中國環保科技有多先進?碳中和非空談 看看這新能源企業的神操作

撰文:機器之心
出版:更新:

2020年9月,中國政府提出了2060年前實現碳中和的目標,此後,這一概念的熱度節節攀升。「碳達峰」和「碳中和」也正式寫進了2021年的《政府工作報告》,成為兩會期間最熱門的議題。從目前的排放總量來看,中國已是全球碳排放第一大國。處於經濟上升期、排放達峰期的現況讓我們必須兼顧能源低碳轉型和經濟轉型,統籌考慮約束碳排放和保持社會經濟發展增速需求之間的矛盾。為了實現碳中和目標,各行各業,尤其是能源行業,都要付出更多的努力。

原本這些努力,與IT行業主導的AI、大數據等技術或應用似乎是八桿子都打不著的關係。然而,就在能源革命悄悄開啟的當下,數字化和智能化的技術驅動力還是悄然浮出了水面。這兩者會產生關聯的原因其實很簡單——在低碳經濟的發展趨勢下,以風電、光伏為代表的可再生新能源正在能源格局中扮演越來越重要的角色。來自國家能源局的數據顯示,僅2019 年上半年,全國風電發電量同比增長11.5%、光伏發電裝機量同比增長20%。

然而,風電、光伏等新能源卻很容易受到環境因素的限制:在其生產過程中,風速、風向、日照、氣溫、氣壓等環境因素,都會給電力系統帶來巨大影響,使發電設備、 並入電網都面臨運行效率、設備安全等方面的問題。在這一特定背景下,功率預測系統的作用顯得尤為重要。除能幫助電網調度系統合理調整和優化發電計劃,改善電網調峰能力,還能減少棄風和棄光率,是產業真正實現降本增效的基礎。

以往,通過歷史資料以及人工經驗來實施功率預測,往往存在準確率低、波動性大等弊端。因此在這場史無前例的大變革中,人工智能、物聯網、雲計算等新興技術注定會成為幕後英雄。以智能化手段來應對以上挑戰,也正在成為新能源企業面向未來,領跑綠色能源發展之路的首選。金風慧能就是其中的領跑者之一。這家新能源數字化、智能化領域的專業服務提供商,結合風機級氣象預報、風軌跡模擬等氣象預報數據, 以多模型組合的方式構建了用於功率預測的全新智能方案,將預測的準確率提升了20%以上。

結合人工智能、雲計算的新能源技術?點圖了解更多金風慧能的智能方案▼▼▼

+16

它的秘訣是什麼?窮則變、變則通、通則久

在大數據和AI 技術發展的助力下,基於AI 的智能功率預測其實早就具備了充分的落地條件。但問題是:只單純依靠海量歷史數據樣本,並且只採用單一的人工智能算法模型的方法,也早已面臨「技窮」的局面,其預測準確率會隨著預測時段變長而隨之降低。對於電力生產而言,最常見的超短期預測也要求系統預測4 小時內的功率輸出,這意味著預測系統需要在未來16 個時間點(每15 分鐘計為一個時間點) 上都保持出色的預測準確率和穩定性。

窮則思變,金風慧能通過研究和實踐發現,在既有智能預測系統中,導入兩項技術即可帶來改觀:一是導入更多維度、更具價值的數據。傳統預測方法是一種「從已有功率數據去預測未來功率」的方案,因此其在時間維度上缺乏必要的數據支撐,而氣象預報數據則能有效地彌補這一短板,其時序性數據能令未來各個時間點的預測準確率都保持一致性;二是為更多維的數據匹配多模型組合的方案,便於根據實際需求選取不同的深度學習或機器學習模型,分別與氣象預報數據進行組合,揚長補短。

「牽手」Analytics Zoo 打通大數據與AI 應用

有了解決問題的法子,接下來就是思考如何實施。第一步,要先「打通」大數據平台與AI 應用,這是打造一個結合海量歷史數據與氣象預報數據,並以多模型組合方式運行的全新智能功率預測方式所必需的,但要在大量分佈式數據節點上打通大數據平台與AI 模型、框架和優化方法,也不是件容易事兒。為此,金風慧能與英特爾展開了緊密合作。

Analytics Zoo是英特爾專門針對打通大數據平台與AI任務這一挑戰開發並開源的解決方案,也是英特爾至強平台在軟件和系統級優化上的重要組成部分。它能幫助多數企業用戶現在普遍使用的、基於至強處理器的大數據平台上,直接背靠其積累的海量數據無縫部署AI應用。這一過程既不需要分別構建大數據平台和AI 平台,免去將「大噸位」數據在不同平台間騰挪所消耗的高昂成本,也無需更換大數據平台的基礎設施。

當然,Analytics Zoo有很多自己的獨特優勢:先天就可對基於英特爾® 架構的硬件基礎設施提供全面周到的性能調優,同時支持TensorFlow、PyTorch、Keras、BigDL等多種主流AI框架。

基於Analytics Zoo 構建統一端到端全優化方案

正是基於Analytics Zoo,金風慧能輕鬆地將Spark、TensorFlow、Keras 及其它軟件和框架無縫集成到了同一管道中,實現將數據存儲、數據處理以及訓練推理的流水線整合到統一的基礎設施上。如此一來,既可大幅提升新方案的部署效率、資源利用率和可擴展性,還能減少用於硬件管理及系統運維的成本。同時,Analytics Zoo 還能卓有成效地將英特爾提供的眾多底層軟件加速庫,如英特爾®數學核心函數庫(Intel® Math Kernel Library,現名為oneAPI Math Kernel Library)、面向深度神經網絡的英特爾®數學核心函數庫(Intel® Math Kernel Library for Deep Neural Network,現名為oneAPI Deep Neural Network Library)等,應用到上層功率預測方案的優化中去。

