水力发电是支持“双碳”目标的重要能源战略措施之一，将会有一个长期快速的发展。但对于大型水电机组来说，经历了引进消化、自主设计、技术创新几个阶段，下一代水电机组面临智能化升级。同时，大型水电机组新增装机速度和容量增长周期性放缓，产品更新换代周期长，企业空利润不断被挤压，需要撬动现有设备售后市场。
该项目聚焦大型装备制造企业数字化转型，提升企业内生数字化创新能力，带动装备产品和后期服务能力的数字化智能升级，更好地服务上下游用户。
实施时间:
开始时间:2021年1月
截止日期:2021年9月
应用场景
本案例聚焦水轮发电机组售后服务市场，构建“云+边缘”远程监控与智能诊断云平台，通过平台将数据、知识、流程、人有机结合，为诊断专家搭建统一集成的模型开发环境，加速故障诊断模型的软件化和服务化，为水轮发电机组用户提供可持续改进的设备运维闭环管理解决方案，提高水轮发电机组运行安全性，降低运维成本。该项目重点解决以下两个主要技术问题:
数据回流和价值落地:水电机组分布广，数据源分散，数据类型复杂，数据量大，数据开放受信息安全管理制约。设备提供商面临着如何回收数据，如何存储和管理大量数据，如何挖掘数据价值，如何输出数据价值。
专家知识沉淀和传承问题:运维知识缺乏有效的沉淀和传承机制。目前，大量的知识以定性经验的形式分散在许多一线运行人员和水电站的制造、设计人员的头脑中。缺乏有效的传播载体，专家知识不系统。很多经验没有经过充分的检验，没有达到正规化的基本门槛。需要整合大数据进行有效的补充和检验。这也是很多设备厂商止步于智能诊断的一个很重要的原因。
面对挑战
1.如何建立新的组织和资源调度模式:传统的管理体系和商业模式已经相对固化。对内，需要打破传统，突破思维和组织的局限；对外，在现有的产业链生态下，基于不同的资源禀赋，需要创造新的机会，获得可持续的利润。
2.在现有的产业人才体系下，如何跨越数字技能鸿沟:在面向未来的产业人才体系下，需要产品RD人才、信息技术人才、数据分析人才、业务运营人才的结合。跨越数字技能鸿沟是一个巨大的挑战。只有建立工业企业内生的工业数据分析能力，提高领域专家在推动数字化中的领先地位，才能走得长远。
3.如何解决设备运行大规模数据的存储和利用问题:大型水电机组设备类型多、定制化程度高、数据量大、并发处理性能要求高、分析开发应用难度大等。，因此他们需要具备收集、处理、存储和管理多源、海量、高通量数据的能力。
4.故障诊断业务场景多样，诊断模式复杂:受机组地域分布、数据采集传输、数据安全等诸多因素制约。，需要解决后服务市场的单位智能诊断等典型应用场景中远程、本地、远程与本地协同诊断业务场景的多样化。同时，机组感知点多，机组故障类型多样，问题交织，判断依据缺乏量化和细化，故障判断困难。
数据支持
1)构建有效的数据安全保护机制，实现管理区与生产区的单向隔离，消除生产区传输数据的敏感性，对通过互联网通道传输的数据进行加密，实现数据的安全性和可控性；对于知识模型，基于加密机制，知识产权得到有效保护。这些核心技术为协同创新奠定了基础。
2)通过设备资产的数字化管理模型，规范了专家知识模型的上下文，从而解决了模型的大规模部署和应用问题。设备部件、测点、运行状态等数据。水电站、水力发电机组、水轮机、推力轴承等。作为资源进行管理，建立了水电站数字孪生模型，制定了设备资产的定义、存储和管理标准。
应用技术和实施过程
该项目的关键技术包括:
“云+边缘”工业数据智能平台的总体技术架构
1.工业大数据管理后台支持海量多源工业数据的访问和存储管理，实现工业数据的采集和统一管理，包括数据访问管理和数据湖。
数据访问管理，解决不同数据访问协议、不同数据访问方式、不同类型数据的灵活访问问题。数据访问的特点包括:提供访问框架SDK，可以扩展和支持不同厂商提供的协议和接口转换，满足不同数据源的需求；支持数据的实时在线访问和批量离线访问。实时访问支持断开和重新连接，批量访问支持按需访问的时间策略配置。
