中国环保科技有多先进？碳中和非空谈　看看这新能源企业的神操作

2020年9月，中国政府提出了2060年前实现碳中和的目标，此后，这一概念的热度节节攀升。“碳达峰”和“碳中和”也正式写进了2021年的《政府工作报告》，成为两会期间最热门的议题。从目前的排放总量来看，中国已是全球碳排放第一大国。处于经济上升期、排放达峰期的现况让我们必须兼顾能源低碳转型和经济转型，统筹考虑约束碳排放和保持社会经济发展增速需求之间的矛盾。为了实现碳中和目标，各行各业，尤其是能源行业，都要付出更多的努力。

原本这些努力，与IT行业主导的AI、大数据等技术或应用似乎是八杆子都打不着的关系。然而，就在能源革命悄悄开启的当下，数字化和智慧化的技术驱动力还是悄然浮出了水面。这两者会产生关联的原因其实很简单——在低碳经济的发展趋势下，以风电、光伏为代表的可再生新能源正在能源格局中扮演越来越重要的角色。来自国家能源局的资料显示，仅2019 年上半年，全国风电发电量同比增长11.5%、光伏发电装机量同比增长20%。

然而，风电、光伏等新能源却很容易受到环境因素的限制：在其生产过程中，风速、风向、日照、气温、气压等环境因素，都会给电力系统带来巨大影响，使发电装置、 并入电网都面临执行效率、装置安全等方面的问题。在这一特定背景下，功率预测系统的作用显得尤为重要。除能帮助电网排程系统合理调整和最佳化发电计划，改善电网调峰能力，还能减少弃风和弃光率，是产业真正实现降本增效的基础。

以往，通过历史资料以及人工经验来实施功率预测，往往存在准确率低、波动性大等弊端。因此在这场史无前例的大变革中，人工智能、物联网、云计算等新兴技术注定会成为幕后英雄。以智慧化手段来应对以上挑战，也正在成为新能源企业面向未来，领跑绿色能源发展之路的首选。金风慧能就是其中的领跑者之一。这家新能源数字化、智慧化领域的专业服务提供商，结合风机级气象预报、风轨迹模拟等气象预报资料， 以多模型组合的方式构建了用于功率预测的全新智慧方案，将预测的准确率提升了20%以上。

结合人工智能、云计算的新能源技术？点图了解更多金风慧能的智慧方案▼▼▼

它的秘诀是什么？穷则变、变则通、通则久

在大数据和AI 技术发展的助力下，基于AI 的智慧功率预测其实早就具备了充分的落地条件。但问题是：只单纯依靠海量历史资料样本，并且只采用单一的人工智能演算法模型的方法，也早已面临“技穷”的局面，其预测准确率会随着预测时段变长而随之降低。对于电力生产而言，最常见的超短期预测也要求系统预测4 小时内的功率输出，这意味着预测系统需要在未来16 个时间点(每15 分钟计为一个时间点) 上都保持出色的预测准确率和稳定性。

穷则思变，金风慧能通过研究和实践发现，在既有智慧预测系统中，汇入两项技术即可带来改观：一是汇入更多维度、更具价值的资料。传统预测方法是一种“从已有功率资料去预测未来功率”的方案，因此其在时间维度上缺乏必要的资料支撑，而气象预报资料则能有效地弥补这一短板，其时序性资料能令未来各个时间点的预测准确率都保持一致性；二是为更多维的资料匹配多模型组合的方案，便于根据实际需求选取不同的深度学习或机器学习模型，分别与气象预报资料进行组合，扬长补短。

“牵手”Analytics Zoo　打通大数据与AI 应用

有了解决问题的法子，接下来就是思考如何实施。第一步，要先“打通”大数据平台与AI 应用，这是打造一个结合海量历史资料与气象预报资料，并以多模型组合方式执行的全新智慧功率预测方式所必需的，但要在大量分散式资料节点上打通大数据平台与AI 模型、框架和最佳化方法，也不是件容易事儿。为此，金风慧能与英特尔展开了紧密合作。

Analytics Zoo是英特尔专门针对打通大数据平台与AI任务这一挑战开发并开源的解决方案，也是英特尔至强平台在软件和系统级最佳化上的重要组成部分。它能帮助多数企业使用者现在普遍使用的、基于至强处理器的大数据平台上，直接背靠其积累的海量资料无缝部署AI应用。这一过程既不需要分别构建大数据平台和AI 平台，免去将“大吨位”资料在不同平台间腾挪所消耗的高昂成本，也无需更换大数据平台的基础设施。

当然，Analytics Zoo有很多自己的独特优势：先天就可对基于英特尔® 架构的硬体基础设施提供全面周到的效能调优，同时支持TensorFlow、PyTorch、Keras、BigDL等多种主流AI框架。

基于Analytics Zoo　构建统一端到端全最佳化方案

正是基于Analytics Zoo，金风慧能轻松地将Spark、TensorFlow、Keras 及其它软件和框架无缝整合到了同一管道中，实现将资料储存、资料处理以及训练推理的流水线整合到统一的基础设施上。如此一来，既可大幅提升新方案的部署效率、资源利用率和可扩充套件性，还能减少用于硬体管理及系统运维的成本。同时，Analytics Zoo 还能卓有成效地将英特尔提供的众多底层软件加速库，如英特尔®数学核心函式库（Intel® Math Kernel Library，现名为oneAPI Math Kernel Library）、面向深度神经互联网的英特尔®数学核心函式库（Intel® Math Kernel Library for Deep Neural Network，现名为oneAPI Deep Neural Network Library）等，应用到上层功率预测方案的最佳化中去。

