1、附件1信息化建設業(yè)務需求分析報告（基于容器云技術的人工智能平臺建設）中報部門（單位）：XXXX （蓋章）中報時間：年 月目錄1概述11.1 系統(tǒng)建設現(xiàn)狀11.2 必要性分析 11.3 建設目標32業(yè)務需求32.1 人工智能云平臺32.1.1 業(yè)務需求描述 32.1.2 業(yè)務流程62.1.3 業(yè)務數(shù)據(jù)63集成需求74實施范圍75其他需求75.4 可靠性75.5 信息安全75.6 可維護性75.6.1 易修改75.6.2 易測試75.7 系統(tǒng)災備設計81概述1.1 系統(tǒng)建設現(xiàn)狀國網(wǎng)浙江信通公司作為國網(wǎng)浙江電力的信息化支撐單位，率先建成融合企業(yè)云計算大數(shù)據(jù)一體化服務平臺和全業(yè)務統(tǒng)一數(shù)據(jù)中心的浙電云”

2、平臺。目前已有219臺服務器規(guī)模，部署了 30個技術組件，并完成39套企業(yè)核心業(yè)務系統(tǒng)全業(yè)務數(shù)據(jù)的匯集，合計 數(shù)據(jù)表39674張，總的數(shù)據(jù)存儲量達527TB。初步構建企業(yè)數(shù)據(jù)統(tǒng)一匯集共享機制，已 累計為公司50多個項目的80多個互聯(lián)網(wǎng)+”創(chuàng)新應用提供數(shù)據(jù)服務支持，形成了 互聯(lián) 網(wǎng)+”智能運檢、 互聯(lián)網(wǎng)+”營銷服務、 互聯(lián)網(wǎng)+”規(guī)劃、互聯(lián)網(wǎng)+”電力物資、運監(jiān)大數(shù) 據(jù)和財務精益化等新型業(yè)務形態(tài)雛形。建成用電客戶標簽庫、大數(shù)據(jù)運營監(jiān)測系統(tǒng)、智 能運檢管控平臺、供電服務指揮系統(tǒng)、配電網(wǎng)規(guī)劃輔助決策等創(chuàng)新業(yè)務應用。企業(yè)數(shù)據(jù) 統(tǒng)一匯集共享機制及業(yè)務創(chuàng)新運營機制的初步建成，為人工智能在國網(wǎng)浙江電力的試點應用

3、落地及鋪開打下了較為堅實的基礎。1.2 必要性分析人工智能在電力能源有很廣泛的應用技術場景，可以對如下技術場景進行儲備：多功能場景分析系統(tǒng)，包括攝像機自動標定、人員檢測、人員跟蹤、姿勢分類、行 為分析、三維重建等模塊。利用無人機，巡線機器人和遙感衛(wèi)星等對書店設備本體和輸電通道環(huán)境進行立體巡 檢和風險評測，基于人工智能圖片識別技術有效的處理圖片以及視頻技術，準確識 別出輸變電設備本體的缺陷和輸電線路的潛在風險?；趯Ш綀D像的知識積累和人工智能，通過對空間導航和智能巡檢規(guī)劃，優(yōu)化巡檢 路徑和重點排查區(qū)域。通過人工智能圖像識別技術，識別用電現(xiàn)場危險行為，增強用電現(xiàn)場作業(yè)的安全性 和效率。基于深度學習

4、技術對云觀測圖像中的云層和云系進行識別和辨識，并對其演化進行 預測，實現(xiàn)對云層遮擋條件下光伏功率的快速波動的預測，提供新能源跨省、跨區(qū) 域高效消納能力。隨著新能源持續(xù)高比例運行、電力電子裝置大量應用、電力市場化水平不斷提高， 電力系統(tǒng)的動態(tài)非線性、多時間尺度、不確定性和難預測性表現(xiàn)得更加突出，以人工智 能為核心的數(shù)據(jù)驅動方法相對于基于物理模型的分析方法，更加精準地刻畫電力系統(tǒng)特 征，。同時，為了應對上述變化，電力系統(tǒng)部署了眾多用于監(jiān)測、控制、管理的信息通 信系統(tǒng)，產(chǎn)生著大量的數(shù)據(jù)，在電網(wǎng)安全與控制領域、輸變電領域、配用電領域、新能 源領域等應用場景下表現(xiàn)出大維度、小樣本、非結構化的數(shù)據(jù)特性，目

5、前常規(guī)的統(tǒng)計分 析、數(shù)據(jù)挖掘、機器學習，難以滿足需求。機器學習構建任何適用于生產(chǎn)環(huán)境的機器學習系統(tǒng)都涉及各種組件的組合，通常會 混合供應商和手動解決方案。連接和管理這些服務已然不易，再加上復雜的環(huán)境設置， 都為機器學習應用帶來了巨大的障礙。基礎設施工程師通常會在測試單個模型之前，花 費大量時間手動調(diào)整部署和升級的解決方案。更糟的是，這些部署與他們部署的集群緊 密相關，以至于這套技術棧不便遷移。如果沒有重構，將模型從筆記本電腦移動到高可 擴展的云集群幾乎是不可能的。以上的問題造成了大量人力和物力的浪費，并為每次遷 移造成了引入bug的機會。通過使用kubernetes容器云的一鍵配置集群規(guī)模和設

