像查杀电脑病毒一样，如何靠算法直接诊断出工业设备的问题？

让能源生产“上线”，华能集团在不经意间实现了工业智能化。题图来源@视觉中国

钛媒体注：插个盒子就能读取一个电厂的数据，通过人工智能计算指导最佳燃煤掺烧比例，一年帮助电厂节省几百万元成本。华能集团在技术上实现了一次由传统的管理信息化到生产数字化的腾挪，使信息化与工业化真正实现了深度融合，也在无意间跨入了工业智能化的门槛。

6月30日至7月1日，来2018雪浪大会，我们有更多关于工业互联网领域的话题，想与你一起头脑风暴！

2017年10月，华能集团CIO朱卫列一行人受邀到美国、日本GE公司访问。他们参观了GE的Predix项目，也就工业互联网的一些话题与GE公司的专家进行了深入的探讨。在交流中，华能在工业互联网领域的思考和实践，给GE的专家留下极深刻的印象。回国后，GE主动找到华能，希望在工业互联网项目上进行深入的合作。

华能集团是我国大型能源央企，也是“五大四小”发电集团中“五大”之中的排头兵。

2017年，华能集团6495.94亿千瓦时的发电量位居五大发电集团第二，旗下电力产业包括火电、水电、风电及太阳能等多种类型，电厂遍布全国。其主营业务为电力，同时拥有强大的煤炭产业以及交通运输产业，产业遍布电力、煤炭、运输、科技、金融等板块。

从现实来讲，华能这类电力企业属于流程型制造业，业务属性十分特殊——设备运行不能停止，而且这类连续生产的流程型企业所产生的不间断生产实时数据，与离散型制造业在流水线上所生产出来的数据，在体量和质量上天差地别，使用目的也颇有不同。

中国华能集团有限公司信息中心处长郭森对钛媒体记者解释道：“连续性企业在生产上与离散型企业的业务流程不一样。构建工业物联网，首要任务上是要区分制造业中的流程型企业和离散型企业。”

图：例如火力发电机组和水轮发电机组。火力发电机组是以煤炭、油类或可燃气体等为燃料，加热锅炉内的水，使之增温，再达到一定压力的蒸汽推动蒸汽轮机进而带动发电的机组发电。水轮发电机组则是水电站引用的水流经过水轮机时，将水能转换为驱使机械旋转的机械能；发电机又将机械能转换为电能而输出。

公众比较熟悉的汽车、家电、装备生产企业都属于离散型制造业，流程型企业包括石化、石油、冶金、电力、钢铁和电解铝等等，这类企业的特点是生产过程连续、完整，企业体量大、资产密集，数据海量、连续，影响力相对较大。但就其中的发电行业来说，所涉及的生产技术专业、复杂，而且，不同类型的发电设备运行方式也不同。另外，预知工业设备的健康状态，在设备出现故障之前进行检修，对于电力企业的意义大。

就拿跳机事故（即机组非计划停运）来说，实时监测到了跳机事故，再对这一数据的实时分析，事故已经发生。而只有做到提前发现问题，避免故障的发生，才是建设工业互联网真正的目的，然而要实现这一目标，靠的是工业大数据、人工智能——一句话靠工业智能化。

要实现上述功能与目标，正是朱卫列所属的团队的梦想。

在有意无意之间迎来了工业互联网的诞生

2009至2012年，朱卫列带领团队开始在华能集团进行ERP建设，集中、统一的ERP在国内大型中央企业的成功建设为华能的信息化建设带来了许多赞誉。

2012年他们开始思考：后ERP时代干什么？经过一番调研，他们把目标放在了生产实时数据的应用上。

2015年，华能建立起初步的数据平台，数据涵盖了华能8大电厂的全部生产实时数据，每台火电机组就有上万个测点，按秒级传输数据，他们请来不同专业的工程师对数据进行分析，尝试建立由专业工程师分析数据的“数据分析与诊断中心”。

