K2追光者 | 我们在山沟沟里做高科技
来源: | 作者:pmod6d781 | 发布时间: 2021-01-25 | 1765 次浏览 | 分享到:

这一件事

少波服务的项目是水电数字化的业务探索,如何结合数据,为湖南3600多座水电站提供设备安全和运行优化等数字化服务,在水能资源丰富的湖南,他们和电网客户结伴而行,脚步东至怀化,南至郴州。

“水电站都建在山谷河道上,每到现场,都感觉我们在山沟沟里做高科技。”说起这些,少波总会无意识地从笑容里透出一些自豪感。

K2不生产数据,但项目组得做工业数据的搬运工。高科技也从“数据接入”苦力活开始。一方面是数据质量参差不齐,另一方面,电力行业的安全稳定运行是第一要义,对数据的保密意识也非常强,在大量审批、安全报备、本地部署和层层中转,数据才能接入K2Assets产品中,完成数据的资源化管理。

随后的数据分析最容易被感知业务价值,却也是最难实现的部分。K2认为,用数据将工业专家知识的结构化、定量化、模型化,是工业数据价值落地的必经之路。但是,专家知识实用却不完备,机理模型的很多参数都不可测量,要模型化往往需要反复求证和迭代。

以客户认可度很高的水轮机组摆度分析模型为例。项目组请来了智囊团,K2电力业务专家、电机专家、数据分析师联合外部水电专家,带着整套测试设备,多次深入现场做水轮机组性能测试,获取一线数据,反复校验打磨,最终基于K2Assets产品将专家定性描述的诊断知识一步步结构化、模型化,成为一个知识型水电行业APP部署在智慧水电终端。

另一个水电站入库流量预测的分析课题,在K2数据分析师和客户方水电专家的协同下完成了模型化,并成为“第四届中国工业大数据创新竞赛”的赛题之一,倡导更多水电从业者的参与和思考,在地表径流、蒸发量等要素和过程不可直接观测的情况下,如何融合异构的数据源,构建一个相对可靠的预测模型。

秉承“授人以鱼不如授人以渔”的理念,我们帮助客户率先实现一些典型业务场景的探索实践,但最终目标是赋能企业内部的工业专家,降低大数据的使用门槛,让他们能够基于时空对齐的设备数据去发现问题、定位问题,并辅助辨识问题背后的根因。

这对客户而言,不仅是学习使用一种全新的工业软件去沉淀知识模型,也在探索全新的知识服务化业务。项目组就是这个学习探索过程的助推器。

这一种执念

随着第一期项目的交付,有一部分知识型水电行业APP已经在数据基础好的水电站运行起来,有一些仍在对接调试中。

运行优化类的应用,用户一般都需要观察和试用一段时间,谨慎验证过数次之后,才会产生基本的信任,反馈周期比较长。