浙江电力人工智能新技术研究实验室建设规划方案V2.docx

浙江电力人工智能新技术研究实验室建设规划方案V2.docx

《浙江电力人工智能新技术研究实验室建设规划方案V2.docx》由会员分享，可在线阅读，更多相关《浙江电力人工智能新技术研究实验室建设规划方案V2.docx（27页珍藏版）》请在冰豆网上搜索。

浙江电力人工智能新技术研究实验室建设规划方案

浙江电力人工智能新技术研究实验室

建设规划方案

国网浙江省电力有限公司信息通信分公司

2018年1月

目录

一、 背景 3

二、 人工智能在浙江电力的发展现状 3

2.1现状分析 3

2.1具备条件 5

三、 研究内容及建设规划目标 6

3.1研究内容 6

3.2近期规划 8

3.3中远期规划 12

四、 近期规划建设方案 13

4.1建设规范依据 13

4.2现有条件 14

4.3基础设施需求 16

4.4实验室环境建设 17

4.5配套管理体系建立 18

4.5.1人员管理 18

4.5.2设备管理 19

4.5.3材料管理 19

4.5.4方法管理 19

4.5.5环境管理 20

4.5.6其它管理 20

4.6运作模式 20

附录 22

19

一、 背景

在全球人工智能发展的浪潮下，市场对人工智能的投入与期望空前巨大，越来越多的企业为了适应和追赶人工智能浪潮前进的步伐，决定成立单独的部门或者机构来开展人工智能相关的研发和尝试。

国务院于2017年7月8日出台《新一代人工智能发展规划》（国发〔2017〕35号）明确人工智能在国家层面的战略态势和地位。

在此形势下，国网公司也启动人工智能相关工作，形成《国家电网公司人工智能专项规划》进一步明确国网公司在人工智能方面的发展方向。

同时，国网浙江电力提出建设具有卓越竞争力的国际一流现代化能源企业的战略目标，顺应能源生产消费革命新态势，在创新变革中谋求电网发展，为研究人工智能技术在电力行业中的应用，

构建智能化电力生产、服务、保障体系铺平道路。

建立人工智能新技术研究实验室，既是适应客户需求变化趋势、提升客户用电服务体验的外在要求，也是做好人工智能技术在国网浙江公司的推广应用，落实国家科技发展规划和国网公司全球能源互联网战略的具体举措，为浙江公司构建“一体两翼”战略部署、实现“两个一流”现代能源综合服务企业战略转型提供坚实有力的信息化、智能化保障。

二、 人工智能在浙江电力的发展现状

2.1现状分析

目前，国网浙江电力在浙电云、全业务统一数据中心等的建设和应用，使得公司在数据存储和大数据处理能力上以具备一定经验和基础。

但是，面对即将到来的爆发式人工智能应用需求，缺乏人工智能领域内的实验室，导致其在人工智能技术储备和人工智能专业人才方面有明显不足。

从技术储备角度，随着新能源持续高比例运行、电力电子装置大量应用、电力市场化水平不断提高，电力系统的动态非线性、多时间尺度、不确定性和难预测性表现得更加突出，基于物理模型的分析方法，难以精准地刻画电力系统特征，以人工智能为核心的数据驱动方法将发挥越来越重要的作用。

同时，为了应对上述变化，电力系统部署了众多用于监测、控制、管理的信息通信系统，产生着大量的数据，在电网安全与控制领域、输变电领域、配用电领域、新能源领域等应用场景下表现出大维度、小样本、非结构化的数据特性，目前常规的统计分析、数据挖掘、机器学习，难以满足需求。

