当前位置:CIO新闻中心 → 正文

金风集团数字化及AI应用实践

责任编辑:lijing 作者:赵立京 |来源:企业网D1Net  2024-04-09 16:09:09 原创文章 企业网D1Net

由企业网D1Net、中国企业数字化联盟和信众智(CIO智力输出及社交平台)共同主办的2024北京部委央国企及大型企业CIO大会于1月20日在京圆满召开。本次大会汇聚了百余位央国企部委及大中型企业CIO、信息主管以及数字化一线厂商,以“数智赋能可持续发展”为主题,围绕数据治理、BI、数据合规、数据入表、人工智能大模型、分布式云、安全等数字化技术应用,数据战略规划与实践、大模型在行业中的落地实践、数字化转型实践等热门议题展开深入探讨。

金风集团CIO郑锋

金风集团CIO郑锋在演讲中基于国际化的经验分享了金风在数字化和AI领域的应用实践。

金风是一家新能源全产业贯通的企业,主要产品包括风机、风电厂和光电厂开发,服务领域涵盖风电场运维、运营和电力交易,以及能源交易复合侧的业务。2014年起,金风开启了数字化转型探索之路,全面推进产业数字化、能源互联网建设,引领行业向数字化、智能化转型升级。

三步走,数字化转型稳步进行

据郑锋介绍,金风的数字化转型依据业务数字化、数字化业务、技术平台三个方向,可以划分为起步、整合和突破三个阶段。

起步期(2018年之前):主要集中于内部数字化赋能,此时集团整体数字化基础较弱,除了ERP和PRM等重要系统外,大多数数字化和信息化建设由各业务单元自行负责。数字化产品开发也主要由各业务单元独立进行,涵盖风电厂运营、前端设计、勘探等方面。

整合期(2018年末至2020年):由于早期各业务单元独立建设系统导致数据汇聚效率低下、一致性差,这一阶段金风进行了基于流程的大平台规划,旨在整合各业务单元的平台,并逐步替换旧有系统,以提高数据处理效率和一致性。

突破期(2021年至今):在业务数字化方面,金风继续推进端到端一体化、数据治理和数据资产梳理。同时,金风开始集中管理和销售全集团的数字化产品,旨在建立统一的数字化品牌。技术层面,除ERP和PRM系统外,几乎所有技术平台都是自建,包括大数据平台等,业务领域覆盖流程、业务的标准化以及各板块的信息化。在此基础上,金风实现了数据的一体化打通,进行数据治理,包括建设自有技术平台,梳理数据资产,重新设计和落实 KPI 体系。最终,金风利用智能化技术,推动了业务产品的运营和管理,实现了智能化。

“每个企业几乎都在同步进行信息化、一体化打通、数据治理、智能化等工作,只是比重有所不同。目前,金风处于数据治理与平台共享阶段。”郑锋表示。

金风的数字化战略可以概括为“1411”,即1个愿景,4个转型的核心内容:流程、数据、业务数字化和数字化业务,以及技术平台和组织文化的支撑。

在数字化和信息化进程中,流程规范化是至关重要的基础。因此,金风将流程框架和各级流程规范化作为首要任务,以确保数字化建设顺利进行。

根据产业链和流程布局,金风的数字化应用涵盖了核心二级流程中的约101个,覆盖率超过80%。主要应用系统达到47款,覆盖制造、能源开发、能源服务以及复合侧等多个领域,工业软件多达74款,工具软件约39款,这些举措为金风数字化发展奠定了坚实基础。

数据治理取得丰硕成果

2019-2020年,金风制定了数据治理的管理体系和框架。经过三年的管理和治理,金风取得了以下成果:自建大数据平台,为数据管理提供了更为稳定和可靠的基础;集团静态数据治理完成度达到98%,有效提高了数据管理的效率和质量;通过对全集团数据资产的梳理,基于流程完成了整个资产目录,数据资产的完整率达到50%以上;在人才、运营、资产和生产等领域梳理了相应的指标体系,并实现了数据的自动生成,以提升数据的有效利用率。

“我们主要基于产业链上的各个环节,将与新能源相关的业务逐步转化为产品输出。例如,风资源服务中的风降、动力预测、风电工程管理和资产管理等,具有行业特色。然而,数字化业务并非整个集团的重点,我们的主要重心仍然是为主营业务提供赋能。” 郑锋表示。

