基层业务单元是企业量化主营业务、实现内外感知的重要抓手，是人工智能“人”的“四肢”。

大渡河公司将20多个单位的业务按照核心专业方向划分为智慧工程、智慧电厂、智慧调度、智慧检修，以“两化融合”为指导，通过深度融合物联网、移动互联、人工智能等先进技术，实现多系统联动和全面感知。

智慧工程是以“全生命周期管理、全方位风险预判、全要素智能调控”为目标，将信息技术与水电工程管理深度融合，通过打造工程数据中心、工程管控平台和决策指挥平台，实现以数据驱动的自动感知、自动预判、自主决策的工程管理模式。目前已在沙坪、双江口等基建项目全面展开。

智慧电厂是以“设备智能巡检、故障精准排查、系统协同联动”为目标，以自动控制为基础，以数据管理为核心，整合运行管理历史经验和人工智慧，引导管理系统自主管理、自我演进，谋求设备控制更加自主、生产管理更加智能、风险决策更加科学的全新电力生产组织形态与管理模式。目前已在瀑布沟、大岗山、枕头坝电厂全面展开。

智慧调度是以“实时感知、精准预测、智能调控”为目标，将气象、水情、防洪、发电、市场等融为一体，全面收集、分析网负荷、水情雨情、设备工况等海量数据，以数据分析挖掘为基础的流域水电调度控制模式。目前在集控中心全面开展应用。

智慧检修是以“同步监控、动态分析、智能诊断”为目标，聚焦机组大数据挖掘，努力实现机组风险预警预判、健康评价、智能决策，促使检修管理手段由计划性检修、事后检修向状态检修、改进型检修演进，实现水电设备检修工作由以计划检修为主向以状态检修为主的管理方式转变。目前已在枕头坝电厂和部分对外检修项目开展应用。

以大渡河公司单元脑之一的“智慧工程”为例，新的业务架构是水电工程业务架构的全新探索。

1.管理变革引领工程建设(www.daowen.com)

目前水电工程建设管理普遍呈现多层级、多条块、行政式的管理特征。在这种管理模式下，工程建设管理存在信息和数据碎片化、孤岛化问题，工程建设管理的大数据难以形成，工程建设整体风险不能得到全面掌控和预警，导致决策效率低下，工程管控和决策能力无法与不断变化的内外部环境相适应。因此，大渡河公司在在建工程项目管理过程中建立了全数据驱动的决策管理体系，工程管理决策指挥中心为核心，往下依托各专业数据管控中心的数据决策，往上为公司决策管理层提供综合决策预案，同时以少数智能部门来保障整个工程建设管理、技术的先进性变革。

图18　枢纽工程管理体系图

在该模式下，工程建设管理单位只设置了安全监察部（安全规定强制设置部门，行使安全管控中心职能）、业务保障部、综合保障部共3个部门；同时设置工程现场指挥中心，它是智慧工程的“单元决策脑”，工程决策指挥中心直接连接大坝工程管控中心、厂房工程管控中心、泄洪工程管控中心、配套工程管控中心、机电物资管控中心共5个中心，目前正在筹建人力资源管控中心；部门为各管控中心工作提供标准、规则、规划和服务保障。通过创新工程管理模型，实现了工程管理层级更加扁平、机构设置更加精简、机制流程更加优化、专业分工更加科学。

2.管控模型指导工程建设

开展项目管控模型研究，引入智能科学、风险识别理论方法，通过大数据挖掘、云计算、物联网、移动互联、专家系统、推理机等手段，从进度、质量、安全、投资、环水保五控制出发，建立更为高效、科学的流域水电建设项目管控模型，制定科学的管控预警及决策响应机制，从而为实现“自动预判、自主决策、自我演进”的自动管理能力奠定理论基础。智慧工程管控模型以电站智慧单元（基建生产管理系统）为基础，通过水电建设项目管理行为进行业务量化，提出面向管理要素的风险识别、风险指标、风险评价、风险预警、纠偏方案、实施检查、知识库积累过程的项目管控流程方法，通过自动分级预警和纠偏流程实现对流域梯级（大渡河公司）与单个电站（项目公司）的分级管控（见图19）。通过查新，大渡河公司首次研究提出含有风险（偏差）评价体系、事件预警体系、决策（纠偏）体系及考核评价体系的智慧工程管控模型，覆盖水电工程建设从宏观整体到过程细节全方位、全过程的智慧化管理。

图19　工程建设管控模型整体架构图