亚马逊云科技案例研究 ：淄博热力

淄博市热力集团有限责任公司（以下简称“淄博热力”）是经淄博市委、市政府批准成立的市属国有企业集团，业务涉及集中供热、供冷、热力设计、清洁能源利用和热力装备制造等领域，目前集中供热入网面积3,000余万平方米。淄博热力的业务拓展主要聚焦在三个方面：其一是供热、供冷主业。通过整合全市供热资源，建立淄博市统一管理的供热骨干管网及服务平台，成为集中供热供冷为一体的大型综合性生产运营服务商；其二是智慧供热技术及产品输出。通过技术创新和商业模式创新，开发一系列智慧供热平台产品。在对同业公司进行技术赋能后，协助同行建立智慧化的供热平台，快速提升管理及运行水平，实现精准供热的目标；其三是清洁能源利用。通过开发工业余热、地源、太阳能、空气源、污水源等清洁能源项目，逐步提高清洁能源在供热热源中的占比，优化热源结构，向同行业横向推广绿色智慧供热经验，为实现“碳达峰”、“碳中和”宏伟目标贡献力量，实现全社会生态优先，绿色低碳的可持续发展。

目前，淄博热力借助其雄厚的科技研发力量，在智慧供热、工业余热利用、供热设计等方面已经走在行业前列，拥有山东省首家以清洁智能供热为研发方向的省级工程实验室，自主实施的“多热源联合供热工业余热项目”被评为“北方城镇供暖节能最佳实践案例”。生产运营水平居行业前列，获得全国城镇供热协会颁发的“能效领跑者”称号。在未来，淄博热力将进一步拓展及整合供热市场，加快城市主干管网互联互通建设，预计到2023年底，淄博热力集中供热面积达到5,000万平方米以上。

在与亚马逊云科技合作之前，淄博热力需要应对的业务挑战主要来自两个方面。其一是如何实现精准供热，在确保供热温度达标、用户舒适满意的同时尽可能降低热消耗，实现节能减排；其二是提升业务管控效率和用户满意度。
国内城镇的冬季集中式供暖基本上都采用水暖方式，供热公司生产的热力通过热力管线输送至为各小区服务的热力站，再通过小区内部的热力管网为用户供热，保证用户室内温度符合供暖标准及人体舒适温度。为了优化过去完全依靠人工、相对粗放的供热管理模式，淄博热力对热力系统基础设施进行了全面的升级改造，建立了能源管控平台，包括自动化控制系统、数据远传系统、用户室温采集系统、视频监控系统、集中水处理系统、能耗管理系统等，极大地提升了运营效率和用户满意度，也为实现精准供热打下了基础。“供热说起来似乎很简单，但如何依据气温、用户建筑维护结构、用热率等信息，决定阀门的开启程度、管道介质的参数调节方式、调节持续时间等以实现精准供热,以及在快速满足几十万用户用热需求的同时，尽可能节约成本，让用户室温始终保持在19-24℃之间的人体最佳舒适温度，对我们来说却是一个巨大的挑战。经过30多年供热实践，我们积累了大量的业务数据，并总结出一套行之有效的供热方法论。我们希望以此为基础，利用亚马逊云科技创新的技术，建立一个自动且精确的系统，可以及时提供高效的供暖调控策略，实现精准供热的目标。”淄博市热力集团公司副总经理王荣鑫说。
在业务管控方面，随着业务的快速发展，淄博热力供热范围也不断扩大，为日常生产运行、流程管理提供支持的生产、客服、能耗、人财物等业务系统每时每刻都产生出大量的数据，公司管理层迫切需要建立一个数据洞察与决策系统，以便一目了然地了解企业的生产经营活动、快速响应用户需求、加快决策、提高管理效率和用户满意度。

“我们选择亚马逊云科技的首要原因是亚马逊云科技在机器学习领域处于先行者地位，有丰富的机器学习落地场景可供借鉴；其二是亚马逊云科技拥有一支高质量的专业服务团队，可以为我们提供全方位的技术服务；其三是亚马逊云科技秉承“客户至尚”的理念，与淄博热力“用户至上”的服务理念不谋而合。”王荣鑫说。

