這一德國電氣巨頭正在利用 AI 技術助力發電廠客戶管理其設施。
隨著能源市場的快速變化，AI 技術正在幫助全球各個城市保持燈火通明。
西門子能源公司正在發揮 NVIDIA Triton 推論伺服器的強大力量，利用 AI 協助解決全球發電廠在預測性服務管理方面的擔憂。
這家能源巨頭加入了微軟、美國運通、USPS 和許多其他公司的行列，依靠開源軟體 Triton 的深度學習能力，通過簡化模型在任何框架以及任何 GPU 或 CPU 上運行所有類型的推論方式，將 AI 用於生產環境。
西門子能源公司是發電廠設備和技術的領導供應商，需要維護大量的機器和服務場所，而他們的服務切實幫助全球各地保持燈火通明。其現有客戶群涉及到數以萬計的西門子燃氣輪機、蒸汽輪機、發電機、汽油和柴油發動機，需要管理的活動及案件數量驚人。
更加複雜的是，可再生能源越來越多地融入電網，這給世界各地的發電廠造成了壓力，要求他們在 AI 的幫助下更加靈活和有效率地營運。
西門子能源公司產品經理 Arik Ott 表示：“如今，為了保持電網穩定，需要許多此類的聯合發電廠，因此有些電廠會在相當長一段時間內停止服務，然後在需要電網穩定性時投入使用。”
自主發電廠
為了提高能源合作夥伴的效率，西門子能源公司正在利用 NVIDIA Triton，依靠AI 開拓一條通往自主發電廠的道路，並在此過程中降低成本。
並不是一項容易完成的任務。如今，數百種不同類型的檢查需要通過人工方式巡查，並且需要領域內的專業知識。許多發電廠不再處於持續運行模式，也不需要始終保證全員到位，這引發了人們對營運成本的擔憂和遠程管理的需求。
此外，Ott 表示，歐洲的勞動力正在面臨老齡化，預計未來十年將有許多人退休，而且很難找到擁有合格技能的勞動者補充空缺。
全球發展中心估計，與 2015 年相比，2050 年的歐洲適齡勞動人口將減少 9500 萬。
Ott 說：“考慮到我們沒法找到全部必要的人才，我們希望技術能夠彌合專業技能方面的缺口。”
西門子能源公司支持基於現場攝影機拍攝的圖像和其他用於分析的感測器數據運行各類機器學習。因此，它需要一個高度可擴展的推論解決方案 – 以處理數以百萬計的感測器，並且需要能夠支援多個框架和海量的輸入流。
西門子能源公司之所以選擇 Triton 進行推論，是因為它能夠滿足多框架和多模型的要求。數據科學家現在可以為不同的模型和輸入 (如圖像、影像和聲音) 選擇不同的框架 (如 PyTorch、TensorFlow、ONNX 等)。
西門子能源公司在 AWS 上運行 NVIDIA Triton, 以實現大規模和多租戶部署，並計劃在數據無法移出發電廠的邊緣地區運行。
“高度複雜的發電廠通常會配備攝像機和感測器，但採用的卻是傳統軟體系統，NVIDIA Triton 推論伺服器出色的靈活性能夠讓這些發電廠加入當前正在推進的自主工業革命，”Ott 表示。
AI 助力提升工業效率
AI 能使任何類型的發電機組提高業務連續性，它讓一切能夠保持正常運轉，並且可以降低成本。
這對能源供應商來說非常重要，因為可再生能源大量湧入電網意味著，發電廠不再全天候供電，這造成了人員過剩的問題。如果某個現場不在線，遠程管理和集中派遣服務人員可以控製成本。
然而，當今的現場人員在對發電廠進行巡查期間，會進行 360 多項不同的活動。與此同時，勞動力短缺是一個令人擔憂的問題，對於人口下降和勞動力老齡化的地區來說，勞動力短缺問題會更加嚴重，影響到這些關鍵任務的營運。此外，新冠肺炎也揭示出，發電廠需要為此類黑天鵝事件造成的勞動力短缺做好準備。
這種情況非常適合利用 AI 感測器，以全天候遠程監控的方式填補實際檢查的空缺，或者對實際檢查進行加強。此外，所提供的分析實現了自動化的即時監控，還使發電廠支持不同級別的 AI 自動化現場控制。
西門子股份公司自動視覺檢測解決方案架構師 Sanjukta Ghosh 表示：“我們需要一種解決方案，在不改變託管解決方案的情況下，為不同類型的分析模型提供擴展能力。”
借助 AI 減少問題
發電廠目前需要對效率和安全性進行廣泛的監控。液體、蒸汽或石油一旦洩漏並且未被注意，就可能會造成災難性的後果，並造成數百萬美元的損失。
西門子能源公司為使用數千張不同場景的圖像進行模型訓練。不同的位置和不同的照明條件僅需小規模的遷移學習即可保證模型正常工作。
此外還可以對噪音進行監控。西門子能源公司正在著手開發處理音頻數據的模型。
Triton 的模型 ensemble 還允許對圖像進行額外的預處理，例如人員匿名化。
Triton 推論伺服器的靈活性
Triton 提供了處理這些場景以及許多其他場景的靈活性。例如，它允許使用適用於多種不同情景的多個模型。
據該公司稱，一個針對室內照片訓練的蒸汽洩漏模型可以直接發揮作用，而另一個模型則針對室外蒸汽洩漏圖像進行了調配。
Triton 使得在雲端或邊緣部署輕而易舉。在無法將資料移出發電廠而需要內部部署或邊緣分析時，這非常有幫助。
如需了解更多資訊，請關注西門子能源公司在 NVIDIA GTC 的小組會議上發表的座談 (A31087)。