所谓的工业智能、工业大数据等新兴热词只有回归到解决用户痛点上，才能更好地创造价值。

天泽智云嵌入式解决方案经理陈星在峰会现场，通过Demo为现场来宾展示了天泽智云WindInsight无忧风场智能运维系统平台。

风场的管理大概分为三个方面，第一个生产管理，发电在额定功率和不同风速下的发电效能是否能够满足生产的要求；第二个是对电机的健康管理，通过远程状态监测和故障预测性诊断，提前预警大部件的故障风险，为维护排程提供决策依据；第三方面是智能的运维管理，对风场当中每台风机的健康状态和需要进行维护的任务进行综合分析与优化，能够降低维护总费用达30%。

针对风场管理的这三大需求，天泽智云研发了WindInsight平台。WindInsight 是一个利用预测性分析及AI技术对风电装备进行智能化运维管理的平台，在这个平台上，客户可以使用的功能包括对风电装备的性能评估、预测性诊断、机队管理、调度优化和维护策略优化等，通过这些功能的组合，能够帮助风电企业做出更加科学和精准决策，保障风场的无忧运营。

从WindInsight无忧风场智能运维系统技术架构可以看到，在设备边缘端装有采集设备，能够采集数据和进行模型部署。陈星介绍到：“我们的方案架构包含了云端和边缘端，这也是工业大数据场景和普通的大数据场景的区别所决定的。由于工业环境下，会用到高频采样的方式，就如同这个Demo所展示的一样，使用了25.6ks/s的采样率采集振动信号。如果直接把数据放到云上是有很多的不妥的。首先，数据量巨大，上传所需的带宽很大，传输成本也很高。其次，提取数据后上传到云，再运算生成反馈的结果，整个流程延迟非常大，而且不确定。另外，数据价值的曲线是衰退的，如图：

因此，更早的处理数据就会获取更多的价值。正是由于这种原因，我们需要尽可能地将计算部署在边缘端进行。而这种计算不仅包含基本的信号调理，也包含通过训练好的模型计算出来的结果，比如设备的健康值等。

最重要的一点，直接使用原始数据通过机器学习等方法进行分析，实际上效果是很受限的。正如我们一直以来所阐述的，原始数据的本身所具有的价值是并不大，真正有价值的是从数据中提取到的信息。我们在边缘端执行相应的边缘计算，将原始数据提取出特征信息，进一步将特征信息上传到私有云或者公有云，完成复杂的PHM相关的计算，是目前为止比较合理的架构模式。NI的CompactRIO架构可以提供比较灵活的传感器接口和比较丰富的计算资源，这种理念和我们是比较契合的。我们对NI的CompactRIO和InsightCM进行了大量的二次开发，使之能够实现更多的、贴近用户需求的计算功能，并且满足远程的调度和管理，最终将有价值的信息上传到云端。边缘端和云端各有非常重要的作用，二者缺一不可。

天泽智云WindInsight无忧风场智能运维系统是天泽智云与微软Azure云平台合作实现的，Azure提供了稳定可靠的运行环境和计算能力。不仅能够为风电企业提供从部件级、整机级到风场级别逐层的设备健康状态展示和预测，更可以帮助企业准确决策每一台风电设备需主动维护的安排，准确、灵活地应对设备健康隐患，防止重大突发故障的出现，实现将信息转化为价值，保障风场的无忧运营。