信息化建设业务需求分析报告

《信息化建设业务需求分析报告》由会员分享，可在线阅读，更多相关《信息化建设业务需求分析报告（9页珍藏版）》请在装配图网上搜索。

1、附件1信息化建设业务需求分析报告（基于容器云技术的人工智能平台建设）申报部门（单位）：XXXX （盖章）申报时间：年 月目录1概述11.1系统建设现状11.2必要性分析11.3建设目标32业务需求32.1人工智能云平台3业务需求描述3业务流程6业务数据63集成需求74实施范围75其他需求75.4可靠性75.5信息安全75.6可维护性7易修改7易测试75.7系统灾备设计81概述11系统建设现状国网浙江信通公司作为国网浙江电力的信息化支撑单位，率先建成融合企业云计算 大数据一体化服务平台和全业务统一数据中心的“浙电云”平台。目前已有219台服务器 规模，部署了 30个技术组件，并完成39套企业核心

2、业务系统全业务数据的汇集，合计 数据表39674张，总的数据存储量达527TB。初步构建企业数据统一汇集共享机制，已 累计为公司50多个项目的80多个“互联网+”创新应用提供数据服务支持，形成了“互联 网+”智能运检、“互联网+”营销服务、“互联网+”规划、“互联网+”电力物资、运监大数 据和财务精益化等新型业务形态雏形。建成用电客户标签库、大数据运营监测系统、智 能运检管控平台、供电服务指挥系统、配电网规划辅助决策等创新业务应用。企业数据 统一汇集共享机制及业务创新运营机制的初步建成，为人工智能在国网浙江电力的试点 应用落地及铺开打下了较为坚实的基础。1.2必要性分析人工智能在电力能源有很广

3、泛的应用技术场景，可以对如下技术场景进行储备： 多功能场景分析系统，包括摄像机自动标定、人员检测、人员跟踪、姿势分类、行 为分析、三维重建等模块。利用无人机，巡线机器人和遥感卫星等对书店设备本体和输电通道环境进行立体巡 检和风险评测，基于人工智能图片识别技术有效的处理图片以及视频技术，准确识 别出输变电设备本体的缺陷和输电线路的潜在风险。 基于导航图像的知识积累和人工智能，通过对空间导航和智能巡检规划，优化巡检 路径和重点排查区域。 通过人工智能图像识别技术，识别用电现场危险行为，增强用电现场作业的安全性 和效率。基于深度学习技术对云观测图像中的云层和云系进行识别和辨识，并对其演化进行 预测，

4、实现对云层遮挡条件下光伏功率的快速波动的预测，提供新能源跨省、跨区 域高效消纳能力。随着新能源持续高比例运行、电力电子装置大量应用、电力市场化水平不断提高， 电力系统的动态非线性、多时间尺度、不确定性和难预测性表现得更加突出，以人工智 能为核心的数据驱动方法相对于基于物理模型的分析方法，更加精准地刻画电力系统特 征，同时，为了应对上述变化，电力系统部署了众多用于监测、控制、管理的信息通 信系统，产生着大量的数据，在电网安全与控制领域、输变电领域、配用电领域、新能 源领域等应用场景下表现出大维度、小样本、非结构化的数据特性，目前常规的统计分 析、数据挖掘、机器学习，难以满足需求。机器学习构建任何

5、适用于生产环境的机器学习系统都涉及各种组件的组合，通常会 混合供应商和手动解决方案。连接和管理这些服务已然不易，再加上复杂的环境设置， 都为机器学习应用带来了巨大的障碍。基础设施工程师通常会在测试单个模型之前，花 费大量时间手动调整部署和升级的解决方案。更糟的是，这些部署与他们部署的集群紧 密相关，以至于这套技术栈不便迁移。如果没有重构，将模型从笔记本电脑移动到高可 扩展的云集群几乎是不可能的。以上的问题造成了大量人力和物力的浪费，并为每次迁 移造成了引入bug的机会。通过使用kubernetes容器云的一键配置集群规模和设备， 更方便地使用CPU和GPU可配置为使用CPU或GPU,并通过单一

