人工智能在變電站運(yùn)維管理中的應(yīng)用探討

黃 毅

（貴州電網(wǎng)有限責(zé)任公司凱里供電局，貴州 凱里 556000）

變電站作為電力傳輸、配置以及調(diào)度系統(tǒng)的重要樞紐，其安全性與電力系統(tǒng)的穩(wěn)定運(yùn)行具有十分緊密的聯(lián)系。從過去的變電站運(yùn)維工作可以看出，一般采取的都是人工巡查，由于電網(wǎng)所覆蓋的面積龐大，因此，無法達(dá)到現(xiàn)階段變電站工作的開展進(jìn)度。在實(shí)際的運(yùn)用中，有關(guān)工作人員應(yīng)該充分掌握該技術(shù)，了解智能變電站與傳統(tǒng)變電站運(yùn)維模式的區(qū)別，確保運(yùn)維系統(tǒng)可以穩(wěn)定運(yùn)行。在運(yùn)維系統(tǒng)中與智能控制結(jié)合進(jìn)而提升圖像監(jiān)控、安全警示以及火災(zāi)警報等系統(tǒng)工作效率。伴隨科學(xué)技術(shù)水平的不斷提高，變電站也在向智能化、信息化的方向發(fā)展。人工智能在變電站運(yùn)用中，有助于實(shí)現(xiàn)電力資源配置的靈活化、高效化，是電網(wǎng)改革的關(guān)鍵。

早在20世紀(jì)80年代，以專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)為主的人工智能技術(shù)就引起了電力系統(tǒng)的廣泛關(guān)注，主要集中于故障診斷、在線監(jiān)測等場景，但由于當(dāng)時數(shù)據(jù)、算法及算力等因素的限制，其應(yīng)用效果較差。近年來，隨著物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)技術(shù)的快速發(fā)展，以深度學(xué)習(xí)為代表的新一代人工智能技術(shù)得到突破性進(jìn)展，在醫(yī)療、交通及制造業(yè)等領(lǐng)域已有應(yīng)用。國務(wù)院于2017年頒布的《新一代人工智能發(fā)展規(guī)劃》已將人工智能發(fā)展作為國家戰(zhàn)略。人工智能技術(shù)的突破為變電站智能化發(fā)展帶來新的機(jī)遇，開展人工智能技術(shù)在變電站運(yùn)維數(shù)據(jù)分析中的應(yīng)用研究，有利于保障變電站內(nèi)設(shè)備、環(huán)境和人員的安全，提高變電站的運(yùn)維管理水平。目前，已有文獻(xiàn)對人工智能在能源及電力系統(tǒng)領(lǐng)域中的應(yīng)用場景進(jìn)行了探討，其中電網(wǎng)運(yùn)檢，尤其是變電站的運(yùn)維管理一直是人工智能技術(shù)應(yīng)用的重要場景。因此，本文聚焦于變電站，結(jié)合基于傳感器的監(jiān)測系統(tǒng)和基于攝像頭的監(jiān)控系統(tǒng)的高級功能需求，梳理人工智能技術(shù)在變電站運(yùn)維管理場景中的應(yīng)用研究現(xiàn)狀，并對當(dāng)前人工智能技術(shù)應(yīng)用存在的問題和未來的應(yīng)用方向及重點(diǎn)突破領(lǐng)域進(jìn)行探討。

