水力发电是支撑“双碳”目标的重要能源战略措施之一，将有长久而快速的发展，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慧化升级；同时，大型水电机组新装机组速度与容量增长呈现周期性的放缓，而且产品更新换代周期长（大型机组寿命长达30年），企业盈利空间被不断挤压，需要撬动存量设备后服务市场。
本项目围绕大型装备制造企业的数字化转型，增强企业内生的数字化创新能力，带动装备产品和后服务能力的数智化升级，更好地服务上下游用户。
实施时间：
开始时间：2021年1月
截止时间：2021年9月
应用场景
本案例聚焦水力发电机组后服务市场，打造“云 边”远程监测与智能诊断云平台， 通过平台将数据、知识、过程与人有机结合，为诊断专家构建统一集成的模型研发环境，加速故障诊断模型软件化与服务化，为水电机组用户提供可持续改善的设备运维闭环管理解决方案，提高水电机组运行安全性，降低运维成本。项目着力解决以下两大技术难题：
数据回流与价值落地问题：水电机组分布地域广、数据源分散、数据种类庞杂，数据体量大，数据开放受到信息安全管理约束。设备提供商面临数据如何回收，大体量数据如何存储与管理、数据价值怎么挖掘，数据价值如何输出。
专家知识沉淀与继承问题：运行与维护知识缺乏有效沉淀与传承机制，目前大量知识以定性经验的形式散落在众多水电站一线操作人员和制造商设计人员头脑中，欠缺有效的传递载体，专家知识不系统，很多经验没有经过充分的检验，也没有达到形式化的基础门槛，需要融合大数据进行有效补充与检验，这也是目前很多设备厂商在智能诊断方面止步不前的很重要原因。
面临挑战
1、如何建立新型的组织与资源调度模式：传统经营管理体系和业务模式已相对固化。对内，需要打破传统，突破思维和组织限制；对外，需要在既有的产业链生态下，基于不同的资源禀赋，创造新的机会窗口，并可持续盈利。
2、在既有的工业人才体系下，如何跨越数字化的技能鸿沟：在面向未来的工业人才体系下，需要产品研发人才、信息技术人才、数据分析人才与业务运营人才的结合，跨越数字化的技能鸿沟是一大挑战。只有建立起工业企业内生的工业数据分析力量，提高领域专家在推进数字化中的主导地位才能走的长远。
3、如何解决设备运行大体量数据的接存管用问题：大型水电机组设备型号多、定制化程度高，数据具有范围广（跨地域、跨组织、跨业务系统）、类型多（业务数据、时序数据、图像、视频）、体量大（PB级）、并发处理性能要求高、分析与开发应用难度大等特点，需要具备对多源、海量、高通的数据采集、处理、存储和管理能力。
4、故障诊断业务场景多样化，诊断模式呈现复杂性：受机组的地域分布、数据采集与传送、数据安全等多方因素的制约，在后服务市场中如机组智能诊断等典型应用场景上需要解决远程、现地、远程与现地协同诊断的业务场景多样化问题。同时，机组感知点多、机组故障类型繁杂，问题交织呈现，判定依据缺乏量化和精化，故障判定难。
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、生产区数据外传数据的敏感性消除措施、通过互联网通道传输数据的加密机制，实现数据的安全可控；对于知识模型，基于加密机制，有效保护知识产权。通过这些核心技术奠定了协同创新的基础。
2) 通过设备资产数字化管理模型，实现专家知识模型上下文的标准化，从而解决了模型的大规模部署应用问题。将水电站、水力发电机组、水轮机、推力轴承等设备部件、测点、运行状态等数据进行资源化管理，建立水电站数字孪生模型，制定设备资产对象的定义、存储和管理的标准。
应用技术与实施过程
项目关键技术包括如下：
“云 边”工业数据智能平台整体技术架构
1、工业大数据管理后台，支持海量、多源工业数据的接入和存储管理，实现工业数据的汇集和统一管理，包括数据接入管理和数据湖。
数据接入管理，解决不同数据接入协议、不同数据接入方式、不同类型数据灵活接入的问题。数据接入的特点包括：提供接入框架SDK，可扩展支持不同厂商提供的协议和接口转换，满足不同数据源的要求；支持数据的实时在线接入和批量离线接入，实时接入支持断线重连，批量接入支持配置时间策略按需进行接入。
