前面很多老师讲了工业互联网的内涵，现在大家的网络化、平台化、新模式是非常认同的。工业互联网平台是在数字化、网络化、智能化以后形成的面向未来、泛在连接、弹性供给、高效配置，我认为它的核心是人机物泛在互联和深度融合情况下的数据驱动的智能化，这是代表未来人工智能深度发展的趋势。
工业互联网的价值和问题很明确，价值上我们看到的优势以外，问题是问络空间的架构，数据科学，机器学习、人工智能应用，还有网络空间安全的问题，这些年来从三网融合，到时空关联，到平行演进，包括自感知，自学习、自诊断、自控制，从过去的互联网和物联网的形态，向未来以人工智能为驱动的方向发展。
工业互联网趋势下，人工智能在工业互联网一定需要和行业的需求结合，和行业的经验和知识结合，只有这样才能把我们的工业互联网的应用推向更深入的方面。把知识驱动的主动智能方向发展，我提的是能源互联网，能源互联网是工业互联网重要的领域，是能源方面的分支。我们国家从2009年的智能电网建设开始，当时追随美国的步伐，我们走到了世界前列，最近我们提出我们要建设世界一流的能源互联网，过程当中我们有智能电网的基础来支撑我们构建未来新一代的能源互联网。这也是工业互联网的一个典型的应用案例。
能源互联网能够实现一个系统智能，多能协同、信息对称、供需分散、扁平管理、交易开放等，所以我们还有很长的路要走也是我们国家推动能源革命的重要的技术支撑平台，所以说，大量的研究技术研究、产品都在朝着这个方向发展。
我们之所以能够做能源互联网，因为有两个基础，过去很长时间的物联网的基础，包括能源的生产端、传输端、消费端，数以亿计的海量装备和熟练，形成的数据，为我们后来的人工智能的应用，挖掘处理决策等，包括可视化提供了一个非常好的契机。
能源互联网将实现一个电力系统能量流、信息流和价值流的重新整合，这也符合工业互联网发展的趋势。人工智能的内涵和外延也有普遍的阐释，共识是基础条件已经成熟，人工智能工业级的应用，未来的十年当中很可能成为颠覆的技术。人工智能应用除了前面提到的应用领域之外，还有新一代人工智能2.0，2017年的时候国发的人工智能的纲要，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，并将其应用到工业和很多民用的领域。
人工智能的应用有一个特点，就是它跟我们的行业场景应用是非常耦合的，场景是密集相关的。在工业互联网的背景下人工智能将给新能源电力系统带来什么样的挑战和机会？现在的能源系统也有很多挑战，包括人工智能提供了新的手段。他们之间在技术上，需求上有哪些可以相互之间交流的地方？前几年做了一些简单的工作，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，从优化控制到电气信息的角度开展，比如多类型能源高度耦合，这是一个很明显的问题。所以我们需要实现一个自动化甚至智能化的调度和能量适配的手段和方法。
第二是风电、光伏、大型的输电线路发展得非常快，我们现在的新能源基础设施规模庞大，传统的运维手段失效了，所以我们引入了新的智能化的高效运维手段。第三，电力信息在相互支撑的过程当中不再融合了，信息安全和网络空间的问题。举几个例子，比如在家庭当中，家庭能量管理当中，这是一个小范围的冷热电器，包括不同能源的交汇的地方，能够满足家庭周围的光伏、小型的风机、同时能够满足用户的需求。我们用了一个相对来说有人工智能的特色，但是弱人工智能的方式，我们实现了预测，采用遗传算法，就解决了，这并不是特别复杂，因为范围比较小。
我们得到的结果发现效果很好，投入这样的方式，负荷控制、储能单元的管理变得非常简单，它的好处就是我们不需要建立精确的模型，需要对未来的预测有精准的把握。这种情况下我们专门针对预测不准，受天气的影响比较大，算法可靠性怎么样？我们也做了鲁棒测试。它的性能会有下降，但是还是比传统的方式要好很多。
第二是国内的海岛很多，比如上面有一些工业生产的过程，也有电源的来源，脱离在主网之外。这也包括一些典型的光伏、风机，包括柴油发电机，还有盐水淡化的装置。这些处理是波动性很大的，很难预测，宋老师也提到了，很难建立精确的模型，基于模型很难奏效，我们用了一个比较简单的模糊推理的方式。
我们制定了一个模糊表，根据我们的运行经验，我们把它变成一个规则，我们找到了变量和决策之间的关系。通过这样的效果，我发现结果比较好，通过模糊推理的方式，避免或者规避了求一个模型才能控制的局面。