1 人工智能概述

在國民經(jīng)濟(jì)的發(fā)展中，人們對電力資源的需求量以及質(zhì)量要求也越來越高，電力產(chǎn)業(yè)以及工作人員必須要順應(yīng)時代的發(fā)展，進(jìn)一步完善變電站的人工智能技術(shù)，人工智能主要對人類的智能實(shí)行方法、理論方面的延伸，以深度學(xué)習(xí)為主，將其應(yīng)用于變電站中能夠獲得顯著的進(jìn)展。該技術(shù)在長期的發(fā)展歷程中，出現(xiàn)了專家系統(tǒng)、智能優(yōu)化以及計(jì)算機(jī)學(xué)習(xí)3類。雖然現(xiàn)階段社會各個領(lǐng)域匯總正在不斷加深人工智能技術(shù)的應(yīng)用深度，但與此同時也面臨著更多的挑戰(zhàn)。針對深度學(xué)習(xí)而言，依然存在問題，由于需要很高的樣本量以及計(jì)算量，而模型構(gòu)建以及訓(xùn)練技術(shù)無理論指導(dǎo)，同時伴有黑箱問題。一部分運(yùn)用場景復(fù)雜，體現(xiàn)出碎片化特征。近些年，人工智能技術(shù)正在不斷走向成熟，在變電站運(yùn)維管理中發(fā)揮著核心作用，使得人工智能技術(shù)更好地服務(wù)于民生[1]。但需要注意的是，在人們生活的巨大便利背后，人工智能已經(jīng)改變了人們原有的生活方式。當(dāng)日常生活中智能設(shè)備越來越多的時候，人與人之間的交流也開始使用智能手段，人與人之間的距離也越來越大。

目前，人工智能已進(jìn)入新的發(fā)展時期，并呈現(xiàn)出以下特點(diǎn)：（1）深度學(xué)習(xí)成為主流方法。自然語言處理、計(jì)算機(jī)視覺、生物特征識別等技術(shù)領(lǐng)域以及安防、醫(yī)療、交通、金融、能源等產(chǎn)業(yè)領(lǐng)域已經(jīng)出現(xiàn)大量應(yīng)用。（2）新型算法和模型不斷涌現(xiàn)。一方面，深度學(xué)習(xí)算法及模型不斷更新，如深度強(qiáng)化學(xué)習(xí)、生成式對抗網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)等；另一方面，部分傳統(tǒng)方法重新受到關(guān)注，如貝葉斯網(wǎng)絡(luò)、知識圖譜等。（3）計(jì)算框架、平臺及數(shù)據(jù)集逐漸開源。前者有TensorFlow、Caffe、PyTorch等，支持深度學(xué)習(xí)模型；后者有ImageNet、WikiText、TED-LIUM、CASIA等，涵蓋了圖像、自然語言、語音及步態(tài)等領(lǐng)域。

2 面臨的挑戰(zhàn)

雖然以深度學(xué)習(xí)為主的新一代人工智能技術(shù)在某些領(lǐng)域取得了突破性進(jìn)展，但隨著應(yīng)用深度和廣度的不斷拓展，也面臨諸多挑戰(zhàn)：（1）深度學(xué)習(xí)方法缺陷明顯。它對樣本量和計(jì)算量有較高要求，其模型構(gòu)建、參數(shù)調(diào)試、訓(xùn)練技巧等都缺乏理論指導(dǎo)，并且存在黑箱問題。（2）某些領(lǐng)域缺乏基礎(chǔ)數(shù)據(jù)集。如醫(yī)療、交通、能源等傳統(tǒng)領(lǐng)域雖有數(shù)據(jù)積累，但數(shù)據(jù)質(zhì)量較差，不能滿足模型訓(xùn)練的需求。（3）計(jì)算框架、平臺的功能和性能有待改善。人工智能應(yīng)用場景非常繁多，呈現(xiàn)碎片化、專業(yè)化的特點(diǎn)，對計(jì)算框架、平臺的功能和性能要求逐漸提高。

3 發(fā)展趨勢及熱點(diǎn)

目前來看，人工智能技術(shù)的發(fā)展還是圍繞著算法、算力和數(shù)據(jù)3個要素進(jìn)行：（1）算法方面。一方面圍繞深度學(xué)習(xí)開展優(yōu)化以提高性能，包括降低功耗，提升可解釋性、泛化能力及遷移能力等，其中，深度學(xué)習(xí)與傳統(tǒng)人工智能方法的結(jié)合將成為熱點(diǎn)；另一方面，繼續(xù)探索新型理論和算法。（2）算力方面。考慮到業(yè)務(wù)、數(shù)據(jù)安全及已有數(shù)據(jù)平臺的固有特點(diǎn)，包括傳統(tǒng)領(lǐng)域在內(nèi)的大型企業(yè)將致力于自主研究人工智能的計(jì)算框架、平臺及芯片。（3）數(shù)據(jù)方面?；A(chǔ)數(shù)據(jù)集的建設(shè)將繼續(xù)成為熱點(diǎn)，包括圖像、視頻、語音等通用數(shù)據(jù)集及行業(yè)領(lǐng)域的專業(yè)數(shù)據(jù)集，數(shù)據(jù)標(biāo)注工具也將智能化。

