國電南京自動化股份有限公司高級設計師 吳言楓：尊敬的各位領導，各位來賓：大家上午好!首先感謝會議方為我們提供這么好的平臺，讓我們共聚在此，暢談技術，了解人工智能賦能綠色低碳轉型的研究成果。下面由我代表公司對人工智能在智慧運檢領域的探索與實踐情況進行介紹。

今天的報告分三部分：發展方向、探索實踐、探索方向三個方面，和各位做個交流。

首先是發展背景。人工智能可以說是第四次科技革命和產業變革的重要驅動力量，也是電力行業作為科技和產業的重要部分，研究人工智能技術如何在電力系統應用中結合業務落地應用，對于推動電力行業技術進步和產業發展發揮也具有重要作用。

在國家層面，從2015年開始，提出人工智能新興產業培育;2017年，將人工智能提升到了國家戰略地位;加快人工智能場景應用，促進數字技術與實體經濟深度融合是未來的發展趨勢。在行業政策層面，國南網也發布了建設方案、專項規劃和白皮書，促進人工智能技術在電網行業應用落地。

經過這么多年的發展，國際上普遍認為人工智能技術將呈現三個階段，即弱人工智能、強人工智能和超級人工智能，從1950年開始一直到現在，我們基本上還處于弱人工智能時代，即利用現有智能化技術，來改善我們經濟社會發展所需要的一些技術條件和發展功能，到2050年前后，隨著腦科學的突破，我們將達到強人工智能時代，它將非常接近于人的智能，未來隨著腦科學和類腦智能的極大發展，將邁入超級人工智能時代，到了那個時候人工智能就成為一個超強的智能系統。

目前，人工智能方向已經形成了“理論研究->核心共性技術->應用技術”的完整框架體系。隨著計算能力的提高、數據的豐富以及智能算法的進展，人工智能正在從弱人工智能向強人工智能轉變，可以服務變電站、集控站、新能源場站、虛擬電廠等多元業務場景，賦能業務提質，支撐電力行業數字化轉型和新型能源體系建設。

隨著復雜大電網對電力系統可靠性的要求越來越高，傳統運檢模式已無法滿足電力系統安全可靠運行要求，人工智能技術的發展給運檢行業帶來了新的機遇，傳統輸變電運檢向智能運檢方向發展，是筑實能源互聯網的物質基礎和提升電網本質安全的必由之路。

智慧運檢在發展過程中主要聚焦在狀態感知、健康診斷、運行維護、檢修搶修、生產管控五個領域。涵蓋本體智能、運行監視、智慧管理、健康診斷、安全管控、生產管控六大場景。

接下來介紹的是我們在智慧運檢領域的研究實踐。

電力應用具有“運維工作量大、數據多、設備隱蔽性故障和趨勢分析復雜、設備運維不方便、安全可靠實時性要求高”的特點，而人工智能在技術上具有自適應性、數據驅動決策、故障診斷與預防、復雜問題的處理及實時響應等五方面優勢，結合這些優勢，我們進行了系列的技術探索。

總體架構上，我們打造了一個強大的數字底座，構建了面型變電設備多源異構數據融合的數字化平臺，實現多源數據跨區、跨域融合匯聚，通過一體化建模實現全場景數據統一管理和數據處理。為上層模型訓練、機器學習、人工智能應用等提供數字平臺支撐。

在此基礎上，由于設備的不同特征分析，采用的算法都有差異，因此需要打造一個適應多種算法的算法塢，支持基于元算子的算法構建，建立了適應多種算法的電力人工智能業務支撐平臺，為各類算法提供統一的數據、模型等服務支撐，以設備健康評估、智能巡視、故障診斷等業務場景為抓手，實現算法模型自動訓練與更新，賦能平臺算力。

下面介紹一下智慧運檢領域的關鍵技術。

首先介紹的是智能感知技術。由于機器人、無人機、攝像頭、聲紋裝置等設備通信協議不一致，接入工作量巨大且容易出錯，智能感知技術可以實現多類型設備自動接入，通過IP搜索、MQTT連接信息檢測等方式發現潛在設備，進行規約探測判斷類型，自動將該設備接入到系統平臺中。

然后介紹的動態建模技術。在接入以后，就涉及到建模問題。通過基于元數據的模型動態建模技術，可以將設備屬性整理為元屬性，并通過特征工程挖掘屬性規則，新的設備接入時，自動識別類別和元屬性，完成自動設備動態建模。

