1、个性化个性化定制定制网络化网络化协同协同服务化服务化延伸延伸外部网络/互联网络局域网络IT网络OT网络云计算/边缘计算云计算智能化智能化管控管控端到端数据流动“工业互联网是互联网和新一代信息技术与全球工业系统全方位深度融合集成所形成的产业和应用生态，是支撑工业智能化发展的综合信息基础设施。”网络化：实现机器、材料、控制系统、信息系统、人之间的泛在互联 平台化：通过工业云和工业大数据实现海量工业数据的集成、处理与分析 新模式：实现智能化生产、网络化协同、个性化定制和服务化延伸“互联网+”时代下,工业互联网已经成为中国基础设施产业升级的必然技术路径。核心：“人-机-物”泛在互联和深度融合下的基于数

2、据驱动的智能化工业互联网平台：面向工业数字化、网络化、智能化需求，构建基于海量数据的采集、汇聚、分析和服务体系，支撑资源泛在连接、弹性供给、高效配置的开放式云平台。工业工业APPAPP基于PaaS平台开发工具、行业机理模型开发形成的应用服务（本质：面向特定场景的智能化行业解决方案）工业工业PaaSPaaS系统设备、业务软硬件资源的灵活调配和高效管控（本质：实现资源管控的“工业操作系统”）工业工业IaaSIaaS边缘层边缘层工业信息物理系统计算、网络、存储等系统资源的虚拟化（本质：工业互联网资源池）应用服务应用服务传感装置、异构网络、边缘计算支撑下的实时、可靠数据采集（本质：工业系统状态的全面感

3、知）操作系统操作系统资源管理资源管理全面感知全面感知定义传统工业云平台的迭代升级：大量工业环节和用户参与的软件生态新工业体系的“操作系统”：对等、扁平、灵活、软件定义的组织架构资源集聚共享的有效载体：多方资源汇聚下的社会化协同生产和管控国际数据公司（IDC）预测：工业互联网未来80%的终端为传感节点，90%的流量是物理信息，传输需求具有时延敏感特征，亟待对新型网络体系结构、演化机理和多源数据分析理论和网络空间安全理论开展研究。网络空间体系架构和演化问题：实时高效可靠新型网络架构及网络行为分析方法数据科学问题：多源异构、时空关联大数据分析和数据驱动决策理论网络空间安全问题：信息与物理系统一体化安

4、全防护和未知威胁防御理论价值问题三元融合（人、工业过程信息系统）时空关联（多时间尺度、多空间尺度）平行演进（工业物理系统、信息网络系统）智能涌现（自感知、自学习、自诊断、自愈、自控制、自趋优）数字化、网络化、弱智能化（互联网、物联网）自主智能化（自主智能化（AIAI）全球工业互联网生态格局正在加速形成（美国、欧洲、日本、韩国等）通过对工业数据的全面深度感知、实时传输交换、高效计算手段和高级建模方法，实现工业应用中控制模式、资源管控、运营维护等生产组织方式的颠覆式变革工业互联网和场景化的人工智能技术正逐步融合，由“全过程数字化集成和自动化”向“信息网络支撑的互联智能”，继而向“知识驱动的自主智能

5、”演进（来源：中国信通院、工业互（来源：中国信通院、工业互联网产业联盟，余晓晖总工）联网产业联盟，余晓晖总工）趋势联合国“商业与气候”峰会：全球能源互联网 清洁发展的必由之路可持续发展首席执行官理事会：构建全球能源互联网 实现能源可持续发展的必由之路中国电机工程学会年会：构建全球能源互联网 推动能源与环境协调发展与美国前财长鲍尔森会谈：首次提出构建全球能源互联网全球可持续电力合作组织2014年峰会：构建全球能源互联网IEEE电力与能源协会年会：构建全球能源互联网，服务人类社会可持续发展IEEE科普论坛：论全球能源互联网联合国气候峰会企业家论坛：构建全球能源互联网、促进绿色低碳发展。福布斯杂志：