4 變電站運(yùn)維管理人工智能應(yīng)用的作用

人工智能在變電站運(yùn)維管理中的合理應(yīng)用是實(shí)現(xiàn)電網(wǎng)智能配網(wǎng)的重要環(huán)節(jié)。無論是日常生活還是企業(yè)生產(chǎn)，都需要以電能為基礎(chǔ)的支持。目前，電網(wǎng)企業(yè)采用由專門運(yùn)維人員定期檢查的方式，會導(dǎo)致工作內(nèi)容增加，完成電網(wǎng)維護(hù)時間較長，效率低下。并且變電站電力系統(tǒng)提供電力時，在長期工作狀態(tài)下，會因設(shè)備損壞、線路老化而引起相應(yīng)的故障。工作人員在缺少有關(guān)數(shù)據(jù)的情況下進(jìn)行操作，很容易引起安全問題。同時，分布結(jié)構(gòu)復(fù)雜多樣，單個員工難以使用標(biāo)準(zhǔn)并完成所有設(shè)備的操作和維護(hù)。智能控制技術(shù)可以有效收集和整理電力系統(tǒng)中設(shè)備層、站控層的狀態(tài)信息。通過對獲得的信息進(jìn)行分析和預(yù)警，及時提醒員工故障所在，使電力系統(tǒng)管理變得非常簡單，從根本上提高了電力系統(tǒng)的管理效率。另外，應(yīng)用自動智能控制技術(shù)可以實(shí)時收集、整理和分析電力系統(tǒng)中所有設(shè)備和線路的狀態(tài)。如果出現(xiàn)任何異常，它會自動發(fā)出警告，協(xié)助工作人員快速處理，或自動進(jìn)行智能處理，從而將問題造成的損失降到最低，提高管理操作的安全性[2]。

5 變電站運(yùn)維管理中人工智能的具體應(yīng)用

人工智能技術(shù)在變電站運(yùn)維管理中的應(yīng)用主要體現(xiàn)在對變電站中設(shè)備、環(huán)境和人員狀態(tài)信息的分析上，它能夠?qū)崿F(xiàn)對設(shè)備的狀態(tài)評估、故障診斷及預(yù)測告警，對環(huán)境的智能感知與預(yù)警，對人員行為的智能判別和管控。從狀態(tài)信息的來源上看，現(xiàn)有變電站的狀態(tài)信息系統(tǒng)可以分為基于傳感器的監(jiān)測系統(tǒng)（以下簡稱遙測）和基于攝像頭的監(jiān)控系統(tǒng)（以下簡稱遙視）。因此，本節(jié)主要圍繞上述兩種系統(tǒng)，歸納出變電站運(yùn)維管理中需要人工智能做技術(shù)支撐的業(yè)務(wù)場景，并對其應(yīng)用研究現(xiàn)狀進(jìn)行綜述和分析。

5.1 遙測系統(tǒng)