在价值评估体系方面,金风将平台和工具等大型系统放在最底层,上层则是与当前业务密切相关的指标。通过每半年一次的统计,用定量和定性两种方式进行分析和报告。“定性”是将每次业务变革的内容和方式向管理层进行汇报,描述变革后的业务模式、工作流程以及组织结构的调整情况。“定量”则着重关注业务指标的变化情况,通过数值化的数据来说明每一次变革对业务绩效的影响,确保所有的数字化建设都紧密围绕着业务指标展开,确保数字化策略与业务目标保持一致。

接下来,郑锋通过几个案例,详细介绍了金风集团的数字化实践。

数字化实践之一:运营一体化平台

运营一体化平台主要包括战略规划、年度经营计划大纲、管理执行与监控三个循环。战略规划循环采用BLM模型制定中长期的业务发展战略规划,从4月份开始,10月份完成。战略规划批准发布后,进入年度经营计划大纲循环,从9月底至次年2月,完成指导各级部门开展下一年度工作的业务计划和预算。管理执行与监控循环全年例行开展,确保战略规划/年度经营计划大纲闭环。

通过该平台,金风集团能够更好地整合战略、运营和绩效,提高工作效率,减少不必要的重复劳动,实现更好的绩效管理。

数字化实践之二:数字化风电场整体解决方案

据郑锋介绍,在风电场规划设计方面,金风通过三款产品来处理风电场规划设计的前端工作:通过FreeMeso进行宏观选址,利用全球各地的气象数据以及历史、地形和人文数据来评估特定区域是否适合建风电场。目前,该产品的用户量约为1万,每年产生数千份报告;通过GoldLink进行风测。GoldLink将数据传输到数据中心,并通过风力数据分析来进一步确定建风电场的适宜性;通过风匠仿真进行三维建模、风机自动排布和整体运行仿真。仿真结果主要用于指导工程可行性和经济性评估。

数字化实践之三:数字化研发整体解决方案

研发项目管理包括四条线:任务划分,即如何划分和下发每个任务;研发项目管理平台,贯穿研发、设计、仿真和实验,用于管理和下发任务;工具链,针对每个领域设计相应的工具和工具链,旨在提高设计、仿真等方面的速度和效率;企业级BOM,用于整合产品数据,不论是在研发阶段还是在IPD领域。

数字化实践之四:零碳数字化工厂

金风集团零碳工厂在数字化方面实现了装备层面的自动化、过程和运输层面的自动化以及零碳化。

零碳化主要从三个角度实现:一是用能侧,通过监控和节能措施减少设备、照明、电气空调等的能耗;二是发电侧,在园区和工厂安装光伏、风电或储能设备;三是进行绿电交易和碳交易来弥补不足。

在人工智能领域,金风集团积累了丰富的应用经验,主要在五大场景中落地。

AI应用实践之一:图像识别

从2019年开始,金风在图像识别领域取得了重要进展,主要应用于无人机巡检、叶片监测、智能场站应用。其中,将无人机应用于光伏电站的巡检工作,主要解决光伏面积广、距离遥远以及人员巡检难以识别的问题,如热斑、遮挡和二级管故障等。无人机巡检基于红外光和可见光,准确率达到95%以上,通常能在2小时内定位到缺陷。

叶片占风机成本的20%以上,一旦出现问题,可能导致事故和故障,甚至长期经济损失。金风集团在风机的测风塔上装配云台相机,实时叶片监测,主要识别结冰、断裂和裂纹等问题。目前识别率达到95%以上,雷击识别率达到80%以上,可以减少叶片缺陷引起的停机时间30%以上。

此外,金风集团还将图像识别技术广泛应用于智能场站中,包括标记读数、缺陷识别、螺栓防松和照片上传合规识别等方面。

AI应用实践之二:智能故障解析专家系统

智能故障解析专家系统的难点在于金风拥有大量工单知识,但这些知识都是非结构化的文档数据,难以挖掘和利用。维修人员在现场遇到问题时需要连接到数据中心查询相关资料,但由于文档数据庞大,查询效率低下,信息不准确。此外,运维人员积累的知识也无法有效传承。

为解决这一问题,金风采用了人工智能技术,将手册、工单和文档中的知识点进行萃取、融合和校验,形成知识网络并推送至应用端。目前系统支持语音和文字查询,实现了线上化,用户只需登录即可使用。