「壓榨」Analytics Zoo 強化時序數據分析

除了提供統一的端到端平台架構,Analytics Zoo 對於不同時序分析應用,如時序預測、異常檢測、時序表徵學習、時序聚類等,也提供了完整的解決方案,便於金風慧能在新方案中構建更多的預測方法組合。Analytics Zoo 針對時序數據預置了豐富的功能組件,包括功率預測常見的深度學習和機器學習模型(LSTM、Encoder-Decoder、MTNet、ARIMA 等),功率預測中常用的數據預處理和特徵工程(Datetime features、 Time diff、Log-transform、Rolling window 等),功率預測中普遍的異常探測方法(Percentile、Distribution- based、Uncertainty based、Autoencoder 等)。 Analytics Zoo 還提供了AutoML 方法,使新方案實現了自動化特徵選擇、模型選擇和超參調優等,令預測模型得以更好地擬合發電設備輸出功率的變化週期。

經過全國多個光伏測試場站的實地測試,在驗證方案以月為周期的條件下,每一個測試的光伏場中,在單小時內使用30000 條記錄對LSTNet 模型進行5000 次迭代優化,並在50 毫秒內獲得未來2 小時的功率預測數據。結果顯示,新方案在預測準確率上超越了原有方案的59%,達到了79.41%。

【延伸閱讀】中國科技|阿里巴巴送貨機械人小蠻驢有多強?能人潮中穿梭 預測對頭車行為(點擊放大瀏覽)▼▼▼

+25

【延伸閱讀】中國科技|清華團隊發明破解眼鏡 輕鬆騙過19款Android手機人臉解鎖系統(點擊放大瀏覽)▼▼▼

+10

AI 要實現「軟著陸」 大數據支持不能少

金風慧能的一系列操作,從實戰角度再次印證了算法、算力、數據三者良性互動的重要性。大數據作為基礎資源,為AI 技術的快速進步和實踐落地起到了奠基作用。不難想像,如果沒有足夠量級、獲取和使用足夠便捷的數據為算力和算法托底,AI 的落地很可能會演變成鼻青臉腫式的「硬著陸」。在這種認知的推動下,有越來越多的行業在AI 應用過程中導入Analytics Zoo,以無縫對接他們的大數據平台與AI 應用。例如在智能製造領域,由Analytics Zoo 提供的端到端AI 開發與部署能力,就幫助美的構建了高效的工業視覺檢測雲平台,用以實施產品缺陷檢測。

Analytics Zoo 讓美的能夠在統一的、基於至強處理器的雲平台上進行海量數據管理、分佈式模型訓練、模型重定義及模型推理等一系列AI 處理流程。在數據採集及預處理優化階段,Analytics Zoo 能幫助雲平台執行高效分佈式數據預處理和代碼優化,在50 毫秒內就完成對圖片的讀取和處理;在海量數據管理階段,它能助雲平台快速進行數據存儲、分類以及更新;在分佈式模型訓練階段,它一方面可協助雲平台構建檢測模型,另一方面通過自帶的TF 優化器迅速啟動分佈式訓練過程;在模型重定義階段,Analytics Zoo 不僅可執行參數調整,並可加速模型推理速度。這一通連貫的組合拳下來,結果就是美的工業視覺檢測雲平台的模型推理時間從2 秒縮短到了124 毫秒。

MasterCard和韻達則是金融和物流行業中打通大數據和AI應用的先行者,前者利用Analytics Zoo,在基於至強可擴展處理器的大數據集群上直接開發和運行用於營銷推薦場景的深度學習應用,不但避開了採用異構AI系統可能會面對的複雜工具集成、昂貴的數據複製和移動,以及更長的項目時間和資源消耗等問題,還實現了更優的精準度和召回率;後者則利用Analytics Zoo和英特爾至強平台,以端到端的方式快速敏捷地構建了「大小件測量」、「數據中心異常檢測」以及「件量預測」等關鍵環節的AI 應用,有效提升了快遞物流系統的運作效率,大大降低了人工勞動的強度和人力成本。

在這些行業用戶積極嘗試Analytics Zoo的同時,也有致力於提供成熟商品化解決方案的合作夥伴盯上了它與至強可擴展平台的組合優勢——在中國AI 服務器領域佔據了市場及技術優勢的浪潮,就於近期推出了融合Analytics Zoo,基於浪潮雲海大數據平台insight的端到端智慧計算解決方案,可以讓更多用戶快捷、高效、低成本地將大數據預處理、模型的訓練和推理與他們現有的大數據工作流整合在一起。

值得一提的是,英特爾也在同期發布了代號為Ice Lake、面向單路和雙路服務器、基於10 納米製程工藝生產、擁有更優性能和能效的全新第三代至強可擴展處理器。該處理器可搭配傲騰持久內存200 系列、傲騰固態盤P5800X 系列及通信帶寬最高達100Gbps 的以太網800 系列網絡適配器等存儲和網絡優化型產品,還有包括Analytics Zoo 在內的多種英特爾軟件及系統級優化工具,進而組合成數據計算、存儲和傳輸表現更優、也更為均衡的新一代至強可擴展平台,相信很多用戶和合作夥伴基於Analytics Zoo 的AI 實踐或解決方案,很快就會藉此平台實現更優的性能、成本和靈活性收益。

【本文轉自「機器之心」,微信公眾號:almosthuman2014】