90％準(zhǔn)確率！機(jī)器學(xué)習(xí)改變風(fēng)機(jī)報(bào)警模式

　　風(fēng)機(jī)故障報(bào)警是常態(tài)，但當(dāng)運(yùn)維工程師發(fā)現(xiàn)故障大部件已糟糕到無藥可救時(shí)，接下來的待件、換件，就顯然是在拉低風(fēng)場(chǎng)收益率了。這種赤裸裸的痛點(diǎn)，在風(fēng)電上網(wǎng)電價(jià)下行的趨勢(shì)下，對(duì)風(fēng)場(chǎng)來說簡(jiǎn)直就是雪上加霜。

　　不過，遠(yuǎn)景風(fēng)場(chǎng)運(yùn)維團(tuán)隊(duì)給出了解決痛點(diǎn)的一種可能性——用機(jī)器學(xué)習(xí)也就是用算法對(duì)風(fēng)機(jī)的健康度作出預(yù)警。據(jù)該團(tuán)隊(duì)介紹，從已有驗(yàn)證案例看，大部件的健康度預(yù)警準(zhǔn)確率還不錯(cuò)，比如齒輪箱散熱系統(tǒng)、主軸承等大部件的預(yù)警準(zhǔn)確率均超過90%。

　　這是風(fēng)電運(yùn)維領(lǐng)域首款對(duì)風(fēng)機(jī)健康度作出預(yù)警的機(jī)器學(xué)習(xí)技術(shù)程序，盡管它在大部件預(yù)警的覆蓋面及準(zhǔn)確率上還有待提升，但仍不失為風(fēng)電存量資產(chǎn)市場(chǎng)上一件頗具標(biāo)志性的事件。畢竟，目前電力界對(duì)設(shè)備的健康管理還停留在巡檢、打分以及固化參數(shù)等人為的主觀判斷上，而遠(yuǎn)景風(fēng)場(chǎng)運(yùn)維團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)系統(tǒng)，僅僅用溫度與壓力就可將風(fēng)機(jī)大部件的健康狀況歸類到“正常、注意、亞健康、警告和故障”這五級(jí)健康度中，尤其是，還可以提前3個(gè)月判斷出大部件的失效問題——這就是遠(yuǎn)景智慧風(fēng)場(chǎng)Wind PHM智能預(yù)警軟件。

　　機(jī)器學(xué)習(xí)離不開數(shù)據(jù)，而風(fēng)場(chǎng)正好可以為其提供現(xiàn)實(shí)世界的大量、實(shí)時(shí)數(shù)據(jù)，但值得注意的是，這些數(shù)據(jù)中往往摻雜著很多的臟數(shù)據(jù)，如同鉆石混在煤渣中，所以，數(shù)據(jù)平臺(tái)必須具備很強(qiáng)的清洗能力，以保證機(jī)器學(xué)習(xí)能使用到準(zhǔn)確的數(shù)據(jù)，“而這正是遠(yuǎn)景Wind OSTM物聯(lián)網(wǎng)的技術(shù)優(yōu)勢(shì)，其最優(yōu)算法保證了系統(tǒng)數(shù)據(jù)的準(zhǔn)確性和可靠性?！边h(yuǎn)景能源Wind PHM項(xiàng)目負(fù)責(zé)人胡博士強(qiáng)調(diào)。

　　值得一提的是，遠(yuǎn)景Wind OSTM平臺(tái)上運(yùn)行著幾十款中外品牌的風(fēng)機(jī)，風(fēng)場(chǎng)資產(chǎn)規(guī)模已超過了5000萬千瓦，標(biāo)準(zhǔn)的物聯(lián)網(wǎng)屬性已使其成為一個(gè)完善成熟的大數(shù)據(jù)平臺(tái)，上面準(zhǔn)確、充沛的數(shù)據(jù)資源，不但為風(fēng)場(chǎng)績(jī)效考核、能量管理、報(bào)表推送等提供指標(biāo)應(yīng)用，也可以為機(jī)器學(xué)習(xí)提供準(zhǔn)確的數(shù)據(jù)源，從而拓展了數(shù)據(jù)價(jià)值創(chuàng)造的空間。

　　“在我們給出Wind PHM模型的變量及其系數(shù)以后，機(jī)器學(xué)習(xí)就可根據(jù)給定的算法自行調(diào)整變量系數(shù)的大小，使模型更加精確，但這并不是一件容易做到的事情?！焙┦拷忉屨f，“因?yàn)槲覀儾豢赡茴A(yù)先就知道哪個(gè)算法對(duì)完成任務(wù)是最優(yōu)的，只能通過嘗試不同的算法來找出最優(yōu)的算法?！?br />
　　事實(shí)上，胡博士和他的團(tuán)隊(duì)經(jīng)歷了三次建模的過程。

