中文字幕观看-国产免费一区二区三区最新不卡-国产第三页-亚洲天堂第一页-先锋影音资源av-亚洲激情第一页-91日本视频-久久99久久久久久久久久久-91淫黄大片-久久精品爱-夜夜撸影院-国产爽爽爽-美女一区二区视频-鸥美一级片-国产综合在线观看

引言：工業(yè)互聯(lián)網(wǎng)作為新一代信息技術與工業(yè)技術、制造技術深度融合的產(chǎn)物，日益成為新工業(yè)革命和中國制造2025的重要基石，不僅是實現(xiàn)兩化融合和智能制造的重要依托，也是落實國務院發(fā)改委關于深化“互聯(lián)網(wǎng)+”智慧能源指導意見的重要舉措。為進一步實現(xiàn)管控模式、管理手段、生產(chǎn)方式、生產(chǎn)技術的全面創(chuàng)新，融入能源互聯(lián)網(wǎng)，建設“能量-信息-價值”互聯(lián)互通的智能電力企業(yè)，在國家能源集團的領導和支持下，國華電力公司構建了電力生產(chǎn)大數(shù)據(jù)平臺，并開展工業(yè)互聯(lián)網(wǎng)的應用研究。

一、 項目概況
國華電力公司通過對海量數(shù)據(jù)進行高效的存儲組織和有效管理，為數(shù)據(jù)訪問提供統(tǒng)一透明通道，來滿足各類業(yè)務應用需求。大數(shù)據(jù)平臺的建立，提升了公司大數(shù)據(jù)處理能力，可全面滿足發(fā)電生產(chǎn)運行信息、能耗信息、電量信息、設備狀態(tài)信息等數(shù)據(jù)服務與管理，為優(yōu)化運行、狀態(tài)評估、故障預警、發(fā)電生產(chǎn)集控運行等應用奠定基礎。
1. 項目背景
國家能源集團的發(fā)展目標是成為“技術領先、管理先進、創(chuàng)新驅動、價值創(chuàng)造”的世界一流清潔能源供應商。在電力板塊，集團以持續(xù)創(chuàng)造價值為宗旨，提出建設智能電力，打造全綠色電力。智能電力離不開，智能化電站，智能化電站是在數(shù)字化電站基礎上發(fā)展起來的，綜合運用了各種數(shù)字化、自動化、信息化技術手段，形成的以數(shù)據(jù)分析處理技術為核心的新型電站。電站智能化水平的提升，導致現(xiàn)場總線、智能儀表、傳感器、攝像頭等新型技術和智能設備的大量應用，造成了數(shù)據(jù)采集量的急劇增大，數(shù)據(jù)采集的多樣化與多源化的情況日益顯現(xiàn)，在智能化電站產(chǎn)生了，數(shù)據(jù)采集的范圍越來越廣，采集頻率越來越高，數(shù)據(jù)類型越來越多，數(shù)據(jù)量越來越大，數(shù)據(jù)產(chǎn)生速度越來越快的現(xiàn)象，為大數(shù)據(jù)應用奠定了基礎。

2. 項目簡介
1、 電廠面對大規(guī)模且種類多樣的現(xiàn)場數(shù)據(jù)，傳統(tǒng)的應用軟件已經(jīng)很難處理。有必要運用大數(shù)據(jù)管理、大數(shù)據(jù)分析與挖掘技術，通過在智能化電站的體系中，進一步強化和拓展數(shù)據(jù)的利用范圍與利用方式，讓數(shù)據(jù)賦予電站新的生產(chǎn)運營能力，并從中發(fā)現(xiàn)新的認知，創(chuàng)造新的價值，滿足智能電站的生產(chǎn)與運營。
2、 本項目通過構建國華電力公司大數(shù)據(jù)分析平臺，對電力大數(shù)據(jù)分析與應用的關鍵技術路徑、核心技術內(nèi)涵及其應用方向的研究，實現(xiàn)數(shù)據(jù)集成與治理服務，為國華公司建設以大數(shù)據(jù)為核心的系統(tǒng)集成服務、大數(shù)據(jù)開發(fā)、應用、發(fā)布服務提供基礎支撐，為電廠本質(zhì)安全提升、智能診斷、運行優(yōu)化、經(jīng)營決策等業(yè)務領域的軟課題研究提供實踐環(huán)境。