智能故障解析专家系统的功能还在不断完善中,除了风机和光伏运维外,还涉及智慧园区、售前、售后、商业情报和数字员工等方面。

AI应用实践之三:声纹诊断

声纹诊断是用于叶片的诊断的一种辅助手段,主要有两种识别方法:一种是未标注的数据与历史数据对比,另外一种是将有标注、少量标注和大量标注数据使用不同的模型和算法进行处理。

声纹诊断的优点包括安装简单,对环境要求不严格,不受湿度、温度等影响,而且灵敏度很高,可以监测到细微声音,缺点则是监测的准确性不够高。

AI应用实践之四:AI专利标引分类检测

AI专利标引分类检测是文档识别的一种应用。专利人员需要处理全球范围内与新能源、尤其是风能相关的专利,每个月大约有600-800篇专利需要进行分类,传递给相应的组织。这项工作量相当大,而且比较枯燥。因此,为了简化这一过程,金风开发了智能文档分类工具,帮助实现文档的自动分类和传递。

AI应用实践之五:AI工程化与平台化

郑锋表示,充分利用AI技术需要满足两个条件:一是对业务要有深刻理解,了解业务的矛盾点所在;二是需要高质量的数据,建立一个合适和准确的数据管道,在训练过程中不断优化数据。

AI的落地,即得到实际应用,需要具备两个条件:工程化和平台化。工程化主要是将AI工作在各个团队中进行划分,实现流水线化,以提高效率。平台化则是建立一个平台,将流水线上各个环节的知识和经验进行积累和整合。

金风集团在2019年建立了AI工程平台,并成立了AI研究院,使得AI技术得以快速应用和落地,综合提升AI应用开发和规模化交付效率达到 60%以上。

关于企业网D1net(www.d1net.com):

国内主流的to B IT门户,同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个IT行业公众号(微信搜索D1net即可关注)。

关键字:应用数字化集团

原创文章 企业网D1Net

x 金风集团数字化及AI应用实践 扫一扫
分享本文到朋友圈
当前位置:CIO新闻中心 → 正文

金风集团数字化及AI应用实践

责任编辑:lijing 作者:赵立京 |来源:企业网D1Net  2024-04-09 16:09:09 原创文章 企业网D1Net

由企业网D1Net、中国企业数字化联盟和信众智(CIO智力输出及社交平台)共同主办的2024北京部委央国企及大型企业CIO大会于1月20日在京圆满召开。本次大会汇聚了百余位央国企部委及大中型企业CIO、信息主管以及数字化一线厂商,以“数智赋能可持续发展”为主题,围绕数据治理、BI、数据合规、数据入表、人工智能大模型、分布式云、安全等数字化技术应用,数据战略规划与实践、大模型在行业中的落地实践、数字化转型实践等热门议题展开深入探讨。

金风集团CIO郑锋

金风集团CIO郑锋在演讲中基于国际化的经验分享了金风在数字化和AI领域的应用实践。

金风是一家新能源全产业贯通的企业,主要产品包括风机、风电厂和光电厂开发,服务领域涵盖风电场运维、运营和电力交易,以及能源交易复合侧的业务。2014年起,金风开启了数字化转型探索之路,全面推进产业数字化、能源互联网建设,引领行业向数字化、智能化转型升级。

三步走,数字化转型稳步进行

据郑锋介绍,金风的数字化转型依据业务数字化、数字化业务、技术平台三个方向,可以划分为起步、整合和突破三个阶段。

起步期(2018年之前):主要集中于内部数字化赋能,此时集团整体数字化基础较弱,除了ERP和PRM等重要系统外,大多数数字化和信息化建设由各业务单元自行负责。数字化产品开发也主要由各业务单元独立进行,涵盖风电厂运营、前端设计、勘探等方面。

整合期(2018年末至2020年):由于早期各业务单元独立建设系统导致数据汇聚效率低下、一致性差,这一阶段金风进行了基于流程的大平台规划,旨在整合各业务单元的平台,并逐步替换旧有系统,以提高数据处理效率和一致性。

