e-works数字化企业网  »  文章频道  »  基础信息化  »  工业互联网

AIdustry工业互联网项目

—— 华能集团携手太极股份联合打造流程型行业工业互联网平台

2019/6/14    来源:工业互联网产业联盟    作者:佚名      
关键字:AIdustry  工业互联网  流程型行业  
近年来,随着太极股份与华能集团合作的不断加深,太极股份以TECO工业互联网平台为基础,与华能集团共同筹建了服务于流程型行业的AIdustry工业互联网项目,该项目涵盖电力、钢铁、化工等多个行业。

    AIdustry工业互联网项目是华能集团联合太极股份等企业,共同打造的服务于流程型行业的工业互联网平台。AIdustry融合了深厚的工业基因和新兴的互联网技术,该项目涵盖火电、水电、核电、风电、光伏、钢铁、化工等多个行业500余家企业,接入数据点位超过1000万,通过工业资源的泛在连接,打通行业内部各个环节,加速行业数据的纵向流通与横向交互,实现流程型行业制造资源的互联互通,为产业增值提效提供保障。此外,本项目最终将形成超过1000个的行业应用,满足为企业提供全面感知、移动应用和智能分析的需求,形成制造资源交互共享、数据集成,价值释放的生态体系,驱动产业协同发展,成为流程型企业竞争新优势的关键抓手。同时,通过项目的产业化推广,在项目建立完成后的未来5年内,年产生经济效益突破1个亿,每年可实现至少20%的新增用户与产值增长,总经济效益力争达到3亿水平。到2025年,完成建设国家级工业互联网之重任。

一、项目概况

    1.项目背景

    作为国民经济基础行业之一,流程型行业在人们社会生活中的特殊地位,往往使其生产、传输、供应和服务的及时性、可靠性具有极强的经济意义,有时甚至具有某种程度的政治、军事意义。因此,流程型行业的管理具有高度的可靠性和数据安全性要求。近年来,随着太极股份与华能集团合作的不断加深,太极股份以TECO工业互联网平台为基础,与华能集团共同筹建了服务于流程型行业的AIdustry工业互联网项目,该项目涵盖电力、钢铁、化工等多个行业。

    2.项目目标

    建立以大数据为核心的流程型行业工业互联网平台,通过汇聚全业务、全类型数据资源信息,全面支撑电力、钢铁、煤炭等行业的数据应用需求。为流程型行业设备管理、安全生产、运行优化、经营管理提供分析诊断、智能运维、决策支持等服务,以提高工作效率和管理水平,降低经营成本,辅助科学决策和战略管理。同时依托工业互联网平台,建立开放、共享、共赢的运营体系,为企业创造更高效益。

二、项目实施概况

    1.项目设计原则

    本项目整体设计上遵循如下原则:

    ●以市场为导向,立足长远;

    ●贯彻国家标准,保障实施安全可靠;

    ●方案先进合理,降本增效;

    ●设备选型坚持先进、成熟、适用的原则,确保生产安全提效;

    ●明确项目目标,针对项目难点,开展关键技术研究与攻关。

    2.项目技术路线

    (1)采用以工业PaaS为核心的平台使能技术

    PaaS云资源部署及管理功能,能将现有各种业务能力进行整合,具体可以归类为应用服务器、业务能力接入、业务引擎、业务开放平台,向下根据业务能力需要测算基础服务能力,通过IaaS提供的API调用硬件资源,向上提供业务调度中心服务,实时监控平台的各种资源,并将这些资源通过API开放给SaaS用户。

    (2)采用分布式大数据技术

    大数据技术具有分布式及并行化等关键技术特征,由多个分布的节点组合而成的集群通过网络连接提供服务及能力,以群体合力的方式提供服务及动力。大数据技术为应对流程型工业行业的海量数据、提升系统的处理效率、缩短运算时间和应用响应时间、提升用户体验提供保障。

    (3)采用大数据分布式内存计算技术

    平台的分布式内存计算采用Spark技术,Spark是基于map reduce算法实现的分布式计算,通过弹性分布式数据集实现对分布式内存的抽象使用,以操作本地集合的方式来操作分布式数据集,这对于迭代运算比较常见的机器学习算法,效率将得到明显提升。从而满足流程型企业信息化中各种实时/准实时业务需求和数据需求,提高系统运行效率,保障业务响应的时效性。

    (4)采用基于大规模并行处理(MPP)架构数据仓库技术

    数据仓库采用主流的支持大规模并行处理(MPP)架构的成熟产品,采用并行的方法提升海量数据的处理能力和系统的可靠性。

    (5)采用微服务技术的应用开发模式

    在应用开发模式上,平台提供下面三种能力:

    提供多语言与工具支持:Java,Ruby和PHP等多种语言编译环境。

    微服务架构:提供涵盖服务注册、发现、通信、调用的管理机制和运行环境,支撑基于微型服务单元集成的“松耦合”应用开发和部署。

    图形化编程:通过图形化编程工具,简化开发流程,支持用户采用拖拽方式进行应用创建、测试、扩展等。

    3.项目总体架构和主要内容

    AIdustry工业互联网平台是面向流程型行业数字化、网络化、智能化需求,构建基于海量数据采集、汇聚、分析的服务体系,支撑资源泛在连接、弹性供给、高效配置的工业互联网平台,其总体包括边缘、平台、应用三大核心层级,以微应用的形式构建企业各类创新应用,最终形成资源富集、多方参与、合作共赢、协同演进的流程型工业生态。其总体架构如下图所示:

