應用數字技術帶動電網企業生產運營的轉型升級

生產運營環節實現數字化轉型，在本質上還是思考如何利用智能技術深化智慧生產的過程。如果要對整個演變過程進行解析，可以大致提煉為數字建模、信息集成、深度應用三個階段，即通過設備數字化—＞信息規范化—＞數據深度應用的數據驅動全流程化，構建全感知、全聯接、全場景、全智能的數字運營環境，達到運行狀態一目了然、風險管控一線貫穿、設備操作一鍵可達、生產指揮一體作戰的總體目標。

1 電網生產運營數字化轉型路徑

建立模型：完成從設備數字化到設備上云的過程。首先構建標準化共享資源池，踐行信息標準化體系管理。基于平臺開展設備健康性監測、設備運營優化、設備安全操作等服務，加快設備上云、用云。

信息集成：完成從數據規范化到數據互聯的過程。廣泛引入物聯網與人工智能等先進技術，構建新一代數據中心的核心平臺，將生產流程中各類控制終端應用情況(SEM、PLM、ERP、機器人等自動化系統)納入云化管理。數據應用：完成數據分析到輔助智能決策的過程。通過生產過程中巡視、檢修、故障處理等數據的采集、格式規范環節，結合大數據模型算法的預設，服務于設備監測、故障診斷搶修、現場作業管控等具體業務。

2 綜合治理，下好一盤棋

具體落實三個階段數字化轉型工作時，需要分析各階段的主要制約因素、技術及標準類舉措、主要準備工作及進度等，以感知及自動控制硬件建設、工業網絡建設、工業互聯網平臺建設、信息建模等為基石，夯實軟硬件（平臺）建設。以數據中心生產運營模塊建設、邊緣計算的物聯網建設、專業軟件系統數據邏輯展示為切入口，強化數據管理能力。廣泛應用機器學習等技術構建數據模型，設計數據+業務輔助決策架構等，普及數據應用效果。

2.1 第一階段：建立模型

為解決存量設備的生產廠家分布廣、出廠年份跨度大、不同型號和版本的數據采集點、數據采集方式、參數定義和邊界不同，自動化、數字化、網絡化水平較低，改造難度大、成本高等困難，需要發揮無線傳感、自動測量儀器儀表等關鍵技術和設備作用，突破監控系統中核心芯片、伺服電機、驅動器、現場總線、以太網等關鍵器件技術，覆蓋可編輯邏輯控制器、分布式控制程序、數據采集與監控系統。能夠通過監測并分析事故模型和實際狀態快速檢測異常狀況，在事故條件具備前進行察覺并立即觸發響應措施。另外，推進5G、軟件定義網絡等技術在網絡基礎設施的應用，落實網絡、數據、軟件集成的協議標準，互聯網體系架構建設。

存量設備自動化、智能化基礎改造方面，加裝傳感器、通信模塊、控制器等部件，提升設備數字化水平。增量設備加裝工控軟件，添加數據采集點、統一內外部通信協議；多源異構的采集技術方面，具備工控信號雷電防護數據直采、啞終端浸入式或非侵入式采集等。另外，制定設備數據模型、接入方法和傳輸方式（應用層協議以及IOT 物聯網平臺接入邏輯）。建立電子化歸檔臺帳、設備數據庫、故障庫等，實現設備信息管理動態化。

信息建模方面，顯示相應設備設施的空間位置和外部結構，完成自動漫游、手動漫游、機器人視角漫游、隱蔽工程／設備內部漫游多種查看模式；設定移動式機器巡視點位，編制巡視任務下發到機器巡視系統；建立材料庫及工器具庫模型，完善設備臺賬信息、監測信息、檢修工藝信息與模型關聯等；工業互聯網平臺建設方面，以云計算、大數據分析平臺為載體，加快戰略資源整合。突破通信協議、數據接口、數據分析等技術，推動數字化裝備維護知識庫共享。圍繞智能裝備接入工業云的數據采集、網絡連接、調度管理，提升云平臺系統供給能力。

2.2 第二階段：信息集成

為解決系統之間相互獨立，業務應用系統采用的技術框架和技術路線存在差異，造成數據不一致和冗余、信息集成難度大等問題。需要通過數據規范化、數據互聯，系統中各子系統和用戶的信息采用統一的標準、規范和編碼，實現全系統信息共享，進而實現相關用戶軟件間的交互和有序工作；技術及標準方面，完成包含通信協議標準化(如MAP/TOP，自動化協議/技術協議等)、產品數據標準化(如STEP，產品模型數據交換標準等)以及調節網絡標準化、電子文檔標準化、交互圖形標準化等。

圖1 電網生產運營數字化轉型路徑的推演思路圖

數據規范方面，將生產運營數據接入南網數據中心，通過建設數據庫、數據倉庫、數據集市、數據使用、數據獲取及整合等模塊規劃，實現多源異構的生產數據集成應用。首先完成將電網運行、設備狀態監測、低壓集抄數據歸集到數據中心，進而實現內外部數據接入。

邊緣計算的物聯網建設方面，首先通過統一的物聯網傳輸協議標準，輸、變、配、用各專業重要區域、重要設備數據接入物聯終端。具體體現在傳感器和智能終端通過物聯網網關接入，巡檢機器人等通過集成物聯網協議插件接入，傳感器等通過物聯網操作系統接入，電表等通過NB-IOT 通信芯片接入。其次完成針對物聯網設備的接入、數據的收集、設備狀態的監控和維護等設備管理。最后應用大數據分析技術，圖像自動識別，對主設備運行狀態自動診斷能力提升。