3. 項目目標
1、 探索從以流程為中心向以數(shù)據(jù)為中心轉變的信息化建設模式。建立以大數(shù)據(jù)為核心的工業(yè)互聯(lián)網(wǎng)平臺，匯聚全業(yè)務、全類型數(shù)據(jù)資源，通過數(shù)據(jù)“存儲、整合、建模、分析”，全面支撐國華電力數(shù)據(jù)應用需求，為電廠提供設備全生命周期管理、生產(chǎn)運行工況、經(jīng)營決策提供分析診斷和決策支持服務。支持電廠海量設備高并發(fā)接入、支持微服務形式的應用開發(fā)、支持關鍵應用的垂直服務，切實幫助企業(yè)降低成本，提升工作效率，增強管理水平，為員工提供靈活、多樣的個性化服務。在此基礎上，構建開放、共享、共贏的工業(yè)互聯(lián)網(wǎng)生態(tài)體系，為實現(xiàn)智慧發(fā)電的根本目標奠定基礎。
2、 同時，為國華電力公司建設統(tǒng)一的大數(shù)據(jù)應用平臺，進行大數(shù)據(jù)的統(tǒng)一存儲、統(tǒng)一管理，以及應用的統(tǒng)一開發(fā)和部署。在國華電廠建設分布式大數(shù)據(jù)應用站點，進行電廠大數(shù)據(jù)的采集、預處理、大數(shù)據(jù)分節(jié)點計算，以及大數(shù)據(jù)應用結果的展示。


二、項目實施概況
本項目在建設，將大數(shù)據(jù)分析技術與火力發(fā)電廠運維管理相融合，實現(xiàn)業(yè)務應用快速、靈活的標準化開發(fā)，匯集數(shù)據(jù)資產(chǎn)、創(chuàng)新管理模式，促進工業(yè)技術/知識信息化產(chǎn)業(yè)模式形成，奠定了國華公司工業(yè)互聯(lián)網(wǎng)平臺（Smart IIP）的基礎架構，為實現(xiàn)智慧企業(yè)應用生態(tài)鏈提供良好開端。
基于該方案，公司打造了統(tǒng)一開發(fā)、統(tǒng)一運維、大數(shù)據(jù)處理，邊緣計算四位一體的平臺體系，實現(xiàn)了企業(yè)IT基礎設施云化、數(shù)據(jù)集中統(tǒng)一分析利用、“微服務”應用的創(chuàng)新開發(fā)模式。
平臺接入各級實時、準實時生產(chǎn)經(jīng)營數(shù)據(jù)32億條，連通4家電廠共10臺煤電機組，部署服務14個，應用18個，完成各類機器學習模型20個。在平臺之上部署了基于大數(shù)據(jù)分析的機組運行優(yōu)化和設備故障預警等應用。

1. 項目總體架構和主要內(nèi)容
（1）平臺整體架構
平臺整體架構如。如圖1所示：
資源中心部分由國華公司大數(shù)據(jù)中心和電廠邊緣計算中心組成，國華公司大數(shù)據(jù)中心部署IaaS平臺，提供虛擬化資源、Hadoop數(shù)據(jù)存儲及計算組件、時間序列數(shù)據(jù)庫和RDB，用于支撐大數(shù)據(jù)平臺基礎功能及上層業(yè)務應用；電廠部署IaaS基礎資源池，提供虛擬化資源、RDB資源，支持大數(shù)據(jù)平臺和應用的構建。
數(shù)據(jù)中臺部分在整個大數(shù)據(jù)平臺中起到承上啟下的作用。通過連接IaaS平臺的虛擬化資源，并利用PaaS的基礎服務功能，為上層的SaaS應用提供基礎支撐功能。PaaS平臺又分為3層：公共服務層、支撐組件層和數(shù)據(jù)平臺層。

應用中心匯集了大數(shù)據(jù)應用的成果。該中心不僅包括國華公司大數(shù)據(jù)平臺工業(yè)互聯(lián)網(wǎng)門戶，還包括已經(jīng)開發(fā)完成的經(jīng)營決策系統(tǒng)、運行優(yōu)化指導系統(tǒng)、故障預警及智能診斷系統(tǒng)。未來，國華公司新增的業(yè)務應用，如智慧班組、知識管理等系統(tǒng)，都將在大數(shù)據(jù)中心進行統(tǒng)一部署。
（2）門戶及應用展示