6、備， 更方便地使用 CPU和GPU可配置為使用 CPU或GPU,并通過單一設置調(diào)整集群 的大小，支持訓練加速等等特性解決以上問題。1.3 建設目標1 .搭建人工智能云平臺，包括圖像標注系統(tǒng)，模型開發(fā)和訓練平臺，模型服務托管平臺。打通數(shù)據(jù) 歿塊用艮務流程，為算法科學家提供一站式開發(fā)體驗。2 .人工智能算法包含：圖像分析（人、物、OCR）、文本類型（對話機器人基礎算法、 文本分析、知識圖譜構建基礎算法、文本分類、語義分析）、語音類型（聲紋識別、語音識別、異音檢測、語音質量檢測、語音合成）、機器學習（推薦系統(tǒng)、時序預測、無 監(jiān)督算法）等。將這些常用算法包直接上架到人工智能平臺算法商店進行統(tǒng)一管管，提

7、 升開發(fā)效率。3 .打造安全高效的數(shù)據(jù)存儲管理平臺，將內(nèi)部和外部數(shù)據(jù)集統(tǒng)一存儲在數(shù)據(jù)存儲管理平臺上。并支持通過對象存儲或分布式文件存儲實現(xiàn)數(shù)據(jù)的快速訪問和更新。2業(yè)務需求1.1 人工智能云平臺1.1.1 業(yè)務需求描述（1）平臺硬件配置11 臺 2u 12*4T SATA 存儲機器（72 線程，128G）序號產(chǎn)品型號詳細配置單位數(shù)量單價合計備注安擎服務器EG520R-G10存儲節(jié)點整機部分機架式2U臺11W.00（+） 配件CPUE5-2697V4 18 核 36 線程顆280500.00v85,500.00主板X10DRL-I （集成 I350 2 口千兆網(wǎng)卡）塊1機箱RM23624H01 （

8、兩塊 800W冗余電源,2U,12盤位，帶2*2.5寸尾盤）臺1內(nèi)存32G DDR4 RECC根4raid 卡LSI 9361-8I 含線（1G）塊1硬盤4T SATA 3.5 寸塊12萬兆網(wǎng)卡Intel X520SR2 含模塊塊1導軌副14臺2u 8*240G 計算節(jié)點（72線程，128G）序號產(chǎn)品型號詳細配置單位數(shù)量單價合計備注安擎服務器EG520R-G10管理節(jié) 點整機部分機架式2U臺7毛.00（+） 配件CPUE5-2697V4 18 核 36 線程顆270900.00資96,300.00主板X10DRL-I （集成 I350 2 口千兆網(wǎng)卡）塊1機箱RM23608H01 （兩塊 55

9、0W 冗余電源,2U,8盤位）臺1內(nèi)存32G DDR4 RECC塊4SSDS4500 240G SSD塊8CPUE5-2697V4 18 核 36 線程顆2萬兆網(wǎng)卡Intel X520SR2 含模塊塊1導軌副130 臺 1 機 4 卡 GPU 1080ti 機器（56 線程，128G）序號產(chǎn)品型號詳細配置單位數(shù)量單價合計備注安擎服務器EG820G-G10GPU節(jié)點整機部分塔式4U臺30W.00（+） 配件CPUE5-2680V4 14 核 28 線程顆289740.00駕692,200.00內(nèi)存32G DDR4 RECC根4SSDS4500 240G SSD塊1硬盤4TB SATA塊2萬兆網(wǎng)卡

10、X520-SR2塊1GPU卡華碩1080ti塊4機塔套件MCP-290-00059-0B臺12.5托架MCP-220-93801-0B個1規(guī)模說明:集群類型集群用途說明規(guī)模預估備注管理集群管理集群：1 .多臺服務器節(jié)點組建高可用主控集 群。2 .多臺服務器節(jié)點組建高可用鏡像倉 庫集群。7臺服務器鏡像節(jié)點服務器存儲用量較大。存儲集群存儲集群：1 .人工智能平臺配置，狀態(tài)信息存儲。2 .訓練數(shù)據(jù)集（視頻，圖片，文本，語 音等類型文件）存儲。3 .模型訓練輸出文件存儲（訓練模型文 件，訓練事件文件，訓練日志文件）。11臺服務器視頻監(jiān)控類存儲資源計算參考公 式：存儲（TB） = 2.16TB3.24T