遙測系統(tǒng)可以實(shí)現(xiàn)變電站設(shè)備的遠(yuǎn)程監(jiān)控和設(shè)備運(yùn)行狀態(tài)的實(shí)時診斷。該系統(tǒng)主要用于監(jiān)測變壓器、氣體絕緣開關(guān)柜和電容性設(shè)備，能夠及時準(zhǔn)確地獲得全面的數(shù)據(jù)信息。一般情況下利用人工智能構(gòu)建數(shù)據(jù)設(shè)備的運(yùn)行狀態(tài)反饋，同時實(shí)行對應(yīng)的分類以及回歸任務(wù)。專家系統(tǒng)通常需要數(shù)據(jù)庫提供支持，機(jī)器學(xué)習(xí)需輸入人工設(shè)計(jì)的特征值，最后獲得結(jié)果主要來自特征的準(zhǔn)確度。由于現(xiàn)階段并沒有一套完善的變電站設(shè)備運(yùn)轉(zhuǎn)數(shù)據(jù)集，則無法對這些人工智能算法的特性展開對比?？偟膩砜瓷疃葘W(xué)習(xí)算法具有很好的效果，應(yīng)該考慮網(wǎng)絡(luò)模型的監(jiān)理以及超參數(shù)設(shè)置問題[3]。從上述分析中可以看出，專家系統(tǒng)、傳統(tǒng)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)3個發(fā)展階段的人工智能技術(shù)應(yīng)用于變電站遙測系統(tǒng)信息分析中呈現(xiàn)出了不同的優(yōu)勢，也存在相應(yīng)的問題。由于目前缺乏統(tǒng)一的設(shè)備狀態(tài)基礎(chǔ)數(shù)據(jù)集，因此無法對上述人工智能算法的性能進(jìn)行量化比較。本文僅做如下定性分析：（1）專家系統(tǒng)是基于規(guī)則的，可解釋性強(qiáng)，計(jì)算量小，但受限于知識庫，其容錯性差，缺乏自學(xué)習(xí)能力。（2）傳統(tǒng)機(jī)器學(xué)習(xí)可解釋性減弱，計(jì)算量適中，所需樣本量適中，容錯性適中，但輸入特征量需要人工設(shè)計(jì)，結(jié)果準(zhǔn)確性依賴于特征的質(zhì)量。應(yīng)用時需要選擇具體算法，必要時還需要考慮特征選擇、模型參數(shù)優(yōu)化等問題。（3）深度學(xué)習(xí)可解釋性差，計(jì)算量大，所需樣本量大，但容錯性強(qiáng)，具備自動學(xué)習(xí)特征的能力，簡化了特征構(gòu)造過程，應(yīng)用時需要考慮網(wǎng)絡(luò)模型構(gòu)造及超參數(shù)初始化問題。

5.2 遙視系統(tǒng)

遙視系統(tǒng)可以實(shí)現(xiàn)對變電站周圍環(huán)境以及變壓器周圍的環(huán)境進(jìn)行全面監(jiān)測，利用該技術(shù)可以避免由于人員因素以及自然因素進(jìn)而導(dǎo)致變電站功能故障問題。該技術(shù)監(jiān)測系統(tǒng)僅僅使用與被動監(jiān)測變電的有關(guān)信息，在圖像的生成以及篩選過程中，面對突發(fā)事件不具備靈活性與主動性。利用人工智能技術(shù)能夠更好地對實(shí)踐實(shí)行有效操作?，F(xiàn)階段大部分人工智能在遙視系統(tǒng)中的運(yùn)用得到了廣泛重視，尤其是對專業(yè)技術(shù)人員而言，并且也獲得了有效的成果。同時，遙視技術(shù)不僅可以完成對設(shè)備表面特性和信號燈指示的視覺監(jiān)測，還可以利用紅外感應(yīng)技術(shù)實(shí)現(xiàn)對設(shè)備運(yùn)行溫度的動態(tài)監(jiān)測，從而最大限度地保證設(shè)備的正常運(yùn)行，提前發(fā)現(xiàn)潛在的風(fēng)險[4]?？傮w上看，變電站遙視系統(tǒng)的高級功能需求較為碎片化，受到的關(guān)注并不多，其中以設(shè)備相關(guān)的紅外熱成像分析、開關(guān)/刀閘狀態(tài)識別、信號燈狀態(tài)識別、表計(jì)狀態(tài)識別方面的研究相對較多。目前，大部分功能需求的實(shí)現(xiàn)還非常依賴于圖像處理技術(shù)，傳統(tǒng)機(jī)器學(xué)習(xí)方法的應(yīng)用水平還較淺，僅僅是根據(jù)圖像處理后的特征量進(jìn)行狀態(tài)分類，還遠(yuǎn)遠(yuǎn)達(dá)不到智能水平。深度學(xué)習(xí)能自動從視頻和圖像中學(xué)習(xí)特征，對傳統(tǒng)圖像處理技術(shù)依賴降低，為變電站遙測系統(tǒng)信息分析提供了有效的新方案。但深度學(xué)習(xí)目前還處于初步研究階段，僅在設(shè)備及元件本體識別、安全帽佩戴識別、作業(yè)人員人臉識別等樣本獲取較容易的應(yīng)用場景能取得較好的應(yīng)用效果，而其他大多數(shù)場景還處于應(yīng)用空白。

