基于TempoAI建設(shè)的中核某下屬公司企業(yè)算法管理平臺(tái)
2022-02-23 14:54:30
次
一、項(xiàng)目背景
中核某企業(yè)為確保核電廠運(yùn)行狀態(tài)滿足相關(guān)技術(shù)要求，需要對(duì)機(jī)組運(yùn)行的20000多個(gè)參數(shù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，但是面對(duì)海量數(shù)據(jù)時(shí)，單靠人力檢測(cè)極難準(zhǔn)確識(shí)別其中存在的尚未有明顯可視特征的異常信息，易導(dǎo)致漏判；另外面對(duì)數(shù)量龐大的監(jiān)測(cè)參數(shù)時(shí)，即使存在明顯可視阿德異常信息，也容易發(fā)生人因失誤，而未能及時(shí)予以識(shí)別；并且，在監(jiān)測(cè)出機(jī)組的異常狀態(tài)信息后，需盡早評(píng)估相關(guān)異常可能對(duì)機(jī)組安全性和經(jīng)濟(jì)型的影響，并依據(jù)影響情況擬定運(yùn)行策略。然而，由于核電廠的系統(tǒng)規(guī)模龐大，運(yùn)行工況復(fù)雜，運(yùn)行狀態(tài)參數(shù)眾多，使得人的知識(shí)、經(jīng)驗(yàn)和可靠性，難以滿足機(jī)組對(duì)于異常發(fā)展趨勢(shì)的準(zhǔn)確性和實(shí)時(shí)性要求。
二、問題與挑戰(zhàn)
1.如何在海量數(shù)據(jù)下，擺脫依靠人力檢測(cè)異常信息的方式
2.如何通過感知識(shí)別、建模分析和決策優(yōu)化，對(duì)機(jī)組健康狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估和預(yù)測(cè)，實(shí)現(xiàn)控制執(zhí)行優(yōu)化閉環(huán)和健康管理優(yōu)化閉環(huán)
三、解決方案
針對(duì)企業(yè)目前存在的難題，優(yōu)化核電廠的異常監(jiān)測(cè)方法，實(shí)現(xiàn)全功率內(nèi)的系統(tǒng)級(jí)狀態(tài)估計(jì)、異常檢測(cè)、健康評(píng)估、故障診斷和故障預(yù)測(cè)等功能。基于TempoAI大數(shù)據(jù)分析平臺(tái)，建立了人工智能算法庫，算法模型類型包括：數(shù)據(jù)處理、狀態(tài)估計(jì)、異常檢測(cè)、健康評(píng)估、故障診斷和故障預(yù)測(cè)算法模型共計(jì)超過100個(gè)相關(guān)算子。
通過感知識(shí)別、建模分析和決策優(yōu)化，對(duì)機(jī)組健康狀態(tài)進(jìn)行實(shí)時(shí)評(píng)估和預(yù)測(cè)，實(shí)現(xiàn)控制執(zhí)行優(yōu)化閉環(huán)和健康管理優(yōu)化閉環(huán)。
四、項(xiàng)目兩點(diǎn)
利用TempoAI進(jìn)行挖掘模型的構(gòu)建，以及將所有模型在模型庫中統(tǒng)一管理與應(yīng)用，沉淀企業(yè)知識(shí)，算法成果復(fù)用。
五、項(xiàng)目價(jià)值
結(jié)合核電廠的技術(shù)要求，通過挖掘建模來解決人工檢測(cè)工作量大以及漏判誤判的問題，除此之外，將內(nèi)部已有歷史算法成果集成到平臺(tái)，統(tǒng)一管理及維護(hù)，進(jìn)行算法成果沉淀，形成內(nèi)容資產(chǎn)，也可以共享知識(shí)成果，在平臺(tái)形成封裝好的算法，業(yè)務(wù)人員可查看并直接拖拽使用，資源復(fù)用，提升分析效率，避免內(nèi)部知識(shí)資源浪費(fèi)，為企業(yè)將本增效！
首頁
Tempo大數(shù)據(jù)分析平臺(tái)
Tempo商業(yè)智能平臺(tái)
Tempo人工智能平臺(tái)
Tempo數(shù)據(jù)工廠平臺(tái)
Tempo指標(biāo)平臺(tái)
Tempo數(shù)據(jù)治理平臺(tái)
Tempo主數(shù)據(jù)管理平臺(tái)
陜公網(wǎng)安備 61019002000171號(hào)