6、设置调整集群 的大小，支持训练加速等等特性解决以上问题。13建设目标1. 搭建人工智能云平台，包括图像标注系统，模型开发和训练平台，模型服务托管平 台。打通数据-模块-服务流程，为算法科学家提供一站式开发体验。2. 人工智能算法包含：图像分析（人、物、OCR）、文本类型（对话机器人基础算法、 文本分析、知识图谱构建基础算法、文本分类、语义分析）、语音类型（声纹识别、语 音识别、异音检测、语音质量检测、语音合成）、机器学习（推荐系统、时序预测、无 监督算法）等。将这些常用算法包直接上架到人工智能平台算法商店进行统一管管，提 升开发效率。3. 打造安全高效的数据存储管理平台，将内部和外部数据集统一

7、存储在数据存储管理 平台上。并支持通过对象存储或分布式文件存储实现数据的快速访问和更新。2业务需求21人工智能云平台业务需求描述（1）平台硬件配置11 台 2u 12*4T SATA 存储机器（72 线程，128G）序号产品型号详细配置单位数量单价合计备注安擎服务器EG520R-G10存储节点整;机部分机架式2U台110.00（+）配件CPUE5-2697v4 18 核 36 线程颗280500.00885,500.00主板X10DRL-I（集成 1350 2 口千兆网卡）块1机箱RM23624H01 （两块 800W 冗余电源,2U,12盘位，带 2*2.5寸尾盘）台1内存32G DDR4

8、RECC根4raid 卡LSI 9361-8I 含线（1G）块1硬盘4T SATA 3.5 寸块12万兆网卡Intel X520SR2 含模块块1导轨副14台2u 8*240G计算节点（72线程，128G）序号产品型号详细配置单位数量单价合计备注安擎服务器EG520R-G10管理节点整机部分机架式2U台70.00（+）配件CPUE5-2697v4 18 核 36 线程颗270900.00496,300.00主板X10DRL-I（集成 I350 2 口千兆网卡）块1机箱RM23608H0K 两块 550W 冗余电源,2U,8盘位）台1内存32G DDR4 RECC块4SSDS4500 240G

9、SSD块8CPUE5-2697v4 18 核 36 线程颗2万兆网卡Intel X520SR2 含模块块1导轨副130 台 1 机 4 卡 GPU 1080ti 机器（56 线程，128G）序号产品型号详细配置单位数量单价合计备注安擎服务器EG820G-G10GPU节点整机部分塔式4U台300.00（+）配件CPUE5-2680v4 14 核 28 线程颗289740.002,692,200.00内存32G DDR4 RECC根4SSDS4500 240G SSD块1硬盘4TB SATA块2万兆网卡X520-SR2块1GPU卡华硕1080ti块4机塔套件MCP-290-00059-0B台12.

10、5托架MCP-220-93801-0B个1规模说明:集群类型集群用途说明规模预估备注管理集群管理集群：1多台服务器节点组建高可用主控集 群。2.多台服务器节点组建高可用镜像仓 库集群。7台服务器镜像节点服务器存储用量较大。存储集群存储集群：1人工智能平台配置，状态信息存储。2训练数据集（视频，图片，文本，语 音等类型文件）存储。3模型训练输出文件存储（训练模型文 件，训练事件文件，训练日志文件）。11台服务器视频监控类存储资源计算参考公式：存储（TB） = 2.16TB3.24TB/天X摄像头数（单位：千台）X存 储天数。GPU集群GPU集群：1部分GPU节点用于模型训练任务。2部分GPU节点

11、用于模型服务实例运 行。30台GPU服务器（每台4块GPU显卡）由于GPU厂商的限制，多个训练 任务不能同时公用一块GPU卡， 所以每个训练任务至少独占一块 GPU 卡。资源参考公式：服务器（台）=分 析场景类别（种）X 模型训练实 例数+模型实例数4。（2）基于kubernetes容器云在不同的基础设施上轻松可重复、便携的部署和管理松散耦合的微服务应用根据需 求进行缩放，使用kubernetes旨在为用户提供简单的清单，以便可以轻松地在任何位置 使用机器学习堆栈在kubernetes上运行。另外，它可以基于部署集群进行自我配置，最 大化使用资源。（3）基本公共组件平台综合管理功能，主要针对平

