如果將學(xué)習算法應用到各種異常復雜的系統中，它們幾乎可以全部變成維護需求低、產(chǎn)量更高的系統。例如，高級醫療設備、配電系統、燃氣輪機和風(fēng)電場(chǎng)等。

好萊塢喜歡拍一些智能機器人的電影。只要想想商業(yè)大片《變形金剛》中那些無(wú)需人工控制的自動(dòng)機器，就會(huì )對此了然于心。但現實(shí)卻是另外一回事。大部分觀(guān)眾可能并不了解研究人員已經(jīng)取得了巨大進(jìn)展，現在研發(fā)出的機器已具備學(xué)習能力，并能夠獨立行動(dòng)，當然，它們都是為了造福人類(lèi)而開(kāi)發(fā)的。

位于新澤西普林斯頓的西門(mén)子美國研究院（CT）正在開(kāi)展這類(lèi)研發(fā)工作。該院知識決策系統項目經(jīng)理Amit Chakraborty帶領(lǐng)的一支團隊，正在為電力公司開(kāi)發(fā)一種新軟件。該軟件通過(guò)分析上百萬(wàn)個(gè)數據記錄，掌握人們的用電習慣。后，系統就可以獨立預測用電需求。未來(lái)“智能電網(wǎng)”的主要目標就是平衡用電和不斷波動(dòng)的電力供應，例如來(lái)自太陽(yáng)能電站以及風(fēng)電場(chǎng)的電力之間的關(guān)系。“可持續發(fā)展的能源系統可調節用電負荷，以適應產(chǎn)量不斷波動(dòng)的可再生能源發(fā)電，”Chakraborty說(shuō)，“因此，我們必須開(kāi)發(fā)讓電力公司做出準確計劃的方法。”

2011年底之前，Amit Chakraborty的團隊將在試點(diǎn)項目中用真實(shí)的用電數據對新的軟件進(jìn)行測試。首先要對消費者的用電數據進(jìn)行研究。為此，他們將會(huì )從數百萬(wàn)使用智能電表的消費者中收集相關(guān)數據。收集的數據會(huì )包括以下信息：用電量及用電時(shí)段。西門(mén)子的研究人員將會(huì )把從試點(diǎn)項目得出的結論和氣象數據以及特殊事件（例如棒球決賽）信息結合起來(lái)。他們將使用這些原始數據為軟件開(kāi)發(fā)訓練數據。然后，軟件的算法將會(huì )精確地預測出短期用電負荷。

負荷預測并不是一項新發(fā)明。大家都知道，假期時(shí)數以百萬(wàn)的火雞被放入微波爐時(shí)所造成的峰值負荷。但是這種粗糙的預測還不能滿(mǎn)足可持續發(fā)展能源體系的要求。在美國，電力公司在管理負荷方面多年來(lái)一直依賴(lài)于市場(chǎng)規律。如果供電量增加，用電成本會(huì )下降。相反，電力供應緊張時(shí)，消費者就會(huì )減少用電量，否則就要多花錢(qián)。但是這種“需求響應”并不總能有效地發(fā)揮作用。如果消費者的行為和預期的不一致，電力公司就必須馬上生產(chǎn)或購買(mǎi)更多的電能。這種規律常常失效，并會(huì )產(chǎn)生更多的溫室氣體。“為避免這一情況，我們必須能夠預測消費者在任何特定時(shí)刻的行為，”Chakraborty指出。

