吴言枫：人工智能技术在变电运检领域的探索与实践

国电南京自动化股份有限公司高级设计师 吴言枫：尊敬的各位领导，各位来宾：大家上午好!首先感谢会议方为我们提供这么好的平台，让我们共聚在此，畅谈技术，了解人工智能赋能绿色低碳转型的研究成果。下面由我代表公司对人工智能在智慧运检领域的探索与实践情况进行介绍。

今天的报告分三部分：发展方向、探索实践、探索方向三个方面，和各位做个交流。

首先是发展背景。人工智能可以说是第四次科技革命和产业变革的重要驱动力量，也是电力行业作为科技和产业的重要部分，研究人工智能技术如何在电力系统应用中结合业务落地应用，对于推动电力行业技术进步和产业发展发挥也具有重要作用。

在国家层面，从2015年开始，提出人工智能新兴产业培育;2017年，将人工智能提升到了国家战略地位;加快人工智能场景应用，促进数字技术与实体经济深度融合是未来的发展趋势。在行业政策层面，国南网也发布了建设方案、专项规划和白皮书，促进人工智能技术在电网行业应用落地。

经过这么多年的发展，国际上普遍认为人工智能技术将呈现三个阶段，即弱人工智能、强人工智能和超级人工智能，从1950年开始一直到现在，我们基本上还处于弱人工智能时代，即利用现有智能化技术，来改善我们经济社会发展所需要的一些技术条件和发展功能，到2050年前后，随着脑科学的突破，我们将达到强人工智能时代，它将非常接近于人的智能，未来随着脑科学和类脑智能的极大发展，将迈入超级人工智能时代，到了那个时候人工智能就成为一个超强的智能系统。

目前，人工智能方向已经形成了“理论研究->核心共性技术->应用技术”的完整框架体系。随着计算能力的提高、数据的丰富以及智能算法的进展，人工智能正在从弱人工智能向强人工智能转变，可以服务变电站、集控站、新能源场站、虚拟电厂等多元业务场景，赋能业务提质，支撑电力行业数字化转型和新型能源体系建设。

随着复杂大电网对电力系统可靠性的要求越来越高，传统运检模式已无法满足电力系统安全可靠运行要求，人工智能技术的发展给运检行业带来了新的机遇，传统输变电运检向智能运检方向发展，是筑实能源互联网的物质基础和提升电网本质安全的必由之路。

智慧运检在发展过程中主要聚焦在状态感知、健康诊断、运行维护、检修抢修、生产管控五个领域。涵盖本体智能、运行监视、智慧管理、健康诊断、安全管控、生产管控六大场景。

接下来介绍的是我们在智慧运检领域的研究实践。

电力应用具有“运维工作量大、数据多、设备隐蔽性故障和趋势分析复杂、设备运维不方便、安全可靠实时性要求高”的特点，而人工智能在技术上具有自适应性、数据驱动决策、故障诊断与预防、复杂问题的处理及实时响应等五方面优势，结合这些优势，我们进行了系列的技术探索。

总体架构上，我们打造了一个强大的数字底座，构建了面型变电设备多源异构数据融合的数字化平台，实现多源数据跨区、跨域融合汇聚，通过一体化建模实现全场景数据统一管理和数据处理。为上层模型训练、机器学习、人工智能应用等提供数字平台支撑。

在此基础上，由于设备的不同特征分析，采用的算法都有差异，因此需要打造一个适应多种算法的算法坞，支持基于元算子的算法构建，建立了适应多种算法的电力人工智能业务支撑平台，为各类算法提供统一的数据、模型等服务支撑，以设备健康评估、智能巡视、故障诊断等业务场景为抓手，实现算法模型自动训练与更新，赋能平台算力。

下面介绍一下智慧运检领域的关键技术。

首先介绍的是智能感知技术。由于机器人、无人机、摄像头、声纹装置等设备通信协议不一致，接入工作量巨大且容易出错，智能感知技术可以实现多类型设备自动接入，通过IP搜索、MQTT连接信息检测等方式发现潜在设备，进行规约探测判断类型，自动将该设备接入到系统平台中。

然后介绍的动态建模技术。在接入以后，就涉及到建模问题。通过基于元数据的模型动态建模技术，可以将设备属性整理为元属性，并通过特征工程挖掘属性规则，新的设备接入时，自动识别类别和元属性，完成自动设备动态建模。