2 微服務框架
微服務框架(Cloud Service Framework)是企業(yè)級微服務應用管理平臺，包含服務注冊、配置和治理中心，幫助國華公司實現(xiàn)微服務應用的快速構建、實時監(jiān)控和高可用保障。兼容主流開源生態(tài)，不綁定特定開發(fā)框架和平臺，支持已有應用業(yè)務代碼零修改接入。
微服務框架的建立使得我們可以將一個大型獨立的應用系統(tǒng)拆分成多個微服務，被拆分成的每一個微服務都圍繞著系統(tǒng)中的特定業(yè)務功能構建，且維護自身的數(shù)據(jù)存儲、業(yè)務開發(fā)、自動化測試案例以及獨立部署機制。這些微服務在各自獨立的進程中運行，不同的應用可以根據(jù)需要創(chuàng)建相應微服務進程，服務之間通過基于HTTP的RESTful API或私有RPC協(xié)議進行協(xié)作。
（1）微服務開發(fā)框架
支持REST，gRPC、Apache Thrift ? 等微服務RPC框架。提供微服務的注冊、發(fā)現(xiàn)、通信、路由、重試等基礎能力。
（2）微服務治理中心
微服務治理中心是整個微服務架構的核心，為整個微服務架構提供微服務的負載均衡、限流、降級、容錯、熔斷、灰度發(fā)布、回滾等服務管理功能。
（3）微服務監(jiān)控和跟蹤
支持微服務實例和接口級的實時QPS、響應時間、出錯率等監(jiān)控統(tǒng)計。并能實時分析系統(tǒng)內(nèi)每一次服務調(diào)用鏈的情況，精準發(fā)現(xiàn)系統(tǒng)的瓶頸和隱患。調(diào)用鏈詳情包括應用名、IP、調(diào)用類型（Dubbo、gRPC等）、被調(diào)用服務、狀態(tài)、響應時間、網(wǎng)絡流量，支持按應用名、時間范圍、調(diào)用類型、響應閾值等條件進行查詢。

3. 大數(shù)據(jù)應用
（1）智能診斷應用
智能診斷應用以大數(shù)據(jù)技術為依托，以轉動設備為研究對象，憑借大數(shù)據(jù)模，實時計算預測設備運行狀態(tài)，實現(xiàn)系統(tǒng)、設備、參數(shù)級的早期預警及診斷，構建以數(shù)據(jù)驅動為中心的共享服務，提高設備健康水平。
智能診斷應用目前涵蓋了引風機、空預器、汽動給水泵和汽輪機四類主機和輔機設備，依托機器學習和大數(shù)據(jù)技術實現(xiàn)設備的智能故障診斷和設備預警。主要功能包括：設備診斷概覽、設備對比分析、設備診斷分析、設備數(shù)據(jù)管理、設備診斷模型配置、智能診斷計算調(diào)度，設備故障知識庫及系統(tǒng)管理等。
§ 設備診斷概覽：主要顯示系統(tǒng)所有設備的整體狀態(tài)。通過可視化的方式展示智能診斷應用結果，多維度分析設備的當前運行狀況和健康狀態(tài)

§ 設備對比分析：同類型設備進行橫向對比分析，找出設備之間的健康狀態(tài)差異并分析故障預警數(shù)據(jù)。

§ 設備診斷分析：主要從設備級、參數(shù)級和機理級三個維度對設備進行實時故障診斷，并匯總分析設備健康狀態(tài)，以引風機為例進行說明。下圖是1號機組11引風機的整體診斷分析及健康狀態(tài)分析，以及設備級機器學習診斷和參數(shù)級設備預警的診斷結果。

§ 設備狀態(tài)監(jiān)視：實時展示設備的運行狀況以及健康狀態(tài)，主要是對機器學習診斷及設備參數(shù)診斷的實時監(jiān)視。

§ 設備的參數(shù)預警診斷：通過關鍵參數(shù)進行訓練學習，形成不同的異常檢測算法模型和能反應設備健康狀況的主要參數(shù)歷史變化曲線，并可通過不斷的數(shù)據(jù)積累優(yōu)化算法模型。通過對參數(shù)進行診斷分析之后，形成參數(shù)的預警結果供用戶分析使用。
 