機器學(xué)習可以幫助降低擴建電網(wǎng)的成本。例如，Michael Metzger博士正在為西門(mén)子在慕尼黑開(kāi)展的一個(gè)高級“智能電網(wǎng)”項目研究電網(wǎng)自動(dòng)化。他和西門(mén)子中央研究院的其他專(zhuān)家一道開(kāi)發(fā)出了一種學(xué)習算法，可以使用傳感器測得的數據來(lái)計算電網(wǎng)的結構。“幾十年以前埋下的供電電纜有多少，位置在哪里，現在一般基本找不到這種資料了，”他說(shuō)。為了獲得這種有關(guān)電網(wǎng)隱藏部分的基本信息，在電纜網(wǎng)絡(luò )內安置了傳感器。傳感器可以提供某個(gè)位置的電流和電壓數據。有了這種信息，就可能推斷出電網(wǎng)結構。“電網(wǎng)運營(yíng)商掌握這種信息后，就可以知道網(wǎng)絡(luò )內有多少電力及其分布情況，” Metzger說(shuō)到。西門(mén)子正在德國南部肯普滕市Allgäuer überlandwerke電力公司的部分電網(wǎng)中檢驗該估算方法。

查明故障信號。在服務(wù)行業(yè)，機器學(xué)習將會(huì )帶來(lái)革命性的變化。西門(mén)子研究人員如今已不再滿(mǎn)足于發(fā)現醫療診斷系統等昂貴設備出現故障后再去解決，而是要往前跨一大步。西門(mén)子美國研究院的Fabian Mörchen博士正在研發(fā)知識決策系統領(lǐng)域的學(xué)習系統，他說(shuō)：“我們開(kāi)發(fā)的程序可以有效預測核磁共振成像設備或核醫學(xué)系統什么時(shí)候會(huì )發(fā)生故障。”這種方法的原理是，很多機器在發(fā)生故障前會(huì )發(fā)出預兆。Mörchen說(shuō)：“關(guān)鍵是找到這種信號，并讓它們可被察覺(jué)到。”這種信號包括電流、電壓、噪聲、震動(dòng)、氣壓以及溫度等的變化。

機器自帶的傳感器可以檢測出自身的異常情況。在了解如何判斷機器是否正常運轉后，研究人員和其學(xué)習系統使用數據挖掘技術(shù)找出異常模式。一旦將一系列模式和某個(gè)故障聯(lián)系起來(lái)，Mörchen團隊就可以開(kāi)發(fā)出相關(guān)算法，來(lái)訓練計算機程序。這樣，程序在處理之前沒(méi)有見(jiàn)過(guò)的數據時(shí)也能夠識別出這些模式。比如，MRI掃描器的低溫氦泄露時(shí)，溫度和壓力只是發(fā)生了微乎其微的變化。得益于早期預警算法，西門(mén)子醫療的技術(shù)人員才盯住了這個(gè)問(wèn)題，在機器出現故障前就修復了制冷系統。如今，在這種軟件的幫助下，西門(mén)子服務(wù)團隊不僅僅監視著(zhù)3,500臺MRI掃描儀，還可以進(jìn)行預防性維護。這一戰略使過(guò)去三年間的維修成本降低了580萬(wàn)美元。

西門(mén)子美國研究院的研究員Ciprian Raileanu領(lǐng)導開(kāi)展的一個(gè)項目，是這類(lèi)研究項目的之一。開(kāi)發(fā)的成果被用來(lái)監控橋梁。當時(shí)，美國交通部正想優(yōu)化全國境內大約650,000座橋梁的維修工作。Raileanu團隊和普林斯頓附近的羅格斯大學(xué)及其高級基礎設施和交通研究中心聯(lián)合開(kāi)發(fā)了一種解決方案。

自主學(xué)習提高了風(fēng)電場(chǎng)的發(fā)電量，相當于增加了一臺風(fēng)電機組。

Raileanu說(shuō)：“根據橋梁傳感器資料、檢測報告、氣象資料、橋梁基建圖等歷史數據和來(lái)自警方的事故記錄、照片等，系統能夠獨立判斷橋梁的狀態(tài)。”他還補充道：“我們還從這些紛雜的數據中找到了模式。”在這些模式的基礎上，相關(guān)算法可了解由于某些因素共同作用可能會(huì )導致怎樣的后果。例如，如果某座橋梁于1976年建在強降雨地區，并使用了梁鐵，那么，30年后橋墩很有可能就會(huì )出現裂縫。美國交通部自2008年以來(lái)就一直在使用這種橋梁監視程序。