但同时，他们也遇到了一些问题：“第一，当分析报告递交给电厂技术人员时，得到的反馈并不好，分析的太透彻了，而且是事后挑毛病。第二，数据量太大，几个电厂的数据都分析不过来，那要是全集团那么多机组，靠专业工程师拼人头看来不行。”

由此也引发了大家进一步的一些思考：能否像360分析电脑病毒那样，靠算法直接诊断出工业设备的问题？能否用软件、算法直接挖掘、分析生产数据，并直接为生产一线的工程师提供设备诊断信息，而不是事后提供分析报告？

为解决上述问题，2016年，朱卫列团队在大数据平台上进一步推出了基于发电厂设备机理模型和大数据、人工智能的算法平台和相关应用，并于2017年初将相关应用部署到一些水电厂、风电厂，后期又在此基础上开发出火电厂的应用。

“我们没有想到的是：这几年我们在信息化领域的尝试，把我们推送到了工业互联网和工业4.0的高度，因为事后我们发现美国的GE公司也在开发我们类似的平台与应用，而GE公司将这一项工作称为‘工业互联网’，于是我们将此项工作更名为工业互联网建设。”

朱卫列解释道：“我们还发现我们这次的开发内容与建设工作不止在华能可以应用，而且可以轻易的推广应用到其他流程型企业中，这就有了携手共建新时代国家工业互联网的提法”。他们的团队渴望建立一个更大的生态，共同建设国家级工业互联网，这是他们的理想与梦想。

至此，历时5年时间，华能的团队在技术上实现了一次由传统的管理信息化到生产数字化的腾挪，使信息化与工业化真正实现了深度融合，然而更重要的是他们在有意无意之间一脚跨入了工业智能化的门槛，成为第四次工业革命的探索者。

——这就是华能团队让GE工程师感到刮目相看的由来。

KXM技术产品的创建逻辑和具体构成

“2017年，华能的工业互联网团队开始将一些水电厂、风电厂实时数据接入集团的工业互联网平台，结合发电企业设备机理模型与大数据、人工智能等技术在发电厂节能降耗、设备健康状态评估等等方面都取得了初步的效果，同时也在实践中摸索出了一套对于工业互联网的理论思考：工业互联网应该具有两大核心属性。

第一大属性是互联，即连接设备、人与企业之间的互联。互联说起来容易，做起来难，因为谁都希望获得别人的数据，而自己的数据就不那么爱共享了。所以互联网强调互联，有互联才能共享。未来工业互联网建设，我们需要更多的实现工业设备之间的互联，更多的进行企业之间的互联，跨平台的互联。

第二大属性是智能。“当全世界上千亿个设备连在一起时，没有人工智能，很难玩的转。”朱卫列感慨道，未来的工业互联网应该将智能属性作为核心内容，通过工业大数据，结合机理模型和机器学习、算法模型来实现智能化，帮助人类做出决策。

“现在工业互联网的定义并不十分清晰，有的企业将通过互联网进行设备的远程监控也说成是工业互联网，其实远程控制在上世纪70年代就有了，典型应用就是人造地球卫星，在电力领域我们水电站的远程控制很多。有的企业将供应链、甚至将ERP、MES也说成是工业互联网，但是这些管理信息化内容在工业互联网概念提出以前就已经普遍存在了。”朱卫列表示。

因此，新一代工业互联网的核心引擎应该是人工智能。“如果我们把精力放在远程控制、ERP上，去对第三次工业革命进行大量补课，那将很容易丧失引领第四次工业革命的机遇”。

华能的团队清晰的认识到这一历史机遇，认识到未来工业互联网的基本属性是智能，所有的应用开发就围绕着这一核心技术展开。

华能的团队在人工智能“感知、认知、决策”的三段式范式理论，开发出了对应这三个功能的KDM、KKM和KAM（统称KXM）技术产品，并在技术路线上创建了标准范式的产品。

