GTC21 | AI 电气化：西门子能源利用 NVIDIA Triton 推理服务器实现发电厂自主化检查

这一德国电气巨头正在利用 AI 技术助力发电厂客户管理其设施。

随着能源市场的快速变化，AI 技术正在帮助全球各个城市保持灯火通明。
西门子能源公司正在发挥 NVIDIA Triton推理服务器的强大力量，利用 AI 协助解决全球发电厂在预测性服务管理方面的担忧。
这家能源巨头加入了微软、美国运通、USPS 和许多其他公司的行列，依靠开源软件 Triton的深度学习能力，通过简化模型在任何框架以及任何 GPU 或 CPU 上运行所有类型的推理方式，将 AI 用于生产环境。
西门子能源公司是发电厂设备和技术的领先供应商，需要维护大量的机器和现场，而他们的服务切实帮助全球各地保持灯火通明。其现有客户群涉及到数以万计的西门子燃气轮机、蒸汽轮机、发电机、燃气和柴油发动机，需要管理的活动部件数量惊人。
更加复杂的是，可再生能源越来越多地融入电网，这给世界各地的发电厂造成了压力，要求他们在 AI 的帮助下更加灵活和高效地运营。
西门子能源公司产品经理 Arik Ott 表示：“如今，为了保持电网稳定，需要许多此类的联合发电厂，因此有些电厂会在相当长一段时间内停止服务，然后在需要电网稳定性时投入使用。”

自主发电厂

为了提高能源合作伙伴的效率，西门子能源公司正在利用 NVIDIA Triton，依靠AI 开拓一条通往自主发电厂的道路，并在此过程中降低成本。
并不是一项容易完成的任务。如今，数百种不同类型的检查需要通过人工方式巡查，并且需要领域内的专业知识。许多发电厂不再处于持续运行模式，也不需要始终保证全员到位，这引发了人们对运营成本的担忧和远程管理的需求。
此外，Ott 表示，欧洲的劳动力正在面临老龄化，预计未来十年将有许多人退休，而且很难找到拥有合格技能的劳动者补充空缺。
全球发展中心估计，与 2015 年相比，2050 年的欧洲适龄劳动人口将减少 9500 万。
Ott 说：“考虑到我们没法找到全部必要的人才，我们希望技术能够弥合专业技能方面的缺口。”
西门子能源公司支持基于现场摄像头拍摄的图像和其他用于分析的传感器数据运行各类机器学习。因此，它需要一个高度可扩展的推理解决方案 – 以处理数以百万计的传感器，并且需要能够支持多个框架和海量的输入流。
西门子能源公司之所以选择Triton进行推理，是因为它能够满足多框架和多模型的要求。数据科学家现在可以为不同的模型和输入（如图像、视频和声音）选择不同的框架（如 PyTorch、TensorFlow、ONNX 等）。
西门子能源公司在AWS上运行NVIDIA Triton, 以实现大规模和多租户部署，并计划在数据无法移出发电厂的边缘地区运行。
“高度复杂的发电厂通常会配备摄像头和传感器，但采用的却是传统软件系统，NVIDIA Triton推理服务器出色的灵活性能够让这些发电厂加入当前正在推进的自主工业革命，”Ott 表示。

AI助力提升工业效率

AI能使任何类型的发电机组提高业务连续性，它使一切能够保持正常运转，并且可以降低成本。
这对能源供应商来说非常重要，因为可再生能源大量涌入电网意味着，发电厂不再全天候供电，这造成了人员过剩的问题。如果某个现场不在线，远程管理和集中派遣服务人员可以控制成本。    
然而，当今的现场人员在对发电厂进行巡查期间，会进行 360 多项不同的活动。与此同时，劳动力短缺是一个令人担忧的问题，对于人口下降和劳动力老龄化的地区来说，劳动力短缺问题会更加严重，影响到这些关键任务的运营。此外，新冠肺炎也揭示出，发电厂需要为此类黑天鹅事件造成的劳动力短缺做好准备。
这种情况非常适合利用 AI 传感器，以全天候远程监控的方式填补物理检查的空缺，或者对物理检查进行加强。此外，所提供的分析实现了自动化的实时监控，还使发电厂支持不同级别的 AI自动化现场控制。
西门子股份公司自动视觉检测解决方案架构师 Sanjukta Ghosh 表示：“我们需要一种解决方案，在不改变托管解决方案的情况下，为不同类型的分析模型提供扩展能力。”

借助 AI 减少问题

发电厂目前需要对效率和安全性进行广泛的监控。液体、蒸汽或石油一旦泄漏并且未被注意，就可能会造成灾难性的后果，并造成数百万美元的损失。
西门子能源公司为使用数千张不同场景的图像进行模型训练。不同的位置和不同的照明条件仅需小规模的迁移学习即可保证模型正常工作。       
此外还可以对噪音进行监控。西门子能源公司正在着手开发处理音频数据的模型。
Triton的模型ensemble还允许对图像进行额外的预处理，例如人员匿名化。

Triton 推理服务器的灵活性

Triton提供了处理这些场景以及许多其他场景的灵活性。例如，它允许使用适用于多种不同情景的多个模型。
据该公司称，一个针对室内照片训练的蒸汽泄漏模型可以直接发挥作用，而另一个模型则针对室外蒸汽泄漏图像进行了适配。
Triton使得在云端或边缘部署轻而易举。在无法将数据移出发电厂而需要内部部署或边缘分析时，这非常有帮助。