6、为实现可持续发展建设全球能源网络全球能源互联网专著在北京发布人 民 政 协 报：落 实“一带一路”战略 构建全球能源互联网概念提出理论形成成果发布特 高 压 交 流试 验 示 范 工程投运智能电网全面开工建设全球能源互联网清洁化 电气化网络化 智能化统筹协调两个替代可持续发展 能源互联网是互联网与能源生产、传输、存储、消费和能源市场深度融合的能源产业新形态，具有系统智能、多能协同、信息对称、供需分散、扁平管理、交易开放等特征。定位定义 能源互联网是是我国推动能源革命的重要技术支撑平台，以电力系统为核心的多类型能源网络（煤炭、石油系统、供热系统、天然气供应系统）高度耦合下，实现能源互联互通、综合

7、优化利用的资源配置中心和枢纽。能源互联网具有工业互联网的典型特征和需求，是工业互联网的重点应用领域电力系统电力系统能源互联网能源互联网新能源新能源电力系统电力系统 物联基础：采用先进的传感、控制、通信等实现能源生产端、传输端、消费端数亿计海量装置（计量、保护、检测、控制）、设备（一次）以及子系统的泛在互联。数据基础：可获取设备运行数据、气象数据、电网数据、电力市场数据等，基于海量数据存储、基于人工智能的挖掘、处理、分析和可视化，全面感知系统态势，优化能源生产和能源消费端的运行效率，实现需求和供应实时动态适配和友好互动。以智能电网为技术基础，以智能化技术和服务为支撑，高效处理发、供、用电侧的多维

8、数据信息，实现能源供需优化动态配置和互动。能源互联网将重建现有能源交易体系，大幅提升能源的生产和使用的效率，实现能源信息的交易融合。（来源：国网信通公司）能源互联网将实现新能源电力系统能量流、信息流和价值流的重新整合！“那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化”Bellman,1978；“是一种计算机能够思维，使机器具有智力的激动人心的新尝试”Haugeland,1985；“是那些使知觉、推理和行为成为可能的计算的研究”Winston,1992；“是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流的行为”Nilsson，1998；“像人一样思考的系统、像人一样行动

9、的系统、理性地思考、行动的系统”Stuart Russell,2003；人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门交叉性极强的技术科学。人工智能发展历史：热潮和严冬交替出现当前普遍共识：基础条件成熟，人工智能工业级应用爆发在即！未来10年，人工智能将成为最具颠覆性的技术之一，成为新一轮科技和产业变革的重要驱动力。“人工智能的内涵包括脑认知基础、机器感知与模式识别、自然语言处理与理解、知识工程四个方面”内涵“是机器人与智能系统智能科学的应用技术，如工业机器人、农业机器人、服务机器人等各类机器人，以及智能交通、智能制造、智慧医疗、智慧城市等”外延脑认知基础：

10、阐明认知活动的脑机制，包括分子、细胞、神经回路、脑组织区实现记忆、计算、交互等认知活动，以及如何模拟这些认知活动。它包括认知心理学、神经生物学、不确定性认知、人工神经网络、统计学习、机器学习、深度学习等内容。机器感知与模式识别：研究脑的视知觉、以及如何利用机器完成图形和图像的信息处理和识别任务，如物体识别、生物识别、情境识别等。在物体的几何识别、特征识别、语义识别中，在人的签名识别、人脸识别、指纹识别、虹膜识别、行为识别、情感识别中，目前都已经取得巨大成功。自然语言处理与理解：研究自然语言的语境、语用、语义和语构；大型词库、语料和文本的智能检索，语音和文字的计算机输入方法，词法、句法、语义和篇

11、章的分析，机器文本和语音的生成、合成和识别，各种语言之间的机器翻译和同传等。知识工程：研究如何用机器代替人，实现知识的表示、获取、推理、决策，包括专家系统、机器博弈、数据挖掘和知识发现、不确定性推理、领域知识库；还有数字图书馆、知识图谱等大型知识工程。新一代人工智能（人工智能2.0）（国发201735号）新一代人工智能以高级机器学习、大数据、云计算为核心，重点突破感知智能、计算智能和认知智能领域技术，以更高水平接近人的智能形态存在，主要特点包括:从人工知识表达到大数据驱动的知识学习技术从分类型处理的多媒体数据转向跨媒体交互从追求智能机器到高水平的人机协同从聚焦个体智能到基于网络的群体智能技术从

