力维智联陈仕波：综合能源服务平台演进研究及实践

本篇文章2573字，读完约6分钟

我们提供三种形式的大数据人工智能数据产品合作方式:一是购买人工智能大数据平台产品，自己进行数据建模；第二种方法是将成熟的大数据人工智能产品集成到您现有的业务系统中，为您的平台实现快速人工智能授权；第三是根据合作伙伴的业务需求和数据定制人工智能大数据产品的开发。

——深圳利威智联科技有限公司电力物联网产品总经理陈世波

在全球数字化、智能化和能源改革新时代的背景下，能源企业从生产向服务转变已成为全球趋势。与此同时，能源行业市场化体制和机制的改革也在不断推进。北极星电网于6月11日至12日在上海召开了“第二届综合能源服务产业创新暨电力物联网建设与发展会议”，北极星电网和北极星电力应用对整个会议进行了直播。

深圳市力威智联科技有限公司电力物联网产品总经理陈世波在会上做了“综合能源服务平台的演进研究与实践”的主旨发言。以下是一份发言记录:

下午好，专家们。今天，我将向大家报告综合能源平台的发展和实践，并与大家分享我们在建设方面的一些经验。

首先，让我们来介绍一下李伟志联。立威智联是一家以无处不在的数据访问和融合以及多维数据融合智能为核心技术的aiot产品和解决方案公司。我们在动态环境监测领域有20多年的丰富经验。我们打造的上海浦东智慧城市的大脑已经入选全国智慧城市案例集。我们建设的省级综合能源服务平台已经开始上线。在这个过程中，我遇到了一些困惑和问题，让我们一起来讨论一下。

今年国家电网的综合能源业务目标是200亿市场，空市场空间很大。在建设综合能源平台时，各省都在问一个问题:如何实现数据价值？

让我们来看看实现数据价值的dikw模型。其中，D是数据，我们称之为多维数据访问，是观察和测量的原始材料；I是信息，即经过处理的数据的理解。它解决了我们测量和观察的问题；k是从信息数据中提取的知识、规律和相关性，是对信息数据进行分析后得到的抽象，解决了该做什么的问题；w是智慧，推理和预测的基础上综合应用知识，并解决什么时候做什么的问题。

看看我们在各个层面所做的工作:cps、物联网接入、数据标准化、数据标准化、数据时间空标签都是数据层面的工作；数据存储和治理、数据资产化、数据时间空维统计分析和数据可视化是信息层面的工作；知识层面的工作包括客户/设备描述、知识管理系统、人工智能组控制系统、人工智能调度系统、知识人工智能大数据产品等。；在智能层面，我们正在做销售预测、最大需求预测、设备故障预测、智能人工智能大数据产品等。在数据和信息层面，每个人都已经基本意识到了这一点，但在知识和智慧层面，每个人都感到困惑。为什么？知识和智慧层面的工作需要以it专家和商业专家为基础，人工智能专家也需要完成这项工作。因此，现在所有综合能源公司都在问这个问题，我如何实现数据，如何带来数据价值？

李伟的综合能源平台实践可以与你分享。让我们从整个平台的架构开始。底层是综合能源服务cps系统，然后是IOT管理中心、数据中心和企业中间站。除此之外，还有智能建模引擎和应用构建引擎，它们提供各种业务应用。通过这个平台，我们所有的业务支持都变得简单快捷。在这种情况下，迪克如何解决它？通过cps系统和IOT中心解决数据问题；在数据中心和应用层，解决信息化问题；我们需要向数据中心和数据中心之上的业务应用层添加知识和智能，也就是说，使其智能化。

如何使它智能化？我们在数据中心安装了一个高性能的执行引擎，执行智能算法；人工智能算法需要建模。我们提供了一个可视化的建模工具，它可以以一种配置的方式建立人工智能模型而不需要编码；然后配合调度平台支持一整套业务应用的构建。这是我们的圣淘沙人工智能大数据平台。

圣淘沙人工智能大数据平台包含了当前所有主流的人工智能算法，并将每种人工智能算法整合成一个组件。每个组件都称为一个运算符。基于这些算子，建立算法模型，这些模型可以由具有一定数学基础的人来建立。什么是算法模型？有数理统计、机器学习、数据优化、知识映射和自然语言识别。在建模和输出算法结果的过程中，可以直观地呈现出来进行分析。每个算法模型建立后，形成一个算子流。基于一系列的运营商流，可以形成端到端的业务应用。它可以是中间件、网络应用程序、独立的网络系统或现有系统中的页面。

这些是发电机组的产量计划和销售预测的案例。具体的算法，如果我们感兴趣的话，可以以后再讨论。重点介绍最佳需求预测。

目前，当你申报需求时，你总是报告上个月的最大需求，或者上个季度和去年同期的最大需求。但这不是最好的方法。需求申报的本质是寻找支付最少的需求申报，我们可以通过人工智能大数据平台找到最好的申报需求。

让我们来看看最优需求预测的建模过程是如何进行的。首先，我们将做数据准备和数据导入。在数据准备之后，我们应该做什么？就是寻找数据模式。如何发现数据的规律性？有必要进行探索性分析，找出数据特征，看看它是否有规律，以及它是否能被建模和分析。我们在这个案例中发现的特征是与时间相关的。第二步是基于所发现的时间相关特性找到合理的数据分布和置信区间。第三步是建模。我们知道时间序列预测有许多算法。我们做什么呢分别尝试几种可能的算法，找到合适的算法和参数，看看哪些是合适的。基于此，我们找到了两种合适的算法。每个人都会觉得这个建模过程很烦人，因为他们必须自己去发现。不要害怕，我们提供自动建模。建模后，我们还提供自动参数调整。最后，找到了最优容量预测模型和参数。

综上所述，人工智能的建模分为五个步骤。第一步是准备数据。我们支持几乎所有人都能想到的数据类型，包括流数据、文本数据和各种数据库类型的数据对接；导入数据后，进行数据处理。处理的目的是确保数据质量，这就是我们通常所说的数据治理；在数据质量保证之后，我们应该探索和分析建模，看看有什么样的数据特征；最后，找到合适的特征并对其建模。建模后，进行可视化分析。建模是一个迭代过程。验证完成后，我们可以发布产品，可以是中间件产品，也可以使用调度平台制作端到端的web应用。

立威智联提供三种形式的大数据ai数据产品合作方式:第一种是购买人工智能大数据平台产品，自己进行数据建模；第二种方法是将成熟的大数据人工智能产品集成到您现有的业务系统中，为您的平台实现快速人工智能授权；第三是根据合作伙伴的业务需求和数据定制人工智能大数据产品的开发。