§ 設備的機理分析：以引風機為例，引風機的運行特性通常用引風機全壓、軸功率、效率與風機體積流量Q之間的關系曲線來表示。通過對引風機實時狀態(tài)參數(shù)和特性曲線進行比較分析，可對如喘振、失速等明顯的故障風險進行分析預警，同時可與機器學習、參數(shù)診斷等模型對比驗證。

§ 設備診斷模型：通過對原始數(shù)據(jù)建立樣本數(shù)據(jù)，進行數(shù)據(jù)處理和數(shù)據(jù)標簽后形成訓練集數(shù)據(jù)，然后結合機器學習算法進行模型訓練和學習，形成不同的算法模塊。隨著數(shù)據(jù)不斷積累更新后，通過訓練學習，對已有的算法模塊的參數(shù)進行優(yōu)化，從而逐漸優(yōu)化該設備的診斷模型。

設備故障知識庫：通過對設備相關數(shù)據(jù)進行分析匯總，結合ERP系統(tǒng)故障數(shù)據(jù)、DCS報警信息及操作日志、設備巡檢記錄等，匯總設備所有相關的故障特征和故障原因，建立設備、故障、原因三者的關聯(lián)關系，形成典型故障知識庫，支持對設備故障數(shù)據(jù)的大數(shù)據(jù)分析。

2）機組運行優(yōu)化應用
機組運行優(yōu)化主要是針對國華公司寧海電廠、定州電廠，臺山電廠的各2臺600MW燃煤機組，依托機器學習和大數(shù)據(jù)技術進行機組的運行經(jīng)濟性優(yōu)化，以降低供電煤耗為主要優(yōu)化方向。機組運行優(yōu)化的功能包括機組運行概覽、機組指標計算、機組工況尋優(yōu)、機組經(jīng)濟性分析、機組操作指導、工況對比分析及系統(tǒng)管理等功能。
§ 機組運行優(yōu)化概覽：主要展示機組當前的工況及經(jīng)濟性指標和主要輔機的狀態(tài)。

§ 實時性能指標計算：通過圖形化的方式，展現(xiàn)性能計算的主要指標，包括機組供電煤耗，鍋爐、汽機效率等實時經(jīng)濟性指標。

§ 機組工況尋優(yōu)：以機器學習算法為基礎，尋找歷史機組運行最優(yōu)工況，繼而對現(xiàn)有工況中與歷史最優(yōu)工況進行智能聚類分析，尋找最佳可控參數(shù)，實現(xiàn)工況逐步優(yōu)化。根據(jù)機組工況分類情況，從六個維度對機組進行顆粒度細分，包括機組負荷、循環(huán)水溫、環(huán)境文件、燃煤熱值、鍋爐吹灰及機組供熱，工況組合至少在50000種以上，如下所示。

§ 機組經(jīng)濟性分析：通過對每種工況得到的尋優(yōu)結果進行逐層分析，分析影響煤耗經(jīng)濟性的主要原因并量化，對供電煤耗進行了基于反平衡計算的逐層分解計算和分析。如下圖所示：

§ 運行操作指導：根據(jù)尋優(yōu)結果，對工況進行優(yōu)化指導，提出操作建議供運行參考。

§ 工況對比分析：以機組為單位，通過各工況組合維度對各項數(shù)據(jù)進行對比，展示出關鍵數(shù)據(jù)，從而清晰看出各機組的差異性。

圖20工況對比分析

（3）經(jīng)營決策應用
§ 經(jīng)營決策應用實現(xiàn)了全廠指標的實時展示分析（如圖21所示）。

§ 實現(xiàn)了靈活可視化的指標配置，支持多種算法。

§ 看板設計器可以方便的定義管理數(shù)據(jù)看板，通過圖形化的表現(xiàn)方式讓數(shù)據(jù)更直觀、易懂。

§ 便捷易用的報表設計器，可以幫助電廠可以按照需求快速定義報表

（4）統(tǒng)一管理平臺
§ 統(tǒng)一監(jiān)控平臺：實現(xiàn)多維監(jiān)控，從基礎到應用，分散監(jiān)控指標，實現(xiàn)統(tǒng)一配置、統(tǒng)一管理，分散、細化監(jiān)控閾值、預警，屏蔽誤報，使監(jiān)控系統(tǒng)更精確、更真實，為用戶提供系統(tǒng)及設備使用趨勢數(shù)據(jù)，預防因業(yè)務激增帶來的意外宕機，為用戶后期增容提供有力數(shù)據(jù)支撐。
§ 虛擬化管理平臺：統(tǒng)一的虛擬化管理平臺，管理員可自定義云主機相關參數(shù)。普通用戶可以選擇虛擬機所在的資源池、定義虛擬機名稱、操作系統(tǒng)的HOSTNAME。隨時查看已申請的虛擬機信息，對虛擬機進行操作管理。提供VPN服務，實現(xiàn)自助配置VPN網(wǎng)關和VPN連接。提供統(tǒng)一的告警服務，隨時處理告警信息。系統(tǒng)保證安全性，口令加密存儲，接口傳輸采用加密協(xié)議。

