创新:个人观点

我在电力行业从事了40多年的各种工作:早期的材料和组件无损评估研究人员，仪器仪表和控制方面的研究人员，扩展到操作和维护技术，以及一家公用事业公司的高管，我的头衔中有“创新”一词。虽然我们的团队在电网的几个领域都有创新，比如管理大流量的智能“电线”、交通电气化，但这些都是团队贡献的结果。当我开始我的职业生涯时，作为一个活跃的助手，我是一个使用当时新颖的pc和数字记录器(Biomation 2000)进行数据数字化的强烈支持者。是的，如今数字数据很流行，但公用事业公司已经并将继续对数据持怀疑态度。受监管的公用事业在如何管理、处理和通信数据方面有许多义务，如果没有披露这些义务，可能会受到惩罚。因此，他们对数据普遍感到不安。

数字信号处理是我最喜欢的科目。在20世纪70年代，我对快速计算信号频率含量的方法很感兴趣，这使得进行频谱分析成为可能。我会保护我的一盒穿孔卡片，它可以在大型计算机上有效地执行快速傅里叶变换。随着计算能力的迅速增长，信号处理变得更加复杂，可以用pc来分析大量数据。在90年代早期，我写了一篇应用程序入门濒死经历．在最初的几年里，我还研究过各种防御应用，其中最重要的是被动海底作战。很少有人知道冷战——美苏之间的角力最终以一方明显胜出而告终——是由于美国优越的信号处理技术。敌人防御的弱点暴露出来，美国能够随时随地跟踪对手的海底资产，其精度是他们无法比拟的。这种技术被称为“相关处理”——一种经过时间考验的测量信号之间相似性的方法。

我感兴趣的是，如何利用一些相同的方法来跟踪工厂的工艺参数——温度、压力、流量、振动——并在正常条件下测量相似性，以及当工艺变化和/或特定设备表现不理想并表明即将发生故障时，它们是如何被扰动的。这个命题是这样的:一些工厂的工艺参数在它们的行为中是非常紧密相关的:给水流量与涡轮压力相关;关键泵的振动信号与母线上的功率等相关。但当事物不正常时，这种关联关系就会以特定的方式受到干扰。通过相关性测量来确定关键部件和过程之间的关系，为工厂操作提供了一个强大的诊断工具，可以在检测到异常时确定可能的原因。

在过去的30年里，我有幸与几家全球公用事业公司合作，协助实施这项技术。其价值主张是使用自动化来确定问题，并利用迅速发展的互联网功能，为分散的资产提供集中的专业知识。在此期间，超过200吉瓦的发电资产(包括多种类型的热电厂)大大受益^[1]．

电力行业的业务结构是独特的。其中大多数是由公共事业委员会提供监督的垄断企业。它规定了公用事业所有者以合理价格提供可靠电力的回报率。在这个契约下，公用事业公司在降低成本方面最感兴趣的是计划外停机和保持高可用性。发现异常并在其变得严重之前采取行动，正是公用事业公司在管理成本方面可以受益的领域。

我今天的热情是把我的知识传授给进入能源行业的年轻一代，这个行业现在正朝着完全数字化、去中心化和深度脱碳的方向发展。所需的技能与我刚进入时不同，用于发电的燃料需要低碳或零碳;学生们被要求精通潮流方程、机器学习和商业流程，更重要的是，他们必须善于与公众沟通。

气候变化是本世纪电网面临的重大挑战。我们是否应该期待我们在上个世纪所习惯的可靠性?我们必须改变我们的行为来适应零碳电网的现实吗?创新无疑会提供答案!

[1]《关联处理——工作中的大数据》，《公共事业双周刊》。2014年2月。