整合，以及每個信號之間是有關聯生態的，生產管理人員通過我們提供的解決方案，也能夠對系統在經濟、安全、穩定層面上做出一個更加科學的判斷和計劃。

設備和系統都已經發生變化了，人應該怎么應對呢?我們知道在DCS畫面上可以看到很多實時數據，我們需要分析這些數據，并且記錄事件有沒有異常、缺陷等等。我們認為我們系統是可以主動識別這些事件的，然后把它記錄下來。

給大家展示一個案例，這里就是我們的一些研究成果，給電廠記錄下來所有的機組、所有的系統、所有的信號一段時間記錄的信息，點開每一個信息之后就可以看到具體是什么樣的事件，這里展示出來，大概晚上12點鐘，有一個機組是超出了我們計算的上限值，所以一直是紅色的點，因為這個信號異常導致了鍋爐的組裝量也發生了異常，他就把這些信息記錄下來。這張圖是非常有意思的畫面，給大家解釋一下，在同一家電廠不同的技術人員對一個問題有可能有多種看法，而且每個人都會有自己的思路，沒法量化這些問題，我們通過機器學習的算法是能夠對于每一個系統、不同的信號組成一個量化的關系，每一個信號兩兩之間是什么樣的關系，我們把摸不見、看不著的東西，量化成可視化的圖，通過機器學習的手段，最終生產者和管理者拿出這些信息之后展示出來就是不同電腦點、不同工況、不同系統、不同信號當中是什么樣的關系，有利于它去找到問題的根源，避免下一次問題發生，以及做出科學的計劃。

接下來我們看一看營銷層面會發生什么樣的蛻變，這里也是大家比較關心的，過去是計劃發電，簡單講我今天可能知道昨天的曲線是什么樣的，2009年現貨市場開放之后，我們需要去面對的是尋找客戶，而且要面對客戶的用電需求和不確定性，我們還要去面對競爭者，也就是其他發電廠他會做出什么樣的競爭行為和不確定性，以及電網結構他的行為和不確定性，面對這些不確定性我們該怎么做呢?我們要提出一個發電策略，這個技術原理是非常復雜的，這里簡單的講一下。主要包含了我們在電力市場傳統中講到的機組組合等等技術，還需要結合博弈論中的均衡，怎么樣滿足這個均衡條件，還有我們的機器學習技術和增強學習技術，通過這個組合出來的就是發電的競價策略。

目前我們能夠做的是把握住市場先機，具體我想分兩個層次去講，第一，我們需要對用戶的行為、用戶的歷史數據進行分析，去預測用戶的用電是什么樣的趨勢，把它的不確定性量化，這是第一點。第二，需要對電廠自身的發電成本做出一個實時動態的歸納，因為不同的工況下用不同的煤種煤耗是不一樣的，結合這兩者再去向電網提出一個有利于自身的競爭方案，最終達到的目的是全局的，就是說如果我要報24小時的競價策略，我需要保證24小時每個小時競價策略達到總和的經濟效益是最大的，所以這里說的是市場層面的優化。

怎么落地?大家聽到這都是一些機器學習的算法體系，是需要一個載體的，我們設計的方案就是，在電廠內部會植入一套我們的私有云平臺，我們把這些機器學習的算法體系放到這些私有云平臺中，結合已有的DCS、SIS，最終放在生產管理者面前的是一套網頁，還有一套手機APP，簡單概括來講實際上就是，利用電廠已有的大量的數據，再加上我們的機器學習的算法體系，以及各個電廠的個性化配置，最終幫助他完成的就是實現電廠運營的智慧化轉型。

接下來，想幫助電廠達到的終極目標是什么樣的。我們其實已經在運行監測方面做到了一個全局的運行檢測、異常運行等等，我們想要幫助電廠達到的終極目標實際上是全局的最優控制，我們已經實現了設備的狀態感知，最后想幫助達到精準的狀態檢修。第三個方面，我們需要幫助電廠去提供怎么樣的輔助決策信息，幫助去量化風險以及最大化經濟效益。謝謝大家!