接下来介绍数据治理技术。在采到数据以后，针对周期性数据、偶发性数据、离散数据的不同特点，可以采用不同的机器学习网络进行数据治理，实现同源数据比较、异常数据修正和缺失数据填补。

接下来介绍智能巡检技术。设备状态存在多维度的感知，目前业内各种数据分析由多个专业厂商实现，分析数据结果格式没有统一的标准。因此，需要将语义、视频图像、声纹、信号等数据转换至共享空间，通过融合编码方式对语义分割、图像识别、频谱分析的结果进行关联，解决多源异构数据标准化难题，提高数据利用率。设备常规及隐蔽问题需要可见、紫外、红外等一种或多种不同光谱进行发现，利用多波段数据构建兼容放电、温度异常判别、设备缺陷识别等能力的图像识别模型，捕捉异常情况，解决隐蔽性缺陷难以发现的难题。

下面一个关键技术是知识图谱技术。目前状态检修主要依靠专家经验分析，分析处置难度大，耗时长，以设备评价导则和检修记录为基础，构建知识图谱，根据多参量状态评价结果快速筛选检修计划和方案，提高设备的检修效率和准确性。

最后一个关键技术是因果推断技术。因果推理是通过观察和分析数据，推断出变量之间的因果关系。早期的因果推断主要依赖于随机化实验、倾向性匹配得分等被动推理方式，根据现场数据变化给出原因，如果推理错误无法进行反馈修正。融合元学习的因果推断技术可以从大规模数据中发现因果关系，主动处理潜在的混杂变量和偏差，当现场处置和因果原因分析存在差异的情况，进行主动学习实现推理自修正，变被动学习为主动学习，提高推理准确性。

下面介绍一下实践应用情况。我们利用三维精细化建模技术，实现设备动态化仿真以及虚实画面融合。以动态数据驱动三维模型，通过时空语义分析实现测点与模型的关联，当设备预警时，定位至异常设备。我们围绕数字孪生、异常分析、故障诊断、状态评价、检修决策、数字可视化的思路，开展了设备状态监测和智能诊断评估的应用。在宁夏灵州 ±800 kV 特高压直流换流站，应用了电缆基建损伤识别技术和直流控制电缆故障识别技术，实现了电缆故障的预警和直流电源系统的状态评价，提高了绝缘检测的范围和精度以及采集稳定性。我们也研究了智能巡检系统，系统具备自动巡视、智能识别、智能分析、实时监控、智能联动等功能，在新疆14座750kV变电站智能巡视系统中成功应用。通过上述技术的探索应用，我们构筑了基于数据自动采集、智能分析、远程控制的智慧运检体系，实现了监控运检业务的全流程数字化。

最后是我们在赋能绿色低碳转型的探索。

国电南自在人工智能方面的战略发展方向，公司综合考虑电力行业应用场景以及AI技术的能力支撑，按学习预测、分析决策、感知识别、行业知识提取生成四个方向进行专业规划，着手四大基本能力，推动公司传统产业转型升级和战略新兴产业培育壮大。

基于上述能力，我们实现了基于XGBoot和伯努利采样的用户动态画像描述方法，根据实际的设备运行特性和用户的特性进行建模，实现可调节潜力的分析。通过多类型分布式电源和新型负荷场景下资源高效聚合和精准调控，实现了对多元异质集群的特性分析以及它的调节能力、响应时间及响应范围的描述。提出了基于能源解耦和双重激励的售电服务策略，根据用户的需求和市场情况，通过策略实现个性化的套餐推荐。最后基于以上技术，研制了发售服一体化的技术支持系统，可以适应电力市场发展趋势，实现整体的数据贯通和业务上的协同。

在此基础上，我们也形成了一些创新突破成果，入选能源局能源绿色低碳转型典型案例，先后获得了一系列奖项，包括国家科技进步奖、中国电力科学技术奖、国家发明奖、中国专利金奖等国家或行业重量级奖项，入选国家能源局2021年度能源领域首台(套)重大技术装备项目清单，被评为国资委国有企业数字技术十大典型成果。

最后，再次感谢主办方，让我们携手共进，打造布局合理、创新能力一流、竞争力强的电力人工智能生态，赋能新质生产力，助推绿色低碳高质量发展!