下面我们来具体看一下KXM整套技术产品是怎样的。

具体而言，KXM整套产品分别对应了人工智能的感知、认知和决策三个功能的集成。

感知部分，即信息获取和信息处理。

感知单元的关键技术用到了大数据、物联网、边缘计算及数据镜像。在源数据上，通过接入各种通信终端和源数据库进行数据获取，并进行转换、清洗和整理，最终通过数据编码存储，利用各种通讯协议进行统一采集。

“为什么要进行这一步？我们的电厂遍布全国各地，实时数据库来至不同国家，不同厂商，产品标准不同。我们需要解决对不同数据的获取的问题。”而KDM就承担起获取数据的作用，实现对工业设备的数据“感知”：

• 具有丰富的工业通信规约和数据库接口，使数据采集的工作标准化，降低了数据采集成本；


• 实现数据的互联互通。未来无论再开发任何应用，均不必再采集数据，减少实施成本；


• 实现了数据的采集、清洗、预处理和边缘计算；


• 实现设备、传感器的统一编码，以实现数据的识别，为后续引入算法平台和人工智能技术奠定数据管理基础。

有了KDM并将数据采集链接到网上，实际上就建立“数据流”，也可以称之为建立了“数据平台”。

认知部分，通过数据计算构建模型。“认知是人工智能的核心，也是工业互联网智能属性的技术关键。”朱卫列认为。

“流程型企业有着天然的工业大数据，这些数据以前受到技术的限制，应用开发的功能很有限，现在我们用人工智能等技术手段，将工业大数据中相关量引入，就可以解决工业中的许多问题。”能否建立良好的模型，并使之实用化、产品化，在这方面华能已经先行一步。

华能靠KDM采集到数据，靠KKM获得应用模型，据了解所谓“数据双胞胎”就是靠KKM计算得到的。

建模的过程需要创新，以前我们也建模，但那时仅仅是按照机理模型来建，工业领域各种物理参数太多，而且是非线性的，光靠机理模型不够，有了工业大数据，新的算法，就可以在原来的基础上开创出一条新路。

“华能没有放弃机理模型，而是要更好地将机理模型与相关性大数据有机的结合起来”。

决策部分，通过输出单元，以决策支持系统的形式输出给决策者。HTML5页面的开发和运行、交互和展示KDM、KKM数据等功能；

在将数据汇聚到KDM平台软件后，集中通过数据加工KKM算法平台进行计算，最后通过KAM展示平台进行数据展示。华能把这套系统做成了产品化。只需在每个电厂（即节点）安插一个小盒子，花上半天或一天的时间调试，就可以随时读取数据。华能的团队希望未来通过产品化开发，减低在企业的实施量，达到高效智联的目的。

离散型企业也能应用的工业互联网平台

按照朱卫列团队的分析，未来的工业物联网的智能应用可以细分到设备，可以跨企业、跨行业，甚至会重构制造业生态。倘若把产业全部联结起来，对整个工业制造产生的价值不可估量。

利用工业大数据和人工智能技术，可以为流程型企业实现以下几个功能：

• 对工业设备的健康状态进行诊断，从而做到故障预警，为状态检修提供决策依据；


• 节能降耗。流程型工业均是大系统，每节约一度电、一克煤，汇聚到一起均会带来巨大的经济效益；


• 解决生产过程中的难题与痛点。“毕竟是大工业，系统非常复杂，各种难点、痛点很多”朱卫列介绍道。

例如在发电成本中，燃料成本占了60-70%左右的份额。为了降低成本，火电厂往往采用将不同质量、不同价格的煤进行配比后掺烧，但选用哪几种煤搭配燃烧燃料成本最低？以往这项工作靠的是实验，实验成本动辄几百万，而且靠实验得出的掺烧比例仅仅是离散的几个点。几百万的成本就可以节省下来。

如今利用电厂已有的机组运行数据，结合模式识别、人工智能算法，计算出影响发电机组运行效率的十几个关键特征指标，便可以指导电厂调整相关量，从而提高掺烧煤种的运行效率。而且通过对于数据的分析，系统还一举解决了锅炉炉膛中控制火焰中心的问题，可以避免一边水冷壁温度不够，而另一边过热的问题。

