工业互联网+能源的想象空间

文 | 郭朝晖

作者系上海优也信息科技有限公司首席科学家、中国工业互联网产业联盟工业大数据组副主席

技术的价值很大程度上决定于应用该技术的场景。能源领域的很多场景恰恰适合工业互联网技术的应用。

工业互联网与能源管控有着特殊的渊源。GE公司的《工业互联网》白皮书用三个视角讨论工业互联网的价值，能源消耗就是其中之一。在此之前，杰里米·里夫金曾经出版过一本叫做《第三次工业革命》的畅销书。这本书讨论的核心观点就是能源互联网对未来工业的影响。

工业互联网的适用性

在工业互联网领域，与能源系统相关的实践案例很多。如光伏、风电或油田设备的远程监控，供电系统的动态优化、工业园区的能源系统优化、大型企业的能源优化等。这种现象并非偶然，因为能源领域的很多场景特别适合工业互联网的应用。

互联网的本质作用是能够让信息传递突破物理空间的限制。物理空间越大，互联网的优势越明显。在能源领域，与电网连接的设备分布在广阔的国土上；风力发电、光伏发电等企业的设备往往分布在人迹罕至的荒郊野外。在钢铁石化等能耗高的重工业企业，厂区占地面积往往有几平方公里到几十平方公里。这些地方都容易找到互联网发挥优势的项目。

与传统互联网相比，工业互联网对实时性、安全性、可靠性要求更高。这些特点与能源系统的要求是一致的。能源供给不仅要安全、稳定还要实现动态平衡：能源的生产和使用需要取得实时动态平衡，否则可能导致非常严重的后果。

与其他工业行业相比，能源介质及其生产过程都更加容易用数字化方法描述。能源系统的自动化程度往往较高、设备相对先进。这些特点也有利于工业互联网的推广和使用。

理解工业互联网的作用

工业互联网应用有很多层次。例如，可以在一些具体技术基础上衍生出更深层次的技术并引发出业务流程和商业模式的改变。典型的做法是，将设备数据采集出来；在此基础上，开发设备的预测性维护技术；利用这些技术，设备生产商可以为设备使用方提供设备维护服务，实现从制造到服务的转型。

遗憾的是，预测性维护等高技术缺乏一般性的意义。对于多数场景，这种模式并不具备技术或经济可行性。从长远看来，工业互联网目前的应用还是初步的，技术潜能远远没有发挥出来。要洞悉工业互联网未来的发展前景，需要更加深入地理解工业互联网时代的内涵。

工业界一直有个梦想：无人化的生产。但现实中往往是做不到的。例如，从技术角度看，生产出现意外时，经常需要人去决策和处理。利用工业互联网，可以找到一种折中的办法，即远程操控。从技术可行性上看，这种做法的可行性很好，但从短期看，除了少数场景，远程操控不一定具备技术和经济可行性。这也是工业互联网难以迅速推广的原因。

要解决这个困难，需要工业互联网提供附加功能和价值。预测性维护是一种可以考虑的做法，但这种技术不具备一般性。一般性的做法，是与设备管理、生产管理、质量管理、能源管理、操作监控等管理工作结合在一起。

这些做法的基本原理是：首先用设备数据建立标准，然后把实时数据和标准做对比，用来判断设备、操作、质量等是否正常。例如，设备震动或温度超标时，可能意味着设备需要维护；报警长期无人处理，意味着操作工不尽职尽责；烟气排放温度过高，说明设备状态不佳等。这些问题，过去都是靠人来管的，而现在则可以利用机器数据让计算机来管。通过这种方法，企业的管理水平将会有全面、本质的提高。企业对质量、能耗、效率、安全要求越高，这种做法的效果就越好。