“压榨”Analytics Zoo　强化时序资料分析

除了提供统一的端到端平台架构，Analytics Zoo 对于不同时序分析应用，如时序预测、异常检测、时序表征学习、时序聚类等，也提供了完整的解决方案，便于金风慧能在新方案中构建更多的预测方法组合。Analytics Zoo 针对时序资料预置了丰富的功能元件，包括功率预测常见的深度学习和机器学习模型（LSTM、Encoder-Decoder、MTNet、ARIMA 等），功率预测中常用的资料预处理和特征工程（Datetime features、 Time diff、Log-transform、Rolling window 等），功率预测中普遍的异常探测方法（Percentile、Distribution- based、Uncertainty based、Autoencoder 等）。 Analytics Zoo 还提供了AutoML 方法，使新方案实现了自动化特征选择、模型选择和超参调优等，令预测模型得以更好地拟合发电装置输出功率的变化周期。

经过全国多个光伏测试场站的实地测试，在验证方案以月为周期的条件下，每一个测试的光伏场中，在单小时内使用30000 条记录对LSTNet 模型进行5000 次迭代最佳化，并在50 毫秒内获得未来2 小时的功率预测资料。结果显示，新方案在预测准确率上超越了原有方案的59%，达到了79.41%。

【延伸阅读】中国科技｜阿里巴巴送货机械人小蛮驴有多强？能人潮中穿梭　预测对头车行为（点选放大浏览）▼▼▼

【延伸阅读】中国科技｜清华团队发明破解眼镜　轻松骗过19款Android手机人脸解锁系统（点选放大浏览）▼▼▼

AI 要实现“软着陆”　大数据支持不能少

金风慧能的一系列操作，从实战角度再次印证了演算法、算力、资料三者良性互动的重要性。大数据作为基础资源，为AI 技术的快速进步和实践落地起到了奠基作用。不难想像，如果没有足够量级、获取和使用足够便捷的资料为算力和演算法托底，AI 的落地很可能会演变成鼻青脸肿式的“硬着陆”。在这种认知的推动下，有越来越多的行业在AI 应用过程中汇入Analytics Zoo，以无缝对接他们的大数据平台与AI 应用。例如在智慧制造领域，由Analytics Zoo 提供的端到端AI 开发与部署能力，就帮助美的构建了高效的工业视觉检测云平台，用以实施产品缺陷检测。

Analytics Zoo 让美的能够在统一的、基于至强处理器的云平台上进行海量资料管理、分散式模型训练、模型重定义及模型推理等一系列AI 处理流程。在资料采集及预处理最佳化阶段，Analytics Zoo 能帮助云平台执行高效分散式资料预处理和程式码最佳化，在50 毫秒内就完成对图片的读取和处理；在海量资料管理阶段，它能助云平台快速进行资料储存、分类以及更新；在分散式模型训练阶段，它一方面可协助云平台构建检测模型，另一方面通过自带的TF 最佳化器迅速启动分散式训练过程；在模型重定义阶段，Analytics Zoo 不仅可执行引数调整，并可加速模型推理速度。这一通连贯的组合拳下来，结果就是美的工业视觉检测云平台的模型推理时间从2 秒缩短到了124 毫秒。

MasterCard和韵达则是金融和物流行业中打通大数据和AI应用的先行者，前者利用Analytics Zoo，在基于至强可扩充套件处理器的大数据集群上直接开发和执行用于营销推荐场景的深度学习应用，不但避开了采用异构AI系统可能会面对的复杂工具整合、昂贵的资料复制和移动，以及更长的项目时间和资源消耗等问题，还实现了更优的精准度和召回率；后者则利用Analytics Zoo和英特尔至强平台，以端到端的方式快速敏捷地构建了“大小件测量”、“资料中心异常检测”以及“件量预测”等关键环节的AI 应用，有效提升了快递物流系统的运作效率，大大降低了人工劳动的强度和人力成本。

在这些行业使用者积极尝试Analytics Zoo的同时，也有致力于提供成熟商品化解决方案的合作伙伴盯上了它与至强可扩充套件平台的组合优势——在中国AI 伺服器领域占据了市场及技术优势的浪潮，就于近期推出了融合Analytics Zoo，基于浪潮云海大数据平台insight的端到端智慧计算解决方案，可以让更多使用者快捷、高效、低成本地将大数据预处理、模型的训练和推理与他们现有的大数据工作流整合在一起。

值得一提的是，英特尔也在同期发布了代号为Ice Lake、面向单路和双路伺服器、基于10 奈米制程工艺生产、拥有更优效能和能效的全新第三代至强可扩充套件处理器。该处理器可搭配傲腾持久内存200 系列、傲腾固态盘P5800X 系列及通讯频宽最高达100Gbps 的乙太网800 系列互联网介面卡等储存和互联网最佳化型产品，还有包括Analytics Zoo 在内的多种英特尔软件及系统级最佳化工具，进而组合成资料计算、储存和传输表现更优、也更为均衡的新一代至强可扩充套件平台，相信很多使用者和合作伙伴基于Analytics Zoo 的AI 实践或解决方案，很快就会借此平台实现更优的效能、成本和灵活性收益。

【本文转自“机器之心”，微信公众号：almosthuman2014】