类似的应用还有许多、许多。比如发电过程需要将煤块磨成煤粉，然而何时向磨煤机中加入钢球，加入多少钢球才能使磨煤机工作最省电。对于这样的应用以前根本没有手段，现在靠工业大数据与人工智能结合，我们找到了解决方案。

 “没有想到离散型企业也需要这个应用，他们是希望将这个功能应用到铝矿石等等粉碎机中。看来人工智能在工业中的应用会层出不穷的。”朱卫列高兴的说，未来工业互联网中的智能应用是一片蓝海。

引入特征值，让工业实时生产数据“开口说话”

什么是特征值？

通俗来说，就是当某个数据在发生变化时，总有一个关系值是不会变化的。郭森用通俗的案例解释：譬如人类身体状况的身体质量指数“BMI”。这一指数为身高处以体重的平方（W／H2），一些机构用这一指数来衡量人类的健康状况。比如，他们认为BMI在18.4-24.8之间，人类处于最佳健康状态，而低于18.4则会被认定是营养不良、高于24.8是过于肥胖。

也就是说，当特征值超出正常范围时，我们可以认定是发生了异常。同理，在生产过程中，也会有若干个这样影响结果的数据。郭森介绍道。

“特征值一般都应用在语音识别、图像识别，比如车牌识别、人脸识别等等，但我们将这一概念应用到工业领域”朱卫列回忆道。“传统的控制理论与实践中，用的是温度、压力等等测量量直接报警。但我们是将这些测量量经过计算后，给出设备的特征值，利用特征值缓变率进行报警”。

特征值概念的提出，其实是为了解决如何在工业互联网连续海量的数据中发现有价值信息的问题。“但实际上是数据表象与设备本质的差异。”朱卫列谈道。

而特征值的实践结果如何？郭森为钛媒体讲述了一个有意思的案例：“比如在水电上，我们已经实现了提前预测故障的发生。在2017年一天，某个水轮机顶盖水平振动缓变率等几个指标发现异常，我们通过算法平台得出结论‘10日内可能出现故障’，当时一线老员工都不信，结果之后对水轮机组水下部分进行检查，果然发现转轮一个叶片出现了小块脱落。”

目前通过实时大数据算法平台，水电的发电机已涵盖128个特征值，故障诊断达28个；燃煤火电已发现包括风机、磨煤机、锅炉等设备的100多个特征值。通过涵盖上述百余个特征值，华能生产实时大数据算法平台已经在水电、风电、燃煤火电中实现异动监测、故障诊断等功能。

“他们都说人工智能有时候看起来就跟算命的一样。”郭森兴致盎然地回忆道。

工业互联网的网络架构——星云架构

如果你读懂了上述KXM的架构可以知道，这是一个分布式、去中心化的架构，这就是华能所提出的星云架构：

• 任何端节点是数据原点，可以是设备，也可以是工业企业；


• 节点既是数据计算节点，也是计算后的新数据原点；


• 每个应用均是采集端节点和节点数据的，应用部署只能是分布式；


• 任何平台只能对部分企业和应用，所以不存在统一平台，分布式是基本形态；


• 端节点、节点很像恒星与行星，应用把节点与端节点联系在一起；


• 高层次应用相当于恒星之间的架构，从而共同组成星云架构

星云架构指出了工业互联网有无限延展的连接属性，让数据可以在整个网络生态中有效、受控的流动，并在每个节点计算。“关键是在节点计算后的数据又可以在受控中再次被其他节点利用。”朱卫列强调道。

在访谈中，朱卫列一再强调，工业互联网更强调人、机、物的全面连接。星云架构也可以看作多平台之间的互联形式，要通过企业、行业、设备间的数据流通，实现价值资源的交换。

目前，他们将人工智能未来在流程型企业的应用分成了几个等级：从设备级的应用，到子系统级的应用，再到系统级、由企业到行业级，由区域到跨区域。如此众多的智能应用必然需要分布式、呈网状分布的星云架构的工业互联网。