从专业人才角度，无论是研究开发领域，还是应用落地领域，人工智能各个环节对人才的需求有增无减，而人才短缺成为电力行业人工智能发展中的最大短板。

由于合格人工智能领域人才培养所需时间远高于一般科技人才，人才缺口很难在短期内得到有效填补。

由于电力行业具备的行业特点和数据资源，导致了其对人工智能应用需求独特性，尤其体现在最后的落地问题上。

建立人工智能实验室这样的创新环境，对于将人工智能应用到本企业内有重大的战略价值：

1、 培养省公司原有的技术人员对于人工智能技术的理解和掌握。

2、 广泛尝试各类人工智能技术，选取其中在本行业特别有价值的技术点进行行业化和落地。

3、 对外输出本实验室的人工智能产出，以最小的行动单位来快速迈入人工智能时代。

因此加快建设人工智能实验室，增加人工智能技术储备、培养专业人才队伍、补充软硬件设施尤为重要。

2.1具备条件

国网浙江信通公司作为国网浙江电力的信息化支撑单位，率先建成融合企业云计算大数据一体化服务平台和全业务统一数据中心的“浙电云”平台。

目前已有219台服务器规模，部署了30个技术组件，并完成39套企业核心业务系统全业务数据的汇集，合计数据表39674张，总的数据存储量达527TB。

初步构建企业数据统一汇集共享机制，已累计为公司50多个项目的80多个“互联网+”创新应用提供数据服务支持，形成了“互联网+”智能运检、“互联网+”营销服务、“互联网+”规划、“互联网+”电力物资、运监大数据和财务精益化等新型业务形态雏形。

建成用电客户标签库、大数据运营监测系统、智能运检管控平台、供电服务指挥系统、配电网规划辅助决策等创新业务应用。

企业数据统一汇集共享机制及业务创新运营机制的初步建成，为人工智能在国网浙江电力的试点应用落地及铺开打下了较为坚实的基础。

同时，在人才方面，国网浙江信通公司成立新技术研究中心，以“AI+”新应用为创新方向，负责公司信息通信新技术应用的前瞻性研究和应用趋势跟踪，培育一支国网领先的新技术应用研发团队。

中心目前有博士毕业生7名，硕士毕业生12名，为实验室持续输送人才力量。

国网浙江信通公司近期在人工智能相关领域已经立项项目见附录1，成果方面已发表SCI8论文8篇，EI及核心期刊论文7篇，受理发明专利4项，获国网浙江省电力有限公司科技进步一等奖一项，清单详见附录2。

可见，国网浙江信通公司在人工智能领域拥有充分的技术、人才和项目基础，具备申报人工智能新技术研究实验室的条件。

三、研究内容及建设规划目标

3.1研究内容

针对公司在人工智能前沿应用研究上的不足，跟踪国内外人工智能技术最新进展，遴选各业务领域最有效的技术，并对这些技术进行应用及转化研究。

考虑电网专业学科体系庞大、相互紧密关联，开展新一代人工智能技术与电网专业的跨学科探索性研究，研究内容主要包括以下几点：

1） 机器学习

机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

它是人工智能的核心，其应用遍及人工智能的各个领域。

实验室将对机器学习领域的研究工作围绕以下三个方面进行：

一、面向任务的研究。

研究和分析改进一组预定任务的执行性能的学习系统；二、认知模型。

研究人类学习过程并进行计算机模拟。

三、理论分析。

从理论上探索各种可能的学习方法和独立于应用领域的算法。

结合电力业务，研究适合具体业务场景的专用算法，促使人工智能在电力系统的进一步发展。

2） 机器识别

主要开展图像识别处理技术研究和语音识别技术研究。

对于图像识别领域，构建完整的图像识别处理技术链，提升设备无人巡检、监测的智能化水平和实用化进程，采用轻量化的嵌入式芯片和深度神经网络的图像识别技术，构建快速感知、诊断系统，实现设备异常的无人即时识别。

对于语音识别领域，开展语音全量转写服务、智能语音导航等研究，研究基于深度神经网络的语音转写技术,构建包含电力专业术语的语音库,实现电网业务场景下会议、汇报等场景的语音转写功能，建立客服标准语音库，提供训练数据，智能回答客户提问，加快客服服务智能化建设提供支撑。