　　首次建模采用的是神經(jīng)網(wǎng)絡(luò)算法。一個(gè)良好運(yùn)作的神經(jīng)網(wǎng)絡(luò)是靠大量的數(shù)據(jù)訓(xùn)練出來的，Wind OSTM平臺(tái)上的數(shù)據(jù)足夠神經(jīng)網(wǎng)絡(luò)訓(xùn)練所用，可問題是，在對(duì)某些大部件健康度的趨勢(shì)判斷上，這種模型的準(zhǔn)確率并不能令人滿意。胡博士提醒說，“對(duì)大部件這類預(yù)測(cè)對(duì)象來說，神經(jīng)網(wǎng)絡(luò)算法難以做到整體最優(yōu)?！?br />
　　于是，胡博士和他的團(tuán)隊(duì)嘗試用支持向量機(jī)算法建模。從技術(shù)上看，這種算法的亮點(diǎn)在于：在處理特征密集的數(shù)據(jù)時(shí)，它不需要所有的失效數(shù)據(jù)或歷史上的故障數(shù)據(jù)，只要對(duì)比正常的運(yùn)行數(shù)據(jù)就能做出常態(tài)和非常態(tài)的分辨。在胡博士看來，“它解決了此前神經(jīng)網(wǎng)絡(luò)模型沒有解決的某類大部件健康度預(yù)測(cè)準(zhǔn)率不高的問題”，但這種算法在預(yù)測(cè)風(fēng)機(jī)健康度上仍有瑕疵——這就成為他和團(tuán)隊(duì)“繼續(xù)尋找最優(yōu)算法”的理由。

　　需要注意的是，并沒有現(xiàn)成的最優(yōu)算法可以拿來直接使用。在深度分析、研究前兩種算法并將之深度融合之后，Wind PHM模型的核心算法最終誕生。

　　接下來，胡博士選擇了歷史上的風(fēng)機(jī)失效樣本對(duì)這個(gè)模型進(jìn)行了測(cè)試，結(jié)果它對(duì)大部件健康度的識(shí)別與判斷，在時(shí)間節(jié)點(diǎn)上與歷史樣本中的問題或故障高度吻合，并提前3個(gè)月預(yù)測(cè)到了部件的失效時(shí)間。

　　“這樣的測(cè)試和算法優(yōu)化是在線下完成的，Wind PHM模型精度滿足風(fēng)機(jī)健康度識(shí)別和預(yù)測(cè)以后，就可以把它擴(kuò)展到風(fēng)場(chǎng)上線運(yùn)行了?！焙┦空f，“這一輪運(yùn)行要驗(yàn)證的仍然是Wind PHM對(duì)大部件健康度趨勢(shì)預(yù)判的準(zhǔn)確性，以及它在自學(xué)習(xí)、自尋優(yōu)方面的能力。”

　　提及自學(xué)習(xí)和自尋優(yōu)，需要補(bǔ)充的是，建立Wind PHM模型是驅(qū)動(dòng)大數(shù)據(jù)的一個(gè)過程，也就是用精確度較高的數(shù)據(jù)來為每類大部件的健康度進(jìn)行定義。這其中也包括變量系數(shù)的采集和確定，而要完成這樣的一個(gè)過程，人的知識(shí)、經(jīng)驗(yàn)和能力相當(dāng)重要，但Wind PHM上線后，所有的變量系數(shù)都可在目標(biāo)或?qū)?yōu)策略的指引下自行優(yōu)化，這使得模型對(duì)大部件健康度的預(yù)判更加準(zhǔn)確。

　　實(shí)際上，變量系數(shù)的尋優(yōu)比較復(fù)雜，比如主軸承的健康度與風(fēng)速這個(gè)變量有關(guān)，而風(fēng)速又與功率有關(guān)，功率在某個(gè)時(shí)刻又可能與變槳有關(guān)，而這一切又可能與環(huán)境溫度有關(guān)——在如此復(fù)雜的關(guān)系下進(jìn)行變量系數(shù)優(yōu)化，起到關(guān)鍵作用的是Wind PHM自身的健康度算法。這意味著，通過變量系數(shù)優(yōu)化，Wind PHM模型也有了更高的精準(zhǔn)度。

　　“ Wind PHM這個(gè)機(jī)器學(xué)習(xí)系統(tǒng)是對(duì)大部件健康趨勢(shì)的一種預(yù)測(cè)，”胡博士解釋，“但在做預(yù)測(cè)時(shí)它并不關(guān)心什么風(fēng)速、功率等因素，它只看對(duì)應(yīng)的溫度值是多少，也就是實(shí)際溫度值與預(yù)測(cè)溫度值之間的差，以此報(bào)出大部件的健康度?！?br />
　　也就是說，從Wind PHM的角度看，在風(fēng)機(jī)的健康度上，溫度最有話語權(quán)。需注意的是，由于Wind PHM的健康度算法涉及大部件的實(shí)際溫度值，那大部件自身的傳感系統(tǒng)所獲取數(shù)據(jù)的精確性就十分重要了。正因?yàn)檫@樣，Wind PHM還要對(duì)大部件的傳感系統(tǒng)進(jìn)行智能監(jiān)控，并做到隨時(shí)報(bào)警，以確保每個(gè)部件系統(tǒng)傳感數(shù)據(jù)的準(zhǔn)確性。為了提升準(zhǔn)確率，Wind PHM在對(duì)某臺(tái)風(fēng)機(jī)的健康度做預(yù)警時(shí)，還要橫向?qū)Ρ揉徑L(fēng)機(jī)的相關(guān)溫度等參數(shù)——這也是提升預(yù)警準(zhǔn)確率的一種算法邏輯，畢竟，預(yù)測(cè)準(zhǔn)確率是Wind PHM智能預(yù)警系統(tǒng)的生命。

　　Wind PHM走進(jìn)風(fēng)場(chǎng)，這意味著，在風(fēng)場(chǎng)存量資產(chǎn)運(yùn)營(yíng)端，機(jī)器學(xué)習(xí)的應(yīng)用會(huì)成為一種趨勢(shì)。也正因此，胡博士希望風(fēng)場(chǎng)運(yùn)營(yíng)者能意識(shí)到機(jī)器學(xué)習(xí)對(duì)提升風(fēng)場(chǎng)收益的巨大價(jià)值。