6 人工智能在變電站的應(yīng)用建議

從遙測系統(tǒng)和遙視系統(tǒng)2個信息系統(tǒng)出發(fā)，對人工智能技術(shù)在變電站運(yùn)維管理中的應(yīng)用現(xiàn)狀進(jìn)行了分析，從中可以看出，現(xiàn)有研究仍存在很多問題，應(yīng)用水平還有待提高，變電站智能化任重而道遠(yuǎn)。因此，就人工智能技術(shù)在變電站的未來應(yīng)用方向和重點(diǎn)突破領(lǐng)域提出幾點(diǎn)建議。

6.1 變電站重要設(shè)備狀態(tài)感知

由于電力系統(tǒng)的不斷發(fā)展，電力物聯(lián)網(wǎng)的構(gòu)建也在迅猛發(fā)展，利用傳感器對變電設(shè)備以及運(yùn)行環(huán)境實(shí)時狀態(tài)進(jìn)行監(jiān)測，對關(guān)鍵設(shè)備的實(shí)時狀態(tài)提供有效的數(shù)據(jù)參考。

（1）與技術(shù)層面結(jié)合，在進(jìn)行設(shè)備實(shí)時監(jiān)測的過程中會形成大量的數(shù)據(jù)，其中，需要人工智能與大數(shù)據(jù)技術(shù)有機(jī)融合，主要研究內(nèi)容就是分布式機(jī)器學(xué)習(xí)、在線學(xué)習(xí)以及增量學(xué)習(xí)，進(jìn)一步提高擴(kuò)展性與實(shí)時性。另外，將人工智能與邊緣計(jì)算機(jī)技術(shù)結(jié)合，對輕量化的算法以及模型展開研究，實(shí)現(xiàn)一些信息就地化處理，緩解通信壓力。

（2）方法層面的融合，變電設(shè)備的狀態(tài)信息的物理意義非常明確，所以說具有很強(qiáng)的故障診斷專業(yè)性，需要加以關(guān)注人工智能的可解釋性、交互性以及可操作性?？梢栽囍柚渌绞脚c專家系統(tǒng)進(jìn)行深度結(jié)合，建立基于知識圖譜且具備咨詢能力的專家系統(tǒng)[5]。

6.2 變電站的三維全景可視化

經(jīng)過半個多世紀(jì)的發(fā)展，人工智能產(chǎn)業(yè)取得了很多突破。人工智能具有主動學(xué)習(xí)的能力，基礎(chǔ)深度學(xué)習(xí)的人工智能技術(shù)被廣泛應(yīng)用于教育、醫(yī)療、金融等領(lǐng)域。而變電站的三維全景可視化作為遙視系統(tǒng)的一種表現(xiàn)方式，可以更加快速直觀地呈現(xiàn)變電站內(nèi)的設(shè)備環(huán)境以及人員的實(shí)時情況。

（1）變電站三維建模技術(shù)，三維空間技術(shù)是后續(xù)為了實(shí)現(xiàn)人員及設(shè)備的定位，同時也是變電站狀態(tài)可視化的重要介質(zhì)。首先利用無人機(jī)攝像機(jī)以及建筑施工圖紙共同構(gòu)建變電站模型，之后從微觀上分別建立設(shè)備的單位可視化形式模型庫，最后依照平面布置圖對設(shè)備的位置進(jìn)行準(zhǔn)確定位。