数据湖管理，解决海量数据全量低成本接入，使用弱格式管理方式保留数据接入的灵活性，以及避免因过度治理带来的浪费。数据湖中时序类型的管理数据以测点为核心，每个测点存储了大量的二元组即时序数据，数据接入时测点不需要提前注册，随着数据的导入，就形成具有数据的相应测点。
数据湖中以数据目录为单元进行数据管理，用户可以定义有业务语义的“目录”，例如标示某电场某机组的数据目录。目录创建以后，在数据导入时选择要导入的目标目录。用户可以在系统上新建、查看、删除数据目录。用户无需预先定义类似于“表”、“测点”、“时间序列”等的模式对象，只需定义“目录”，然后便可以导入和存储数据。
数据湖提供开发套件形式支持海量数据的接入，开发套件提供了简单的编程模型，使数据工程实施开发人员在基于开发套件对接上游数据系统时，透明化数据湖内部的存储逻辑；同时，系统对所开发的接入程序提供运行时环境和管理。
2、工业设备建模和数据资源管理，支持设备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，提炼设备数据管理最佳实践，围绕设备的海量多源数据接入、整合、建模和使用的标准化的目的，统一设备资产模型下的数据组织，提供数据资产建模与访问功能子系统。将设备按工业标准抽象定义为设备类型，支持从通用到专用的继承层级定义子类型，默认继承父类型的全部属性和标准，如下图表示设备类型的继承关系：
K2Assets内置工业常用的基础设备模版，方便企业用户进行选择使用，可以进行扩展。数据资源管理提供设备维度的统一数据和服务，对接各种主流技术组件，解决后台数据引擎灵活适配问题。提供数据质量分析和治理自动化工具，实现设备数据资源可视，便捷的分析和治理。
3、面向工业专家的知识沉淀，解决行业知识长期停留在专家头脑中、分散在不同计算机中的问题。
基于工业数据分析方法论，和内置常用的工业设备分析算子加速建模，提高模型研发效率。下图显示系统配置的时序征兆算子。
提供算子标准和算子库管理，提供算子手册指导行业专家技术人员复用算子进行模型研发，解决知识从零构建效率低、重复建设、口径不统一的问题。
提供可视化非编程的算子拖拽方式进行知识结构化建模，提升用户在知识构建中的效率，实现数据知识在行业纵深的积累。
支持利用海量数据，发挥大数据作用，对模型的准确性、适用性进行量化验证。运用机器学习等方法，对关键参数进行量化调优。解决模型建好后，可用性、可用范围的评估确认难问题。
4、工业知识应用，提供可视化模型部署管理，支持模型部署为批、流的方式运行或着发布为服务通过rest接口调用。提供模型运行作业管理，可以查看作业状态、日志和结果。提供低代码APP开发工具，支持通过拖拽和配置进行APP开发，大大降低知识应用的门口和路径。
“云 端”协同框架，“云 端”一体设计，统一架构，云和端侧统一数据模型、统一分析模型和运行时，并且实现了数据、模型和应用解耦，支持一键式发布部署。
面向工业应用场景的多种部署方案，支持分布式和主从和独立部署多种方案，满足不同的工业应用场景需求。分布式部署时，“云 端”为一个分布式的计算集群，统一调度管理，支持通过添加节点计算资源来扩展容量。主从部署时，主节点管理全部数据和模型，从节点为部署在端侧的计算节点，可按需配置部分数据和计算任务。独立部署时，多个环节相对独立，但支持导出、导入的方式实现模型、应用共享应用。
5、基于以上K2Assets工业数据智能平台的重要技术能力，打造“云 端” 水电机组远程监测与智能诊断系统，以智能诊断为抓手，将机组故障诊断工业模型软件化，构建智慧机组的大脑与数据中心，为水电机组用户提供可持续改善的设备运维闭环管理解决方案，提高水电机组运行安全性，提升运维效率，降低机组运维成本。
(1) 自主研发工业大数据处理技术，解决多源、海量、高通数据接存管用问题。系统设计容量满足未来5年500台以上机组数据的接入，能够支撑100PB以上数据存储与管理规模，并且可以根据实际数据接入情况进行动态扩展。
(2) 对设备资产建立数字化管理模型。建立水电站设备资产数字化管理模型，将水电站、水力发电机组、水轮机、推力轴承等设备部件、测点、运行数据等资源化管理，建立水电站数字孪生模型；固化和标准化设备资产对象的定义、存储和管理。