3） 知识计算

知识计算研究知识的表达、管理、获取和使用的计算问题。

实验室基于海量增长的电力数据，持续增量自动获取知识，具备概念识别、实体发现、属性预测、知识演化建模能力。

研究知识计算和可视化交互引擎，基于知识加工、深度搜索和可交互核心技术形成多源、多学科和多数据类型的跨媒体知识图谱。

同时开展跨媒体知识表征、分析、挖掘、推理、演化和利用，重点研究包括跨媒体统一表征、知识图谱构建与学习、智能生成等技术。

基于关联理解与知识挖掘、知识演化与推理等技术完成多模态数据信息统一表征、实体关联关系分析及潜在信息挖掘的智能模式。

4） 自然语言处理

研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。

开展知识点发现、句式库优化、词库优化等语料库构建技术的实验研究，构建面向电力业务特性的公告、通知、通报、工作总结等文档的语料库。

通过自然语言处理技术的研究基础，进行人工智能基础服务平台的建设，智能化的办公文档自动编制、智能穿戴应用研发，促进人工智能软件、硬件和智能云之间相互协同的生态链，搭建电力系统企业大脑。

3.2近期规划

近期规划为两年规划，计划在2018年到2019年深入落实国家

人工智能行动计划及战略布局，紧密结合国家电网公司人工智能发

展专项规划，着力突破若干人工智能关键技术，整体提升公司人工

智能基础能力水平。

人工智能实验室近期规划围绕机器学习、机器

识别、知识计算和自然语言处理四个研究内容，采购软硬件设施，

初步搭建具备云计算能力的人工智能基础服务平台以及具备一定规

模的电力行业训练资源库，促进公司人工智能应用发展环境进一步

优化，推动人工智能与电力企业有效融合，提升人工智能自主创新

能力。

此外，对人工智能新技术在电力系统中的应用开展研究，为

新技术的引入提供合理化建议和实际数据支撑，为实现公司建设具

有卓越竞争力的国际一流现代能源企业战略目标提供有力支撑。

1）人工智能实验平台

搭建人工智能实验平台，丰富人工智能计算引擎。

通过数据管

理、高速网络、统一存储、高性能计算、模型和服务管理来全方面

支撑人工智能应用落地。

该实验平台包括但不限于为各类业务场景

下人工智能应用的开发提供面向云端训练的开发框架、算法库、工

具集等，以类神经元网络的物理架构，提供语音处理、图像处理、

自然语言处理、用户画像、知识图谱、增强现实、理解与交互等典

型应用功能，同时，针对智能巡检机器人、智能巡检无人机等智能

化终端设备的研发，提供数据平台、仿真平台、开发平台，开放环

境感知、情景感知、路径规划、机器人视觉等功能的代码或能力，

支持人工智能技术在智能化嵌入式终端上的低功耗、高效率移植和

应用，为人工智能算法的研究实现铺平道路。

根据分层建设和管理的顶层设计思想，我们将该实验平台分为三层，分别是硬件资源层、人工智能系统层和人工智能应用层。

硬件资源层需实现对CPU、GPU、内存、网络和存储的统一管理，为上层应用提供高效的资源调度能力，并支持多种类型业务稳定高效地混合部署，大幅提升资源利用率。

人工智能系统层主要分为三个模块，分别是大数据管理、人工智能框架和数据模型流水线。

大数据管理模块依托成熟的Hadoop、Spark生态系统，提供高速存储、访问和管理大数据的能力，方便数据科学家开展数据采集、清洗和预处理工作；人工智能框架模块在主流开源机器学习和深度学习框架（如TensorFlow、Caffe、PyTorch、MXNet等）的基础上进行扩展和增强，提供面向云端的模型开发和训练框架；数据模型流水线模块负责打通数据采集、数据校验、数据清洗、模型开发、模型训练、模型验证、服务上线、灰度发布和弹性伸缩的全流程，系统地提供一站式人工智能应用开发工具链。

人工智能应用层预置人脸识别、情绪识别、OCR、图像分类、物体识别等多种通用算法模型，便于业务人员开箱即用。

同时，结合各业务部门的实际问题，提供人工智能解决方案，并将其落地转化为可复用的人工智能应用。

最终打造为强大的跨领域通用人工智能应用库。

2）实验室数据资源库

结合电力领域，建设实验室数据资源库。

人工智能应用需要大量的数据喂养才可以成长为一个成熟的，具备高生产力的个体，而数据资源库是必不可少的。

在实验室里，为了开展人工智能研究，应该准备外部和内部两种数据资源，外部数据资源包括了学术界常用的算法评测数据集。

内部数据原料从全业务数据