風電機組常年暴露在復雜自然環(huán)境中，故障頻發(fā)不僅導致經(jīng)濟損失，更暗藏安全隱患。如何通過智能化技術(shù)應(yīng)對多風場聯(lián)合故障診斷中的數(shù)據(jù)異質(zhì)問題，實現(xiàn)高效故障診斷，成為風電行業(yè)亟待破解的難題。
近日，上海交通大學機械與動力工程學院李艷婷課題組在鯤鵬昇騰科教創(chuàng)新卓越中心的算力支持下，其“基于鯤鵬昇騰的風電機組智能化運維關(guān)鍵技術(shù)開發(fā)”課題研究取得突破性進展——基于昇騰算力平臺的輕量化集群聯(lián)邦學習（CFL）框架在診斷精度不變的情況下實現(xiàn)訓練性能飛躍。這一成果為風電行業(yè)智能化運維提供了可自主創(chuàng)新的全新解決方案。
這一性能飛躍的核心在于，科研團隊創(chuàng)新研發(fā)的輕量級多尺度可分離殘差網(wǎng)絡(luò)（LMSRN）與昇騰平臺強勁硬件算力的高效協(xié)同。 LMSRN通過獨特的特征提取設(shè)計和深度可分離卷積技術(shù)，顯著降低了模型的計算復雜度和通信開銷。昇騰強大的大規(guī)模并行計算能力，特別是其對卷積運算的高度優(yōu)化，完美契合了LMSRN的設(shè)計需求， 使得模型在保持高精度的同時，訓練效率得到充分釋放，為后續(xù)聯(lián)邦學習的協(xié)同優(yōu)化奠定了堅實基礎(chǔ)。
同時，依托昇騰異構(gòu)計算架構(gòu)特性，團隊基于開源框架開發(fā)的輕量化集群聯(lián)邦學習（CFL）框架能夠快速兼容和適配，實現(xiàn)了計算資源的高效調(diào)度。利用昇騰軟硬件協(xié)同優(yōu)勢，CFL框架的訓練效率經(jīng)優(yōu)化后，較傳統(tǒng)聯(lián)邦學習框架提升58%，同時保持診斷精度不變。
值得一提的是，昇騰AI基礎(chǔ)軟硬件平臺進一步加固了數(shù)據(jù)處理和傳輸?shù)陌踩�，強化了�?lián)邦學習固有的隱私保護優(yōu)勢，最大限度保護風電企業(yè)的運營數(shù)據(jù)隱私與商業(yè)機密，解決了行業(yè)長期面臨的數(shù)據(jù)安全痛點。
此科研突破不僅為風電行業(yè)提供了兼顧高性能與隱私保護的智能化故障診斷解決方案，驗證了昇騰自主算力平臺在工業(yè)智能領(lǐng)域的強大適配性與性能潛力。未來，上海交通大學 鯤鵬昇騰科教創(chuàng)新卓越中心將基于昇騰平臺持續(xù)探索和創(chuàng)新，相關(guān)成果有望在更廣泛的工業(yè)場景中實現(xiàn)落地，助力自主算力與實體經(jīng)濟的深度融合。
