基于PaddlePaddle的新能源充电桩智能运维

随着大数据、人工智能、云计算技术的日渐成熟和飞速发展，传统的运维技术和解决方案已经不能知足需求，智能运维已成为运维的热点领域。同时，为了知足大流量、用户高质量体验和用户分布地域广的互联网应用场景，大型分布式系统的部署方式也成为了高效运维的必然之选。如何提高运维的能力和效率，是保障业务高可用所面临的最大挑战。本篇文章以百度基于PaddlePaddle的新能源充电桩为切入点，深刻介绍智能运维在电力行业的实际应用。

如下为演讲实录

电力行业运维过程当中的痛点与机遇

众所周知，典型电力行业包括发电、输电、配电、用电等多个阶段，而电力做为关系国计民生的重要资源，在各个阶段不管针对电网或是终端设备的运行维护都是保障电网安全稳定运行的重要手段。此外，目前中国已经建成全球范围内信息化程度最高的电网，而电网的工程师们仍在持续学习和引入新技术，大数据和深度学习是他们重点关注的方向。咱们发现，针对电力运维，有三个典型的场景比较适合大数据与深度学习技术，包括：
1.电网设备维护：经过对电网电能质量分析系统、分布式监控系统产生的数据进行学习，实现故障提早预警，减小电网设备运维成本；
2.规划电网调度：经过对气象数据、用户行为数据等分析建模，实现用电管理，优化电网调度提高效率；
3.用电异常识别：经过对终端设备，如智能电表的数据分析，实现用电异常识别，下降用电损失提高效率。

基于电力行业四大特色，充电桩智能运维须要新的技术方案

图一：电力行业四大特色

电力行业有四大特色：
1.市场规模大：发改委在2015年颁布的《充电桩建设指南》指出，计划到2020年全国建成超过480万个充电桩，图中为根据指南及目前市场状况的测算，到2020年整个市场规模将达900亿。而2017年全国保有量为21.3万个，仅北京地区已超3万个，一方面鲜有保有量已经不小，此外从今年开始将是充电桩建设的高速爆发期；
2.强制性检测：国家电网要求存量市场充电桩每一年必须按期检查并出具报告，新增充电桩所有联网并要求强制测试。若是没有运维保障，一旦出现问题就有可能带来车毁人亡的重大事故；
3.运维成本高：现场故障多，环境复杂，形成现场运维人力成本高；
4.行业痛点强：目前针对充电桩运维已经有技术方案，但传统厂商通常基于传统数据库搭建方案，一旦出现增量上网，很难应对大数据和扩容的挑战。此外因为缺少数据挖掘的工具和知识，数据利用率不高。基于以上四个特色，充电桩智能运维须要新的技术方案。

图二：充电桩智能运维新方案

在此背景下，咱们和博电电气联合提出了充电桩智能运维新方案。博电电气是行业领先的电力测试设备供应商，主要服务国家电网、南方电网和海外电网运营商。在这套新的方案中，咱们经过一揽子技术方案包括底层的物联网设备接入、边缘计算，到中层的云计算平台，上层的大数据平台，解决设备管理复杂、扩容难等问题。同时，基于百度AI能力，咱们搭建了多种运维模型，包括设备监测，到故障诊断，到预测性维保。以充电桩故障诊断为例，基于传统数据分析工具如matlab、labview和本地计算资源，已经达到95%的故障识别率。但咱们经过PaddlePaddle的深度学习和分布式计算，比较容易的就将准确度再提高了4个点，并给客户带来了经济价值。

图三：基于PaddlePaddle的充电桩异常诊断建模

提问环节

提问：充电桩如何联网？
赵乔：自己充电桩是离线的，咱们采起的是在充电桩上出一个加了硬件的枪头，这个硬件里面跑的是模型和功能等等，除模型外，上面还加了3G的模块，这个模块就是支持IOT标准的工业企业，这样就能联网了。

提问：数据如何上传到云端到服务器？
赵乔：数据会直接传上去。算法分别跑在本地和云端，其中会有一部分跑内部端，在算法要求高实时反馈的状况下，如闭环的反馈是在毫秒级，那算法就要跑在前端，这是不能特别复杂的模型。
提问：通讯技术很复杂吗？
赵乔：不复杂，是一个标准的通讯技术，跟4G同样的业界标准，且自己底层算法不须要开发。

