“一工区注意，500千伏陕瀛线通道附近的临建施工活动范围正在扩大，请运维人员尽快前往现场采取管控措施。”8月9日，国网河南送变电建设有限公司生产管控中心运维人员运用基于AI技术的通道风险管控系统，成功处置了一起输电线路线下违章施工的安全事件，保障了河南电网主干网架安全稳定运行。

专业模型练就“火眼金睛”

据了解，河南省超特高压输电线路总长度已超13000千米，线路通道环境呈现出点多、线长、面广的复杂情况，对输电线路安全稳定运行提出了较高要求。河南送变电运维专业探索以深度学习方式培育输电线路通道隐患管控识别的AI算法，能够自主识别、直观展示和精益管控输电线路通道的各类隐患。

为尽可能提升输电线路通道隐患管控识别精准度，河南送变电从图像识别、图像分割、时序处理等三方面着手，有针对性地确定不同种类的深度学习模型。在此项工作开展初期，一道难题困扰着河南送变电运维人员：既有的CNN、FCN和RN模型最早多应用于测绘、建筑行业，如果直接让其介入电力实际工作场景，会出现识别不准、结果误报等“水土不服”问题。该公司人员通过查阅多方资料和反复调试比对，创造性地选取3种结构框架下的特定分支，包括强化特征传播的DenseNet模型、高精度进行地物分割提取的U-Net模型和具有长短时记忆单元的LSTM模型。3种细分模型经过精心调试、有机整合、形成合力，已经能够较好地胜任特定场景下的电力运维专业工作。

训练优化让AI“算得更快”

传统运维工作模式下，输电线路通道运维主要依靠“人工巡视+无人机航测”的方式开展，受极端天气和微气候、微地形等环境因素影响，管控宽度受限、数据精度波动等现象时有发生。同时线路状态管控等工作信息流的实时传递主要依靠工作群组方式，还存在传递链条长、处理效率低等问题。

河南送变电在逐步试用推广基于AI算法的通道风险管控系统过程中，利用不同区域、不同类型的输电线路通道现场照片进行AI分析，引入叠加杆塔坐标和二维正射图与卫星图提升AI识别精度，采用人工标定法对模型进行适应性优化训练，大幅提升对线下大棚、线下施工、道路、彩钢瓦房等输电线路通道典型外破场景的分析能力。得益于不断进行的训练优化和深度学习，AI算法对原有使用环境的机械式依赖有效降低，训练优化效果MIoU平均值从0.2跃升至0.824，进而实现在电力运维专业背景下“算得更快、更聪明”。

开启隐患识别“上帝视角”

在这颗“聪明大脑”的加持下，河南送变电将AI识别结果通过多维度统计、分析，整合到输电线路风险隐患管控数据看板，一图掌握设备信息、隐患区域、工区位置、风险等级等关键信息，并进行自动分级，明确隐患处置标准，提高了电网线路风险隐患的处置时效性。运维人员只需点击地图图标，就能看到隐患的位置名称、经纬度、面积这些关键信息，以“上帝视角”自主识别各类隐患，为及时发现并有效处置电网风险隐患提供了直观清晰的重要参考。

“基于AI技术的通道风险管控系统自投入试用以来，实现了通道隐患的智能管控和持续跟踪，让输电通道有效管控的空间宽度和时间密度显著提升。”河南送变电运检分公司生技办主任朱赛伟介绍，该系统可将通道有效管控宽度从200米提升至1千米。该算法的试用推广，将对长期困扰线路安全运行的流动外破、易漂浮物等“老大难”问题提供全新的解决思路。