“雨燕”敏捷智能計算系統及應用研究
2021年電子技術應用第4期
方 科1，寧 琨2，潘 靈1
1.敏捷智能計算四川省重點實驗室，四川 成都 610036；2.東方電氣風電有限公司，四川 德陽618000
摘要： 針對部分工業所處惡劣邊緣環境往往缺乏充足的計算存儲和網絡資源，但又具有典型的超實時毫秒級數據密集型應用場景需求，從總體架構、軟硬件組成、關鍵技術3個方面介紹了基于敏捷智能計算技術的“雨燕”系統。該系統已在風電設備中得到驗證性應用，提升了用戶優化風機運維檢測能力，減少停機損失，降低運維成本，同時展望了依托敏捷智能集群計算技術實現從單體風機智能運維到大規模風場智能運營的智慧風電應用前景。
中圖分類號： TP393
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201331
中文引用格式： 方科，寧琨，潘靈. “雨燕”敏捷智能計算系統及應用研究[J].電子技術應用，2021，47(4)：9-16，23.
英文引用格式： Fang Ke，Ning Kun，Pan Ling. Research and application on agile intelligent system named “SWIFT”[J]. Application of Electronic Technique，2021，47(4)：9-16，23.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.201331
中文引用格式： 方科，寧琨，潘靈. “雨燕”敏捷智能計算系統及應用研究[J].電子技術應用，2021，47(4)：9-16，23.
英文引用格式： Fang Ke，Ning Kun，Pan Ling. Research and application on agile intelligent system named “SWIFT”[J]. Application of Electronic Technique，2021，47(4)：9-16，23.
Research and application on agile intelligent system named “SWIFT”
Fang Ke1，Ning Kun2，Pan Ling1
1.Sichuan Key Laboratory of Agile Intelligent Computing，Chengdu 610036，China； 2.Dongfang Electric Wind Power Co.，Ltd.，Deyang 618000，China
Abstract： In view of the lack of sufficient computing, storage and communication network resources for computing equipment at the edge of inclement industrial environments, and the requirement for ms-level data processing response, the agile intelligent system named “SWIFT” was introduced from the general architecture, hardware and software composition and key technology. This system has been verified in wind power equipment, which improves the user′s ability to optimize wind turbine operation and maintenance detection, and reduces downtime loss and operation cost. At the same time, it also discussed that the agile intelligent cluster computing technology could be applied in not only intelligent operation and maintenance of single wind turbine，but also the intelligent operation of large-scale wind farm.
Key words : edge computing；operations and maintenance；intelligent clustering；wind power
0 引言
隨著全球工業數字化浪潮的到來，5G、AI、大數據等新技術不斷涌現。智能計算正在興起，成為“新基建”當中與工業互聯網、物聯網等行業系統的重要結合點和改變數據信息服務模式的關鍵創新之一，有望帶來更多的顛覆性業務模式[1]。
許多企業已經針對工業資產實現了數字化，并通過建立集中的物聯網平臺來收集、處理和分析這些資產數據。但行業智能時代，除了需要對海量數據分析以實現各種智能場景外，更需要不斷優化計算力，使其能匹配行業數字化帶來的數據爆炸式處理壓力[2-4]。鑒于部分工業所處惡劣邊緣環境(例如海上石油勘探平臺、風電)往往缺乏充足的計算存儲和網絡資源，但又具有典型的超實時毫秒級數據密集型應用場景需求，僅依靠邊緣計算技術是無法適用于機器學習和深度學習模型的[5-9]。若能進一步建立深度學習計算框架對應用場景提供實時決策能力，擴展數據邊緣性低延遲計算能力，提高非傳統計算硬件的利用率，比如數字信號處理器(DSP)、現場可編程門陣列(FPGA)、多核CPU等，則可從這些工業應用中獲取更多的價值。
本文詳細內容請下載：http://m.xxav2194.com/resource/share/2000003456
作者信息：
方 科1，寧 琨2，潘 靈1
(1.敏捷智能計算四川省重點實驗室，四川 成都 610036；2.東方電氣風電有限公司，四川 德陽618000)
此內容為AET網站原創，未經授權禁止轉載。