电力是关系国计民生的重要行业之一，涵盖了发电、输电、变电、配电和用电等多个环节，随着高压、大容量、长距离输电等工程的发展，电力系统的复杂性越来越高。保障电网正常运行，维护电力系统稳定就成了国家能源安全的一个必然要求。所以在“新基建”这一词的提出，更是突显了电网建设的重要地位，并且在政策的带动下，中国的电力行业智能化速度加快。

而传统巡检一直是以人工为主、直升机配合为辅，不仅效率低、成本高、作业危险性高，而且获取的图像质量极不稳定。从2013年起，无人机和可视化设备逐渐得到规模化应用，但随之而来生成的海量图片，需要耗费巨大的人力逐一查看。所以有没有一种方法，能够帮助我们在几秒钟之内找到问题？

· 解决之道：AI+

输电线路智能运维与巡检主要分为：可视化状态监测、无人机巡检、机器人(13.280, -0.80, -5.68%)巡检等方式。

1）可视化状态监测：能够全天候全时段在线自动运行监测的方式，能够及时发现安全隐患及对本体整体运行状态进行评估；

2）无人机巡检：作为线路特巡的一种手段，对线路进行巡视，可用于发现线路较为细节的缺陷，通常需要专业人员在现场操控才能完成对线路的巡视；

3）机器人巡检主要用于变电站、配电房、电缆隧道等场景应用，可按照设定

的线路或铺设的导轨对重点点位进行巡视。

AI 技术有望全面升级智能巡检产品，包括快速清晰建模、AI 辅助拍摄、和智能检测。例如，NERF 是一种基于神经网络的三维重建算法，它可以从 2D 图中，快速高效地生成高质量的 3D 场景模型。其输入稀疏的多角度带 pose 的图像训练得到一个神经辐射场模型，根据这个模型可以渲染出任意视角下的清晰的照片。

再比如：无人机结合 AI 辅助拍摄技术，可以实时对目标位置进行识别，动态调整云台角度，得到准确目标位置的照片。综合利用相机光线动态补偿技术和精准对焦技术，保证照片拍摄质量，有利于输电线路的安全运行和快速巡检。

应用盘古 CV 大模型，利用海量无标注电力数据进行预训练和筛选，并结合少量标注样本微调的高效开发模式，独创性地提出了针对电力行业的预训练模型。在模型通用性结合盘古搭载的自动数据增广以及类别自适应损失函数优化策略，做到一个模型适配上百种缺陷，替代原有 20 多个小模型。从而做到平均精度提升 18.4%、模型开发成本降低 90%。目前，华为在 L2 级细分场景模型上，已经推出基于电力大模型的无人机电力巡检、电力缺陷识别等场景模型。

除开这些ai可以应用在上面之外，电力还有哪些可以与ai结合？

· 发电功率预测

新能源发电对天气依赖较强，具有间歇性和波动性特征，因此发电电量较难预测，大规模集中并网会对电网的稳定运行产生较大的冲击。因此新能源发电的准确预测，可帮助电网调度部门提前做好传统电力与新能源电力的调控计划，改善电力系统调峰能力，增加新能源并网容量。

而目前基于人工智能的预测模型具有诸多优点，为当前主流研究领域。比方说：基于 AI 的预测模型对于高维非线性样本空间具有良好的拟合能力；模型参数基于数据训练得到，更容易获取；模型的输入特征亦可灵活构建；结合智能优化算法还可进行参数自动寻优，进一步省去了人工调参的工作量。

以国能日新(77.200, -1.62, -2.06%)为例，公司基本实现功率预测算法模型的自动匹配及预测数据的自动计算发送，因此在项目日常营运端，人力投入较少，仅在少数场站模型远程匹配失败的情况下，由业务人员前往现场完成模型修正。在模型优化方面，一般会按照设定的周期，由智控平台中的模型算法程序自动重新选取最优功率预测模型，并将其自动匹配至站场服务器。

目前华为云发布的盘古气象大模型 1 小时-7 天预测精度均高于传统数值方法，同时预测速度提升 10000倍，能够提供秒级的全球气象预报（传统数值预测方法无法做到），包括位势、湿度、风速、温度、海平面气压等。同时，盘古气象大模型在一张 V100 显卡上，只需要 1.4 秒就能完成 24 小时的全球气象预报。