“星云结构实现了数据的流动性，在这个架构中，平台的概念实际上已经很弱化了，我们更强调的是互联。每个节点都相对独立，又互相联通，通过授权保障数据的安全。 平台是一个很中心化的“东西”，每个平台的应用范围是有限的，不可能覆盖整个工业。”

在朱卫列眼中，一些企业强调做工业互联网平台，实际上是期望通过拓展平台来延伸自己企业的势力范围，通过数据垄断达到垄断服务的目的，这种思想与互联网倡导的“共享”理念根本就是相悖的。一些国外企业了建立自己的工业互联网平台，建立集中的数据湖，让其他企业将生产数据传到他们的数据湖和平台上，实际证明这条路行不通。

“我们是占在整个工业的角度看待这个问题的。”朱卫列说“如果能建立一个良好的机制（商业模式），整个生态便可自发的、积极主动的成长，所有在内的实体都可通过自己在生态中的相应位置获取相应的价值”。

实际上，华能的这一套星云化工业智能生态体系还在创建初期，但已经可以看到一些具体的成果了。

完全自主研发可控的工业互联网产品

无论是开发成本、还是实施成本，较之国外的产品成本差异简直是太大了。“产品自主可控是我们的又一大优势”华能团队的同事自豪的说。

人类历史上有三次工业革命，分别是机械化、电气化、计算机诞生带来的自动化。前三次工业革命中国没有赶上。靠改革开放，我们开始追赶，今日的中国在工业领域已经是世界第一制造大国，在智能领域、互联网领域的技术储备虽然与美国有一定差距，但差距在逐渐缩小。

进入21世纪的今天，我们迎来了第四次工业革命，中国也第一次与美国、欧盟、日本等发达国家站在同一起跑线上，我们应该珍惜并把握这次历史机遇，努力创新、引领第四次工业革命。

未来的华能团队，依靠着他们天然拥有的大数据资源、几十年来在工业领域积累的设备管理知识，加上对人工智能的技术应用，相信他们将如虎添翼。创新引领工业互联网和第四次工业革命，这是时代赋予我们的责任与使命。

（本文首发钛媒体，作者/胡江路/赵宇航，编辑/刘湘明）

【雪浪大会预告】

雪浪大会将在6月30日-7月1日于中国无锡太湖国际博览中心盛大召开。本次大会由一场3000人主论坛、几十场分论坛以及近万平米智能制造科技展览组成。所有议题都将围绕着基于对近万家制造企业的数据调研，和超过200家企业面访所总结出来的制造企业最关心的问题展开。本次沙龙作为预热讨论的人工智能在制造业的落地场景，就是制造企业在调研中提出的一个普遍问题。

雪浪大会致力打造制造业与科技对接的平台，制造企业不仅可以充分了解、对接全球最新的科技资源，还可以发布自己的痛点问题，在更广范围内寻求解决方案；而科技公司除了展示自己的成果，更可以通过了解制造企业的需求，为自己的科技产品找到海量的制造业应用场景。

大会主论坛日程已经公布。

除此之外，由众多制造业企业和科技创新企业发起的近30场垂直分论坛也将陆续出炉，欢迎登陆官网：

https://xuelang2018.7-event.cn/index/index/xl

报名来现场pick你想听的分论坛~

最后2天！如果你关注中国制造业，现在进入官网报名，还能免费拿到入场券！

报名方式如下：

1.进入官网：www.xuelang-town.com，或扫描海报二维码，点击【立即报名】按钮；

2.在【雪浪免费通道】申请想要的门票数量；

3.点击【我要报名】按钮，填写参会信息并提交申请；

4.申请审核通过之后，我们将以短信形式确认参会信息；

5.双方确认，报名成功！

期待在雪浪大会，与你相见！

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App