12、拟人化机器人转向更加广阔的智能自主系统新形势挑战与机遇人工智能技术应用与行业场景密切相关！工业互联网背景下，人工智能将给新能源电力系统带来什么？通过新一代人工智能技术与能源互联网的深度融合，将逐步实现智能传感与物理状态相结合、数据驱动与机理模型相结合、辅助决策与运行控制相结合，从而有效提升驾驭复杂系统的能力，提高电力系统运行的安全性和经济性。多类型能源高度耦合新能源设施规模日益庞大电力信息系统深度融合在工业互联网背景下，针对能源互联网系统优化、可靠和安全运行的挑战，从优化控制和电气信息的角度开展研究：能量协同调控困难信息攻击威胁凸显传统运维手段失效需要实现优化调度和能量自动适配需要引入智能化高

13、效运维手段需要信息和网络攻击快速识别和预警家庭多能互补集成供能系统中分布式电源（光伏、风电）、家庭负荷、储能间的协同增效和自适应优化调度 建立以减少用电成本与寻求电量供需平衡为双重目标的多目标整数不等式规划问题，基于对实时电价和分布式电源出力的预测，采用遗传算法搜索最优的“DG-负荷”供需关系和柔性负荷用电时段以匹配DG供电状况 采用迭代自动寻优算法以RTP为调节杠杆，转移部分负荷的工作时段以降低从电网处的购电费用；采用分段判断方式搜索最优“DG-蓄电池-负荷”能量供应，通过蓄电池的充放电动作动态转移DG供电量来适配负荷需求大电网大电网RTP太阳能太阳能风能风能HAN蓄电池蓄电池控制器控制器负

14、荷负荷负荷负荷负荷负荷刚性负荷刚性负荷不可中断负荷不可中断负荷可中断负荷可中断负荷能量流动能量流动负荷控制负荷控制储能控制储能控制0:003:006:009:0012:0015:0018:0021:0024:0044.555.566.5RTP(cents/KWh)Time(h)012345DG Energy(KW)RTPSolar powerWind power家庭集成供能系统中分布式电源和动态电价家庭集成供能系统中分布式电源和动态电价结论1：在满足电力约束和电量波动的条件下，根据DG、RTP、储能状态信息，合理规划家居用户侧包含可中断负荷与不可中断负荷的柔性负荷用电时段，以储能装置充放电决策

15、为调控手段，充分调整和利用DG的发电量，以寻求最高经济效益，降低系统用电均峰值，实现系统内用户所需支付电费最低与DG供电充分使用的双重有效优化；结论2：通过建立以减少用电成本与寻求电量供需平衡为双重目标的多目标遗传算法整数规划问题，根据可中断负荷与不可中断负荷的不同工作特性，可分段执行交叉变异策略，降低算法复杂度，兼顾全时段电能供需最佳适配。0:003:006:009:0012:0015:0018:0021:0024:00-6-4-20246时间(h)充放电功率(KW)020406080100SOC(%)未经电网的充放电电网对电池的充电电池整体的充放电电池荷电状态SOC基于负荷控制和储能控制的

16、供需适配程度随机工作和储能介入下的能量供需适配程度含负荷控制的储能充放电过程预测不确定情形下的算法可靠性0:003:006:009:0012:0015:0018:0021:0024:003.544.555.566.57时间(h)实时电价(/KWh)误差范围RTP日前预测值RTP真实值0:003:006:009:0012:0015:0018:0021:0024:002345678时间(h)分布式发电(KW)误差范围DGs日前预测值DGs真实值电价、分布式发电量预测误差（实际误差、人为设定误差）0:003:006:009:0012:0015:0018:0021:0024:00012345678时间

