基于TempoAI建设的中核某下属公司企业算法管理平台
2022-02-23 14:54:30
次
一、项目背景
中核某企业为确保核电厂运行状态满足相关技术要求,需要对机组运行的20000多个参数进行实时监测,但是面对海量数据时,单靠人力检测极难准确识别其中存在的尚未有明显可视特征的异常信息,易导致漏判;另外面对数量庞大的监测参数时,即使存在明显可视阿德异常信息,也容易发生人因失误,而未能及时予以识别;并且,在监测出机组的异常状态信息后,需尽早评估相关异常可能对机组安全性和经济型的影响,并依据影响情况拟定运行策略。然而,由于核电厂的系统规模庞大,运行工况复杂,运行状态参数众多,使得人的知识、经验和可靠性,难以满足机组对于异常发展趋势的准确性和实时性要求。
二、问题与挑战
1.如何在海量数据下,摆脱依靠人力检测异常信息的方式
2.如何通过感知识别、建模分析和决策优化,对机组健康状态进行实时评估和预测,实现控制执行优化闭环和健康管理优化闭环
三、解决方案
针对企业目前存在的难题,优化核电厂的异常监测方法,实现全功率内的系统级状态估计、异常检测、健康评估、故障诊断和故障预测等功能。基于TempoAI大数据分析平台,建立了人工智能算法库,算法模型类型包括:数据处理、状态估计、异常检测、健康评估、故障诊断和故障预测算法模型共计超过100个相关算子。
通过感知识别、建模分析和决策优化,对机组健康状态进行实时评估和预测,实现控制执行优化闭环和健康管理优化闭环。
四、项目两点
利用TempoAI进行挖掘模型的构建,以及将所有模型在模型库中统一管理与应用,沉淀企业知识,算法成果复用。
五、项目价值
结合核电厂的技术要求,通过挖掘建模来解决人工检测工作量大以及漏判误判的问题,除此之外,将内部已有历史算法成果集成到平台,统一管理及维护,进行算法成果沉淀,形成内容资产,也可以共享知识成果,在平台形成封装好的算法,业务人员可查看并直接拖拽使用,资源复用,提升分析效率,避免内部知识资源浪费,为企业将本增效!