§ 審計平臺：實現(xiàn)用戶行為分析，業(yè)務流程分析，系統(tǒng)健康狀態(tài)分析，根據(jù)實際情況跟蹤、還原用戶行為及問題過程。

4. 基于大數(shù)據(jù)平臺的機器學習技術
平臺將SaaS應用相關測點數(shù)據(jù)及訓練集數(shù)據(jù)存儲在Hadoop大數(shù)據(jù)倉庫中。目前公司的Hadoop平臺已經(jīng)存儲了10年以上歷史測點數(shù)據(jù)，實時數(shù)據(jù)會以準實時的方式進行同步，實現(xiàn)了純Python開發(fā)調(diào)用Python科學計算庫建立機器學習模型，以及通過 Pyspark開發(fā)基于Spark ML庫支持分布式計算的機器學習模型，可以支持多種技術路線的機器學習模式。

如上圖所示，通過將歷史數(shù)據(jù)的機器學習和實時數(shù)據(jù)的實時診斷計算結合起來，實現(xiàn)業(yè)務應用。
平臺還集成了大量的算法模型，如基于隨機最速下降法（SGD）算法，通過執(zhí)行算法找到海量數(shù)據(jù)和維度構成的數(shù)據(jù)中的極值、最大或最小值。如下圖所示：

5. 社會經(jīng)濟效益分析
(1) 生產(chǎn)數(shù)據(jù)的高度集成，生產(chǎn)管理精細化。
(2) 電力行業(yè)工業(yè)化和信息化深度結合的示范。
(3) 填補了行業(yè)該方面的空白，成為行業(yè)參考模板。
(4) 節(jié)能減排：通過對機組的優(yōu)化，使得資源配置得到優(yōu)化，能源利用率得到提升。
(5) 降低成本：通過大數(shù)據(jù)技術的應用，不斷優(yōu)化機組的運行狀態(tài)，降低煤耗，降低工作強度，有助于人力維護成本下降。


三、下一步實施計劃
未來我們從3個階段逐步完善國華工業(yè)互聯(lián)網(wǎng)平臺，第一階段我們注重在搭平臺，目前平臺建設基本完成，進入第二階段建應用，主要鞏固平臺建設，接入國華所有機組得 數(shù)據(jù)，逐步開發(fā)國華各類應用，未來到2025年我們將全面打造國華工業(yè)互聯(lián)網(wǎng)生態(tài)體系。引領創(chuàng)新和提升企業(yè)競爭力。
1. 階段一
§ 完成大數(shù)據(jù)機房建設
§ 開展大數(shù)據(jù)平臺建設
§ 試點電廠數(shù)據(jù)接入大數(shù)據(jù)平臺，并完成數(shù)據(jù)治理。
§ 開發(fā)試點應用進行平臺測試。
§ 應用開發(fā)標準規(guī)范
§ 微服務接口、開發(fā)、管理規(guī)范
§ 第三方應用開發(fā)驗證
目前該階段大部分工作已經(jīng)進入收尾階段，當前主要的任務是查缺堵漏，提高平臺應用的成熟度。

2. 階段二
§ 鞏固大數(shù)據(jù)平臺建設，逐步接入國華所有發(fā)電機組數(shù)據(jù)；
§ 逐步在大數(shù)據(jù)平臺上開發(fā)部署智慧黨建領航、智慧安全監(jiān)察、智慧生產(chǎn)調(diào)度、智慧經(jīng)營決策、智慧工程管理、智慧資源共享等六類應用。
該階段工作已經(jīng)完成了總體規(guī)劃，正在有序的向底層詳細設計方案推進，部分工程有望在年內(nèi)開工實施。整個階段預計3-5年內(nèi)完成。