2.3 第三階段:數據應用

為解決系統累積的數據尚未充分挖掘效用，基于人工智能的機器學習、深度學習應用程度不高等問題，需要規范靜態、動態數據關聯規則算法、序列規則挖掘算法以及基于預測強度的聚類方法等。通過建設數據分析模型庫完善數據治理機制，構建數據相關系統，保證數據規模化落地。運用不同的分析手段，根據業務板塊、主題進行多維度分析、加工處理，之后得到有價值的數據用于展現，輔助決策分析。

模型架構設計方面，生產領域主要針對設備的功能位置、資產信息、規格型號、運行環境等，設計設備監視模型、作業計劃模型、設備操作模型、作業過程模型、設備缺陷模型、作業報告模型、作業標準模型、實驗報告模型等，實現從數據采集到模型搭建及應用的系統功能優化。為了實現數據挖掘—＞數據分析—＞輔助智能決策功能，利用關系型數據庫中的信息構建數據分析模型，實現分析預測、輔助決策的功能[1]。

基于“數據+模型=服務”的原則，數據從采集到應用的平臺化建設，完成機理模型、大數據分析模型等設計，服務于設備監測、故障診斷搶修、現場作業管控等具體業務。隨著人工智能等技術的深入應用，在數據—預測—決策這個模式下不斷地提高工作流程的準確度以及快捷度。

3 輔助支撐，以管促優

資產全生命周期管理方面。生產運營環節主要完善數據資產管理平臺和實時數據服務平臺，建設非結構化數據服務平臺，實現全類型數據的全生命周期管理。一方面，持續推進技術標準體系建設，促進技術及時轉化為技術標準并形成體系；另一方面開展設備運行評價，推進對6+1生產系統各數據模塊的使用，對于已缺失的數據采用人工收資數據導入系統進行完善。開發生產指揮監控系統運行評價模塊，實現系統實時數據抽取和評價結果生成，減少人為因素影響。深化設備運行評價應用，建立科學客觀的評價模型，規范數據來源，確保評價客觀、真實。

制度、流程優化方面。通過對流程、制度、規范條例等的制定修編，開展數據全生命周期統一管理。主要可開展智能巡視的作業標準、機器人巡視點位設置標準、機器人技術標準、視頻監控技術標準、數據采集作業標準、數據分析管理標準等。各專業可結合實際需要，單獨設置相應的專用標準制度等。例如，變電站隔離開關分合閘位置姿態辨識技術規范、變電站監控系統防止電氣誤操作技術標準、新增遠方操作的點位標準；生產領域圖像識別技術標準等[2]。

崗位優化方面。人工智能、自動化和機器人行業的興起雖然帶動了對技術“硬技能”的需求，但創造力、適應能力、合作能力和時間管理能力等“軟技能”也可以幫助員工適應新職位、接受再培訓。以構建數字化人才培養體系，柔性敏捷、智能預判的生產管理為綱，推動精細精準的人力配置動態平衡數字化管理。拉開簡單勞動崗位與較高技術含量崗位、普通崗位與特殊崗位、通用崗位與專業崗位的分配差異，通過職業發展優先、薪酬待遇傾斜等措施推動非核心專業、通用崗位向智能運維、融合處理等核心專業、評價診斷等新興崗位轉型。

體系支撐方面。結合平臺基礎共性、關鍵技術和應用服務等，發布平臺標準體系建設指南，研發數字化標準實施知識庫。首先，基于區塊鏈技術建立跨行業跨領域的平臺聯盟。建立區塊服務體系，推進平臺間數據安全流動、可信服務增值；其次，建立監測分析體系，完善信息報送指南和監測指標體系，加強與主要平臺的運行數據共享；最終，強化運營質量監控，基于“全景全息駕駛艙與數字運營地圖”的高質量智慧運營決策體系，開展過程中價值全景展示，跟蹤和評價執行情況及外部環境變化的影響，及時發現執行偏差。各業務專業領域平臺實施功能績效評價與運營質量評價，完善多維量化監測評價體系[3]。

網絡安全建設方面。依據公司信息化建設與網絡安全一體管控、分級分域、主動防護的策略，結合安全分區、網絡專用、橫向隔離、縱向認證的建設原則，落實同步規劃、同步建設、同步使用的推進方法，開展網絡安全技術管控，確保符合國家、行業及公司網絡安全相關要求。開展軟硬件防火墻建設與其他監測技術應用、網絡架構安全診斷、數據安全加密技術應用優化、虛假數據攻擊檢測及防范研究。

4 探索無限，銳意進取

數字化轉型是一個系統工程，單純堆砌大量數字化工具是難以完成的。另外，如果單純依賴數字技術而忽視傳統業務屬性，融合應用的壁壘很難真正打通。首先，確保有效數據能夠精準全面的實時采集，規范統一的數據標準和質量要求，實現數據共享通路；其次，落實技術標準和協議不統一制約系統間的集成，建立以知識、工藝和數據為核心的內部服務共享體制和機制，支持企業構建能夠貫通信息部門、業務部門的通用型平臺，加強技術標準協議的轉換和銜接，真正實現資源配置的優化；最終，實現內部集成，即實現技術、管理與生產的集成，解決現場的流程效率和生產過程的不確定性問題[4]。

5 結語

只有把數字技術、生產設備、人員崗位要求及作業現場等有效結合，聚焦生產運維核心業務，運用智能化、數字化、物聯網等推動傳統電網改造升級，數字化轉型才具有生命力。進一步推動產業鏈整合、產業生態集成，打造貫穿全生命周期的新生態。