????北極星風力發電網訊:這一屆北京風展的主題“風能的數字化時代”，以及會場上紛紛亮相的數字化平臺，讓遠景能源EnOS?智慧風場軟件解決方案負責人趙清聲想起了七年前，遠景首倡風電數字化時，業內升騰起的質疑之聲：“你們這個不就是搞概念嘛？”“我提不出需求，不相信你們能用軟件提升發電量?！边h景并沒有做過多的辯解，而是派人蹲到客戶的現場，把客戶的工作自己都做一遍，然后把功能一個一個做出來。
????
????七年前，遠景就這樣開始走上了數字化創新的征途。如今，越來越多地企業加入了風電數字化的行列，但是遠景深知“風電數字化”絕不是模仿一堆軟件功能，組建一個解決方案那樣簡單。
????作為行業先行者，遠景在無可借鑒的情況下，從軟件項目到軟件產品，再到軟件平臺，每一步背后都有其內在動力，只有基于內在驅動的數字進化，才能有機地對業務起到促進作用。絕不是今天覺得“平臺產品”高大上，一蹴而就就能做好平臺產品。
????遠景一直希望，在風電數字化的進程上，自己積累的經驗教訓能夠幫助后來者少走彎路。行業的數字化水平，能夠因為遠景的“示范作用”，提升得更快一些。
“我們產品的引領性還是很突出的，目前市場上大部分是項目級定制開發功能，只合適一兩類用戶場景，普適性、可維護性、可升級性不高；有的如功率預測，適合所有用戶，但功能單一，我們做的是全系列產品級、平臺級的軟件。”遠景智能軟件銷售總監張瓊表示。“平臺級”這三個字看似平淡無奇，卻是七年來在實際項目中趟過多少坑，重構進化了多少次才積累出來的。”
????就以風電數字化的基礎——數據接入和準確性來說。遠景能源基于全球最大的能源物聯網平臺EnOS?打造的智慧風場軟件解決方案，可以直接讀取風機和光伏逆變器數據，能夠支持140種風機機型和650種型號的光伏逆變器直連接入EnOS?能源物聯網平臺，實現秒級數據的實時更新，并且設備采集數據的合格率超過95%，損失電量分析的準確率超過95%。
????從起步開始，遠景的USCADA系統就是先在國內項目的第三方風機上起步，再在海外項目的第三方風機上做，自己的風機反倒排在第三位，系統一開始就以普適性作為架構標準。但在2013年做某集團級客戶項目時，面對100多種機型，形形色色的接口，惡劣的通訊條件，參差不齊的設備穩定性，遠景發現太多細節需要積累，也發現風機PLC直連是徹底提高數據質量最有效的辦法。
????通過為客戶解決一個又一個項目的挑戰，體驗了不同機型與主控版本下的復雜條件，也不斷優化著產品的可配置型性，模型的抗干擾性。一開始有的項目甚至要做耗時數月的“數據大掃除”，不斷提高數據的準確性和可靠性。業界領先的95%的數據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字化系統，最后卻發現系統用不起來，追查原因都出奇地一致——最基本的數據準確性問題沒有解決，最多只能算算電量。
“你說設備連接起來就是物聯網？真沒這么簡單。一會兒電量表數據跳變、一會兒無連接，怎么監控？很多風機狀態都不準，敢不敢遠程復位？總之，如果物聯網的邊緣計算不可靠，人還是撤不下來?！盓nOS?大數據平臺架構師閆博士直言不諱，“物聯網的CAP實踐難度比互聯網高許多，遠端網絡容錯度成倍降低，系統的一致性和可用性就必須更精細的平衡設計。數據模型上，以前在互聯網做大數據，本質上是離散數據管理，一單就是一單，哪里像傳感器數據，是連續數據，成千上萬設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，才能保證數據質量、甚至說起碼的系統功能。”
????遠景持續七年的投入，攻克了無數細節上的魔鬼，近100GW項目的產品化積累，才和客戶肩并肩基本解決了數據連接、采集、運算、質量控制等難題，這些是數字化的基礎。
????在接下來的數據分析上，機器學習無疑是最佳技術，但是如何能夠將機器學習和大數據結合起來，長期解決業務挑戰，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現，這需要在組織上進行創新。
????遠景基于EnOS?能源物聯網平臺開發的Ensight產品，基于2PB高質量數據和機器學習算法包，訓練設備健康度模型，衡量發電性能和設備健康度，提供關鍵部件的健康度預警與狀態維護提示，從而實現預測維護。Ensight Wind基于海量數據與機器學習技術，不斷優化算法，實現風機發電性能與設備亞健康狀態識別告警，進行預測維護，減少大部件故障造成的非計劃性停機損失，使故障風機提升等效利用77小時。
????