突破期(2021年至今):在业务数字化方面,金风继续推进端到端一体化、数据治理和数据资产梳理。同时,金风开始集中管理和销售全集团的数字化产品,旨在建立统一的数字化品牌。技术层面,除ERP和PRM系统外,几乎所有技术平台都是自建,包括大数据平台等,业务领域覆盖流程、业务的标准化以及各板块的信息化。在此基础上,金风实现了数据的一体化打通,进行数据治理,包括建设自有技术平台,梳理数据资产,重新设计和落实 KPI 体系。最终,金风利用智能化技术,推动了业务产品的运营和管理,实现了智能化。

“每个企业几乎都在同步进行信息化、一体化打通、数据治理、智能化等工作,只是比重有所不同。目前,金风处于数据治理与平台共享阶段。”郑锋表示。

金风的数字化战略可以概括为“1411”,即1个愿景,4个转型的核心内容:流程、数据、业务数字化和数字化业务,以及技术平台和组织文化的支撑。

在数字化和信息化进程中,流程规范化是至关重要的基础。因此,金风将流程框架和各级流程规范化作为首要任务,以确保数字化建设顺利进行。

根据产业链和流程布局,金风的数字化应用涵盖了核心二级流程中的约101个,覆盖率超过80%。主要应用系统达到47款,覆盖制造、能源开发、能源服务以及复合侧等多个领域,工业软件多达74款,工具软件约39款,这些举措为金风数字化发展奠定了坚实基础。

数据治理取得丰硕成果

2019-2020年,金风制定了数据治理的管理体系和框架。经过三年的管理和治理,金风取得了以下成果:自建大数据平台,为数据管理提供了更为稳定和可靠的基础;集团静态数据治理完成度达到98%,有效提高了数据管理的效率和质量;通过对全集团数据资产的梳理,基于流程完成了整个资产目录,数据资产的完整率达到50%以上;在人才、运营、资产和生产等领域梳理了相应的指标体系,并实现了数据的自动生成,以提升数据的有效利用率。

“我们主要基于产业链上的各个环节,将与新能源相关的业务逐步转化为产品输出。例如,风资源服务中的风降、动力预测、风电工程管理和资产管理等,具有行业特色。然而,数字化业务并非整个集团的重点,我们的主要重心仍然是为主营业务提供赋能。” 郑锋表示。

在价值评估体系方面,金风将平台和工具等大型系统放在最底层,上层则是与当前业务密切相关的指标。通过每半年一次的统计,用定量和定性两种方式进行分析和报告。“定性”是将每次业务变革的内容和方式向管理层进行汇报,描述变革后的业务模式、工作流程以及组织结构的调整情况。“定量”则着重关注业务指标的变化情况,通过数值化的数据来说明每一次变革对业务绩效的影响,确保所有的数字化建设都紧密围绕着业务指标展开,确保数字化策略与业务目标保持一致。

接下来,郑锋通过几个案例,详细介绍了金风集团的数字化实践。

数字化实践之一:运营一体化平台

运营一体化平台主要包括战略规划、年度经营计划大纲、管理执行与监控三个循环。战略规划循环采用BLM模型制定中长期的业务发展战略规划,从4月份开始,10月份完成。战略规划批准发布后,进入年度经营计划大纲循环,从9月底至次年2月,完成指导各级部门开展下一年度工作的业务计划和预算。管理执行与监控循环全年例行开展,确保战略规划/年度经营计划大纲闭环。

通过该平台,金风集团能够更好地整合战略、运营和绩效,提高工作效率,减少不必要的重复劳动,实现更好的绩效管理。

数字化实践之二:数字化风电场整体解决方案

据郑锋介绍,在风电场规划设计方面,金风通过三款产品来处理风电场规划设计的前端工作:通过FreeMeso进行宏观选址,利用全球各地的气象数据以及历史、地形和人文数据来评估特定区域是否适合建风电场。目前,该产品的用户量约为1万,每年产生数千份报告;通过GoldLink进行风测。GoldLink将数据传输到数据中心,并通过风力数据分析来进一步确定建风电场的适宜性;通过风匠仿真进行三维建模、风机自动排布和整体运行仿真。仿真结果主要用于指导工程可行性和经济性评估。

数字化实践之三:数字化研发整体解决方案

研发项目管理包括四条线:任务划分,即如何划分和下发每个任务;研发项目管理平台,贯穿研发、设计、仿真和实验,用于管理和下发任务;工具链,针对每个领域设计相应的工具和工具链,旨在提高设计、仿真等方面的速度和效率;企业级BOM,用于整合产品数据,不论是在研发阶段还是在IPD领域。