基于数据驱动的方式，大大增强了能量调度的适用性。第三就是非常庞大的输电线路，我们采用无人机作为辅助手段，采集大量的数据，我们发现这些图像非常难分析，有两个问题。第一是特征难以表达，第二是形态各异，第三是干扰因素比较多，光线、背后的背景，相对运动的随机性等，都会对我们的分析产生一定的问题，不能依赖于人，我们要用智能化的方法来解决。
大量的研究难以获取真实的样本，这阻碍了采用一些智能化手段。我们采用的一些解决方法就是高效增广，比如用虚拟仿真、对抗学习的方法，生成更多的仿真样本，原有样本的不足，解决样本不足的问题、分不平衡的问题。然后我们再做一些深度的特征分析，以及判断，这都提供了一些解决，这是我们当时做的工作。效果还是很明显的，我们知道可见光、紫外、红外，针对不同项目的原件，都有图像特征，我们通过这样的方式，增加样本，然后采用不同的训练的模型尝试，后面发现效果还是很好的。故障的特征可以很精确地表达出来，识别效率也比较高。
风力发电轴承的故障是76%，齿轮故障是17.1%，我们做得不同，我们是基于振动，也就是运行过程当中采集的振动信号来研究和分析产生了什么故障，哪里发生了故障，故障的程度怎么样。我们前期在没有获取数据之前用了一些仿真信号，我们验证我们的方法是否有效，我发现初步可以达到比较好的效果。我们再转移到了平台上，就是我们后面有一个自己的机械平台，来模拟我们风力发电机组的缺陷。
向量机的分析，从概率上可以获得它是某一个类型故障的比例或者可能性，这样可以对我们做运维决策有很大的帮助。真实风机，我们把效果验证完毕之后集成到了风力发电厂的系统当中，这样我们从远程可以实现对这个故障的诊断和早期的预警。我们还做了一些光伏组件，它很庞大，地理分布也非常地不规则，人为巡检非常困难，在这种情况下，我们的组件巡检特别严重，影响到了我们发电站的质量。
比如说热板、隐裂、蜗牛纹、组件破损什么的，后来通过无人机，我们采集了很多图像，然后我们基于训练出来的模型，然后来辅助决策出现了哪一种故障，情况怎么样，效果非常好，对五种典型的表面缺陷的诊断可以达到92%以上。还有一个就是安全防护的问题，我们做了尝试，电力和信息系统相吻合的情况下，电力系统会出现未知威胁。
2015年乌克兰发生了大停电事故，因为首次采用了网络协同的方式，来实现了一个组合拳的攻击。网络攻击手段达到了非常高的水平，现有防范水平不可能具有绝对的防御能力。我们国家特别庞大，我们整个支撑电力系统运行过程当中专网是非常大的，基本上规模是世界上首位的。
我们现在的光纤覆盖率，连接程度也是非常大，在这种情况下我们控制的安全、网络的安全、数据的安全，都面临前所未有的威胁，这种情况下我们做了一些尝试，比如智能化变电站当中，增加了它的操作性。但是由于它用了IEC 61850标准协议，我们考虑到当你受到攻击或者网络出现问题的时候，流量会发生变化，从流量检测的角度我们看是不是可以诊断出一些问题。然后建立了一个构建了一个网络流量评价的模型，我们事实上是可以一定程度上把属于异常流量的把它分离出来，这样的话我们可以第一时间发现异常。
再有就是输电泄露当中，它的控制很大程度上取决于我们的广域量测系统，这个时候如果我针对它的广域量测系统攻击的话后果不可设想，尤其是虚假数据的注入攻击。我注入了虚拟数据，直接导致我后面的状态估计是错误的。在这种情况下我就无法保证安全。
我们考虑网络攻击威胁的情况下，如何去配置和安防量测单元，来决定它能够达到一定的冗余，或者对系统安全性的保障。再一个就是刚才提到的，之江实验室主要的目的是在未来的网络，泛化人工智能泛在信息安全、无障感知互联、智能制造与机器人开展研究，在邬院士提出的拟态防御理论体系的指导下，基于异构、冗余、动态的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有防御策略和形式化验证方法。
工业互联网不是一张信息网，而是支撑泛在连接、弹性供给、高效配置的开放式平台，未来人工智能要跟行业结合，才能发挥更大作用，同时人工智能是更大的支撑平台。这是我总结的未来工业互联网出现的超级特性，规模特别大，系统超级异构，比如混合组网模式，端到端服务质量，互操作能力，还有工业互联系统超高灵活性能，超高的性能，比如数据的可靠、可靠的传输、高效计算，谢谢。
(审核编辑: 智汇小新)