17、(h)DG 利用量(KW)DG 使用量DG 供电量0:003:006:009:0012:0015:0018:0021:0024:00-1-0.500.511.5时间(h)充放电功率(KW)00708090100SOC(%)未经电网的充放电电网对电池的充电电池整体的充放电电池荷电状态SOC0708090055403个月的不同天(day1-day90)每日购电费用（美分）预测精确时的购电费用存在预测误差时的购电费用95%=26.850%=19.095%=14.850%=8.5三个月每日购电费用比较结论3：最优调度策略是基于日前决策，

18、采用的也是预测数据，故当真实值与预测值存在偏差时，调度效果将会略有降低。实验结果证明：算法设计在不确定因素下具有较好的可靠性，精确预测可以完全达到预期的能量管理和调度效果。基于负荷控制及储能控制的DG利用量储能充放电过程风光柴储及海水淡化系统海岛微电网系统（包含风光储柴和海岛盐水淡化系统）挑战：海岛微电网系统中存在的光伏、风机等设备的运行状态受天气等外部条件影响严重而普遍存在波动性、随机性、难预测性以及由此带来的离网状态下系统供用电设备之间存在的负荷匹配困难等问题。目标：采用模糊决策方法，通过实时采集系统的供用电负荷关系、海水淡化系统的淡水储量及储能单元的荷电状态作为决策系统的控制输入，实现多

19、目标优化控制。浙江大学摘箬山岛外海实试基地（浙江大学科技部863课题“风光流混合供电控制系统”）浙江舟山摘箬山孤岛微网测试系统：总容量3.5 MW,含光伏 320kW,风机1.7MW,海流能100kW,混合储能系统(ESS)：电池储能1MW，超级电容 250KW针对上述海岛环境及其微电网配置，选择各采样时刻的供用电负荷关系(GCR)作为控制器输入，模糊变量子集为5级。盐水淡化过程中淡水池中剩余的淡水量(RAF)和蓄电池组的荷电常数(SOC)也分别被模糊成包含3个元素的模糊向量，与GCR一起作为专家决策的依据。-400-300-30040000.51(Kw)NB NS

20、 ZO PS PB050000.51(Ton)LRAF MRAF HRAF0070809010000.51(%)LSOC MSOC HSOC模糊决策控制变量间关系（Control surface）模糊规则表模糊控制框图00:00:0006:00:0012:00:0018:00:0000:00:0002004006008001000TimePower(KW)Solar energyTotal renewable powerTotal generated powerBaseline industrial demandWind energy00:0006:

21、0012:0018:0024:00020406080100TimeEfficiency of renewable energy(%)Energy efficiency improved with strategyRenewable energy use efficiency w/o stratety0 50 70000.20.40.60.81Membership functionsLRAF MRAF HRAF 00:0006:0012:0018:0024:00Ton Time Expected lower bound(70 Ton)Expected upper bound

22、(150 Ton)Real-time water level dynamics 结论：采用基于规则的模糊推理方式，将柴油发电机启停，海水淡化设备开机台数，储能设备工作状态(充电、放电、无动作)等离散量作为决策结果，可直接实现设备运行控制和管理；无需建立风机、光伏、储能等设备数学模型和对设备工作状态进行预测，而只需实时采集系统工作状态数据，基于数据驱动的方法大大增强了能量调度的准确性和适用性。海岛分布式发电资源情况可再生能源利用效率对比储能系统状态分析盐水淡化系统可靠运行盐水淡化系统可靠运行海岛供电海岛供电-负荷适配度负荷适配度注：设系统初始条件注：设系统初始条件下淡水池中有剩余淡下淡水池中有剩

23、余淡水量为水量为6060吨；储能单吨；储能单元元SOCSOC状态为状态为50%50%，总，总储量储量500kW500kW。背景1：中国电网规模已经跃居世界第一，110 kV以上电力线路已达到近51.4 万公里。每年电力行业整体投资约为1000亿元，其中硬件设施为73%，输电设备比重不断加大；背景2：通常100公里的巡线工作需要20个巡线人员工作1天才能完成，随着电网规模扩大，巡线维护繁重程度和巡检自动化需求日益凸显。国家电网公司出台国家电网公司输电线路直升机、无人机和人工协同巡检模式试点工作方案，明确要求建立无人机和人工巡检相互协同的新型巡检模式。核心挑战：巡检对象故障特征难以表达和辨识。输变

