【安防展覽網 訪談】我們提供三種形態的大數據AI數據產品合作方式：第一種是購買人工智能大數據平臺產品，自己進行數據建模；第二種方式是將成熟的大數據AI產品集成到您現有業務系統中，給您的平臺實現快速AI賦能；第三種是基于合作方的業務需求和數據進行AI大數據產品的定制開發。
 

　　——深圳力維智聯技術有限公司 電力物聯網產品總經理 陳仕波

 

　　在數字化、智能化進程以及能源變革新時代發展背景下，能源企業從生產型向服務型轉型發展已經成為性趨勢。能源行業市場化體制機制改革同時也在不斷深入推進，北極星電力網于6月11日-12日，在上海舉辦“第二屆綜合能源服務產業創新與電力物聯網建設發展大會”，北極星電力網、北極星電力APP對會議進行全程直播。
 

　　深圳力維智聯技術有限公司電力物聯網產品總經理 陳仕波在大會做《綜合能源服務平臺演進研究及實踐》主題演講，以下為發言實錄：
 

　　各位專家，大家下午好。我今天給大家匯報的主題是綜合能源平臺的演進和實踐，跟大家分享一些我們在建設中的心得。
 

　　首先給大家介紹一下力維智聯。力維智聯是從事以泛在數據的接入與匯聚以及多維數據融合智能為核心技術的AIoT產品和解決方案公司。我們在動環監控這個領域，已經有20多年的豐富經驗。我們做的上海浦東智慧城市大腦，已入選國家全國推廣的智慧城市案例集。我們建設的省級綜合能源服務平臺，已經開始上線運行。在這當中遇到了一些困惑和一些難題，跟大家一起來探討一下。
 

　　今年國網的綜能業務目標是200億的市場，市場空間很大。各省建設綜能平臺時，都在問一個問題：數據價值怎么變現？
 

　　我們來看一下數據價值變現的DIKW模型。其中的D是數據，就是我們說的多維數據接入，是觀察和度量的原始素材；I是信息，是經過處理之后對于數據的理解，它解決的是我們度量和觀察的對象是什么；K是知識，是從信息數據提取出來的規律以及相關性，這是在做信息數據分析之后得到的抽象，是解決做什么的問題；W是智慧，是基于知識綜合應用的推理和預測，是解決在什么時候做什么的問題。
 

　　看看我們在各個層面所做的工作：CPS、物聯接入、數據標準化、數據歸一化、數據時空標簽等是數據層面的工作；數據存儲及治理、數據資產化、數據時空維度統計分析及數據可視化等是信息層面的工作；知識層面在做的工作是客戶/設備畫像、知識管理系統、AI群控系統、AI調度系統、知識AI大數據產品等；智慧層面在做售電電量預測、大需量預測、設備故障預測、智慧AI大數據產品等。數據、信息層面大家都基本實現了，但到了知識和智慧這個層面大家都犯困惑。為什么呢？知識和智慧層面的工作需要在IT專家和業務專家基礎上，還需要AI專家一起才能把這個事情搞得定。所以現在各綜能公司都在問這個問題，我怎么把數據變現，怎么帶來數據價值。
 

　　力維的綜能平臺實踐跟大家分享一下。先從整個平臺的架構來看。底層為綜合能源服務CPS系統，再往上就是物聯管理中心、數據中心、企業中臺，之上還有智能建模引擎、應用構建引擎，在以此為支撐提供各個業務應用。通過這個平臺讓我們所有業務支撐變成一件簡單快捷的事。在這里面，DIKW是怎么來解決呢？通過CPS系統和物聯中心解決數據的問題；在數據中心和應用層，解決信息化的問題；我們要在數據中心，及數據中心之上的業務應用層增加知識、智慧的能力，即讓它具備智能。
 

　　怎么讓它具備智能呢？我們給它在數據中心裝上一個高性能的執行引擎，這個引擎執行智能算法；AI算法需建模，我們提供了可視化的建模工具，可以用組態的方式，無編碼地把AI模型建立起來；再配合調度平臺，支撐構建一套完整的業務應用。這就是我們的Sentosa人工智能大數據平臺。
 

　　Sentosa人工智能大數據平臺囊括了當今所有主流的AI算法，把各AI算法做成一個一個的組件。每一個組件，我們稱為算子。基于這些算子，構建算法模型，這些模型有一定數學基礎的人就可以構建。算法模型有哪一些呢？有數理統計、機器學習、數學優化、知識圖譜，以及自然語言識別。在建模過程及算法結果輸出都可以進行可視化的呈現來進行分析。每一個算法模型建好之后，形成算子流。基于一系列算子流，可以形成一個端到端的業務應用。它可能是一個中間件，可能是一個web應用，可以做成獨立的web系統，也可能做成現有系統當中的一個頁面。
 

　　這些是發電機組的出力規劃和售電預測的案例。具體的算法，感興趣的我們可以下來再探討。重點給大家介紹一下優需量預測。
 

　　當前大家在做需量申報時，都是報前個月大需量，或者是上一個季度的、去年同期大需量。但這并不是好的方式。需量申報的實質是尋找交錢少的需量申報，通過我們的人工智能大數據平臺可以尋找到優申報需量。
 

　　下面我們來看一下優需量預測的建模過程是如何開展的。首先會做數據的準備和數據導入，數據準備完之后，我們要做什么呢？就是尋找數據規律。怎么找到數據的規律呢？要對它進行探索性的分析，找數據特征，看看是不是有規律，可不可以進行建模分析。案例中我們找出來的特征，是有時間相關性。第二步是基于已經找到的時間相關性特征，對于這個時間相關性的數據，進行統計和分析，找到一個合理的數據的分布及置信區間。第三步進行建模，我們知道時間序列預測有很多算法，怎么辦呢？把幾個可能的算法分別嘗試，找到合適的算法和參數，看哪一些是合適的，基于此我們找到兩個都合適算法。大家會感覺這個建模過程很煩，因為都要自己去找。不用怕，我們提供自動建模，建模完成之后，還提供自動調參功能。后我們找到優容量預測模型和參數。
 

　　我們來總結一下，人工智能的建模分成五步。第一步就是準備數據，我們支持幾乎大家可以想到的所有數據類型，包括流式數據、文本數據和各類數據庫類型的數據對接；導入數據之后進行數據處理，處理的目的就是保證數據質量，就是我們通常所說的做數據治理；數據質量保證之后，要做建模的探索分析，看看是什么樣的數據特征；后找到它合適的特征，進行建模；建模之后，進行可視化的分析。建模是一個反復迭代的過程，驗證完成，我們就可以發布產品了，可以是中間件形式的產品，也可以進一步使用調度平臺做成端到端的web應用。
 

　　力維智聯提供三種形態的大數據AI數據產品合作方式：第一種是購買人工智能大數據平臺產品，自己進行數據建模；第二種方式是將成熟的大數據AI產品集成到您現有業務系統中，給您的平臺實現快速AI賦能；第三種是基于合作方的業務需求和數據進行AI大數據產品的定制開發。
 

　　這是我們Sentosa人工智能大數據平臺的試用二維碼，歡迎大家免費試用。謝謝大家。