前面很多老師講了工業(yè)互聯(lián)網(wǎng)的內(nèi)涵，現(xiàn)在大家的網(wǎng)絡(luò)化、平臺化、新模式是非常認(rèn)同的。工業(yè)互聯(lián)網(wǎng)平臺是在數(shù)字化、網(wǎng)絡(luò)化、智能化以后形成的面向未來、泛在連接、彈性供給、高效配置，我認(rèn)為它的核心是人機(jī)物泛在互聯(lián)和深度融合情況下的數(shù)據(jù)驅(qū)動的智能化，這是代表未來人工智能深度發(fā)展的趨勢。

　　工業(yè)互聯(lián)網(wǎng)的價值和問題很明確，價值上我們看到的優(yōu)勢以外，問題是問絡(luò)空間的架構(gòu)，數(shù)據(jù)科學(xué)，機(jī)器學(xué)習(xí)、人工智能應(yīng)用，還有網(wǎng)絡(luò)空間安全的問題，這些年來從三網(wǎng)融合，到時空關(guān)聯(lián)，到平行演進(jìn)，包括自感知，自學(xué)習(xí)、自診斷、自控制，從過去的互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的形態(tài)，向未來以人工智能為驅(qū)動的方向發(fā)展。

　　工業(yè)互聯(lián)網(wǎng)趨勢下，人工智能在工業(yè)互聯(lián)網(wǎng)一定需要和行業(yè)的需求結(jié)合，和行業(yè)的經(jīng)驗和知識結(jié)合，只有這樣才能把我們的工業(yè)互聯(lián)網(wǎng)的應(yīng)用推向更深入的方面。把知識驅(qū)動的主動智能方向發(fā)展，我提的是能源互聯(lián)網(wǎng)，能源互聯(lián)網(wǎng)是工業(yè)互聯(lián)網(wǎng)重要的領(lǐng)域，是能源方面的分支。我們國家從2009年的智能電網(wǎng)建設(shè)開始，當(dāng)時追隨美國的步伐，我們走到了世界前列，最近我們提出我們要建設(shè)世界一流的能源互聯(lián)網(wǎng)，過程當(dāng)中我們有智能電網(wǎng)的基礎(chǔ)來支撐我們構(gòu)建未來新一代的能源互聯(lián)網(wǎng)。這也是工業(yè)互聯(lián)網(wǎng)的一個典型的應(yīng)用案例。

　　能源互聯(lián)網(wǎng)能夠?qū)崿F(xiàn)一個系統(tǒng)智能，多能協(xié)同、信息對稱、供需分散、扁平管理、交易開放等，所以我們還有很長的路要走也是我們國家推動能源革命的重要的技術(shù)支撐平臺，所以說，大量的研究技術(shù)研究、產(chǎn)品都在朝著這個方向發(fā)展。

　　我們之所以能夠做能源互聯(lián)網(wǎng)，因為有兩個基礎(chǔ)，過去很長時間的物聯(lián)網(wǎng)的基礎(chǔ)，包括能源的生產(chǎn)端、傳輸端、消費(fèi)端，數(shù)以億計的海量裝備和熟練，形成的數(shù)據(jù)，為我們后來的人工智能的應(yīng)用，挖掘處理決策等，包括可視化提供了一個非常好的契機(jī)。

　　能源互聯(lián)網(wǎng)將實現(xiàn)一個電力系統(tǒng)能量流、信息流和價值流的重新整合，這也符合工業(yè)互聯(lián)網(wǎng)發(fā)展的趨勢。人工智能的內(nèi)涵和外延也有普遍的闡釋，共識是基礎(chǔ)條件已經(jīng)成熟，人工智能工業(yè)級的應(yīng)用，未來的十年當(dāng)中很可能成為顛覆的技術(shù)。人工智能應(yīng)用除了前面提到的應(yīng)用領(lǐng)域之外，還有新一代人工智能2.0，2017年的時候國發(fā)的人工智能的綱要，以高級機(jī)器學(xué)習(xí)、大數(shù)據(jù)、云計算為核心，重點突破感知智能、計算智能和認(rèn)知智能領(lǐng)域技術(shù)，并將其應(yīng)用到工業(yè)和很多民用的領(lǐng)域。

　　人工智能的應(yīng)用有一個特點，就是它跟我們的行業(yè)場景應(yīng)用是非常耦合的，場景是密集相關(guān)的。在工業(yè)互聯(lián)網(wǎng)的背景下人工智能將給新能源電力系統(tǒng)帶來什么樣的挑戰(zhàn)和機(jī)會？現(xiàn)在的能源系統(tǒng)也有很多挑戰(zhàn)，包括人工智能提供了新的手段。他們之間在技術(shù)上，需求上有哪些可以相互之間交流的地方？前幾年做了一些簡單的工作，工業(yè)互聯(lián)網(wǎng)背景下，針對能源互聯(lián)網(wǎng)系統(tǒng)優(yōu)化、可靠和安全運(yùn)行的挑戰(zhàn)，從優(yōu)化控制到電氣信息的角度開展，比如多類型能源高度耦合，這是一個很明顯的問題。所以我們需要實現(xiàn)一個自動化甚至智能化的調(diào)度和能量適配的手段和方法。