（2）在運(yùn)行過程中，設(shè)備發(fā)生異常情況可以采取定位技術(shù)以及設(shè)備異常識別技術(shù)，通常情況下設(shè)備的異常情況都是來自遙測系統(tǒng)和遙視系統(tǒng)兩方面的狀態(tài)信息，遙視系統(tǒng)一般需要借助視頻信息進(jìn)行實(shí)時分析，對溫度、外觀以及煙霧進(jìn)行識別。發(fā)生異常情況時，通過設(shè)備與攝像頭的位置實(shí)現(xiàn)定位以及預(yù)警，有利于巡查機(jī)器人準(zhǔn)確快速的檢查確認(rèn)。另外，設(shè)備的外觀被破壞，設(shè)備明火等狀態(tài)識別的可靠性有待進(jìn)一步提高。

（3）運(yùn)動物體的識別及軌跡跟蹤技術(shù)，變電站內(nèi)運(yùn)動物體主要指人員、車輛及不明物體，依靠深度學(xué)習(xí)對視頻信息進(jìn)行實(shí)時分析，實(shí)現(xiàn)對人員、車輛及不明物體的目標(biāo)檢測、身份識別、行為分析及全程跟蹤，當(dāng)出現(xiàn)異常狀態(tài)時實(shí)時告警。其中，目標(biāo)檢測及跟蹤和基于人臉的身份識別技術(shù)已較為成熟，可遷移到變電站場景，而基于姿態(tài)、步態(tài)、體態(tài)等特征的身份識別及行為分析屬于難點(diǎn)，仍需進(jìn)行深入研究和場景驗(yàn)證[6]。

6.3 智能預(yù)警、智能決策

智能預(yù)警：管控系統(tǒng)基于變電站全業(yè)務(wù)“數(shù)據(jù)池”，綜合利用大數(shù)據(jù)分析技術(shù)，在海量視頻、圖像、在線監(jiān)測數(shù)據(jù)以及巡視、檢修、缺陷記錄數(shù)據(jù)進(jìn)行多維數(shù)據(jù)挖掘、分析，結(jié)合智能預(yù)警模型，可實(shí)現(xiàn)運(yùn)行異常、設(shè)備異常、作業(yè)行為、運(yùn)行環(huán)境的智能預(yù)警功能。

智能決策：智能決策通過各類設(shè)備故障特征和處理策略，建立故障判斷庫、故障決策庫、故障案例庫，依托智能分析和決策模型，實(shí)現(xiàn)預(yù)警信息多源數(shù)據(jù)與智能決策庫快速匹配，自動判斷可能的故障類型，主動推送處理措施和策略，進(jìn)而提升故障處理的及時性和有效性，減少故障處理時間。

6.4 三維可視化

管控系統(tǒng)可采用基于激光點(diǎn)云數(shù)據(jù)的變電站全景三維模型，疊加設(shè)備信息、運(yùn)行信息、監(jiān)測信息、輔助信息等業(yè)務(wù)實(shí)時數(shù)據(jù)，實(shí)現(xiàn)三維與實(shí)時數(shù)據(jù)可視化的融合，構(gòu)建符合變電運(yùn)維人員習(xí)慣的三維全景變電站展示平臺。通過三維可視化展示平臺可以直觀地查詢設(shè)備屬性、當(dāng)前狀態(tài)、實(shí)時視頻等信息，同時可以實(shí)現(xiàn)三維告警聯(lián)動、測距、檢修作業(yè)推演等擴(kuò)展功能。

7 結(jié)束語

總而言之，隨著科學(xué)技術(shù)的不斷進(jìn)步與發(fā)展，使得人工對智能技術(shù)的需求不斷提升。當(dāng)前雖然人工智能技術(shù)在變電站運(yùn)維管理中廣泛使用，然而，依然存在一些問題需要解決，伴隨電力物聯(lián)網(wǎng)的迅猛發(fā)展，人工智能將實(shí)現(xiàn)變電設(shè)備的監(jiān)測更加完善。就此，電力系統(tǒng)工作人員還需要不斷積累實(shí)踐經(jīng)驗(yàn)，更新技術(shù)，在未來，人工智能技術(shù)與其他領(lǐng)先技術(shù)的融合將會在變電站運(yùn)維管理中體現(xiàn)更多優(yōu)勢。