课程背景
国电联合动力作为风电整体解题打法提供商，正处于从“装置制造”向“智慧运维”转型的要害期。技艺队伍在推进AI落地时面临三重深水区挑战：
一是资料特性鸿沟
，风电SCADA和振动资料具备高维、非平稳、强噪声特性，通用AI模型难以直接适配。
二是模型落地断层
，实验室高准确率模型在边缘端面临算力约束和资料漂移，难以形成业务闭环；
三是系统协同壁垒
，专家心得难以数智化沉淀，传统工单系统和实时监控系统缺乏智能联动，运维效率遭遇上限。
本课采用“资料治理-算法攻坚-架构规划-工程落地”的四阶技艺路径。第 一天锁住
时序资料破局和故障预警算法
，破解“算得准”的问题；第二天纵深
智能体架构和系统集成
，破解“联得通”的问题；第三天攻克
边缘部署和方案共创
，破解“跑得稳”的问题。全程贯穿冰洋老师在大厂积累的架构规划和实战心得，确保技艺深度和业务价值并重。
参训者将掌握从资料清洗到模型部署的全栈AI工程化本领，公司能够构筑起准则化的故障预警模型开发流程和智能体运用架构，显著降低非规划停机时间，拉升风场运维的智能化水平和资产回报率。
课程收益
1.
掌握风电时序资料处理技艺
，能够针对SCADA和振动资料开展专精特征工程，破解资料质量问题。
2.
精通故障预警核心算法
，掌握异常检测和RUL（剩余寿命）预测的模型选型、训练调优以及可解释性拆解办法。
3.
具备智能体架构规划本领
，能够规划并达成融合RAG学识库和API抓手调用的运维辅助智能体。
4.
突破边缘部署技艺瓶颈
，掌握模型量化、剪枝等等轻量化技艺，规划云边协同的持续研习架构。
5.
输出可落地的技艺方案
，借助沙盘上手产出针对联合动力实际业务情境的智能运维解题打法。
课程大纲
课程导入
破冰和对齐： 风电AI落地的“死亡谷”拆解——从实验室Demo到生产环境的跨越
全景图发布： 联合动力AI智能运维技艺架构全景图（资料层-算法层-运用层-部署层）
实战分组： 组建“技艺攻坚组”，发布为期3天的实战命题
学识模块（技艺基石）：
资料特性剖析： 风电SCADA资料的“三高一多”（高维、高噪、高缺失、多变量耦合）以及其对AI模型的挑战。
预处理实战： 变工况资料分割、基于物理机理的缺失值插补、小波去噪和卡尔曼滤波运用。
高阶特征构筑： 时域、频域、时频域特征提取，在实际应用里，健康因子（Health Index）的构造办法。
实例研讨（实战）：
实例： 某风场因资料漂移导致齿轮箱预警失效的事故复盘。
挑战： 怎样在资料分布发生变化时保持模型稳定性。
沙盘上手/小组碰头：
上手主题： 针对主轴承振动资料，规划一套完整的特征工程方案。
产出物： 特征工程Pipeline规划图、要害特征列表。
学识模块（算法核心）：
异常检测算法： 针对少样本故障情境，纵深拆解LSTM-Autoencoder、孤立森林以及Transformer在时序异常检测中的运用。
RUL预测模型： 基于Attention制度的Seq2Seq模型构筑，破解剩余采用寿命预测问题。
可解释性AI（XAI）： 运用SHAP/LIME值拆解，将“黑盒”预警转化为可领会的物理意义解释。
实例研讨（实战）：
实例： 某海上风电场叶片开裂的预警和根因追溯。
挑战： 怎样在强噪声来由下提前72小时精准预警。
沙盘上手/小组碰头：
上手主题： 对比不同算法在同一资料集上的表现，确定最 优模型选型。
产出物： 模型选型评核报告、超参数调优记录。
学识模块（架构规划）：
智能体核心范式： 拆解ReAct（Reason+Act）架构，领会智能体怎样超越传统自动化脚本。
RAG全链路技艺： 文档拆解、语义切分、Embedding模型选型、混合检索和重排序（Rerank）打法。
学识库构筑： 怎样将非结构化的运维指引、故障实例转化为结构化学识，消除大模型“幻觉”。
实例研讨（实战）：
实例： 某能源集团售后技艺支持智能体的落地实践。
挑战： 怎样确保智能体输出的维修方案符合安全规范。
沙盘上手/小组碰头：
上手主题： 规划并构筑一个“风机故障排查学识库”。
产出物： RAG系统架构图、学识库更新维护制度。
学识模块（工程落地）：
API集成技艺： 智能体和SCADA/MES系统的接口规划和安全认证制度。
模型轻量化： 模型剪枝、量化（INT8/FP16）和学识蒸馏技艺，适配边缘端算力限制。
云边协同架构： 规划“边缘推理-云端训练-模型下发”的闭环资料流。
实例研讨（实战）：
实例： 某风场边缘计算节点部署失败的技艺复盘。
挑战： 怎样在断网环境下保证AI服务的连续性。
沙盘上手/小组碰头：
上手主题： 规划“国电联合动力边缘智能部署架构”。
产出物： 云边协同架构规划图、边缘节点资源配置表。
学识模块（价值转化）：
方案规划办法论： 从业务痛点反推技艺架构的规划思路。
技艺可行性评核： 成本、算力、周期和隐患的综合评核模型。
实战工作坊（全员共创）：
课题选项：
1. 课题A： 主轴承故障预警和RUL预测智能体（算法侧）
2. 课题B： 一站式风电智能运维排障智能体（运用侧）
3. 课题C： 基于能效精进的风场集群调度智能体（系统侧）
共创流程： 诉求定义 -> 架构规划 -> 接口规划 -> Demo演示。
结晶展示和点评：
各组开展方案路演，接受讲师和技艺委员会还原质询。
老师逐一点评，给出改进建议和落地路径。
七、课程收束和行动规划
学识图谱回顾： 串联“资料-算法-架构-部署”四大核心支柱。
个人行动规划： 每位参训者输出一份《岗位级AI技艺落地差事书》。
长期支持（可选）： 构筑课后技艺答疑群，提供后续架构咨询支持。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
国电联合动力技艺研发主力、算法工程师、系统架构师、数智化转型专家 技艺研发主力（负责算法和模型开发） 系统架构师（负责平台和集成） 数智化转型专家（负责规划和落地）。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。