北京(jing)——2021年(nian)11月(yue)(yue)11日，亞馬(ma)遜(xun)(xun)(xun)云(yun)(yun)(yun)科技賦能(neng)技術合(he)作伙伴智信遠(yuan)景(jing)，幫助其不斷(duan)優化(hua)(hua)攬(lan)月(yue)(yue)云(yun)(yun)(yun)智慧供(gong)熱(re)與(yu)智慧用(yong)熱(re)解(jie)決方案，打造出(chu)行業(ye)(ye)(ye)(ye)領先的(de)SaaS服務(wu)平臺，以更(geng)優化(hua)(hua)的(de)解(jie)決方案促(cu)進供(gong)熱(re)行業(ye)(ye)(ye)(ye)節(jie)能(neng)減排，助力行業(ye)(ye)(ye)(ye)實(shi)現(xian) “雙碳” 目標(biao)。智信遠(yuan)景(jing)利用(yong)亞馬(ma)遜(xun)(xun)(xun)云(yun)(yun)(yun)科技機器學習(xi)服務(wu)Amazon SageMaker，快速(su)實(shi)現(xian)熱(re)負荷預(yu)測與(yu)智能(neng)調度。自(zi)2019年(nian)與(yu)亞馬(ma)遜(xun)(xun)(xun)云(yun)(yun)(yun)科技開(kai)(kai)(kai)展(zhan)技術合(he)作以來，智信遠(yuan)景(jing)攬(lan)月(yue)(yue)云(yun)(yun)(yun)平臺面向城(cheng)市集中供(gong)熱(re)企業(ye)(ye)(ye)(ye)的(de)應用(yong)中新接(jie)入(ru)了(le)500多個(ge)(ge)換熱(re)站，覆蓋供(gong)熱(re)面積達3000萬(wan)平方米左(zuo)右(you)，累計節(jie)能(neng)量(liang)折(zhe)合(he)標(biao)準煤10萬(wan)噸(dun)，相當于減少二(er)氧化(hua)(hua)碳排放量(liang)30萬(wan)噸(dun)。此外，智信遠(yuan)景(jing)還采用(yong)亞馬(ma)遜(xun)(xun)(xun)云(yun)(yun)(yun)科技智能(neng)湖倉架構(gou)、通過數據分(fen)析(xi)服務(wu)挖掘用(yong)戶需求(qiu)，為用(yong)戶提供(gong)更(geng)舒適的(de)智慧供(gong)熱(re)體驗;并依托亞馬(ma)遜(xun)(xun)(xun)云(yun)(yun)(yun)科技眾多開(kai)(kai)(kai)箱即用(yong)的(de)云(yun)(yun)(yun)服務(wu)，不斷(duan)降低成本，簡化(hua)(hua)運(yun)維并加速(su)應用(yong)創新，產品功能(neng)發布周期由原來的(de)3個(ge)(ge)月(yue)(yue)縮短(duan)至1個(ge)(ge)月(yue)(yue)，將更(geng)多精力投入(ru)到核心業(ye)(ye)(ye)(ye)務(wu)開(kai)(kai)(kai)發中，實(shi)現(xian)業(ye)(ye)(ye)(ye)務(wu)升級。
目前，供熱行業大部分基于人工經驗和傳統算法調控，無法支撐供熱管網上海量的智能設備及其帶來的指數級增長的數據，不能提供精準供熱。利用人工智能與機(ji)器學(xue)習技(ji)(ji)術(shu)可以解(jie)決(jue)這(zhe)(zhe)一行(xing)業痛(tong)點，但一般企業并不具備(bei)這(zhe)(zhe)樣的(de)(de)技(ji)(ji)術(shu)和人才儲備(bei)。