11、B/天 x攝像頭數(shù)（單位：千臺）x存 儲天數(shù)。GPU集群GPU集群：1 .部分GPU節(jié)點用于模型訓練任務。2 .部分GPU節(jié)點用于模型服務實例運 行。30臺GPU服務器（每臺4塊GPU顯卡）由于GPU廠商的限制，多個訓練 任務不能同時公用一塊 GPU卡， 所以每個訓練任務至少獨占一塊GPU 卡。資源參考公式：服務器（臺）=分 析場景類另IJ （種）X 模型訓練實 例數(shù)+模型實例數(shù)? 4。（2）基于kubernetes容器云在不同的基礎設施上輕松可重復、 便攜的部署和管理松散耦合的微服務應用根據(jù)需 求進行縮放，使用kubernetes旨在為用戶提供簡單的清單，以便可以輕松地在任何位置 使用機器學

12、習堆棧在kubernetes上運行。另外，它可以基于部署集群進行自我配置，最 大化使用資源。（3）基本公共組件平臺綜合管理功能，主要針對平臺管理員角色，其中功能包含，賬號管理、多租戶管理、計算存儲網(wǎng)絡資源管理、告警管理、日志管理、監(jiān)控管理、插件擴展中心功能。(4)訓練數(shù)據(jù)管理對接和管理底層存儲，將存儲資源分配給平臺用戶，平臺用戶基于管理員已分配存 儲空間來存儲訓練數(shù)據(jù)集。已存儲的數(shù)據(jù)集可以在平臺上進行數(shù)據(jù)標記操作。存儲數(shù)據(jù) 中包含訓練代碼文件，可以通過 jupyter notebook進行在線修改訓練代碼以及 Debug。 AI訓練結束后對訓練產(chǎn)生的事件，日志，模型文件進行存儲。(5) AI模

13、型訓練模型訓練包含前期訓練的項目參數(shù)配置，資源分配，任務提交，任務提交后的資源 調(diào)度以及資源緊張時任務插隊系統(tǒng)，以及在訓練過程中資源監(jiān)控，訓練日志，訓練可視 化展示，模型評估以及模型導出的全生命周期管理。(6)模型托管模型托管包括模型運行環(huán)境定義，模型發(fā)布實例數(shù)定義，模型運行后的彈性伸縮策略定 義，客戶端調(diào)用示例代碼段生成，模型運行后GPU等資源監(jiān)控告警，模型實例運行日志收集與展示。(7)人工智能算法庫由于人工智能應用的開發(fā)復雜度高，不僅僅涉及到軟件前端和后端的開發(fā)，還要涉及到 人工智能模型和算法的研發(fā)，開發(fā)人員對于人工智能算法的了解，平臺還應具備常見的 基礎算法庫。基于人工智能場景的豐富，我

14、們需要的算法庫包括但不限于： 圖像分析：人：人臉識別、人臉檢測、人體檢測、人體跟蹤、行為分析物：物品識別、細粒度分類、缺陷檢測OCR:車票 OCR、通用 OCR、發(fā)票 OCR、表格 OCR文本類型：對話機器人基礎算法文本分析知識圖譜構建基礎算法文本分類語義分析 語音類型：聲紋識別語音識別異音檢測語音質量檢測語音合成機器學習：推薦系統(tǒng)：1.基于圖像識別的電商內(nèi)容推薦系統(tǒng)；2.基于深度學習的用戶行為推薦系統(tǒng)；3.基于深度學習的排序算法。時序預測：1.非參數(shù)時序預測；2.機器學習時序預測；3.深度學習時序預測。無監(jiān)督算法：1.聚類算法;2.降維算法。1.1.2 業(yè)務流程無1.1.3 業(yè)務數(shù)據(jù)無3 集

15、成需求無4 實施范圍說明本期建設的信息系統(tǒng)功能的實施范圍。5 其他需求5.1 可靠性通過軟件架構的分層和分開部署滿足層次分明，功能清晰，防止某一層次某一分布 的錯誤導致集成接口的癱瘓。系統(tǒng)滿足集成接口監(jiān)控的要求，記錄錯誤編號、錯誤原因 及錯誤來源、錯誤動作供分析，并可深入跟蹤的錯誤信息。5.2 信息安全集成接口的設計開發(fā)應從應用安全要求和數(shù)據(jù)安全要求兩個方面進行考慮。分析應用、數(shù)據(jù)模型要求遵照全業(yè)務數(shù)據(jù)中心分析域信息安全設置。物理安全則需根據(jù)系統(tǒng)安 全定級參考國家信息安全等級保護及智能電網(wǎng)信息安全防護方案要求進行設計。5.3 可維護性可維護性是指集成接口適應修改缺陷、增加新功能、系統(tǒng)移植、接口遷移等。5.6.1易修改集成接口遵循易配置性，通過簡單配置即滿足功能性修改需求；充分考慮集成接口的擴展性，為后期修改預留充足的擴展空間，在