24、配电设备视觉检测中普遍存在：图像视频背景复杂性、多干扰因素(光照、遮挡、尺度及旋转等)、相对运动随机性及相似目标难判别，缺陷难表达，和深度模型泛化能力弱等难点问题现有图像特征提取普遍在小样本集或私有样本集上进行，尚无公开图像数据库供学术研究使用，样本库扩充成为急需解决的问题基于人工智能技术，有机协调数据驱动和模型驱动，并结合逻辑、先验和知识，研究巡检图像视频的处理、分析及理解的方法，并研究相关实际系统等，实现电力设备表面视觉缺陷智能检测复杂非结构环境下的输电线路设备巡检绝缘子串图像分割效果图（玻璃、陶瓷）在端对端目标识别算法结构中植入特征聚合方法，建立融合人工特征的深度卷积神经网络来改善对动态

25、非结构化环境中的不同类型目标识别的实时性和准确性；采用样本增广技术来实现图像样本构建，在物理结构和国家标准基础上，构建多种电气元件的结构模型，考虑非结构化动态环境（季节、天气、背景、材质、电压等级、放置形态等）因素，生成复杂背景与干扰下的模拟图像。解决思路：以图像训练样本高效增广（虚拟仿真、对抗学习）方法为突破口，解决样本不完备、分布不平衡问题；利用深度卷积神经网络学习能力，融合人工特征提取来实现图像特征的鲁棒性表达，为输电线路设备智能化巡检提供基础。基于卷积神经网络特征聚合的电力元件检测不同背景、不同视距情形下的识别能力检测基于多显著性集成的绝缘子目标识别图像显著性检测是根据视觉系统中的注意

26、力机制发展而来一种图像处理技术，可对图像中复杂的信息进行简单的分类，起到信息过滤的作用，是解决计算机视觉中许多问题的重要途径。元件表面缺陷的图像深度特征提取基于图像特征学习的绝缘子识别部分测试结果背景：我国风电装机容量跃居世界第一。风电机组单机容量和风轮直径不断增大，机组受力复杂化，近年来事故频发。齿轮箱是风机传动链中关键一环，长期运行过程极易老化损伤；其中：轴承故障76%，齿轮故障17.1%LWK Failure Rate,approx.5800Turbine YearsWMEP Failure Rate,approx.15400Turbine YearsLWK Downtime,appro

27、x.5800Turbine YearsWMEP Downtime,approx.15400Turbine YearsElectrical SystemElectrical ControlOther Hydraulic SystemYaw SystemRotor HubMechanical BrakeRotor BladesGearboxGeneratorDrive Train1 0.75 0.5 0.25 0 2 4 6 8 10 12 14 16Annual failure frequency Downtime per failure(days)欧洲两大机构对超过20000台风电机组故障率/

28、停机时间的统计结果状态监测是故障诊断的基础，目前应用于风电机组的监测方式主要有：振动监测、油液监测等，而风电机组传动系统通常使用振动监测方式。滚动轴承：故障类型（磨损、疲劳、断裂、变形），故障频率（内圈、外圈、滚动体故障频率）齿轮：故障类型（断齿、点蚀、齿面胶合）；故障频率（啮合频率）（来源：National Renewable Energy Laboratory，NREL）仿真实验（线性/非线性混叠）1012023(0.25)33(0.5)3(0.75)3(cos(2)1)*sin(2)(cos(2)1)*sin(2)sin(2)*,00.25sin(2(0.25)*,0.250.5ssin

29、(2(0.5)*,0.50.75sin(2(0.75)*,0.751ttttsf tf tsf tf tf tetftetftetftet=+=+=4455sin(2)sin(2)sf tsf t=02004006008001000-202s8001000-202s202004006008001000-202s302004006008001000-202s402004006008001000-202Sample points502004006008001000-10-50510 x8001000-10-50510Sample pointx201002

