利用边缘计算进行远程资产管理五步法

　　在各行各业，工业物联网（IIoT）的出现引进了很多可用于提高远程资产绩效、可靠性和效率的新功能，同时优化了操作智能和预测性维护。这些用例越来越多地利用了在生成数据的网络边缘进行分析。

　　利用实时传感器数据和日益强大的现场分析与管理，边缘智能解决方案广泛应用于远程工业。还有许多其他行业的用例，如制造、电力和水、石油和天然气、采矿、运输、智能电网和智能建筑。

　　本文探讨一个与风有关的用例，该应用主要是为了提高风能预测的准确性和速度。虽然本文讨论的主题是风电场及其系统的运行，但是，利用边缘分析的原理、程序和最佳实践方法涵盖了各行各业。

　　风力涡轮机产生的能量高度依赖于影响风速和风向的天气状况。由于风能的不可预测性，大多数电网运营商不得不以其他来源的电能来补给风能，如煤、水电或太阳能。

　　依据联邦法律规定，在许多国家，风电运营商要预测他们的产量，以确保电网能始终保持一定的电力。通过对风力涡轮机实时收集的传感器数据，如机舱风速、风偏向、机场位置和桨叶间距的分析，提供必要数据以修正可以预测电力输出的高精准性的预测模型。

　　大多数风电场位于偏远地区，这些地区可能存在网络带宽和可靠性问题。边缘智能解决方案具有能够本地实时分析数据的优势，而不依赖连续可用网络。它可以在网络边缘自主管理所有应用程序，并在网络通信可用时与中心位置通信。

　　在你的行业中应用边缘计算进行远程资产管理时，需要遵循以下五个步骤：

　　1、树立业务目标

　　企业需要通过利用技术提高利润率并提高生产、效益、产品质量和顾客满意度来保持竞争力。对于可再生能源企业也同样如此。成功的关键因素包括：

• 实现产能的有效管理

• 实现持续维护成本的最小化

• 为合作伙伴和客户带来显著利益

　　由于天气和风力条件的不确定性，风能公司在保持低成本可靠运营方面面临着长期和短期挑战。例如，大多数商业风能公司需要承诺向电网输入一定量的电力。如果实际产量在特定期间内超过了承诺量，那公司可能会冒系统过载的风险。而交付的电量低于承诺量可能需要来自常规来源的昂贵替代品，如煤。

　　如所有物联网项目一样，明确的业务目标对于项目的成功至关重要。例如，如果能将24小时能源预测的精度提高10%，则一个50兆瓦的风电场便可每年节省100万美元。

　　2、识别数据源

　　选择正确的数据源对于成功的试点物联网项目也必不可少。这一过程应该是敏捷、灵活并可重复的。例如，利用风能预测，第一个数据源应当直接来自风力发电场中各个涡轮机的控制和数据采集系统。通常，该数据将包括风速和风向、桨叶间距、能量生产、转子RPM等等。接下来是统计和参考数据，通常来自集中式数据库，例如历史功率曲线、位置和涡轮机高度的信息。此外，基于大气、地形和历史天气情况先进模型的天气预报，在解决方案中发挥关键作用。

　　3、利用边缘分析和大数据分析

　　为了得到最精准的预测，应该同时利用边缘分析和大数据分析。数据丰富性、复杂事件处理和实时异常检测可用于边缘的即时预测。而为了在使用数百TB历史分析数据和环境模拟数据的精确位置、高度构建和增强高精仪器的学习模型，在私有云或公有云中的大数据分析则是最优的。

　　4、修正模型以提高预测的精度

　　下一步应该是通过发展和运营试点公司来创建和修正预测模型，该试点公司由用例的主要构建模块组成。在试点阶段，企业、规划者、数据工程师和数据科学家应该为实现目标的里程碑而通力合作。以下举例说明构建风能预测系统需要的关键数据来源和处理组件，该系统应当通过附加数据和高级模拟建立，并被不断的评估和增强：

• 实时涡轮机、天气和模拟数据：除了控制系统的数据，还对传感器的其他实时数据进行评估，如降水、温度、压力和空气密度。

• 具有已知条件的预测规则：评估影响转换率的条件，如风向变化。

• 预报预测模型：利用公共预测系统和模拟数据在每个独立的涡轮机位置附近建立和修正细粒预测模型，使用机器学习技术来确定影响转换率的未知条件。

　　5、部署解决方案并构建5个程序以满足预测需求或加以改进

　　最后，将解决方案投入生产，解决方案中包括对每个涡轮机的边缘分析。在任何给定时间，边缘分析计算发电量的预测并且发出警报。系统会将预测和警报发送到云中集中处理和报告服务。公司将能够看到实时仪表板，并生成可用于与管理电网的公共事业公司交流的报告。来自边缘的信息还可以帮助公司调整设置以实现预测的输出，还可根据需要调整预测并且为系统维护和升级做计划。

　　当任一涡轮机不能满足24小时能量生成预测时，还可以了解寄云物联网边缘计算解决方案，整体解决方案使公司能够提前至少90分钟检测到该状况。有了这些信息，公司既可以尝试优化涡轮机设置以增加发电量，也可修改24小时预报。

　　以下是将解决方案投入生产的重要步骤：

• 分析从每个涡轮机控制器系统收集的六个月以上的历史数据和实时数据，并增加天气，大气和地形数据。

• 修正基于超过20个属性的模型，实现以15分钟为间隔预测发电量。

• 在边缘应用模型以产生发电量的实时记数。 使用解析表达式将绩效与预测进行比较以生成警报。

• 为公司制定相关程序，以适当调整涡轮机设置实现预测输出或修改预测。

　　关键收获

　　虽然此处探讨的用例集中于风能产业，但边缘计算策略和我们提出的最佳实践方案几乎适用于任何需要在提高远程资产管理效率的行业。

​

　　工业互联网时代（neucloudicb）旨在提供最新工业互联网行业资讯、成功案例、领袖观点、行业趋势和报告等，欢迎了解！如果您有任何关于工业互联网的真知灼见，请不吝赐教，这里将有行业专家与您倾心交流！