英國和俄羅斯的鐵路公司用于監視其列車(chē)車(chē)隊的全新系統也以該程序為藍本。這種學(xué)習軟件使用的數據一部分來(lái)自火車(chē)各種子系統上的傳感器，比如監視剎車(chē)和車(chē)門(mén)的傳感器，另一部分則來(lái)自列車(chē)時(shí)刻表和故障報告。這種被稱(chēng)為列車(chē)遠程服務(wù)桌面（RRSD）的系統綜合所有數據，計算出某個(gè)時(shí)刻每輛列車(chē)的位置，判斷是否需要對其進(jìn)行維護等。目前，RRSD正在監視175輛列車(chē)——西門(mén)子不僅提供軟件，還提供自動(dòng)化部件。

使用神經(jīng)網(wǎng)絡(luò )，學(xué)習系統可以預測輪機的運行標準及其排放量（如需了解更多信息，請參閱第54頁(yè)）。

駕馭復雜數據。學(xué)習軟件的另一個(gè)主要應用領(lǐng)域是燃氣輪機——在這方面，學(xué)習軟件的基礎主要是神經(jīng)網(wǎng)絡(luò )。這種系統能在數秒之間作出關(guān)于排放量和輪機運轉情況的預測。輪機受無(wú)數因素之間復雜關(guān)系的影響，研究人員一般只能通過(guò)統計手段去評估，因為很多值都只能粗略地估算出來(lái)。傳統的數學(xué)公式需要精確的數字，因此在這種研究中不是很實(shí)用。但想要使輪機達到長(cháng)的使用壽命，實(shí)現的運轉狀態(tài)，同時(shí)將其排放量降到低，就必須精確地估算并預測數千種設置的影響。

為此，位于慕尼黑的西門(mén)子智能系統與控制技術(shù)領(lǐng)域（GTF）部門(mén)的Volkmar Sterzing及其CT團隊開(kāi)發(fā)了一種可以實(shí)現以上功能的新方法。使用所謂的遞歸神經(jīng)網(wǎng)絡(luò )，研究人員可以描繪燃氣輪機的整個(gè)運轉過(guò)程，并準確預測其產(chǎn)出。Sterzing解釋說(shuō)：“過(guò)去，我們只能了解到這些過(guò)程在某一時(shí)刻的狀態(tài)。而現在，使用這個(gè)新方法，我們可以掌握在這個(gè)特定時(shí)刻之前及之后的運行情況。”Sterzing表示，利用這種方法，研究人員不僅可以查明過(guò)去發(fā)生了什么，還可以預見(jiàn)未來(lái)會(huì )發(fā)生什么。這種動(dòng)態(tài)的描繪可以確認其中的變化，充分利用有利的變化，同時(shí)弱化可能產(chǎn)生負面影響的變化，并相應地調整維保計劃。

未來(lái)，個(gè)人能源代理將使用裝有學(xué)習軟件的專(zhuān)業(yè)電表箱（左圖）來(lái)操作顧客和電力公司之間的電力交易。

CT研究人員已經(jīng)將他們從燃氣輪機中學(xué)到的知識應用在相關(guān)領(lǐng)域內，例如優(yōu)化風(fēng)電機組及整個(gè)風(fēng)電場(chǎng)。作為熱心航海比賽船員的一份子，Sterzing知道在比賽中每時(shí)每刻都需要關(guān)注波浪、風(fēng)速和對手的船只，這樣才能決定駕馭船只的方式。否則，如果無(wú)法預測未來(lái)的變化，就不能規劃合適的路線(xiàn)。在這種辦法的啟發(fā)下，他為風(fēng)電機組發(fā)明了一種軟件系統，這種系統的基礎是能夠測量大約十種因素的傳感器，包括風(fēng)速、亂流度、溫度和氣壓。算法將這些數據和風(fēng)電場(chǎng)發(fā)電量聯(lián)系起來(lái)，這樣軟件就能夠從數以千計的關(guān)系中學(xué)習并學(xué)會(huì )如何在新情況下應用已有的知識。