3. 階段三
§ 全面實現(xiàn)公司工業(yè)互聯(lián)網(wǎng)平臺生態(tài)體系建設，持續(xù)提升平臺賦能、賦智能力，在整個工業(yè)領域具有創(chuàng)新引領能力和明顯競爭優(yōu)勢，整體水平國內(nèi)領先。
在第二階段工作的基礎上，進一步完善平臺體系建設，全面整合公司IT和數(shù)據(jù)資源，用5-8年的時間，實現(xiàn)一個技術領先、功能完備的國內(nèi)工業(yè)互聯(lián)網(wǎng)平臺生態(tài)體系。


四、項目創(chuàng)新點和實施效果
1. 項目先進性及創(chuàng)新點
(1) 系統(tǒng)依托大數(shù)據(jù)平臺，建立數(shù)據(jù)治理的體系和標準規(guī)范，共享數(shù)據(jù)來源及應用成果。
(2) 建立了“一平臺，多站點”的設計模式，即依托一個平臺，機器學習等大量歷史數(shù)據(jù)功能部署在總部，實時計算等實時性要求高的部分部署在邊緣計算側的各電廠，實現(xiàn)了云邊協(xié)同發(fā)展。
(3) 獨創(chuàng)基于HTML5的SVG的B/S組態(tài)技術，提高用戶組態(tài)實時監(jiān)視畫面效率，支持共享和在線創(chuàng)建、修改和刪除。
(4) 首次在火電行業(yè)規(guī)模應用多維看板分析技術，實現(xiàn)組件化的報表開發(fā)。
(5) 基于SGD機器學習算法的技術，首次在跨電廠和機組的工況尋優(yōu)應用中使用，基于聚類算法的工況分類技術，通過對歷史工況的機器學習，將常規(guī)固定步長的工況分類方式，改變?yōu)椴坏炔介L的分類方式，優(yōu)化了機組工況的組合針對性，提高了計算效率和工況價值。
(6) 建立融合傳統(tǒng)機理分析和大數(shù)據(jù)機器學習算法在引風機等5類轉機設備上的智能診斷和設備故障預警，提供了設備預警和診斷的新模式新思路。

2. 實施效果
目前，國華工業(yè)互聯(lián)網(wǎng)平臺已經(jīng)完成從機房建設、平臺建設、數(shù)據(jù)治理到應用中心建設的過程，隨著4個電廠的數(shù)據(jù)接入，應用中心開始落地使用，以及后續(xù)智能智慧化建設，工業(yè)互聯(lián)網(wǎng)平臺的規(guī)模和價值將愈發(fā)凸顯。
（1）本項目帶來的企業(yè)經(jīng)濟效益
通過國華工業(yè)互聯(lián)網(wǎng)的建設，為企業(yè)效益帶來了提升，包括：
① 實現(xiàn)了工業(yè)互聯(lián)網(wǎng)生態(tài)環(huán)境的打造。
② 實現(xiàn)了生產(chǎn)數(shù)據(jù)的高度集成，生產(chǎn)管理精細化。
③ 完成了電力行業(yè)工業(yè)化和信息化深度結合的示范。
④ 填補了行業(yè)該方面的空白，成為行業(yè)參考模板。
⑤ 節(jié)能減排：通過對機組的優(yōu)化等應用，使得資源配置得到優(yōu)化，能源利用率得到提升。
⑥ 降低成本：通過大數(shù)據(jù)技術的應用，不但降低了后續(xù)的IT建設和運維成本，而且可以優(yōu)化機組的運行狀態(tài)，降低煤耗，降低工作強度，有助于人力維護成本下降。
（2）技術成果應用說明
（一）數(shù)據(jù)中心建設成果
國華大數(shù)據(jù)中心主節(jié)點部署在高安屯電廠新建數(shù)據(jù)機房內(nèi)，機房整體采用模塊化設計，并留有較大擴容空間，項目一期目前已部署關系型數(shù)據(jù)庫服務器2臺、時序數(shù)據(jù)庫服務器4臺、Hadoop服務器9臺、OpenStack服務器14臺。
（二）建成了IaaS、PaaS及SaaS平臺
資源中心（IaaS平臺）也已經(jīng)部署完畢并投入使用。在本期項目為了驗證平臺的開放性和可擴展性，添加了國華原有2臺利舊服務器加入到云平臺中。可通過主節(jié)點統(tǒng)一監(jiān)控和管理各電廠邊緣計算節(jié)點資源。
PaaS平臺，建成了包括微服務架構的服務總線、消息總線，容器管理，發(fā)布管理，權限管理，調(diào)度管理，智能搜索等服務組件，以及關系數(shù)據(jù)庫，時序數(shù)據(jù)庫，Hadoop平臺，以及相關的統(tǒng)一監(jiān)控平臺和統(tǒng)計開發(fā)平臺。
應用中心（SaaS平臺）已經(jīng)完成基于大數(shù)據(jù)技術和機器學習技術的四個應用的落地，包括經(jīng)營決策系統(tǒng)，智能診斷應用，設備故障預警和機組運行優(yōu)化。
（三）建成了國華數(shù)據(jù)治理體系和標準
形成了國華的數(shù)據(jù)治理系統(tǒng)和數(shù)據(jù)治理標準，形成了7類主數(shù)據(jù)，完成了超過12類系統(tǒng)的數(shù)據(jù)接入和治理，在接入4個廠數(shù)據(jù)情況下已經(jīng)形成了約56T數(shù)據(jù)，并在繼續(xù)增加。
（四）應用：智能診斷應用
該應用通過結合機理分析、參數(shù)分析和機器學習，實現(xiàn)了對引風機、空預器、汽動給水泵、凝結水泵轉機設備的診斷分析和預警，并建立了設備的故障知識庫，通過應用建立了設備的基于PHM的健康狀態(tài)指數(shù)，便于設備管理和維護，提高了設備管理水平。應用通過總部的歷史數(shù)據(jù)進行機器學習模型訓練，在電廠邊緣計算平臺進行實時診斷計算，也實踐了云邊協(xié)同的技術模式。