提问：咱们如今的算法要上传到服务器，是在云区，有没有什么解决方法。
赵乔：咱们以前的算法在海上信号很差，可是有专用的工业wifi，可能距离是15米，但软件会比较麻烦。好比先缓存，等联网了再断，这样很麻烦。我以为这个没有办法绕开，若是你的应用要求联网必须一直联，可能经过软件很难作，你只能经过考虑硬件，咱们以前想专门用工业WIFI，功率很强。

提问：我在作LT的预算，利用RFID传感器，采集至关大的wifi信号数据，如今遇到的几个问题，第一个问题是调用的人工智能的算法，对硬件的算力要求比较高，想问老师是怎么看这个问题？
赵乔：跟你跑的模型有关系，须要运行的是引擎，好比百度的ERE，须要知道部署地方的环境，会占资源，百度的占十兆资源，还有的不用考虑，编译好的直接下去。
提问：一部分是在本地，另外一部分在云上？
赵乔：云上不多，云上的算力比较大，至关因而不断训练模型，可是在端上用，咱们的部分是跑在AIM上，其实端不必定是嵌入式，也能够是牵扯硬件，如笔记本。

提问：百度云平台对IOT开放吗？
赵乔：能够，你能够在上面搜百度云天工。

提问：我想问规划处理，大家有非数值类型的数据吗？是一串字符串。
嘉宾女：咱们处理这个，只涉及到数值类的，非数值的就是词项量，你算一些方法尝试一下。

提问：非数值类型的怎么处理？
嘉宾女：变成向量。
提问：若是这个字符串不是固定的，有多是变幻无穷的。
嘉宾女：你规划的目的是什么？
提问：不会像词向量那样，词多是约定好的一万个，可能有不少种，没法作到词向量。
嘉宾女：仍是要回归到解决问题是什么，你的目标是想看一下训练数据的多样性，你就能够用数据统计的方法设计一些。
提问：个人场景是日志分析，有不少信息，如用户名、用户名的操做方法，这样会产生很长的字符串，也有很短，那这部分数据怎么处理。
嘉宾女：给你们分享咱们在公司内作项目或者作To B的项目遇到这些问题的思考路径，上述问题是两个方向，一个方向是怎样使得数据更干净，让我肯定这个数据对我是否有价值；另一个问题，这些数据拿到了怎样去应用。第一个问题，百度的已有数据用的是统一的格式，因此作一些标准和定义。第二个问题，这些数据怎么用，要想好你要解决的目的是什么，目标是什么，用咱们掌握的技术和经验去变通找到方法。

提问：好比说95%提高到99%，提高了4%，提高的那4%具体体现的是什么？
赵乔：咱们和客户合做是经过大量已有的功能仿生出来，在模型里跑。4%怎么算出来的，传统的是95%，咱们拿着这4%，实际上就是0%。没法检测的数据拿过来，在这上面咱们最后作到86%，因此综合下就是提高4%。

提问：诊断以后，故障的维护也是咱们这边直接去完成？
赵乔：不是，咱们作预警或者提早一天或者提早半天预警，但维护仍是要人力作的。

提问：那咱们如今这个诊断系统，同时能够处理多少个设备的诊断？
赵乔：目前由于咱们在合做的客户其实是负责了国家电网超过一半的充电桩，因此若是是说后续要增长的话，须要买更多的资源扩容，之因此是分布式系统，这是比传统系统的优点。

提问：咱们如今存在多个设备须要诊断的话，诊断也是并发性的了？
赵乔：没错，刚才所说的这些模型不少是跑在端上的，对于云上的资源的依赖度没有那么大，只不过是把处理出来的数据在云上作监测，理论上来说全部东西都跑在这里，因此对这一部分的压力不算很大。咱们作一款硬件，实际上有相似于设备标签，若是用过MPD的话就专门针对这种标签进行设计的。

提问：这个产品已经在实际用了是吗？
赵乔：咱们2月份在作，今年7月份在百度开发者大会上公布出来，由于这是个典型的To B的产品，不是To C的产品，不是天猫上能够卖，因此有To B的流程。咱们给国家电网报了3万份的报备量，可是这里面还有一些没有解决的问题。以前提到的模型，咱们如今只作了其中一部分，真实使用还有不少东西须要去作。

提问：在建模过程当中，建模和深度学习的关系，是串联仍是并联。
赵乔：咱们当时作了两个算法比较，想看深度学习PaddlePaddle的结果，最终比较验证，这是并联关系，不是串联。

实录结束

赵乔，百度大数据部高级产品经理，负责百度工业大数据产品规划及项目落地。曾在华为、美国国家仪器从事产品、技术、销售工做，服务新能源、国防军工、汽车等典型制造业企业。