12、台管理员角色，其中功能包含，账号管理、多租 户管理、计算存储网络资源管理、告警管理、日志管理、监控管理、插件扩展中心功能。训练数据管理对接和管理底层存储，将存储资源分配给平台用户，平台用户基于管理员已分配存 储空间来存储训练数据集。已存储的数据集可以在平台上进行数据标记操作。存储数据 中包含训练代码文件，可以通过jupyter notebook进行在线修改训练代码以及Debug。 AI训练结束后对训练产生的事件，日志，模型文件进行存储。（5）AI模型训练模型训练包含前期训练的项目参数配置，资源分配，任务提交，任务提交后的资源 调度以及资源紧张时任务插队系统，以及在训练过程中资源监控，训练日志，

13、训练可视 化展示，模型评估以及模型导出的全生命周期管理。（6）模型托管模型托管包括模型运行环境定义，模型发布实例数定义，模型运行后的弹性伸缩策略定 义，客户端调用示例代码段生成，模型运行后GPU等资源监控告警，模型实例运行日 志收集与展示。（7）人工智能算法库由于人工智能应用的开发复杂度高，不仅仅涉及到软件前端和后端的开发，还要涉及到 人工智能模型和算法的研发，开发人员对于人工智能算法的了解，平台还应具备常见的 基础算法库。基于人工智能场景的丰富，我们需要的算法库包括但不限于：图像分析： 人：人脸识别、人脸检测、人体检测、人体跟踪、行为分析物：物品识别、细粒度分类、缺陷检测 OCR：车票OCR

14、、通用 OCR、发票OCR、表格OCR文本类型：对话机器人基础算法文本分析知识图谱构建基础算法文本分类语义分析语音类型：声纹识别语音识别异音检测语音质量检测语音合成机器学习：推荐系统：1.基于图像识别的电商内容推荐系统2基于深度学习的用户行为推荐系统3基于深度学习的排序算法。 时序预测：1.非参数时序预测;2 .机器学习时序预测；3.深度学习时序预测。无监督算法:1.聚类算法;2 .降维算法。业务流程无业务数据无3 集成需求无4 实施范围说明本期建设的信息系统功能的实施范围。5其他需求5.4可靠性通过软件架构的分层和分开部署满足层次分明，功能清晰，防止某一层次某一分布 的错误导致集成接口的瘫痪

15、。系统满足集成接口监控的要求，记录错误编号、错误原因 及错误来源、错误动作供分析，并可深入跟踪的错误信息。55信息安全集成接口的设计开发应从应用安全要求和数据安全要求两个方面进行考虑。分析应 用、数据模型要求遵照全业务数据中心分析域信息安全设置。物理安全则需根据系统安 全定级参考国家信息安全等级保护及智能电网信息安全防护方案要求进行设计。5.6可维护性可维护性是指集成接口适应修改缺陷、增加新功能、系统移植、接口迁移等。易修改集成接口遵循易配置性，通过简单配置即满足功能性修改需求；充分考虑集成接口的扩展性，为后期修改预留充足的扩展空间，在系统升级或 迁移后原有集成接口能够继续使用；易测试 输入输出提示信息明确（成功、失败等交互信息简洁明了）。 支持相应的测试工具（LoadRunner等）。5.7系统灾备设计满足本地数据备份要求，根据国家电网公司灾备建设相关要求、应用和数据的特点, 在系统上线前，针对项目制定符合项目单位实际运行情况的备份方案、恢复测试方案， 并应在全部数据导入后进行全真模拟环境下各类备份的测试和恢复工作。配合实施灾备建设，同时应与国网浙江公司一并进行系统上线前的灾备测试演练。