湖泊管理，解决海量数据的低成本访问问题，使用弱格式管理保持数据访问的灵活性，避免过度治理造成的浪费。数据湖中时间序列类型的管理数据以测量点为中心，每个测量点存储大量的二元组，即时间序列数据。在访问数据时，不需要预先注册测量点。随着数据的导入，会形成相应的带有数据的测点。
湖中以数据目录为单位进行数据管理，用户可以用业务语义定义“目录”，比如数据目录标记一个电场中的一个单元。创建目录后，在数据导入过程中选择要导入的目标目录。用户可以在系统上创建、查看和删除数据目录。用户不需要事先定义“表”、“测点”、“时序”之类的schema对象，只需要定义“目录”，就可以导入和存储数据了。
数据湖提供了开发包的形式来支持海量数据的访问。开发包提供了一个简单的编程模型，使得数据工程开发人员在基于开发包对接上游数据系统时，数据湖内部的存储逻辑变得透明。同时，系统为开发的access程序提供运行环境和管理。
2.工业设备建模与数据资源管理，支持设备领域数据资源建模管理，为上层分析和应用提供统一设备资产模型下的数据组织和访问能力，解决应用或分析模型直接访问底层资源带来的问题。
工业设备建模，为了降低数据使用门槛，细化设备数据管理的最佳实践，统一了设备资产模型下的数据组织，围绕设备海量多源数据的访问、集成、建模和使用标准化的目的，提供了数据资产建模和访问的功能子系统。设备按照工业标准抽象定义为设备类型，子类型可以定义为从一般到特殊的继承级别。默认情况下，继承父类型的所有属性和标准。下图显示了设备类型的继承关系:
K2Assets内置了行业常用的基础设备模板，方便企业用户选择使用，并可扩展。数据管理提供设备维度的统一数据和服务，连接各种主流技术组件，解决后台数据引擎的灵活性问题。提供自动化的数据质量分析和管理工具，实现设备数据资源的便捷分析和管理。
3.面向行业专家的知识沉淀，解决行业知识长期停留在专家头脑中，分散在不同电脑中的问题。
基于工业数据分析的方法论，内置常用工业设备分析运算符，加速建模，提高模型研发效率。下图显示了系统配置的时序症状运算符。
提供操作员标准和操作员库管理，提供操作员手册，引导行业专家和技术人员复用操作员进行模型研发，从零开始解决知识构建效率低、重复建设、口径不一致等问题。
为知识结构化建模提供可视化非编程操作符拖拽方式，提高用户知识构建效率，实现行业数据知识积累。
支持海量数据，发挥大数据的作用，定量验证模型的准确性和适用性。利用机器学习等方法对关键参数进行量化和优化。解决模型建立后可用性和可用范围的评估和确认问题。
4.工业知识应用，提供可视化的模型部署管理，支持模型部署以批处理或流模式运行或发布为服务，通过rest接口调用。为模型运行提供作业管理，并可以查看作业状态、日志和结果。提供低代码的APP开发工具，通过拖拽和配置支持APP开发，大大减少知识应用的门道和路径。
“云+端”协同框架，“云+端”一体化设计，统一架构，云和端侧统一数据模型，统一分析模型和运营，实现了数据、模型和应用的解耦，支持一键发布和部署。
面向行业应用场景的多种部署方案，支持分布式、主从式、独立部署方案，满足不同行业应用场景。分布式部署时，“云+端”是分布式计算集群，统一调度管理，通过增加节点计算资源支持容量扩展。主从部署时，主节点管理所有数据和模型，从节点是部署在末端的计算节点，可以根据需要配置一些数据和计算任务。独立部署时，很多环节相对独立，但是导出和导入方法实现了模型和应用共享。
5.基于K2Assets工业数据智能平台的上述重要技术能力，构建水电机组“云+终端”远程监控与智能诊断系统，以智能诊断为抓手，将机组故障诊断的工业模型变成软件，构建智能机组的大脑和数据中心，为水电机组用户提供可持续、完善的设备运维闭环管理解决方案，提高水电机组运行安全、运维效率，降低运维成本。
自主研发工业大数据处理技术，解决多源、海量、高通量的数据访问和存储问题。系统设计容量可满足未来5年500台以上的数据访问，支持100PB以上的数据存储和管理规模，并可根据实际数据访问情况动态扩展。