(3) 构建统一故障智能诊断模型集成研发环境，实现专家知识沉淀。通过平台将数据、知识、过程与人（ITDTOT人才）集成在一起，为诊断专家构建统一集成的模型研发环境。
通过对水轮机专家经验总结与数据映射，将专家知识模型化、软件化，建立故障诊断基础算法、故障诊断规则库、故障诊断模型库、故障特征数据库等，支持专家开发水轮机故障诊断分析模型近百个。
通过平台内置的规则、智能诊断模型与案例，自动从现象和历史数据中找到可能原因，对故障进行预警研判，辅助专家对故障问题进行快速判定，准确制定故障解决方案。为电站（场站）从发现问题到处置问题提供端到端的解决方案，实现问题的快速识别、快速定位、快速获得处置措施，并借鉴过往处置案例，降低处置难度，提高问题处置效率和效果。
(4) 通过云 端技术架构支撑多场景融合诊断：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、现地即时诊断、远程与现地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，同时可以获得更多的专家在线技术支持。
外部合作
工业企业要把数据价值融合到他们既有的有形产品或者服务中，就需要长期持续自主地探索数据价值。
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的数据资源化体系，共同开发了十多个典型的分析模型之后，产品进一步支持水电机组设备专家在自身行业know-how的基础上，逐步形成自身的数据价值发现能力，自主研制了水轮机上的五百多种智能分析模型，最后，以云边协同的方式，为水电站业主提供基于现场数据的数字化服务。
该项目是双方合作开发的结果。
商业变化
对设备提供商来说：
(1)“云 端”智能诊断云平台，推动企业服务数字化转型，为智慧电站、智慧电网提供创新性技术支撑能力，开拓后服务市场业务，打造新的可持续的后服务市场商业模式。
(2)通过服务的数字化，利用海量设备运行数据的汇集和分析模型的开发应用，为产品研发、制造提供高价值输入，提升产品质量和创新能力，引领装备升级。
(3)专家知识得以积累和传承，工业模型被软件化，通过不断迭代和精化，为智能机组、智慧机组的发展奠定基础。
对设备使用方来说：
(1)通过设备制造商与业主间数据、模型的流动，构建可持续改善的闭环管理，提升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。为减少非计划停机时间，机组运行维护由计划性检修向状态修转变提供有力支撑。
(2)通过智能诊断系统帮助业主推行“无人值班，少人值守”的电站运营模式，利用智能诊断手段和新技术促进人文关怀。
(3)为电站（站场）现场处置人员从发现问题、定位问题到获得处置措施，提供端到端闭环解决方案，能够大大缩短问题研判时间、获得更多专业支持、提高问题处置效率和成效。
水电机组智慧运维系统已经在多个大中型水电站进行了部署使用，帮助水电厂实现自动巡检，优化每班次轮次节省2小时，预警严重故障10余起，在汛期优化多次机组区域，保证安全发电3亿元以上。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严重裂纹，并提供永久处理方案和汛期优化运行建议，成功保障该电站安全度汛发电。
相关企业介绍
·昆仑数据
昆仑智汇数据科技（北京）有限公司（简称：昆仑数据）是工业大数据领域的领军企业，专注于工业大数据管理与数据分析，以业界领先的方法论、平台产品和数据科学服务，降低工程技术人员以业务视角调取、分析数据，并进一步实现知识结构化沉淀的技术门槛，帮助工业企业建立自主数智化创新能力。我们以大数据合伙人为定位，与工业企业携手构建数据驱动的创新产品和服务。目前已服务动力装备、清洁能源、高端电子、工程机械、钢铁冶金等领域。
·某大型电机集团
某大型电机集团，是我国研究、设计、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。