通过与亚马逊云科技专业服务团队的深入沟通，淄博热力对机器学习在这一场景下的应用模式有了充分的了解，最终决定利用亚马逊云科技丰富的人工智能、机器学习技术和服务，联合研发一套基于机器学习的智慧供热调控系统。对积累起来的历史数据进行分析、处理、训练，构建出智能化的供热模型，可以根据气象、SCADA工控数据、建筑物维护结构等信息计算出极佳的供热模式并给出具体的操作指令，实现精准供热的目标。传统的机器学习开发是一个复杂和昂贵的迭代过程，且耗时、耗力，Amazon SageMaker极大地简化了这一过程，它在单个工具集里提供了机器学习的所有组件，使开发人员可以快速构建、训练和部署机器学习模型。
在项目实施过程中，亚马逊云科技专业服务团队与淄博热力技术与业务团队联动响应、协同工作，从关键业务场景出发，共同梳理出针对性的业务与技术解决方案，采用敏捷和精益生产的良好实践，持续迭代地完成了基于机器学习和大数据的智慧供热平台，不仅实现了既定的业务目标，也帮助参与团队收获了自身成长和价值提升。“智慧供热平台是一个开发型项目，对技术团队要求很高。通常技术团队在与业务团队沟通时最常遇到的问题是技术团队不能很好地理解业务需求，但亚马逊云科技的专业服务团队在这方面极具优势，在双方的沟通中，他们能很快理解我们的业务需求，并将这种需求与技术对接，不仅成功地完成了项目，而且还为我们的技术团队赋能。”淄博市热力集团科技创新中心主任张锐说。

淄博热力的智慧供热平台以机器学习和大数据为基础，实现了为各业务环节的数字化赋能。其中，精准供热模型使用Amazon SageMaker为核心开发平台，进行站控和户控模型的训练及开发，并利用亚马逊云科技无服务器架构进行生产环境的模型部署、自动训练和推理，可以依据气象、建筑维护结构、用热率等各类信息，及时准确地预测前端供暖需求并给出具体的操作指令。大数据分析基于亚马逊云科技的无服务器架构，采用Amazon Database Migration Service进行数据的批量和流式采集，并利用Amazon Glue进行数据的目录爬虫和ETL处理，在提升核心数据湖稳定性的同时极大地降低了人工运维成本，企业级数据仓库则采用了Amazon Redshift。图1是淄博热力智慧供热平台架构示意图。

在数据安全方面，智慧供热平台采用了多级别的安全措施：在数据抽取阶段采用数据脱敏，降低敏感数据泄漏风险；在数据传输过程中采用VPN进行加密，规避网络传输风险；在数据存储中采用静态加密技术，保证数据存储的安全性；设置严格的访问权限管理，防止人为的数据安全风险。淄博热力智慧供热平台所使用的亚马逊云科技服务包括Amazon Elastic Computer (Amazon EC2)、Amazon Simple Storage Service(Amazon S3)、Amazon Elastic Block Store (Amazon EBS)、Amazon Virtual Private Cloud(Amazon VPC)、Amazon Lambda、Amazon Glue、Amazon Redshift、Amazon Athena、Amazon SageMaker、Amazon Relational Database Service (Amazon RDS)、Amazon System Manager、Amazon CloudWatch、Amazon CloudTrail、Amazon Trusted Advisor、Amazon Identity and Management(IAM)等。
通过智慧供热的平台建设，淄博热力实现了从传统管理模式到数字化管理模式的转变，利用数字化手段全面赋能各业务环节，极大地提升了业务和管理效率。基于机器学习的精准供热模型投产后，不仅可以及时、准确地预测前端供暖调节需求、调整小区级和房间级的供暖策略，确保住户在整个供暖季都获得舒适的室温体验，同时还大幅度节约了热能、降低了成本，减少了二氧化碳、二氧化硫、氮氧化物等排放。
大数据智能分析平台帮助淄博热力形成了基于数据辅助的决策模型，通过实时数据采集和处理，公司各级管理层可以及时从多维度感知企业生产运行情况，同时基于指标的同比和环比分析，提升了数据洞察效率；业务部门基于大数据智能分析平台，可以及时、客观、真实地抓取淄博热力客户的用热数据，快速定位并解决问题，提升了客户满意度。