建立设备资产的数字化管理模式。建立水电站设备资产数字化管理模型，将水电站、水轮发电机组、水轮机、推力轴承的设备部件、测点和运行数据作为资源进行管理，建立水电站数字化孪生模型；规范设备资产对象的定义、存储和管理。
构建统一的智能诊断模型，整合RD环境，实现专家知识的沉淀。通过平台将数据、知识、过程和人进行整合，为诊断专家构建统一的集成模型开发环境。
通过总结水轮机专家经验和数据映射，将专家知识模型化、软件化，建立了故障诊断的基本算法、规则库、模型库和特征库，支持专家开发近百个水轮机故障诊断分析模型。
通过平台内置的规则、智能诊断模型和案例，从现象和历史数据中自动找到可能的原因，预警判断故障，辅助专家快速判断故障，准确制定故障解决方案。为电站提供从问题发现到问题处置的端到端解决方案，实现处置措施的快速识别、快速定位和快速获取，并借鉴以往的处置案例，降低处置难度，提高问题处置的效率和效果。
云+端技术架构支持多场景融合诊断:采用云+端技术架构，支持中心侧+端侧部署，提供远程即时诊断、现场即时诊断、远程与现场协同诊断三种诊断场景的应用。现场处置不仅可以获得平台提供的诊断知识和处置策略，还可以获得更多专家的在线技术支持。
外部合作
企业要想将数据价值整合到自己现有的有形产品或服务中，需要长时间自主探索数据价值。
本案例基于昆仑数据的数字化方法、产品和服务，与某大型电机公司共同构建了水轮机数据资源系统，开发了十余个典型分析模型。之后，该产品进一步支持水电机组设备专家在自身行业诀窍的基础上，逐步形成自己的数据价值发现能力，自主研发了500多种水轮机上的智能分析模型。最后，以云-边缘协作的方式为水电站业主提供基于现场数据的数字化服务。
这个项目是双方共同开发的成果。
商业变化
对于设备提供商:
“云+端”智能诊断云平台推动企业服务数字化转型，为智能电站、智能电网提供创新技术支撑能力，发展后服务市场业务，打造可持续发展的后服务市场商业新模式。
通过服务数字化，收集海量设备运行数据，开发应用分析模型，可以为产品RD和制造提供高价值投入，提升产品质量和创新能力，引领设备升级。
知识由专家积累和传承，工业模型以软件为基础，通过不断的迭代和细化，为智能单元的开发奠定基础。
对于设备用户:
通过设备制造商和业主之间的数据和模型流动，构建持续改进的闭环管理，提高设备运行的健康管理能力，提高机组运维效率，降低设备整体运维成本。为了减少非计划停机时间，机组运维为计划检修向状态检修转变提供了有力支持。
通过智能诊断系统，帮助业主实施“无人值守、无人值守”的电站运行模式，运用智能诊断手段和新技术，倡导人文关怀。
为电站现场处置人员提供从发现问题、定位问题到获取处置措施的端到端闭环解决方案，可以大大缩短问题判断的时间，获得更专业的支持，提高问题处置的效率和效果。
水电机组智能运维系统已在多个大中型水电站部署使用，帮助水电厂实现自动巡检，优化每班节约2小时，预警严重故障10余次，汛期优化多个机组区域，确保安全发电3亿多元。通过应用大数据分析诊断技术，成功诊断出某电站固定导叶水力故障导致的严重裂纹，并提供了永久性处理方案和汛期优化运行建议，成功保障了电站汛期安全发电。
相关企业介绍
昆仑数据
昆仑智汇数据科技有限公司是工业大数据领域的领军企业，专注于工业大数据管理和数据分析。以行业领先的方法论、平台产品和数据科学服务，降低工程技术人员从业务角度检索和分析数据的技术门槛，进一步实现知识的结构化沉淀，帮助工业企业构建自主数字化智能创新能力。我们被定位为大数据合作伙伴，并与工业企业合作，构建创新的数据驱动型产品和服务。目前已服务于电力设备、清洁能源、高端电子、工程机械、钢铁冶金等领域。
大型汽车集团
某大型电机集团是中国研究、设计和制造大型发电设备的重大技术装备制造骨干企业，是全球发电设备、清洁能源产品和服务的主要供应商。
