《感知预测决策多智能体协同的海上风电机组智慧运维》——中广核(北京)新能源科技有限公司智慧运维算法高级经理田元兴

2025年11月14日，中广核(北京)新能源科技有限公司智慧运维算法高级经理田元兴在深圳核博会“AI+核能创新应用场景路演”上发表《感知预测决策多智能体协同的海上风电机组智慧运维》主旨报告。

演讲介绍了中广和新能源科技有限公司在“AI+新能源”方向的海上风电智慧运维成果，核心围绕感知、预测、决策一体化来提升设备可靠性和运维效率。方案通过多源感知、数据与机理融合预测、语义理解和多智能体协同决策，形成工程化应用闭环，并已在江苏如东和玉谷海风场开展示范应用。

关键点
1. 成果主题与汇报范围（00:09）
演讲者田园星介绍来自中广和新能源科技有限公司，本次汇报的成果聚焦“感知、预测、决策”以及多智能体协同的海上机组智慧运维，并从多个方向展示整体成果情况。

2. 海上风电发展背景与运维痛点（00:48）
在双碳和国家政策推动下，海上风电成为能源转型的重要力量，装机规模持续增长。与此同时，大规模装机和复杂设备类型带来设备可靠性、运维可达性等挑战，行业面临故障高、运维难、损失高等问题，因此提出感知全面性、预测准确性和决策智能化三类需求。

3. 感知、预测、决策一体化技术方案（03:10）
整体方案从感知层构建关键设备与结构部件传感能力，在预测层通过数据驱动与机理增强融合建立预测模型，在决策层通过语义理解、机理增强和智能协同构建决策框架，并在应用层实现新能源运维闭环。

4. 人工智能应用演进与四层架构（03:54）
新能源数字化人工智能应用经历了从早期监控应用、设备预警到感知预测决策一体化数字系统的发展过程。技术架构包括感知应用层、预测层、智能决策层和最终应用闭环，强调把人工智能、数据和业务应用打通。

5. 数据驱动、机理增强与虚实融合创新（05:35）
第一个创新点是数据驱动、机理增强和虚实融合的智能决策方法，重点解决多尺度特征提取、关键部件寿命评估以及传感不足问题。通过算法提取叶片、塔架、轴承等数据特征不明显场景下的故障特征，并利用虚拟传感降低传感成本。

6. 虚实协同预测与智能决策体系（07:09）
方案通过虚拟传感结合物理模型，以及多特征 Transformer 特征提取算法，构建载荷繁衍和动态性能预测模型。决策体系以语义理解、机理增强和智能协同为核心，结合语料处理、知识表达、六个关键智能体和调度中枢，形成较工程化的决策体系。

7. 智能体运维闭环与效率提升案例（09:06）
智能体应用覆盖工单生成、故障定位、数据分析、问题确认、排查流程和手册生成，以及故障工单闭环。已上线案例显示，故障完整解决方案生成可从小时级缩短到分钟级，故障处理过程可从48小时压缩到2.5小时，专家依赖下降81%。

8. 健康评价、示范应用与成果指标（10:30）
系统通过隶属度函数构建设备健康度评价模型，并形成从体系规划、技术突破到集成应用的路线。该技术已在江苏如东和玉谷两个海风场进行全量示范应用，预期经济效益约三千多万元；已申请十项发明专利，预测准确率可达到85.5%以上，并通过中国电工技术学会技术认证，决策技术处于国际领先情况。

9. 后续规划：大小模型协同与多智能体（12:07）
后续规划包括在算力层和数据层继续布局，利用多年预警和监控积累的小模型，并探索上层语言模型。未来将结合专家经验训练专业场景模型，实现大小模型协同和多智能体构建，使人工智能从提升人效进一步转化为生产力。

时间线
00:09 - 开场介绍汇报人、单位及本次海上风电智慧运维成果主题。
00:48 - 说明海上风电在双碳与政策背景下的重要性，并引出大规模装机后的设备管理和运维挑战。
03:10 - 概述以感知、预测、决策为主线的整体技术方案和应用闭环。
03:54 - 介绍新能源人工智能应用的发展历程，并展开四层技术架构设计。
05:35 - 详细说明关键创新技术，包括特征提取、寿命评估、虚拟传感和动态性能预测。
07:41 - 转入智能决策框架，讲解语义理解、知识处理、多智能体和调度协同的实现方式。
09:06 - 展示智能体在工单、故障定位、排查和闭环处理中的应用流程及上线案例。
10:30 - 介绍健康管理系统、实施成效、示范应用、专利奖励和技术指标。
12:07 - 说明未来在数据、算力、大小模型协同和多智能体建设方面的规划，并结束汇报。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

海上风电智慧运维从“感知—预测—决策”走向多智能体协同

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，中广核（北京）新能源科技有限公司智慧运维算法高级经理田元兴围绕《感知预测决策多智能体协同的海上风电机组智慧运维》作主旨报告，系统展示了中广核新能源在海上风电智慧运维领域的技术探索、应用实践和阶段性成果。报告以“双碳”目标和能源转型为背景，指出海上风电已成为新能源规模化发展的重要方向，但随着装机容量快速增长，设备类型更加复杂，运行环境更加严苛，运维组织和故障管理难度也随之显著上升。