????遠景一直很清楚，機器學習并不是挖幾個算法大牛就可以實現的?！皫啄昵拔覀円舱J為招些數據算法專家就可以發掘數據里的價值，但實踐發現學習能源領域的垂直領域知識很關鍵，否則傳統機器學習所發現的一些規律，對垂直領域來說，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?！盓nOS?大數據平臺架構師閆博士說。
????他找到的解決方法是讓機器學習的專家和領域技術骨干相互學習，每兩周舉辦一次培訓，讓機器學習的人弄明白能源領域的理論知識，“不僅是文字表達的講懂，更要把里面的數學模型、物理模型公式都看懂”。反過來原來的領域專家則要學習python語言和算法包，還要參加軟件培訓，大家做真正的“跨界”人才，用閆博士的話說就是“讓大氣動力學的領域專家學神經網絡，讓神經網絡專家搞懂流體力學?！?/p>
????這種雙向學習打破了機器學習和領域知識之間的隔膜，讓機器學習能夠真正和實際應用結合起來。目前，遠景軟件團隊中，有機器學習背景和領域知識背景的人才比例接近一比一。
? ??
????遠景不僅在機器學習人才培養方面有自己的一套，在機器學習領域也做了很多模式創新，勇敢做整個行業的“探路者”。這一點主要體現在遠景去年推出的新能源功率預測軟件孔明上面。
????雖然算法在風功率預測方面已經得到了廣泛應用，但不同算法猶如一個個不透明的“黑匣子”，在具體應用于風場數據之前，沒有人知道哪個算法結果更優。不同的風場更沒有能力一一測試全球各種機器學習算法模型，從中找出最適合自己的。
????孔明在自己團隊開發機器學習算法之外，還搭建了一個算法驗證、比較平臺，與各高校，ECMWF，NCAR等各機構達成戰略合作協議，大家貢獻算法。針對客戶的風場數據，讓不同的氣象數據，不同算法在平臺上同時運行，在不打開“黑匣子”的前提下，讓機器自動尋找到最適合該風場的算法。
????孔明獨創的算法驗證平臺，不僅能夠提高自身的預測精度。更創造了一種機器學習在風功率預測方面的“眾包”模式，一種各方多贏的行業生態。
????海量數據和天量運算離不開運算能力的支持，可能很少人知道，早在亞馬遜AWS正式進入中國之前，遠景已經是它的第一個中國客戶。如今，遠景能源背后還依托著太湖之光和天河二號國家超級計算中心所獨有的大數據運算能力，這讓它可以為整個行業提供計算平臺。
????以上的技術創新和技術支持，使孔明的預測精度高出業界水平5個百分點。雖然孔明是市場后入者，但憑借著在很多風場和競品的“貼身PK”，短短一年多時間內就已經打入了300多個風場。
????
????無論是遠景此次揭秘的Enlight和 Ensight產品，還是去年推出的孔明新能源功率預測系統，都在不斷豐富著EnOS?智慧風場軟件解決方案的價值創造，滿足著不同客戶不同層面、不同人員的需求。
????這些是遠景基于EnOS?能源物聯網平臺自己開發的殺手級應用，但對于已經進化到平臺級的EnOS?來說，它的定位是像蘋果商店一樣，將很多應用的公共組件，清洗插補數據質量的臟活累活都沉淀到平臺做自己做掉，降低應用開發者的門檻，使開發者更集中精力開發自己的算法和功能，誕生出更多像孔明這樣的應用。
????如今，歐洲第二大可再生能源管理軟件公司BazeField已經接入EnOS?平臺，可以和Enlight、Ensight一起為客戶提供打包方案?！耙院?，平臺上app可以和app找朋友了?！拔覀儾豢赡軜訕佣甲约簛?，重要的是使能優秀的app開發者們?！壁w清聲表示，“我們通過‘領域吸引領域，應用吸引應用’，去發揮平臺Synergy的力量，遠景堅信能源行業的未來由無數開發者創造。