30、0030040050000.20.40.60.81Frequency Hzx2Frequency HzTime ms 00500300400500600700-40-30-20-08001000-202e8001000-202e202004006008001000-202e302004006008001000-202e402004006008001000-202Sample pointe5问题：给定齿轮箱具体参数信息，基于齿轮箱振动信号诊断齿轮箱多故障问题（传感器数目较少的欠定情况）；其实质是：欠定盲源分离的齿轮箱多故障诊断问题

31、。利用盲源分离方法处理机械故障诊断问题，解决多振动源信号间的耦合。频率分布呈现明显的稀疏特性算法思路：将盲源分离问题分解为两个子问题：源信号数目估计和源信号恢复。源信号数目由经验模态分解（EMD）、奇异值分解（SVD）和K均值（K-means）聚类联合算法估计；输入信号通过短时傅立叶变换转换到时-频域。通过模糊C聚类估计混叠矩阵，恢复源信号采用最小化l1范数。实物平台测试实验Motor CouplingShaftAccelerometerLoad ModuleFour bearings1cos2rnfdBPFOD=21cos2DdBSFdD=Ball passing frequency out

32、er race(BPFO)and ball spin frequency(BSF)可以清晰观测到BPFO的一倍和二倍频，表明该组实验存在外圈故障可以清晰观测到BSF的1-4倍频，表明该组实验存在滚动体故障；滚动体故障信号在故障频率处的幅值远大于外圈故障幅值，由于两者故障程度不同导致的。x1x2xn.Original sensor measurementf1=f2=fn=.Feature constructionEEMDModel 1Model 2Model n.SVM trainingModel constructionDiagnostic resultSynthesisf=Additiona

33、l featuresInputEEMD-SVM training processOnline vibration signal collection 解决思路：基于集合经验模态分解（EaEMD）和支持向量机（SVM）。利用总体经验模态分解将输入信号分解为一系列本征模态函数（intrinsic mode function,IMF）；选取起主导作用的本征模态函数，并计算它们的近似熵和能量比作为信号特征，再将信号特征向量输入支持向量机加以训练得到分类模型。Case Western Reserve University(CWRU)testbed3种故障类型：IRF,ORF，BF和2种故障位置：DE a

34、nd FEZJU testbed G2B3B1G1B2P4P5P3P2P1PWE1577风机齿轮箱中滚动轴承故障频率PWE1577内部结构复杂，具有较多的滚动轴承和齿轮。表中列出了PWE1577齿轮箱中所有滚动轴承的型号及其四种故障频率：内圈故障频率(BPFI)，外圈故障频率(BPFO)，滚动体故障频率(BSF)和保持架故障频率(FTF)背景1：我国光伏电站施工周期短、方阵设备数量众多，导致光伏电站竣工验收难度系数很高。光伏电站面积大、自然环境恶劣、光伏电站运维人员少、人员稳定性不够等因素也给电站运维带来巨大困难。背景2：户外环境复杂多样（高温、高湿、强紫外、风沙、雪以及人为破坏），组件缺陷和

35、故障复杂：组件破碎、热斑、脱层、封装材料变色、闪蜗牛纹、背板开裂粉化、电池片隐裂碎片、焊带腐蚀和电池片氧化等已成为导致组件损坏、火灾、发电功率下降的主要因素，严重影响光伏电站经济效益和安全运行。国内光伏电站的整体质量不容乐观，其中光伏组件发电功率衰降现象较为严重，晶体硅组件三年内的衰减率在3.8%-7%之间，非晶硅电池组件衰减率则高达20%国务院发布的能源发展战略行动计划（2014-2020年）提出到2020年太阳能装机目标将达到100GW（1亿千瓦）。热斑效应：组件最佳运行温度是46+-2，温度升高10，效率会损失4%，温度升高18，效率会损失10%；组件隐裂：裂纹（平行栅线）可造成最大损失