　　第二是風(fēng)電、光伏、大型的輸電線路發(fā)展得非常快，我們現(xiàn)在的新能源基礎(chǔ)設(shè)施規(guī)模龐大，傳統(tǒng)的運(yùn)維手段失效了，所以我們引入了新的智能化的高效運(yùn)維手段。第三，電力信息在相互支撐的過程當(dāng)中不再融合了，信息安全和網(wǎng)絡(luò)空間的問題。舉幾個例子，比如在家庭當(dāng)中，家庭能量管理當(dāng)中，這是一個小范圍的冷熱電器，包括不同能源的交匯的地方，能夠滿足家庭周圍的光伏、小型的風(fēng)機(jī)、同時能夠滿足用戶的需求。我們用了一個相對來說有人工智能的特色，但是弱人工智能的方式，我們實現(xiàn)了預(yù)測，采用遺傳算法，就解決了，這并不是特別復(fù)雜，因為范圍比較小。

　　我們得到的結(jié)果發(fā)現(xiàn)效果很好，投入這樣的方式，負(fù)荷控制、儲能單元的管理變得非常簡單，它的好處就是我們不需要建立精確的模型，需要對未來的預(yù)測有精準(zhǔn)的把握。這種情況下我們專門針對預(yù)測不準(zhǔn)，受天氣的影響比較大，算法可靠性怎么樣？我們也做了魯棒測試。它的性能會有下降，但是還是比傳統(tǒng)的方式要好很多。

　　第二是國內(nèi)的海島很多，比如上面有一些工業(yè)生產(chǎn)的過程，也有電源的來源，脫離在主網(wǎng)之外。這也包括一些典型的光伏、風(fēng)機(jī)，包括柴油發(fā)電機(jī)，還有鹽水淡化的裝置。這些處理是波動性很大的，很難預(yù)測，宋老師也提到了，很難建立精確的模型，基于模型很難奏效，我們用了一個比較簡單的模糊推理的方式。

　　我們制定了一個模糊表，根據(jù)我們的運(yùn)行經(jīng)驗，我們把它變成一個規(guī)則，我們找到了變量和決策之間的關(guān)系。通過這樣的效果，我發(fā)現(xiàn)結(jié)果比較好，通過模糊推理的方式，避免或者規(guī)避了求一個模型才能控制的局面。

　　基于數(shù)據(jù)驅(qū)動的方式，大大增強(qiáng)了能量調(diào)度的適用性。第三就是非常龐大的輸電線路，我們采用無人機(jī)作為輔助手段，采集大量的數(shù)據(jù)，我們發(fā)現(xiàn)這些圖像非常難分析，有兩個問題。第一是特征難以表達(dá)，第二是形態(tài)各異，第三是干擾因素比較多，光線、背后的背景，相對運(yùn)動的隨機(jī)性等，都會對我們的分析產(chǎn)生一定的問題，不能依賴于人，我們要用智能化的方法來解決。

　　大量的研究難以獲取真實的樣本，這阻礙了采用一些智能化手段。我們采用的一些解決方法就是高效增廣，比如用虛擬仿真、對抗學(xué)習(xí)的方法，生成更多的仿真樣本，原有樣本的不足，解決樣本不足的問題、分不平衡的問題。然后我們再做一些深度的特征分析，以及判斷，這都提供了一些解決，這是我們當(dāng)時做的工作。效果還是很明顯的，我們知道可見光、紫外、紅外，針對不同項目的原件，都有圖像特征，我們通過這樣的方式，增加樣本，然后采用不同的訓(xùn)練的模型嘗試，后面發(fā)現(xiàn)效果還是很好的。故障的特征可以很精確地表達(dá)出來，識別效率也比較高。

　　風(fēng)力發(fā)電軸承的故障是76%，齒輪故障是17.1%，我們做得不同，我們是基于振動，也就是運(yùn)行過程當(dāng)中采集的振動信號來研究和分析產(chǎn)生了什么故障，哪里發(fā)生了故障，故障的程度怎么樣。我們前期在沒有獲取數(shù)據(jù)之前用了一些仿真信號，我們驗證我們的方法是否有效，我發(fā)現(xiàn)初步可以達(dá)到比較好的效果。我們再轉(zhuǎn)移到了平臺上，就是我們后面有一個自己的機(jī)械平臺，來模擬我們風(fēng)力發(fā)電機(jī)組的缺陷。