（五）應用：機組運行優(yōu)化
該應用對每臺機組，從6個維度來定位唯一工況，形成機組的細顆粒工況模型，便于工況優(yōu)化、斷面分析等。相對于傳統(tǒng)主要以機組負荷為工況區(qū)分標準，通過6個維度作為工況模型標準，更符合實際情況和統(tǒng)一工況基準，以工況模型為基準，可以進行工況尋優(yōu)，對比分析，性能評定，耗差分析，指標考核等；以工況斷面為基準，可以分析其它相關輔機狀態(tài)和斷面參數(shù)，為操作指導提供依據(jù)；也可以為配煤摻燒、脫硫優(yōu)化、脫硝優(yōu)化等提供工況基礎數(shù)據(jù)和分析依據(jù)。通過應用可以明確機組在各工況下的最佳工況數(shù)據(jù)，包括供電煤耗等經(jīng)濟指標，以及當前工況與對應最優(yōu)工況的差異，以便調(diào)整機組操作參數(shù)，優(yōu)化運行經(jīng)濟性。

（六）應用：經(jīng)營決策系統(tǒng)
通過該應用，建立指標計算中心，統(tǒng)計報表中心和多維分析中心，來電廠業(yè)務提供支持，解決數(shù)據(jù)重復錄入、統(tǒng)計計算口徑不一、數(shù)據(jù)傳遞復雜等問題，提高數(shù)據(jù)共享，簡化報表配置，支持多維分析，提供決策支持。

圖31 經(jīng)營決策多維分析支持

通過國華大數(shù)據(jù)平臺的建設，主要實現(xiàn)了公司所屬電廠生產(chǎn)數(shù)據(jù)和部分關系型數(shù)據(jù)的覆蓋，并不斷擴充業(yè)務涵蓋范圍，支持更多數(shù)據(jù)類型和更大的數(shù)據(jù)規(guī)模，最終實現(xiàn)全業(yè)務數(shù)據(jù)納管的目標。搭建統(tǒng)一IT基礎資源，利用云服務實現(xiàn)各類應用的靈活、高效、可靠的資源配置，減少各類系統(tǒng)重復投入，提供高質(zhì)量基礎設施。構建工業(yè)互聯(lián)網(wǎng)生態(tài)圈，綜合工業(yè)智能生態(tài)圈各方能力，加快技術驗證步伐，孵化更加全面、更有業(yè)務價值的應用。利用開放式生態(tài)圈架構，集成更多的專業(yè)算法引擎，圖形圖像處理引擎，人工智能引擎，創(chuàng)新大數(shù)據(jù)在發(fā)電企業(yè)的應用，促進數(shù)據(jù)分析技術轉型升級。