西門(mén)子研究人員現在正在測試該系統。

隨著(zhù)對不同情況的學(xué)習，系統越來(lái)越擅長(cháng)獨立預測，知道哪種情況下，旋轉葉片的入射角或發(fā)電機速度快慢的改變，使得風(fēng)電機組能夠從風(fēng)中獲得大的產(chǎn)出。這種方法可以將風(fēng)電機組的產(chǎn)出提高0.5個(gè)百分點(diǎn)。聽(tīng)起來(lái)似乎不多，但是對一個(gè)大型風(fēng)電場(chǎng)而言就是很顯著(zhù)的效果。在過(guò)去的六個(gè)月里，瑞典Lillgrund風(fēng)電場(chǎng)進(jìn)行的實(shí)驗已經(jīng)表明，正是得益于從自己的行為中獨立學(xué)習的能力，即所謂的自主學(xué)習，風(fēng)電場(chǎng)提高了發(fā)電量，這相當于額外添加了一臺風(fēng)電機組所生產(chǎn)的電量。

從聲音中學(xué)習——高效節能

將電弧爐中的鐵塊熔煉成鋼板會(huì )產(chǎn)生大量噪聲。重量各異的鐵塊，有的甚至像汽車(chē)那么大，在三個(gè)強大的電弧下熔化時(shí)來(lái)回滑動(dòng)。雖然電弧的溫度高達一萬(wàn)攝氏度，有時(shí)也不能將熔化的鐵塊焊接起來(lái)，而將能量消耗到爐壁上。熔爐產(chǎn)生的噪聲震耳欲聾。三相交流電電極的電弧產(chǎn)生大約120分貝的噪聲，比噴氣式飛機的噪聲都大。Detlef Rieger是慕尼黑西門(mén)子中央研究院的非破壞性試驗技術(shù)領(lǐng)域（GTF）部門(mén)的項目經(jīng)理，Thomas Matschullat就職于愛(ài)爾蘭根的冶金技術(shù)部門(mén)。正是這樣巨大的噪聲使兩位科學(xué)家不得不認真思考這一問(wèn)題。兩人想知道該如何監視和控制熔煉過(guò)程，以減少能源的浪費。

他們在熔爐外壁掛上傳感器，這樣就可以測出熔爐內部產(chǎn)生的聲波。除此之外，他們還持續不斷地監視電極產(chǎn)生的電流。Rieger說(shuō)：“把電極數據和聲波測量結果結合起來(lái)。我們的算法可以計算出電弧和爐壁之間產(chǎn)生的是哪種聲音振蕩。通過(guò)這個(gè)信息，我們可以推斷出熔爐內部每時(shí)每刻的情況。”在熔化的初階段，系統已經(jīng)掌握足夠的信息可以確定熔爐內部各個(gè)鐵塊的位置，從而判斷出單個(gè)電極的輸出是增加還是減少。在熔煉的第二階段，確保鐵塊中碎屑異物形成的礦渣盡可能均勻地分布在熔化的金屬表層，這很關(guān)鍵。為此，將煤灰吹入熔爐中，在礦渣上形成一層一氧化碳泡沫。這一層泡沫保護了電弧和熔化的金屬，避免爐壁的溫度過(guò)高。這樣就減少了能源消耗。軟件不斷地通過(guò)解讀聲波數據來(lái)測量含有泡沫的礦渣是否足夠厚，分布是否均勻，因此該過(guò)程被命名為“IMELT Foaming Slag Manager（IMELT泡沫煤渣管理器）。”德國的兩家煉鋼廠(chǎng)和白俄羅斯的一家煉鋼廠(chǎng)都在使用這個(gè)系統，并成功地將能耗降低了2.3%。Rieger說(shuō)：“例如，按照100噸鋼材的成本計算，差不多相當于每小時(shí)節省了920 度電。”而且，煉鋼廠(chǎng)每年的煤炭消耗量降低了25%，二氧化碳排放量減少了12,000噸。