AIdustry总体架构

图1 AIdustry总体架构

    平台边缘层负责采集燃气轮机、发电机、变压器等各种生产设备的数据和MES、SIS等控制系统数据,以及管理系统的数据,并根据特定的传输协议,如MQTT等,上传到平台层。平台层基于海量数据和微服务组件库为用户提供技术能力和业务能力。应用层为不同维度的用户提供个性化应用,其中包括厂级的智慧生产、集团级智慧经营和上下游企业的供应链协同功能;同时支持新应用的测试发布等应用市场功能以支持业务运营。平台安全策略涵盖了从底层网络、设备接入,到设备控制系统、数据安全、应用安全的各个层级,保障企业高效安全生产。

三、下一步实施计划

    1.项目实施目标

    通过产业化推广举措,实现电力、钢铁、化工类企业应用至少1000个,实际用户超过500个,年经济效益突破1个亿,未来5年内,每年至少20%的产值增长,到2025年,总经济效益力争达到3亿水平。

    2.项目实施计划

表1 项目实施计划

项目实施计划

四、项目创新点和实施效果

    1.项目先进性及创新点

    (1)项目的先进性

    采用当前先进的云计算、物联网和大数据技术,通过数字化、网络化、智能化等技术方式,将行业内的隐性知识与经验进行集成与串联,基于协同发展的人才培养、实践和跨界创新机制,形成涵盖行业产、学、研、用、商等各类用户的知识体系与扁平化的行业组织体系,实现行业需求的个性化组合与创新,进而达到实体行业与互联网虚实结合的行业形态。

    (2)项目的创新点

    a.理论创新

    本项目引入了大数据、人工智能的理念和方法,建立问题处理流水线,将复杂问题简单化,简单问题流程化,降解了算法理解和使用难度。

业务建模流程

图2 业务建模流程

    b.应用创新

    长期以来趋势预警,故障诊断和优化运行一直是流程型行业的技术痛点和难题,AIdustry采用人工智能技术和设备机理模型相结合的方式创造性地解决了流程型工业企业生产的历史难题。

风电领域设备模型

图3 风电领域设备模型

风电领域应用模型

图4 风电领域应用模型

    c.技术创新

    创造性的采用人工智能算法,结合工业领域的机理模型,形成一套专业的模型算法,并采用算法流水线模式,实现多种应用功能的搭建。

风电叶片结冰诊断流程

图5 风电叶片结冰诊断流程

叶片结冰预测结果

图6 叶片结冰预测结果

    采用多种变量变换分类模型,对各风机叶片结冰进行精确诊断,诊断准确率达到93%以上。

    2.实施效果

    目前中国发电量占全球总量的24.1%左右,按全球平均设备优化收益来看,未来十年可实现1.8万亿人民币的成本降低和收入。按发电行业合计约1000个电厂计算,同时按平均50-100万的智能化投入来核算,AIdustry的推广示范效益在近两年至少能带动50-100亿级的产业市场规模。

    (1)本项目带来的行业经济效益

    一方面,从行业增值提效角度看,AIdustry平台打通了行业内部的各个环节,加速各环节数据纵向流动和交互。另一方面,从产业应用角度看,AIdustry平台构建了一个庞大的制造生态网络,为企业提供行业应用和数据交互,释放了资源价值。

    (2)本项目带来的企业经济效益

    本项目通过AIdustry的实施,所产生的经济效益包括:

    ●实现设备实时运行可靠性维护,保障生产安全;

    ●实现设备异常安全预警,减少因设备异常而产生的经济损失;

    ●实现设备故障告警,规避安全事故,降低企业事故损失;

    ●实现分布式资源的集中高效管理,提高企业资源管理效率;

    ●实现企业生产设备间的联动调节与管理,降低企业生产能耗。

    (3)本项目的平台应用经济效益

    通过AIdustry实现对设备进行实时监测、实时预警的目的,从而保证设备健康、安全、稳定地运行。并提前感知设备故障,从而减少企业设备维护成本、检修成本,同时提高设备的使用年限。随着该平台的深入推广,已推动工业企业累计实现业务增收不低于3亿元。

    (4)技术成果应用场景

    应用场景一:火电设备运行特性分析

    该应用以火电机组运行状态监测与系统大数据相结合,利用机组实际运行数据,从多个维度进行运行数据趋势分析和相关性分析,为机组运行状态监测提供有效的分析手段。

诊断模型故障树

图7 诊断模型故障树

火电机组运行特性分析实施架构

图8 火电机组运行特性分析实施架构

    应用场景二:水电设备安全预警

    在平台层部署可信、成熟的故障模型,并根据该模型对机组的状态数据进行实时故障识别,实现发电设备安全预警的快速响应。

水电行业发电设备安全预警实施架构

图9 水电行业发电设备安全预警实施架构

    应用场景三:风电设备故障预警与诊断

    齿轮箱是风力发电设备的重要组成部件,对保证风力发电正常运行起着至关重要的作用。通过从多维度实现齿轮箱失效故障分类,明确齿轮箱的优化方向,并为齿轮箱失效建模提供依据。

齿轮箱失效故障原因分析理论框架

图10 齿轮箱失效故障原因分析理论框架

齿轮箱失效故障实时诊断模型使用过程

图11 齿轮箱失效故障实时诊断模型使用过程

责任编辑:程玥
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