接下來介紹數據治理技術。在采到數據以后，針對周期性數據、偶發性數據、離散數據的不同特點，可以采用不同的機器學習網絡進行數據治理，實現同源數據比較、異常數據修正和缺失數據填補。

接下來介紹智能巡檢技術。設備狀態存在多維度的感知，目前業內各種數據分析由多個專業廠商實現，分析數據結果格式沒有統一的標準。因此，需要將語義、視頻圖像、聲紋、信號等數據轉換至共享空間，通過融合編碼方式對語義分割、圖像識別、頻譜分析的結果進行關聯，解決多源異構數據標準化難題，提高數據利用率。設備常規及隱蔽問題需要可見、紫外、紅外等一種或多種不同光譜進行發現，利用多波段數據構建兼容放電、溫度異常判別、設備缺陷識別等能力的圖像識別模型，捕捉異常情況，解決隱蔽性缺陷難以發現的難題。

下面一個關鍵技術是知識圖譜技術。目前狀態檢修主要依靠專家經驗分析，分析處置難度大，耗時長，以設備評價導則和檢修記錄為基礎，構建知識圖譜，根據多參量狀態評價結果快速篩選檢修計劃和方案，提高設備的檢修效率和準確性。

最后一個關鍵技術是因果推斷技術。因果推理是通過觀察和分析數據，推斷出變量之間的因果關系。早期的因果推斷主要依賴于隨機化實驗、傾向性匹配得分等被動推理方式，根據現場數據變化給出原因，如果推理錯誤無法進行反饋修正。融合元學習的因果推斷技術可以從大規模數據中發現因果關系，主動處理潛在的混雜變量和偏差，當現場處置和因果原因分析存在差異的情況，進行主動學習實現推理自修正，變被動學習為主動學習，提高推理準確性。

下面介紹一下實踐應用情況。我們利用三維精細化建模技術，實現設備動態化仿真以及虛實畫面融合。以動態數據驅動三維模型，通過時空語義分析實現測點與模型的關聯，當設備預警時，定位至異常設備。我們圍繞數字孿生、異常分析、故障診斷、狀態評價、檢修決策、數字可視化的思路，開展了設備狀態監測和智能診斷評估的應用。在寧夏靈州 ±800 kV 特高壓直流換流站，應用了電纜基建損傷識別技術和直流控制電纜故障識別技術，實現了電纜故障的預警和直流電源系統的狀態評價，提高了絕緣檢測的范圍和精度以及采集穩定性。我們也研究了智能巡檢系統，系統具備自動巡視、智能識別、智能分析、實時監控、智能聯動等功能，在新疆14座750kV變電站智能巡視系統中成功應用。通過上述技術的探索應用，我們構筑了基于數據自動采集、智能分析、遠程控制的智慧運檢體系，實現了監控運檢業務的全流程數字化。

最后是我們在賦能綠色低碳轉型的探索。

國電南自在人工智能方面的戰略發展方向，公司綜合考慮電力行業應用場景以及AI技術的能力支撐，按學習預測、分析決策、感知識別、行業知識提取生成四個方向進行專業規劃，著手四大基本能力，推動公司傳統產業轉型升級和戰略新興產業培育壯大。

基于上述能力，我們實現了基于XGBoot和伯努利采樣的用戶動態畫像描述方法，根據實際的設備運行特性和用戶的特性進行建模，實現可調節潛力的分析。通過多類型分布式電源和新型負荷場景下資源高效聚合和精準調控，實現了對多元異質集群的特性分析以及它的調節能力、響應時間及響應范圍的描述。提出了基于能源解耦和雙重激勵的售電服務策略，根據用戶的需求和市場情況，通過策略實現個性化的套餐推薦。最后基于以上技術，研制了發售服一體化的技術支持系統，可以適應電力市場發展趨勢，實現整體的數據貫通和業務上的協同。

在此基礎上，我們也形成了一些創新突破成果，入選能源局能源綠色低碳轉型典型案例，先后獲得了一系列獎項，包括國家科技進步獎、中國電力科學技術獎、國家發明獎、中國專利金獎等國家或行業重量級獎項，入選國家能源局2021年度能源領域首臺(套)重大技術裝備項目清單，被評為國資委國有企業數字技術十大典型成果。

最后，再次感謝主辦方，讓我們攜手共進，打造布局合理、創新能力一流、競爭力強的電力人工智能生態，賦能新質生產力，助推綠色低碳高質量發展!