一、平台简介
邻盛认知计算平台是在研究可解释、可通用的下一代人工智能方法的国家战略背景下,建立的一个以机器学习、符号计算为核心,实现物模型“数据+知识”双驱动的融合计算平台。
平台通过结合通用计算公式、行业算法公式、知识逻辑推理规则以及人工智能算法,对不同应用场景的多源、多模态数据进行在线汇聚、有序流转和价值挖掘,实现对数据自感知、自分析、自决策以及自优化。
平台可对水务水利、园区、矿井、光伏、养殖等不同行业应用场景进行预测推演、智能诊断以及决策调度,提供用能预警、减排管理、设备诊断、节能算法、能效调节等服务。
认知计算是认知科学的核心技术子领域之一,是人工智能的重要组成部分,是模拟人脑认知过程的系统,主要是实现设备数据采集以及结合行业算法以及AI模型补偿,进行告警判断,处理预案推送以及告警预测。
简而言之,认知计算就是一种自我学习系统,可以像人类大脑那样通过数据挖掘、图像识别以及自然语言处理来进行学习。认知计算的目标是让计算机系统能够像人的大脑一样学习、思考,并做出正确的决策。
二、平台架构
协同感知层面——统一采集和解析来源于物联网、业务系统和外部系统的多模态数据。
数据计算层面——包含知识图谱、行业图谱、科学计算、智能推理、AI模型等多个模块,针对不同类型数据进行分析处理,实现安全数据资源的在线汇聚、有序流动和价值挖掘,为安全事件的数字化管理、网络化协同、智能化管控提供信息支撑。
应用服务层面——基于计算调度引擎,提供“推演预测、智能诊断、决策调度”应用服务,实现“事前预警、事中处置、事后评估”安全事件全生命周期掌控,提升安全事件应急处置的科学性、精准性和快速响应能力。
大屏展示层面——将监测数据经过分析、计算后的结果,通过可视化的方式进行呈现。可以直观展示设备告警、决策调度等实时动态。
三、平台功能
物模型即对研究对象进行数字化建模。平台支持新建、编辑、查看、删除物模型的关联属性(属性名称、类型、标识、描述等),直接对物模型状态进行启用或禁用操作。
实现物模型实例化管理,对具体设施设备实体进行属性编辑操作,包括静态属性的数值设定,动态属性的数据来源选择、数据源的约束条件设置等。提供分组、标签管理功能,满足复杂场景需求。
(1)行业图谱
集成各个专业领域的行业专家和机理研究人员的行业经验,形成解决行业专业问题的行业算法公式。
平台具备算法测试、配置图谱等功能,提供专业的行业图谱编辑器,不需要专业人员即可快速完成对公式的选择编辑。每个行业图谱关联相应的AI模型,通过模型不断训练,进行结果补偿,提升行业数据的精准度。
(2)科学计算
经过科学论证,获得大众普遍认可并使用的科学知识/公式,如面积公式、速度公式等,学习后可以理解掌握、运用自如,实现自动化计算。平台支持科学公式编辑配置,提供算法测试。
(3)AI模型
从大量历史数据中学习规律从而得到AI模型,应用模型进行预测结果,处理的数据越多,预测结果就越精准。
平台具备AI模型训练、模拟预测等功能,提供多种算法,支持alink、skleam、paddlels等多类执行引擎。
推理引擎是将复杂的业务逻辑从业务代码中剥离出来,降低业务逻辑实现难度;使多变的业务规则变得可维护,配合推理引擎提供的良好的业务规则设计器,不用编码就可快速实现复杂的业务规则。
通过调用业务规则和阈值指标对输入的数据进行推理和判断,得到最终推理结果。
通过拖拽的方式,对物模型、科学计算库、推理引擎、行业图谱、AI模型、循环节点、数据映射节点、设备联动节点进行选择配置,从而建立完整的逻辑关系,得到相关业务预测数据。
以分体式空调节能业务配置为例,①基于房间、空调物模型属性,推导出房间内散热能力系数;②应用该系数计算出周期内用电量、制冷量、室内散热量、室内温度变化等参数值;③进一步计算得到温度目标、成本目标、启停目标;④综上计算最终得到系统目标,从而输出分体式空调节能策略,帮助用户进行空调管理和控制,实现节能环保。
根据认知计算平台事前预测的结果,匹配平台内置的处理预案,提前进行决策调度,实现事后应急向事前预防的转变,争取处置时间、降低相关损失。
针对正在发生的警情事件,认知计算平台可快速计算推演出未来时间段内的发展趋势,通过对趋势分析的综合研判,管理方可联动视频监控系统,调取现场实时画面,同时运用物联网平台远程操控设施设备,下发指令,及时进行调度处理。
基于认知计算平台的决策调度能进一步增强对安全风险事件的感知、监测、预警、处置和评估能力。
四、核心能力
①可视化编辑工具多种基础函数库。
②提供满足灵活计算多语言支持。
①复杂业务逻辑轻松剥离。
②无编码实现复杂业务规则。
①多层级行业领域知识体系构建。
②可思考可学习、精准预测AI模型。
③行业趋势研究分析,算法推理。
①提供计算流程编排能力。
②提供行业专业知识库,内置预案。
③匹配数据规则,高效推送业务结果。
五、应用价值
结合实际业务数据,进行数字化、结构化和知识化分析,构建辅助可思考可学习AI模型应用,实现告警判断、处理预案推送以及风险预测。
以大坝安全预测分析为例,通过认知计算平台对相关数据综合比较分析,推算出各类坝体运行数据的时间和空间的相关性,综合判断坝体健康状况,实现提前感知,预见未来3个月的水域安全情况。
平台可快速从海量设备历史数据、实时数据中提取关键信息,实现设备工作状态分析预测和健康度综合评估,从而实现设备的故障诊断。
以光伏组件故障智能诊断为例,通过监测光伏组件及阵列安装环境,比较光伏组件实际输出功率与预估功率的差值,判断是否出现故障;通过实际IV特性曲线计算的特征值和优化后的特征值,定位并输出光伏组件具体故障类型,完成本次智能诊断。
通过AI模型的不断训练学习,实现数据推理解析、知识图谱挖掘、业务场景趋势分析,最大化发挥数据的价值,提升决策的精准性和前瞻性。
以智慧矿井通风解算为例,基于认知计算平台,利用通风解算模型计算整个巷道的通风情况,便于管理人员调整矿井通风策略做有效的决策指导。
六、应用场景