《光韵》杂志2023年第2期视窗栏目刊发

文 | 图 王忠平 钱键 林晨翔 郭清梅 

“电力人工智能模型文件已完成导入，选择性能测试指标，选定3号测试集，启动测试，已完成检测并生成报告……”在人工智能实验室，国网福建电科院数字中心技术负责人黄建业正通过人工智能模型检测平台开展安监违章模型产品的性能测试。

黄建业介绍，该检测平台已完成输电巡检、电表底度识别等15类模型产品检测，填补了电力人工智能模型产品检测专业空白，提高了电力模型产品评价能力和入网质量水平。

近年来，国网福建省电力有限公司（以下简称“国网福建电力”）积极响应数字福建建设，加快打造“数字闽电”，推进人工智能技术研发应用，以数字化赋能电网升级、企业运营、价值创造，推动全业务、全环节数字化转型。2022年6月，国网福建电力发布《国网福建电力人工智能技术应用三年行动方案》，确定了2022—2024年为大力发展人工智能的关键三年，坚持人工智能研发运营及工程化应用的建设理念，将在设备巡检、视频监拍、语义理解等业务领域开展应用探索和落地示范，构筑起以顶层设计为指导、云边智能协同为架构、工程化应用落地的福建电力人工智能应用创新模式，实现人工智能技术全面赋能电网数字化转型。

2月27日，在完成当日轮换电表现场拆除后，国网石狮市供电公司大客户班班长上官敬尧回到供电所，登录电表底度AI识别微应用，打包上传近一百只拆除电表的照片。10分钟后，微应用平台自动反馈识别到的电表资产编码、底度电量等信息，紧接着工作人员一键执行机器人流程自动化工具，便将所有照片、信息数据上传至业务系统。整个入库流程不到20分钟，极大减轻了基层班组人工抄读、录入系统等工作量，提高了电表轮换业务效率。

“以前，智能电表轮换主要是依靠人工完成，一线班组到现场拆除电表后，还需要进行电表拍照，底度信息抄写录入、校核、系统填报等环节，才能完成整个拆表入库工作，平均每百只电表拆表后入库流程耗时约3.5小时。”国网福建电科院人工智能专业负责人钱健介绍，“现在，通过电表底度AI识别微应用实现了拆表后入库工作智能识别、快速校核、自动上传等功能场景应用，大大降低了中间环节人工参与度，每百只电表入库流程缩短至20分钟以内，极大提高了工作效率。”

技术人员正在国网福建电力人工智能实验室开展电表底度AI识别模型接口设计与调试

据了解，2022至2023年，国网福建电力需要完成数百万只智能电表轮换，为减轻人员抄表及录入工作量，国网福建电科院联合国网泉州供电公司组建技术攻关团队，揭榜国网福建电力人工智能揭榜挂帅项目——电表底度智能识别提升。依托国网福建电力人工智能“两库一平台”，结合现场调研情况和实际业务流程，项目攻关团队制定了“电表底度识别模型—轻量化微应用—机器人流程自动化工具”技术路线，开发了一整套电表底度AI识别微应用工具，实现照片上传、调用AI识别模型、校核与数据修正、识别信息自动上传等业务流程全线智能化运行。

“通过数字化新技术研发与应用，现在一线班组可以通过可视化界面一键上传轮换电表照片，轻松获取电能表资产编号和总、峰、谷电量等关键信息，并且还可以自动上传轮换电表信息，极大减轻了基层班组工作压力。”国网泉州供电公司数字化部副主任蒲建发介绍，“作为新技术首批试点单位，2022年，泉州地区4个示范县已完成近50万只智能电表轮换，目前，该项技术正逐步推广至宁德、福州、漳州、南平等地区试点应用。”

“多设备分析任务已启用，网络、视频信号正常，云识别服务开始……”3月2日，在福建漳州220千伏北塘变电站作业现场，10个视频探头同时启动了云端智能分析服务。而此时，在15公里外的国网漳州供电公司视频监控大厅内，安监部技术人员李国粉正通过视频平台查阅分析任务运行情况，分析识别结果。

