赛迪顾问 王云侯
近期,江苏、浙江、广东、山东等十多个省份采取了不同程度的限电措施,对部分企业生产运营带来了一定影响。“拉闸限电”是我国经济发展模式加速转型、产业升级优化、能源结构调整过程中所面临矛盾问题的集中反映。其中,能源供给与能源消费之间的不匹配矛盾表现尤为突出。战略层面上看,需要不断优化我国能源消费结构以及产业结构,而当前,通过“AI+工业互联网”可以解决诸如在发电-配电-用电过程中存在的能源损耗、运行故障、低效运转等问题,在一定程度上缓解能源供需矛盾,有力支撑能源生产和消费过程中效率提升。“AI+工业互联网”是指在工业互联网的架构基础上融合人工智能技术,面向工业场景提供智能解决方案,帮助工业企业更好地实现数据价值和效能提升。
一、优化生产流程,发更多的电
“AI+工业互联网”助力热电生产企业提高热电系统整体效率,降低煤耗,精准匹配用户用能需求的同时,让整个系统运行在最高效率区间。火力发电厂和其他流程制造企业采用的比例积分微分(PID)控制技术具有反馈控制简单且不依赖数学模型的特点,但热电领域特殊在从煤燃烧把水加热成蒸汽到通过管道输送驱动动力机械的过程中存在着非线性、紧耦合、大延迟等技术困难。因此,当发电量需要随着用户需求动态变化时,传统的PID控制系统在参数固定的情况下难以适应动态变化的工艺需要。
在这种情况下,人工智能技术便能够发挥独特的作用。“AI+工业互联网”能够实时采集热电生产过程中的锅炉关键数据、汽机数据、辅机运行数据、热管数据、用户用能数据等实时数据,并在云端实时构建模拟生产流程的数字孪生模型,计算最优控制参数,再利用边缘控制设备控制热电系统的运行。“AI+工业互联网”能够帮助电厂在提高热效率的同时,增强调峰能力,适应电网的负荷需求,提高运行的灵活性,保障系统安全可靠。
AI+工业互联网助力风电企业降低成本和保持稳定。风电项目建设运营成本主要包括风机购置费用、风机安装费用、运维费用、管理费用以及保险费用等,其中运维费用在整个风机平准化度电成本(LCOE)当中占比约20%-25%。通过采集风速风向、风轮转速、电机转速、齿轮箱油温、液压系统压力、输出功率、功率因数、发电频率等输入数据以及机组状态、齿轮箱状态、发电机状态、偏航系统状态等输出数据,在大量数据训练的基础上建立人工智能模型,能够实现对风机设备的预测性维护,降低维护成本,减少停机时间。
由于风电受气候影响具有随机性和间歇性的特征,发电功率瞬间变化会给电网的带来风险,因此需要对风电的发电量进行预测,合理调节发电与并网负荷。“AI+工业互联网”能够通过机器学习算法建立短期风电功率与风速、风向、温度等参数间的对应关系,从而实现对风电功率的短期预测,保障电网的稳定运行。
二、发挥数据效能,用更少的电
“AI+工业互联网”为工业节能提供有效决策依据。工业能耗是全社会总能耗占比最高的组成部分,因此工业节能意味着更少的能源需求。造成工业企业能源浪费和低效的成因十分复杂,大部分企业因数据缺失、流程缺陷、设备效率低、设备故障导致能源耗损和浪费。高能耗行业的能源成本主要集中在制冷设备、泵类、空压机、锅炉等设备上,针对上述关键设备进行监控就能够掌握主要的能源消耗数据。“AI+工业互联网”通过与企业生产控制系统对接,能够根据产品产量以及能耗数据计算单位产品能耗水平,并根据产品单位能耗随生产参数变化的规律建立能耗计算模型,进而优化生产工艺;通过对企业生产设备的能耗情况进行跟踪,建立设备能耗模型对企业的能耗趋势进行预测分析。
“AI+工业互联网”为建筑节能提供丰富数据支撑。建筑能耗约占全社会总能耗的30%,要使用更少的电也需要减少建筑能耗。“AI+工业互联网”的一个典型场景就是建筑节能,通过将供热设备统一接入云平台,为智慧供热分析提供丰富的数据支撑;通过平台提供一站式的协同管理,实现供暖温度全自动调控;通过供热策略下发到供热设备,可实现自动调节阀门;基于GIS地图实现对换热站、热网、阀门的位置信息配置管理。