亞馬遜云(yun)科技(ji)(ji)托管(guan)機(ji)器學(xue)習服務Amazon SageMaker幫(bang)助智(zhi)信遠景利用現(xian)成的(de)(de)機(ji)器學(xue)習模型快速構建智(zhi)能(neng)(neng)預(yu)測(ce)應用，避免了(le)花費大量(liang)精(jing)力搭建機(ji)器學(xue)習環(huan)境，兩周上(shang)線了(le)3個主要(yao)的(de)(de)供(gong)熱模型，其中對毛刺(ci)數(shu)(shu)據(ju)(異(yi)常數(shu)(shu)據(ju))的(de)(de)識(shi)別(bie)和剔除，解(jie)決(jue)了(le)供(gong)熱行(xing)業經常遇(yu)到(dao)很(hen)多工業設備(bei)出現(xian)異(yi)常數(shu)(shu)據(ju)的(de)(de)問題，保證了(le)對換熱站(zhan)負荷的(de)(de)準確預(yu)測(ce)與智(zhi)能(neng)(neng)調(diao)控，為用戶提(ti)供(gong)溫暖舒適的(de)(de)智(zhi)慧(hui)供(gong)熱，顯著提(ti)升(sheng)了(le)其攬月云(yun)平臺(tai)的(de)(de)市場(chang)競爭力。
智(zhi)信遠景(jing)還按(an)照亞(ya)馬(ma)遜云科技智(zhi)能(neng)(neng)湖倉(cang)架構(gou)打造了(le)數(shu)(shu)據(ju)(ju)(ju)湖，利(li)用(yong)Amazon Simple Storage(Amazon S3)存儲供熱數(shu)(shu)據(ju)(ju)(ju)，通過Amazon Glue、Amazon Athena構(gou)建數(shu)(shu)據(ju)(ju)(ju)倉(cang)庫，借助(zhu)Amazon Lambda無服務器計算(suan)服務進行(xing)數(shu)(shu)據(ju)(ju)(ju)轉換和計算(suan)。基(ji)于亞(ya)馬(ma)遜云科技智(zhi)能(neng)(neng)湖倉(cang)架構(gou)，智(zhi)信遠景(jing)只用(yong)4周(zhou)時(shi)間就搭建起了(le)數(shu)(shu)據(ju)(ju)(ju)分析應用(yong)。目前Amazon S3中已經接入1.1TB供熱數(shu)(shu)據(ju)(ju)(ju)，700+數(shu)(shu)據(ju)(ju)(ju)標(biao)簽，覆(fu)蓋了(le)供熱系統從(cong)熱源、熱網直(zhi)至房間所有環節(jie)的數(shu)(shu)據(ju)(ju)(ju)，能(neng)(neng)夠快(kuai)速提供數(shu)(shu)據(ju)(ju)(ju)分析服務，挖掘(jue)數(shu)(shu)據(ju)(ju)(ju)洞(dong)察，更(geng)好地輔助(zhu)業(ye)務決策。
此前，由于(yu)業(ye)(ye)務(wu)增長(chang)，智(zhi)(zhi)信遠景(jing)長(chang)期(qi)面(mian)臨著研發與(yu)運維的(de)(de)雙(shuang)重壓力(li)。現在(zai)，依托亞(ya)馬遜(xun)云(yun)科技眾多(duo)開箱即用的(de)(de)功能(neng)與(yu)服(fu)務(wu)，智(zhi)(zhi)信遠景(jing)攬月(yue)云(yun)平臺的(de)(de)穩定性(xing)和業(ye)(ye)務(wu)連續性(xing)得(de)到大(da)幅提升，保(bao)障了(le)用戶(hu)的(de)(de)舒適體驗，同(tong)時(shi)降(jiang)低了(le)部(bu)署中間件(jian)的(de)(de)復(fu)雜度和運維成本(ben)(ben)(ben)。