作为多年来服务电力行业并时刻关注国内电力行业发展趋势和技术诉求的IT运维服务提供商,北塔软件针对泛在电力物联网业务创新需求,提出了“基于全息感知的融合运维”理念,并通过大数据与机器学习等先进技术融合,为更好地服务电力用户、推动相关产业链快速发展提供了有力支撑。
运维是泛在电力物联网落地的支点
为什么要建泛在电力物联网呢?往大说,泛在电力物联网是国家能源战略的先手棋,是实现电力系统各个环节万物互联、人机交互、状态全面感知、信息高效处理、应用便捷灵活的重要一环。
往小说,我们用手机查电量、交电费,元件、线路、设备稍有问题就会报警,能自愈的自愈,不能自愈的人工处理,这将使我们的生活更加惬意。
对于泛在电力物联网落地过程中的运维需求变化,北塔软件认为:“泛在电力物联网就是泛在物联网技术在电网中任何时间、任何地点、任何人、任何物之间的信息连接和交互。这必然带来了一些新的挑战,需要全方位对电网运行状态、客户用电等各种信息进行实时监测和预警,分析数据采集点和采集频次会大幅增加,数据规模将增长,数据分析计算和实时处理要求会越来越高,也只有更‘聪明’的运维才可以有效支撑泛在电力物联网的复杂架构。”
那么,如何让电力行业的运维管理变得更聪慧呢?北塔软件给出的答案是“全息感知+融合运维”。
泛在电力物联网“泛”既是亮点,也是难点。这不仅涉及到终端通信协议、接口的标准出台,更依赖运维数据采集的海纳百川和精密编排。为此,北塔软件提供了通过内置多引擎多协议的数据统一采集平台,并通过大数据模型自动匹配各类IT设备外,针对电力物联网的智能电表、油浸式主变压器等对象进行深度匹配。采用人工智能、机器学习等方式的深度分析,进而实现全息感知,为泛在电力物联网运维管理提供强力支点。
机器学习打造智能运维引擎
从未来发展上看,泛在电力物联网将是世界上最复杂的系统之一。而随着整个物联网系统数据规模的急剧膨胀,以及服务类型的复杂多样,“基于人为制定规则”的专家系统逐渐变得力不从心。
业界普遍认为,自动化运维的瓶颈在于“人脑”。这是因为我们必须由一个长期在某个行业从事运维的专家手动地将重复出现的、有迹可循的现象总结出来,形成规则,才能完成自动化运维。然而,泛在电力物联网会应用在越来越多场景中,简单的、基于人为制定规则的方法并不能够解决超大规模运维的问题。
“以往,我们运维的思路就是一开始就对‘它们’进行一定的配置,建立静态的规则。而机器学习则可以存在反馈机制,它能利用数据不断创建和更新行为模型,而不是使用静态的行为去寻找特定的结果。并且,机器学习还可以在不指明具体方向的情况下自行探索,它可以发现事件隐含的特性,并依据此将相关的事件聚类,总结出特征向量。这种无监督的机器学习方式可以发现事件与事件、事件与运维结果之间的隐性关联,进而帮助我们实现事前管理。”北塔软件表示,全息感知融合运维的核心技术之一就是机器学习,并且为智能引擎的实现提供了先决条件。
智能引擎的核心是大数据,而数据的“量级”决定着引擎的运行效率和准确度。自2001年成立伊始,北塔软件就已开始为电力行业相关用户提供相应服务,其用户已经涵盖了电力行业大部分企业,包括:国家电网公司、中国大唐电力集团公司、中国国电集团公司、中国华能集团公司、华北电网公司、华东电网公司,山东、浙江、贵州、四川、黑龙江省电力公司,以及多个省市级调度通信中心等等。通过深耕行业近20年的积累,北塔软件对长期的、大量的设备运行数据与运维管理数据进行机器学习与训练,形成覆盖全场景的智能运维策略,用户可以利用智能基线、容量规划、考核评价等提高运维分析、操作效率,进而为泛在电力物联网提供运营保障。
针对油浸式主变压器容易发生的热故障、放电故障、绝缘体受潮故障等情况,采取Modbus等协议基础数据采集,通过智能引擎对各类故障的关联指标进行自动分类。细化每一类故障的最末端指标,包括基于神经网络中短期温度趋势监控、过热故障气体组分长期趋势预测、放电故障气体组分波动率异常监控、放电故障定位在线分析、微水含量波动率异常分析、主变电源老化及寿命预测、绝缘油劣化更换/过滤周期预测等,极大丰富对泛在物联设备的运维分析预测。
为智慧电网建设献力
泛在电力物联网建设是顺应能源革命和数字革命融合发展趋势的战略抉择,是能源领域服务美丽中国建设的具体实践。北塔软件将紧抓泛在电力物联网历史机遇,发挥运维管理研发优势,更好地服务电网企业,为智慧电网建设贡献力量。