国网福建电科院技术人员开展云平台安监智能识别功能调试

当天高峰时期，北塘变电站施工现场共有5组工作班同时进行施工作业，每个作业面的违章告警信息，都可以通过视频平台清楚地监测到。现场作业人员一旦出现抽烟、人员倒地等违章和突发情况，依托两库一平台的AI模型识别服务，对不规范行为自动标注定位，并将结果推送给相关业务系统，有效缓解安监视频监控人力投入大、监控压力大等问题。这也是国家电网公司系统首次实现安监云边端协同智能分析模型在现场的规模化应用。

“有了这项视频识别新技术，现场相当于多了一个24小时在线的虚拟安全员。”李国粉介绍，“现有安全督察手段每天需投入大量人力盯着安全业务相关的多个平台，平均一天约有300个作业现场，监控人员需要在不同现场来回切换画面，容易存在监控‘死角’。”

为辅助现场班组安全管控，缓解安监人工远程督察压力，2022年8月份，国网福建电力组织国网福建电科院、国网漳州供电公司组建联合攻关团队，历时4个月自主攻关，项目团队先后完成了样本收集、视频标注、训练调参、平台功能优化和模型迭代升级、封装部署等工作，在行业内率先引进了视频流分析技术，贯通了视频平台、“两库一平台”、安全相关业务系统的视频流和报文，打通了布控球等边缘智能设备模型更新和告警报文上送通道。

“传统的视频识别技术采用视频单帧图像识别的方式进行分析，可识别研判的违章行为场景较为单一。我们首次引进了视频流分析技术，可实现组帧分析，即组合前后帧的图像特征进行综合研判，大大拓展了可研判场景的复杂度。”国网福建电科院数字中心技术骨干林晨翔介绍，“目前，‘两库一平台’已成功部署了21个安监云分析模型，解决了业务系统平台算力调用、模型更新等问题，今年，我们还将继续推进视频流识别模型构建、交互式联动识别等方面研究，实现云分析模式和边端分析模式‘双管齐下’。”

“辐照度数据采集正常，通信模块正常……”3月6日，在泉州南安成功工业园附近，国网南安供电公司蔡梅凤正在对屋顶辐照度微气象站进行数据轮巡。与此同时，在150公里之外的国网福建电力人工智能实验室内，技术骨干谢炜正通过后台查阅预测误差、分析预测结果。经过一个月的连续测试，预测模型对单点用户的发电功率预测时间精度可达到分钟级，日发电量预测平均准确率达87.5%，平均合格率达96%。

“分布式光伏点多面广，使用传统的光伏预测方法在面对海量预测任务时，存在算力要求高、计算效率低等问题，而且气象预报数据带来的误差也会对预测结果产生较大影响。”谢炜介绍，“现在，通过引入网格化数据建模和微气象站校准这两个优化方式，对光伏预测模型的准确性和适用性进行校验，大大提升了光伏预测的效率和精度。”

技术人员正在开展分布式光伏微气象站现场调试

为了有效解决光伏预测难题，2022年8月，国网福建电科院联合国网南安供电公司组建联合攻关团队。经过多种技术路线对比，团队最终选择采用网格化数据建模方法，根据地理位置、电网结构将区域划分为多个子区域，将光伏用户与气象站气象预报数据通过网格进行匹配。攻关团队构建了中低压有源配电网数据集，利用“两库一平台”训练环境开展基于轻量级机器学习算法的预测模型研发，建成省内首套县域分布式光伏功率预测模型。

截至目前，试点地区分布式光伏已实现从“无预测”到“可预测”再到“精准预测”，并且技术团队开发的模型已经在省侧配电相关业务系统进行了封装部署，能够辅助配网调度专业开展运行方式调整和容量调配。今年，技术团队还将继续开展预测模型算法优化、有源配电网精细化负荷预测等方面研究，以进一步提升光伏出力短时预警及长时电量预测精度，服务配网可接入容量评估、配网运行方式优化等业务需求，有效保障电力可靠供应。

立足福建资源禀赋，加快打造“数字闽电”。近年来，国网福建电力人工智能实验室以业务需求为导向，深度融合“业务+技术”，打造了电力巡检、监测、预测等模型产品超100款，在输电、配电、安监、营销等多专业领域形成10余个工程化应用解决方案，有效解决了电网设备巡检、作业监测、经营管理等业务中重复性、辅助性问题，为人工智能技术工程化应用探索提供了宝贵的实践经验。