相关的技术原理，在GE的《工业互联网》白皮书也有所阐述。GE认为，工业互联网有三个基本要素：智能的机器、高级算法和工作中的人。其中，所谓智能的机器，就是可以把相关数据上网，甚至能进行远程操控的机器。这个基础奠定以后，会遇到一个困难：成千上万的设备把实时数据汇集到一起时，人类的大脑是无法及时处理的。为了解决这个困难，工业互联网第二个要素（即高级算法）就要发挥作用。高级算法就像秘书一样，帮助人们从海量数据中找出那些需要人类关注和处理的问题，交给“工作中的人”来处理。我们注意到：《工业互联网》白皮书的副标题就是“重构人和机器的关系”，讲的就是这个逻辑。

这样的逻辑可以解决很多一般性的问题。在工业企业，设备故障和生产问题总是难以避免。在工艺过程复杂的场景下，人类往往要花费很长时间去寻找问题的原因。时间的耽搁会带来巨大的经济损失。设备数据上网之后，可以让高级算法帮助人类迅速找到问题的根源。在电力系统中，计算机分析的优势非常突出：排查故障或者异常，需要准确得知信号发生的先后关系。时间精度要到毫秒级，否则因果关系就可能会搞错。这样的分析，必须依靠计算机的高级算法，才能做到这一点。

对于常见的技术活管理问题，可以把专家处理问题的逻辑变成计算机代码，让机器按照人类的办法进行决策。通过这种办法，可以进一步减少人类处理问题的负荷，提高决策的自动化水平——这其实就是智能化了。某种意义上说，智能化是管理和控制的融合。管控融合的思想很早就有了，但只有在工业互联网的时代，才有条件实现。

工业互联网平台与工业大数据

钢铁等重工业的耗能约占工业总能耗的一半，节能潜力重大。上海优也公司在华东一家中小型钢铁厂的一项煤气优化工作，就为企业创造了4200万的年效益。很多专家认为：判断钢铁企业智能化水平的最佳指标是能源消耗水平而不是机器人的数量。

在行业内部，提高能源利用效率的思路是清晰的。即从单体节能走向系统节能，从以人为主的管理走向智能管控，要从单纯的能源管理走向能源与生产、设备的协同管理。但这些要求让问题的复杂性急剧上升。人们苦于没有合适的技术手段，找不到合适的切入点，这些想法往往难以落实。

解决上述问题的主要困难，是涉及到的设备太多、关联关系复杂。工业互联网能够解决设备互联的问题，但系统设计时仍会面临巨大的困难。笔者认为，对于超级复杂的系统，应该以持续改进的办法解决问题，不能指望毕其功于一役。

在持续改进的过程中，一般需要把人类专家的碎片化知识变成高级算法。要推动持续改进，就要这些知识必须沉淀下来。工业互联网平台就是沉淀这些知识的载体。从某种意义上说，工业互联网平台的发展方向，就在于更好地支持持续改进。

我们知道，对在线的软件系统进行改进是有成本和风险的。工业互联网平台要支持持续改进，本质上就是降低系统维护的成本和风险。典型的做法包括：推动数据和代码的复用、采用无代码或少代码编程技术等。从某种意义上说，数字孪生就是解决这类问题的技术手段之一。

工业企业的技术人员具有丰富的专业知识。高级算法所用的知识，主要来源于人的经验。但是，利用生产数据，人们可以让这些知识变得更加精准。数据条件好的时候，人们还可以从数据中发现一些过去难以掌握的知识。所以，工业大数据能够很好地支持持续改进的工作。

总结与展望

实践告诉我们：技术的价值很大程度上决定于应用该技术的场景。能源领域的很多场景恰恰适合工业互联网技术的应用。对企业来说，技术应用的成败，一般用经济效果来衡量。对能源系统来说，工业互联网往往可以用来提升能源系统的管控水平，包括提升设备管理水平、工人的操作水平、促进能源生产与使用的协调。

利用工业互联网解决技术和管理问题的时候，往往需要将人类的专业知识变成计算机算法，才能帮助人类从海量实时数据中发现并解决问题。

这是一个需要长期坚持的、持续改进的过程，难以一蹴而就。工业互联网平台和工业大数据技术应该便于支持这样的持续改进。