36、面积16%25%；树状裂纹最大失效面积可达55%；蜗牛纹：引起的功率损失范围为1435。2014年山东某250MW 光伏电站30组件出现蜗牛纹现象；灰尘、遮挡：灰尘污染会大幅降低电站发电量（年均8%）。灰尘将影响光伏组件的温度、光照的遮挡，及对组件表明进行腐蚀氧化，加速光伏组件的老化，影响发电效率。组件破碎：光伏钢化玻璃破碎会造成组件的峰值功率大幅下降；影响对电池片的保护作用，水汽，氧气的渗透将加速光伏组件的老化、短路，甚至引起火灾。EVA脱落：与未发生脱层的光伏组件相比，脱层可导致约3.3%的功率降低。光伏组件物理测试平台基于电站系统无人机巡检现场采集的海量多源（可见光/红外）图像大数据，利

37、用人工智能技术有机协调数据驱动和模型驱动，并结合逻辑、先验和知识，对可视故障与红外故障数据进行融合分析，从而精准判断故障类型及其对电站发电效率的影响，为电站运维提供辅助决策。光伏电站无人机巡检系统和系统智能运维平台灰尘遮挡光伏组件原始图像样本库：模型训练集合(70%,5880 samples)、模型测试样本集(20%,1680 samples)、组件缺陷模式识别测试集合(10%,840 samples)。蜗牛纹栅线腐蚀EVA脱落黄化背景1：当前电力系统网络已不再是传统的电力设备网络，而是深度融合电力系统与信息网络而形成的呈现多维异构和高度耦合特征的电力信息物理融合系统（ECPS）背景2：201

38、5年12月23日乌克兰电网突发停电事件是由“网络协同攻击”所造成的严重停电事故，是人类历史上信息安全影响电力系统运行的里程碑事件。网络协同攻击：“采用多元化的网络攻击手段，攻击发生于信息域并明确作用于物理域目标，从时间和空间上造成电力系统停电损失最大化的组合攻击行为”结合协同化攻击的新特点，亟待从电力信息物理融合系统角度，开展从“单一攻击”转向“组合攻击”，从“定性风险”转向“定量风险评价”和从“静态防御”转向“动态防御”研究。共识1：网络攻击在内在机理上有别于电网常规故障和物理攻击，网络攻击目标性更强、不确定性更高、造成的破坏力更大共识2：电力系统的信息基础设施的脆弱性是客观存在和不可规避的

39、共识3：协同攻击的渗入手段、漏洞利用能力、传播机制和隐蔽潜伏性已具有“信息战水平”，现有安全防范体系不具备绝对抵御能力背景1：2016年12月，国网公司骨干数据通信网工程整体投入试运行，公司总部省公司地市公司数据通信带宽从622Mbps提升至10Gbps（增长64倍），已成为覆盖范围最大、承载能力最强的企业级骨干数据通信网。实现1万余座供电所(营业厅)和低压等级变电站的电力光纤专网覆盖和带宽提升，光纤专网覆盖率分别由59.4%、91.1%提升至93.7%、97.5%；背景2：2017年5-6月，国网浙江、福建电力承担的国家级230兆赫电力无线专网试点顺利通过国家工信部验收，累计完成8000余台

40、电力通信终端的规模化接入，满足清洁能源、电动汽车、分布式电源及智能电网等业务应用的数据传输需求，低压集抄和配变监测的采集成功率分别提升至99.81%和99.97%，线路故障定位及查找时间由平均4小时下降到1小时左右；电力通信基础设施规模庞大、设备众多，面临运维、管理、信息安全等方面的巨大现实挑战！通信网运行统计分析数据网流量实时监控设备缺陷综合分析通信网可靠性评价通信网故障在线预警通信网智能检修控制软件、协议标准化使外部威胁便于渗透到电网运行控制环境网络IP化、异构化和庞大规模给网络带来更大范围的安全风险数据的开放、交互和共享使数据和隐私保护面临前所未有的挑战设备数字化和智能化使关键装备和控制

41、软件面临未知网络攻击威胁网络安全数据安全控制安全设备安全例子：输电网络广域量测系统状态估计虚假数据注入攻击Communication networksInformation flowPower flowPMUPMU.PMUPMU.Local PDCRemote PDCPDC ArchivePDC ArchivePMUReal-time InterfaceRecordAnalysisSoftwareOther MonitorsSimulationProgramsPDC StreamReaderPDC StreamReaderEnergy Management System(EMS)电力输电网络广

