通過為客戶解決一個又一個項目的挑戰(zhàn)，體驗了不同機型與主控版本下的復(fù)雜條件，也不斷優(yōu)化著產(chǎn)品的可配置型性，模型的抗干擾性。一開始有的項目甚至要做耗時數(shù)月的“數(shù)據(jù)大掃除”，不斷提高數(shù)據(jù)的準確性和可靠性。業(yè)界領(lǐng)先的95%的數(shù)據(jù)合格率就是這樣一點一滴提升而來的。
遠景的很多客戶都曾建立數(shù)字化系統(tǒng)，最后卻發(fā)現(xiàn)系統(tǒng)用不起來，追查原因都出奇地一致——最基本的數(shù)據(jù)準確性問題沒有解決，最多只能算算電量。
“你說設(shè)備連接起來就是物聯(lián)網(wǎng)？真沒這么簡單。一會兒電量表數(shù)據(jù)跳變、一會兒無連接，怎么監(jiān)控？很多風(fēng)機狀態(tài)都不準，敢不敢遠程復(fù)位？總之，如果物聯(lián)網(wǎng)的邊緣計算不可靠，人還是撤不下來。”EnOS™大數(shù)據(jù)平臺架構(gòu)師閆博士直言不諱，“物聯(lián)網(wǎng)的CAP實踐難度比互聯(lián)網(wǎng)高許多，遠端網(wǎng)絡(luò)容錯度成倍降低，系統(tǒng)的一致性和可用性就必須更精細的平衡設(shè)計。數(shù)據(jù)模型上，以前在互聯(lián)網(wǎng)做大數(shù)據(jù)，本質(zhì)上是離散數(shù)據(jù)管理，一單就是一單，哪里像傳感器數(shù)據(jù)，是連續(xù)數(shù)據(jù)，成千上萬設(shè)備要做到近乎任意時間維度的查詢、分析，這需要大量的抗干擾算法、告警算法，才能保證數(shù)據(jù)質(zhì)量、甚至說起碼的系統(tǒng)功能。”
遠景持續(xù)七年的投入，攻克了無數(shù)細節(jié)上的魔鬼，近100GW項目的產(chǎn)品化積累，才和客戶肩并肩基本解決了數(shù)據(jù)連接、采集、運算、質(zhì)量控制等難題，這些是數(shù)字化的基礎(chǔ)。
在接下來的數(shù)據(jù)分析上，機器學(xué)習(xí)無疑是最佳技術(shù)，但是如何能夠?qū)C器學(xué)習(xí)和大數(shù)據(jù)結(jié)合起來，長期解決業(yè)務(wù)挑戰(zhàn)，而不是做一兩個樣板項目，做一兩項原來物理模型方法沒有的發(fā)現(xiàn)，這需要在組織上進行創(chuàng)新。
遠景基于EnOS™能源物聯(lián)網(wǎng)平臺開發(fā)的Ensight產(chǎn)品，基于2PB高質(zhì)量數(shù)據(jù)和機器學(xué)習(xí)算法包，訓(xùn)練設(shè)備健康度模型，衡量發(fā)電性能和設(shè)備健康度，提供關(guān)鍵部件的健康度預(yù)警與狀態(tài)維護提示，從而實現(xiàn)預(yù)測維護。Ensight Wind基于海量數(shù)據(jù)與機器學(xué)習(xí)技術(shù)，不斷優(yōu)化算法，實現(xiàn)風(fēng)機發(fā)電性能與設(shè)備亞健康狀態(tài)識別告警，進行預(yù)測維護，減少大部件故障造成的非計劃性停機損失，使故障風(fēng)機提升等效利用77小時。
遠景一直很清楚，機器學(xué)習(xí)并不是挖幾個算法大牛就可以實現(xiàn)的。“幾年前我們也認為招些數(shù)據(jù)算法專家就可以發(fā)掘數(shù)據(jù)里的價值，但實踐發(fā)現(xiàn)學(xué)習(xí)能源領(lǐng)域的垂直領(lǐng)域知識很關(guān)鍵，否則傳統(tǒng)機器學(xué)習(xí)所發(fā)現(xiàn)的一些規(guī)律，對垂直領(lǐng)域來說，不過是常識，精度能不能做到極致先不論，僅一個不可解釋性就讓你舉步維艱。”EnOS™大數(shù)據(jù)平臺架構(gòu)師閆博士說。
他找到的解決方法是讓機器學(xué)習(xí)的專家和領(lǐng)域技術(shù)骨干相互學(xué)習(xí)，每兩周舉辦一次培訓(xùn)，讓機器學(xué)習(xí)的人弄明白能源領(lǐng)域的理論知識，“不僅是文字表達的講懂，更要把里面的數(shù)學(xué)模型、物理模型公式都看懂”。反過來原來的領(lǐng)域?qū)＜覄t要學(xué)習(xí)python語言和算法包，還要參加軟件培訓(xùn)，大家做真正的“跨界”人才，用閆博士的話說就是“讓大氣動力學(xué)的領(lǐng)域?qū)＜覍W(xué)神經(jīng)網(wǎng)絡(luò)，讓神經(jīng)網(wǎng)絡(luò)專家搞懂流體力學(xué)。”