利用Amazon Elastic Kubernetes Service (EKS) 容器服(fu)務(wu)，對(dui)原(yuan)有應用進行云(yun)原(yuan)生改造，縮短版本(ben)(ben)(ben)迭代和上線時(shi)間，版本(ben)(ben)(ben)發布(bu)上線無需系統維護人員參與(yu)，代碼(ma)提交后3分鐘內即可(ke)自(zi)動完成構建和發布(bu)。運維的(de)(de)簡化讓智(zhi)(zhi)信遠景(jing)能(neng)夠專注于(yu)代碼(ma)邏(luo)輯(ji)，打造出智(zhi)(zhi)能(neng)、便捷、易管理的(de)(de)智(zhi)(zhi)能(neng)供熱平臺，進一步促進產業(ye)(ye)升級。
在智信(xin)遠(yuan)(yuan)景(jing)服(fu)務(wu)(wu)的(de)(de)(de)供(gong)熱(re)企業(ye)中(zhong)，臨(lin)汾(fen)熱(re)力具(ju)有代(dai)表(biao)意義(yi)，它采用智信(xin)遠(yuan)(yuan)景(jing)攬(lan)月云平臺，借助亞馬(ma)(ma)遜(xun)云科技(ji)機器學習等服(fu)務(wu)(wu)實現了降本增(zeng)效的(de)(de)(de)目標。根據(ju)臨(lin)汾(fen)熱(re)力現有數據(ju)推算(suan)，在大規模(mo)應(ying)用后，今后每年(nian)將可產生高達(da)1000多萬(wan)元的(de)(de)(de)節(jie)能(neng)效益。此(ci)外，通過使用亞馬(ma)(ma)遜(xun)云科技(ji)的(de)(de)(de)技(ji)術與服(fu)務(wu)(wu)，智信(xin)遠(yuan)(yuan)景(jing)還幫助石家莊一個18萬(wan)平方(fang)米的(de)(de)(de)小區，進行云端管(guan)理(li)調(diao)控供(gong)熱(re)，在保(bao)證溫度舒(shu)適的(de)(de)(de)情況下(xia)節(jie)熱(re)率達(da)到44%，一年(nian)節(jie)約供(gong)熱(re)費(fei)用57萬(wan)元，電費(fei)5萬(wan)元，如果換算(suan)為燃(ran)煤，相當于減少1,550噸的(de)(de)(de)二氧化(hua)碳(tan)排(pai)放量。
智(zhi)信遠(yuan)景CEO 張小迎表(biao)示：“節(jie)能(neng)減排是供(gong)熱行業(ye)的一(yi)(yi)(yi)個重要(yao)目標。通過使用(yong)亞馬(ma)遜云(yun)科(ke)(ke)技(ji)的機器學習(xi)、數據(ju)分(fen)析等服務，我們(men)的攬月云(yun)平臺得以不(bu)斷的迭代優(you)化，實(shi)(shi)現了業(ye)務的不(bu)斷創新(xin)和升級，并為用(yong)戶帶來舒適的體(ti)驗。未來，我們(men)將繼續攜(xie)手亞馬(ma)遜云(yun)科(ke)(ke)技(ji)，在進一(yi)(yi)(yi)步(bu)發揮(hui)Amazon SageMaker優(you)勢(shi)，加深(shen)對亞馬(ma)遜云(yun)科(ke)(ke)技(ji)智(zhi)能(neng)湖倉(cang)架構應用(yong)的同(tong)時，我們(men)還(huan)期待(dai)與亞馬(ma)遜云(yun)科(ke)(ke)技(ji)一(yi)(yi)(yi)起將智(zhi)慧(hui)供(gong)熱解決方(fang)案應用(yong)到公共建筑(zhu)、中(zhong)央空調系(xi)統，以及(ji)分(fen)布式能(neng)源等更多(duo)用(yong)能(neng)領域，促進供(gong)熱行業(ye)的數字化、智(zhi)能(neng)化發展，為中(zhong)國(guo)在2030年前實(shi)(shi)現碳達峰目標做出貢獻。”