海上风电运维的核心痛点集中体现在设备可靠性、运维可达性和决策效率三个方面。海上风机部件多、工况复杂，叶片、塔架、轴承、基础等关键部件的早期异常不易识别，故障预测和寿命评估难度较高；同时，海上作业受到天气、交通、窗口期和人员组织等因素制约，现场维护成本高、响应周期长。报告将这些问题概括为“三高三难”，即故障风险高、运维成本高、故障损失高，以及故障发现难、精准诊断难、高效决策难。这也决定了海上风电智慧运维必须围绕全面感知、准确预测和智能决策建立系统化能力。

在总体技术方案上，该成果构建了“感知层—预测层—决策层—应用层”贯通的智慧运维框架。感知层面向关键设备、大部件和结构部件建立状态感知体系；预测层通过数据驱动与机理增强相结合的方法，支撑故障预测、状态诊断和寿命评估；决策层引入语义理解、知识增强和多智能体协同机制，将专家经验、设备知识、故障知识和流程知识融入运维决策；应用层则打通数据、模型、决策和现场执行，形成从监测预警到诊断处置再到经验沉淀的闭环。相比早期以集控展示为主、中期以设备预警为主的阶段，当前方案更强调数字孪生、智能健康管理和多智能体协同的一体化应用。

报告重点介绍了数据驱动、机理增强与虚实融合的智能决策方法。针对叶片、塔架、轴承等故障特征不明显、传感覆盖不足的场景，系统通过多尺度特征提取挖掘隐含异常信号，提高早期故障识别、趋势预测和状态评估能力；通过融合结构机理与运行数据，建立面向旋转部件、基础和塔架等关键对象的寿命评估模型，为设备健康状态判断和运维策略优化提供依据。虚拟传感技术也是其中的重要创新，通过模型生成虚拟传感器，在实体传感器部署不足的情况下补全状态感知能力，并将样机加装传感器积累的经验推广至同工况场站，从而降低部署成本、扩大监测覆盖范围。

在载荷预测和动态性能评估方面，成果采用虚拟传感与物理模型结合的方式，解决海上风机实际运行中关键载荷难以全面测量的问题，并通过多特征Transformer模型构建载荷繁衍和动态性能预测能力。这类技术能够支撑关键部件载荷分析、结构状态评估和风险预判，使运维从被动响应转向主动预测。其价值不仅在于发现已经发生的故障，更在于识别潜在风险、评估剩余寿命，并为检修窗口选择、备件准备和维护资源调度提供量化依据。

多智能体协同是本次报告的另一条重要主线。系统首先对运维文档、故障记录、工单、设备资料等语料进行结构化加工，通过版面分析、多模态特征提取、信息抽取和知识表达，形成可供智能体调用的知识基础。在此之上，围绕工单生成、故障定位、数据分析、排查流程生成、手册与方案生成、工单闭环等典型运维任务构建不同能力的智能体。上层调度中枢负责识别用户意图、拆解任务并调用底层工具，底层智能体则完成具体分析、诊断、生成和交互工作，使系统能够从故障信息输入开始，连续完成原因分析、处置建议、流程生成和经验沉淀。

数字孪生与智能健康管理系统是该智慧运维体系落地的重要载体。通过构建海上风电设备数字化模型，系统将设备结构、运行状态、故障特征和健康指标统一表达，并利用健康度评价模型对设备状态进行综合评估。前端系统则以可视化方式呈现状态监测、健康评估、故障预警和辅助决策结果，帮助运维人员更直观地掌握设备风险和处理优先级。这种方式将传统依赖人工经验的运维判断转化为数据、模型和知识共同支撑的智能化决策过程。

在应用成效方面，该成果已在江苏如东和玉谷两个海上风电场开展全量示范应用，形成了从规划、建模到系统集成和现场应用的落地闭环。典型案例显示，在智能体和健康管理系统辅助下，故障处理过程由过去约48小时压缩至约2.5小时，专家依赖程度下降约81%，故障响应速度和处理效率显著提升。系统不仅减少了人工分析和跨专业协同的时间成本，也加强了运维知识的沉淀与复用，使故障处置经验能够持续反馈到模型和知识库中。

从成果指标看，该智慧运维体系整体故障预测准确率达到85.5%以上，已申请10项发明专利，并形成多项阶段性成果，获得相关奖励。成果通过中国电工技术学会技术认证，其中决策技术达到国际领先水平。预期经济效益约三千多万元，同时在降低运维成本、提升设备可靠性、增强海上运维可达性和推动管理模式升级方面具有明显价值。

面向未来，中广核新能源将继续完善新能源业务体系内的算力层和数据层基础设施，并在多年预警系统、集控系统建设积累的专业小模型基础上，探索面向新能源运维场景的专业语言模型。未来的重点方向是将专业小模型的精确分析能力与语言大模型的理解、生成和调度能力结合起来，通过多智能体协同进一步提升运维决策的自动化、专业化和可靠性，使人工智能从提升人效逐步转化为可持续的实际生产力，推动海上风电乃至新能源运维体系向更高水平的智能化演进。