42、域测量系统和网络状态估计G1G1G13467G82827293095201918232421G112526G132254G652244484653837363035333127285229G3G2G55543432531613GG8G9364860728496108 11800.010.020.030.040.05Increased number of PMUsDeviation IEEE 14-busIEEE 30-busIEEE 57-busIEEE 118-

43、bus028496108 11800.20.40.60.81Increased number of PMUsImpact coefficient IEEE 14-busIEEE 30-busIEEE 57-busIEEE 118-bus测试电力网络拓扑结构网络状态估计可靠性 vs.PMU优化配置（数量、位置）电力输电网络状态估计利用电网拓扑信息和传感器量测量对系统的实时状态进行估计，对保障系统安全稳定运行至关重要。虚假数据注入攻击（FDI）通过篡改状态估计参数实现对电力系统进行精准攻击。FDI之江实验室：聚焦网络信息和人工智能两大领域，重点在未来网络计算、泛化人工智能、泛

44、在信息安全、无障感知互联、智能制造与机器人等五大方向开展基础性、前沿性技术研究，以全球视野谋划和推动创新。工业互联网研究中心在邬江兴院士提出的拟态防御理论体系指导下，研究基于“异构、冗余、动态”思想的拟态防御理论在工业控制系统，特别是应用于电力系统的最优防御策略和形式化验证方法。之江实验室正在构建大电力空间安全攻防平台和拟态防御试验场，实现对新能源电力系统（涵盖发、输、配、变、用全环节）的网络空间安全和防护能力的研究和验证。工业互联网不仅是一张信息网，而是支撑工业系统资源泛在连接、弹性供给、高效配置的开放式平台；未来工业系统必将由“数字信息化支撑的互联智能”向“知识驱动的自主智能”发展；人工智

45、能技术需要和工业互联网具体应用场景和经验紧密结合才可发挥其优势；人工智能技术在新能源电力系统中的应用相对起步晚，潜力大，方兴未艾；机器学习算法层出不穷，但其性能对数据的可信性依赖度极高，模型往往存在一定的“不可解释性”；能源互联网是是我国推动能源革命的重要技术支撑平台，将与新一代人工智能技术快速、深度融合 更多未来工业互联网将呈现若干超级特性系统系统超级超级异构异构系统超系统超大规模大规模工业工业互联互联网网系统超系统超高灵活高灵活系统系统超高超高性能性能广义泛广义泛在安全在安全 应用领域和范围扩大，用户、终端设备数量和类型庞杂 人-机-物互联互通，网络数据采集、流量、存储规模庞大 超大规模网

46、络基础设施支撑 多类型通信手段和混合组网模式（有线和无线、固网和移动、陆地与空天一体）物理传输介质异构，信息存储、传输和处理能力差异化，具有端到端服务质量保障能力 网络协议和通信规约异构性，需具有网络层间良好互操作能力 服务异构性需要提供在不同网络和业务之间无缝切换的能力 面向不同用户提供多样化、个性化和定制化服务能力 系统资源跨时空优化弹性供给和资源适配能力 网络安全在工业互联网中更加迫切和复杂，未知威胁更加凸显 工业系统大范围故障或外部网络未知威胁和攻击下的可生存性和自愈控制能力 工业系统功能组件、服务或应用映射至网络空间，需要不同粒度的安全防护能力 工业系统“人-机-物”互动协同下的泛在安全保障能力 海量数据可靠采集、分布式存储和实时处理与自主式智能决策支持能力 恶劣工业环境（电磁干扰、噪声）下的高效计算和可靠传输能力感谢各位聆听！当前多类型能源加快集成和互联，导致能源系统日益庞大和复杂。在工业互联网背景下，聚焦新一代人工智能在新能源电力系统领域的理论与应用，特别是数据驱动学习（深度学习、强化学习、对抗学习等）方法（新模型、新算法、新应用）研究，来解决复杂能源系统的优化运行决策、智能高效运维和主动安全防御关键科学和工程问题。感谢浙江大学、之江实验室科研合作伙伴和研究生团队THANK YOU谢谢观看