　　向量機(jī)的分析，從概率上可以獲得它是某一個類型故障的比例或者可能性，這樣可以對我們做運(yùn)維決策有很大的幫助。真實風(fēng)機(jī)，我們把效果驗證完畢之后集成到了風(fēng)力發(fā)電廠的系統(tǒng)當(dāng)中，這樣我們從遠(yuǎn)程可以實現(xiàn)對這個故障的診斷和早期的預(yù)警。我們還做了一些光伏組件，它很龐大，地理分布也非常地不規(guī)則，人為巡檢非常困難，在這種情況下，我們的組件巡檢特別嚴(yán)重，影響到了我們發(fā)電站的質(zhì)量。

　　比如說熱板、隱裂、蝸牛紋、組件破損什么的，后來通過無人機(jī)，我們采集了很多圖像，然后我們基于訓(xùn)練出來的模型，然后來輔助決策出現(xiàn)了哪一種故障，情況怎么樣，效果非常好，對五種典型的表面缺陷的診斷可以達(dá)到92%以上。還有一個就是安全防護(hù)的問題，我們做了嘗試，電力和信息系統(tǒng)相吻合的情況下，電力系統(tǒng)會出現(xiàn)未知威脅。

　　2015年烏克蘭發(fā)生了大停電事故，因為首次采用了網(wǎng)絡(luò)協(xié)同的方式，來實現(xiàn)了一個組合拳的攻擊。網(wǎng)絡(luò)攻擊手段達(dá)到了非常高的水平，現(xiàn)有防范水平不可能具有絕對的防御能力。我們國家特別龐大，我們整個支撐電力系統(tǒng)運(yùn)行過程當(dāng)中專網(wǎng)是非常大的，基本上規(guī)模是世界上首位的。

　　我們現(xiàn)在的光纖覆蓋率，連接程度也是非常大，在這種情況下我們控制的安全、網(wǎng)絡(luò)的安全、數(shù)據(jù)的安全，都面臨前所未有的威脅，這種情況下我們做了一些嘗試，比如智能化變電站當(dāng)中，增加了它的操作性。但是由于它用了IEC 61850標(biāo)準(zhǔn)協(xié)議，我們考慮到當(dāng)你受到攻擊或者網(wǎng)絡(luò)出現(xiàn)問題的時候，流量會發(fā)生變化，從流量檢測的角度我們看是不是可以診斷出一些問題。然后建立了一個構(gòu)建了一個網(wǎng)絡(luò)流量評價的模型，我們事實上是可以一定程度上把屬于異常流量的把它分離出來，這樣的話我們可以第一時間發(fā)現(xiàn)異常。

　　再有就是輸電泄露當(dāng)中，它的控制很大程度上取決于我們的廣域量測系統(tǒng)，這個時候如果我針對它的廣域量測系統(tǒng)攻擊的話后果不可設(shè)想，尤其是虛假數(shù)據(jù)的注入攻擊。我注入了虛擬數(shù)據(jù)，直接導(dǎo)致我后面的狀態(tài)估計是錯誤的。在這種情況下我就無法保證安全。

　　我們考慮網(wǎng)絡(luò)攻擊威脅的情況下，如何去配置和安防量測單元，來決定它能夠達(dá)到一定的冗余，或者對系統(tǒng)安全性的保障。再一個就是剛才提到的，之江實驗室主要的目的是在未來的網(wǎng)絡(luò)，泛化人工智能泛在信息安全、無障感知互聯(lián)、智能制造與機(jī)器人開展研究，在鄔院士提出的擬態(tài)防御理論體系的指導(dǎo)下，基于異構(gòu)、冗余、動態(tài)的思想的擬態(tài)防御理論在工業(yè)控制系統(tǒng)，特別是應(yīng)用于電力系統(tǒng)的最有防御策略和形式化驗證方法。

　　工業(yè)互聯(lián)網(wǎng)不是一張信息網(wǎng)，而是支撐泛在連接、彈性供給、高效配置的開放式平臺，未來人工智能要跟行業(yè)結(jié)合，才能發(fā)揮更大作用，同時人工智能是更大的支撐平臺。這是我總結(jié)的未來工業(yè)互聯(lián)網(wǎng)出現(xiàn)的超級特性，規(guī)模特別大，系統(tǒng)超級異構(gòu)，比如混合組網(wǎng)模式，端到端服務(wù)質(zhì)量，互操作能力，還有工業(yè)互聯(lián)系統(tǒng)超高靈活性能，超高的性能，比如數(shù)據(jù)的可靠、可靠的傳輸、高效計算，謝謝。