“AI+工业互联网”实现供热网络调度的智能化。每个换热站对接边缘网关,统一数据汇聚,可以将云端经过大数据分析和全网智能调节算法策略,下发到边缘侧,完成边缘设备上的推断和计算,随着使用时长和数据的累计,在深度学习算法的支撑下,整套供热系统的调控会越来越精准。根据换热站反馈,通过算法模型的不断迭代,改善用户的供热体验。此外,“AI+工业互联网”不仅可以提供大量数据进行设备特性拟合,精确预测供水温度和阀门开度,使设备可以工作在最佳状态,保证全网有最高的供热效率,还可以通过多维天气模型实现对整体供热网的气候补偿,在多维天气模型基础上,对热源和换热站的负荷进行预测,预测其每小时的需热量,保证提供最高的供热效率,以此来节省购热成本。
三、打造智能电网,保障高效运行
位于发电端与用电端之间的电网系统能否高效稳定运行直接决定了电力系统的效率。“AI+工业互联网”通过智能调度和智能巡检等解决方案,直接提升电网效率,保障系统稳定运行。
智能调度系统利用神经网络等算法对电力系统进行动态控制与诊断,估计状态数据,通过将发电、输电、配电和用户信息汇集到一个平台实现电网的双向互动供电。从用户端来说,个性化和灵活的电能需求将得以满足;多余的电能可以用于电网补充、调配和应急。从电网侧而言,能够准确掌握用电需求、及时调整负荷分配、保障系统安全稳定、有效调配资源、快速应对突发风险,从而提高系统效益。
智能巡检应用覆盖通道可视化巡检、输电线路本体巡检、变电站巡检等场景。通道可视化智能巡检通过在线智能监测装置采集输电通道全景环境信息,利用端侧风险识别模型和轻量化推理引擎实时分析通道隐患,并将预警信息和全景实况数据回传到云端电力智能巡检平台,进行综合预警分析、样本数据挖掘和模型效果迭代,从而建立输电线路隐患感知、预警分析、应急联动和数据驱动持续迭代的自主监测与管控闭环。输电线路本体巡检一般使用无人机自主巡飞,实现输电线路杆塔本体缺陷如绝缘子类、大尺寸金具类、小尺寸金具类及其他类别的隐患识别。变电站巡检应用特种机器人结合深度学习技术,完成仪表、开关、指示灯状态、异物等场景的智能识别。
目前,“AI+工业互联网”在电网系统中已经有深度应用,如河北电力通过打造“平台+服务+应用”的三位一体生态链条,分别部署了人工智能训练平台和人工智能运行平台,覆盖视觉识别、智慧输电线路巡检、智慧基建工地等典型场景应用,成功将各业务领域AI资源重复投资、模型效果差等痛点一一攻克。未来,河北电力还会将电力智能化扩展至输电线路无人机自主巡视、智慧变电站、电网运行状况精准诊断、电网负荷预测等更多场景中。
四、能效提升之外,平台能做更多
随着终端数据采集设备的广泛应用,基于平台架构串联底层数据和智能应用的路径逐渐清晰,工业互联网平台厂商依托各自的技术或渠道优势,在垂直行业进行了深入实践。由于市场还处于导入期,大量平台不断涌现,随着市场成熟度的提高,激烈的竞争后将很可能出现“赢者通吃”的现象。2020年,中国工业互联网平台市场规模达到631.4亿元,增长速度达到31.5%。
人工智能技术的发展加速了“AI+工业互联网”的广泛应用,工业和IT背景的龙头企业竞相布局,大幅提升了“AI+工业互联网”市场的发展水平。从竞争格局来看,“AI+工业互联网”市场主要以百度智能云、华为云、阿里云等IT背景厂商以及东方国信、树根互联、忽米网等工业背景厂商为主。百度智能云在人工智能领域有丰富的技术积累,在工业视觉智能和工业数据智能方面都有深度的应用;华为与阿里在公有云的平台技术层积累深厚,在很多地区建立了行业工业互联网平台;东方国信在能源和冶金行业的数据智能应用领域有丰富的经验;树根互联在能源管理等场景中具备从数据采集到数据分析的全流程解决方案。
总体来看,在工业视觉智能方向,百度、华为与阿里的优势较为明显,针对能源电力和制造行业提供智能巡检和智能质检等解决方案;而在工业数据智能方向,百度、阿里、东方国信均有特色优势,例如百度的智能电网调度算法,以及各厂商针对工艺优化的数据分析平台等解决方案。未来几年,“AI+工业互联网”将成为工业企业转型升级的核心环节,为企业的安全与高效运行持续发挥重要作用。(来源:同花顺iFinD)