風電機組常年暴露在複雜自然環境中，故障頻發不僅導致經濟損失，更暗藏安全隱患。如何通過智能化技術應對多風場聯合故障診斷中的数据异质问题，实现高效故障診斷，成为风电行业亟待破解的难题。
近日，上海交通大学机械与动力工程学院李艳婷课题组在鲲鹏昇腾科教创新卓越中心的算力支持下，其“基于鲲鹏昇腾的風電機組智能化运维关键技术开发”课题研究取得突破性进展——基于昇騰算力平台的輕量化集群聯邦學習（CFL）框架在診斷精度不變的情況下實現訓練性能飛躍。這一成果爲風電行業智能化運維提供了可自主創新的全新解決方案。
这一性能飞跃的核心在于，科研团队创新研发的轻量级多尺度可分离残差网络（LMSRN）与昇腾平台强劲硬件算力的高效协同。 LMSRN通过独特的特征提取设计和深度可分离卷积技术，显著降低了模型的计算复杂度和通信开销。昇腾强大的大规模并行计算能力，特别是其对卷积运算的高度优化，完美契合了LMSRN的设计需求， 使得模型在保持高精度的同时，训练效率得到充分释放，为后续联邦学习的协同优化奠定了坚实基础。
同時，依托昇騰異構計算架構特性，團隊基于開源框架開發的輕量化集群聯邦學習（CFL）框架能夠快速兼容和適配，實現了計算資源的高效調度。利用昇騰軟硬件協同優勢，CFL框架的訓練效率經優化後，較傳統聯邦學習框架提升58%，同時保持診斷精度不變。
值得一提的是，昇騰AI基礎軟硬件平台進一步加固了數據處理和傳輸的安全性，強化了聯邦學習固有的隱私保護優勢，最大限度保護風電企業的運營數據隱私與商業機密，解決了行業長期面臨的數據安全痛點。
此科研突破不仅为风电行业提供了兼顾高性能与隐私保护的智能化故障診斷解决方案，验证了昇腾自主算力平台在工业智能领域的强大适配性与性能潜力。未来，上海交通大学 鲲鹏昇腾科教创新卓越中心将基于昇腾平台持续探索和创新，相关成果有望在更广泛的工业场景中实现落地，助力自主算力与实体经济的深稛嶷合。
（推廣）