数字化实践之四:零碳数字化工厂

金风集团零碳工厂在数字化方面实现了装备层面的自动化、过程和运输层面的自动化以及零碳化。

零碳化主要从三个角度实现:一是用能侧,通过监控和节能措施减少设备、照明、电气空调等的能耗;二是发电侧,在园区和工厂安装光伏、风电或储能设备;三是进行绿电交易和碳交易来弥补不足。

在人工智能领域,金风集团积累了丰富的应用经验,主要在五大场景中落地。

AI应用实践之一:图像识别

从2019年开始,金风在图像识别领域取得了重要进展,主要应用于无人机巡检、叶片监测、智能场站应用。其中,将无人机应用于光伏电站的巡检工作,主要解决光伏面积广、距离遥远以及人员巡检难以识别的问题,如热斑、遮挡和二级管故障等。无人机巡检基于红外光和可见光,准确率达到95%以上,通常能在2小时内定位到缺陷。

叶片占风机成本的20%以上,一旦出现问题,可能导致事故和故障,甚至长期经济损失。金风集团在风机的测风塔上装配云台相机,实时叶片监测,主要识别结冰、断裂和裂纹等问题。目前识别率达到95%以上,雷击识别率达到80%以上,可以减少叶片缺陷引起的停机时间30%以上。

此外,金风集团还将图像识别技术广泛应用于智能场站中,包括标记读数、缺陷识别、螺栓防松和照片上传合规识别等方面。

AI应用实践之二:智能故障解析专家系统

智能故障解析专家系统的难点在于金风拥有大量工单知识,但这些知识都是非结构化的文档数据,难以挖掘和利用。维修人员在现场遇到问题时需要连接到数据中心查询相关资料,但由于文档数据庞大,查询效率低下,信息不准确。此外,运维人员积累的知识也无法有效传承。

为解决这一问题,金风采用了人工智能技术,将手册、工单和文档中的知识点进行萃取、融合和校验,形成知识网络并推送至应用端。目前系统支持语音和文字查询,实现了线上化,用户只需登录即可使用。

智能故障解析专家系统的功能还在不断完善中,除了风机和光伏运维外,还涉及智慧园区、售前、售后、商业情报和数字员工等方面。

AI应用实践之三:声纹诊断

声纹诊断是用于叶片的诊断的一种辅助手段,主要有两种识别方法:一种是未标注的数据与历史数据对比,另外一种是将有标注、少量标注和大量标注数据使用不同的模型和算法进行处理。

声纹诊断的优点包括安装简单,对环境要求不严格,不受湿度、温度等影响,而且灵敏度很高,可以监测到细微声音,缺点则是监测的准确性不够高。

AI应用实践之四:AI专利标引分类检测

AI专利标引分类检测是文档识别的一种应用。专利人员需要处理全球范围内与新能源、尤其是风能相关的专利,每个月大约有600-800篇专利需要进行分类,传递给相应的组织。这项工作量相当大,而且比较枯燥。因此,为了简化这一过程,金风开发了智能文档分类工具,帮助实现文档的自动分类和传递。

AI应用实践之五:AI工程化与平台化

郑锋表示,充分利用AI技术需要满足两个条件:一是对业务要有深刻理解,了解业务的矛盾点所在;二是需要高质量的数据,建立一个合适和准确的数据管道,在训练过程中不断优化数据。

AI的落地,即得到实际应用,需要具备两个条件:工程化和平台化。工程化主要是将AI工作在各个团队中进行划分,实现流水线化,以提高效率。平台化则是建立一个平台,将流水线上各个环节的知识和经验进行积累和整合。

金风集团在2019年建立了AI工程平台,并成立了AI研究院,使得AI技术得以快速应用和落地,综合提升AI应用开发和规模化交付效率达到 60%以上。

关于企业网D1net(www.d1net.com):

国内主流的to B IT门户,同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个IT行业公众号(微信搜索D1net即可关注)。

关键字:应用数字化集团

原创文章 企业网D1Net

电子周刊
回到顶部

关于我们联系我们版权声明隐私条款广告服务友情链接投稿中心招贤纳士

企业网版权所有 ©2010-2024 京ICP备09108050号-6 京公网安备 11010502049343号

^