王旭

（國網(wǎng)四川省電力公司綿陽供電公司，四川 綿陽 621000）

我國的電網(wǎng)輸電設(shè)備不僅在類型構(gòu)成上比較多，同時在分布范圍以及結(jié)構(gòu)參數(shù)方面也涉及到了多個技術(shù)層面，導(dǎo)致設(shè)備系統(tǒng)在長期運行下，不可避免地出現(xiàn)故障。隨著智能運維管理技術(shù)的研發(fā)和應(yīng)用，其對于傳統(tǒng)的電力設(shè)備運維檢修工作效率及質(zhì)量提升均發(fā)揮了一定成效，但目前仍舊存在應(yīng)用盲區(qū)有待優(yōu)化。鑒于此，針對人工智能技術(shù)在電力設(shè)備運維檢修中的研究及應(yīng)用這一內(nèi)容進(jìn)行深入研究具有重要現(xiàn)實意義。

1 人工智能技術(shù)在電力設(shè)備運維檢修中的研究

人工智能技術(shù)是一類新型的技術(shù)科學(xué)，此學(xué)科主要是對人的智能理論、方法、技術(shù)以及應(yīng)用系統(tǒng)進(jìn)行模擬和延伸的一種開發(fā)和研究，屬于計算機科學(xué)中的一個分支結(jié)構(gòu)，目的在于針對智能的實質(zhì)加以了解，生產(chǎn)出一類可按照人類智能行為處理方式工作的智能型機器[1]。在研究領(lǐng)域的構(gòu)成上，主要包括機器人、專家系統(tǒng)、自然語言以及圖像識別等[2]。

將人工智能技術(shù)運用于電力設(shè)備運維管理時，所有的電力設(shè)備運行及檢修資料管理方均以運行單位和檢修單位一式兩份分開管理[3]。應(yīng)用此種管理方法，使得現(xiàn)有的運維一體化工作推進(jìn)中，傳統(tǒng)非專業(yè)性的運行人員被專業(yè)技術(shù)人員所替換，現(xiàn)有的設(shè)備運維管理工作質(zhì)量隨之優(yōu)化。此外，電力設(shè)備使用壽命也會隨著人工智能技術(shù)的采納而延長，且對于所有參與運檢維修人員來講，人身安全得到了進(jìn)一步的保障。

2 人工智能關(guān)鍵技術(shù)

2.1 傳統(tǒng)機器學(xué)習(xí)

隨著傳統(tǒng)機器學(xué)習(xí)理論的不斷完善，目前已經(jīng)出現(xiàn)將多個弱學(xué)習(xí)器重組的新理論，稱為集成學(xué)習(xí)，該模型具備更好的泛化能力。集成思想一般包括：Bagging、Boosting 和Stacking。其中Stacking 方法主要是利用增加一層學(xué)習(xí)器來進(jìn)行，輸入數(shù)據(jù)為訓(xùn)練集弱學(xué)習(xí)器的學(xué)習(xí)結(jié)果，最終結(jié)果為重新訓(xùn)練的學(xué)習(xí)器數(shù)據(jù)，其工作原理見圖1。

圖1 Stacking 算法的基本原理

2.2 計算機視覺

隨著電力設(shè)備運維領(lǐng)域的信息化技術(shù)和智能化技術(shù)不斷完善，利用計算機視覺技術(shù)進(jìn)行電力設(shè)備的監(jiān)測與檢修的應(yīng)用也越來越成為趨勢，該技術(shù)主要是利用監(jiān)控影像對設(shè)備的缺陷進(jìn)行檢測和目標(biāo)識別。利用無人機、機器人等高級巡檢設(shè)備對視頻圖像進(jìn)行采集，通過計算機視覺技術(shù)對電力相關(guān)設(shè)備的外觀缺陷進(jìn)行精準(zhǔn)識別，可以很好地提高維檢人員在高壓線路等高危機環(huán)境下作業(yè)的安全性，同時也能有效提高危險環(huán)境下進(jìn)行巡檢的工作效率和檢查質(zhì)量。但是由于該技術(shù)對于不同類型和外觀、姿態(tài)的設(shè)備識別有一定的局限，再加上樣本稀少導(dǎo)致數(shù)據(jù)不平衡、成像光照、遮擋等因素的影響，使得設(shè)備在進(jìn)行檢測和缺陷識別時的精度和效率不能達(dá)到規(guī)定要求和標(biāo)準(zhǔn)。

2.3 自然語言處理

自然語言處理（NLP）是一種新型的高效信息提取技術(shù)，是利用智能技術(shù)對文本數(shù)據(jù)實施系統(tǒng)化理解和分析的一種技術(shù)。在進(jìn)行電力設(shè)備運維檢修的工作過程中，會累積許多設(shè)備缺陷報告和故障報告，以及大量巡檢記錄和相關(guān)文檔等文字性的數(shù)據(jù)，這些數(shù)據(jù)包括了許多的故障信息、故障原因及檢修方案等關(guān)鍵要素，將這些要素中重要語義信息及相關(guān)聯(lián)系進(jìn)行挖掘，對于電力設(shè)備的運維檢修的評價及指導(dǎo)有著很重要的作用。

2.4 多模態(tài)機器學(xué)習(xí)

在進(jìn)行電力設(shè)備動檢修檢的過程中，會有大量的相關(guān)信息和種類繁多的數(shù)據(jù)，例如物理信號數(shù)據(jù)、圖像視頻文件、文本資料等多源異結(jié)構(gòu)的數(shù)據(jù)，這些數(shù)據(jù)和信息的來源及形式都不相同，所以也被稱為一種模態(tài)。對這些不同類別結(jié)構(gòu)的模態(tài)進(jìn)行綜合數(shù)據(jù)分析時，就形成了多模態(tài)機器學(xué)習(xí)（MMML）。在電力設(shè)備運維檢修工作中，會涉及到不同設(shè)備、不同技術(shù)、不同資源及不同規(guī)程的數(shù)據(jù)要素，所以收集到的狀態(tài)變量和相關(guān)數(shù)據(jù)資源種類也較多，同時會有一部分其它信息收集到的較少。如果能將這些模態(tài)進(jìn)行互補，從不同側(cè)面進(jìn)行設(shè)備狀態(tài)的故障檢測和綜合分析，能夠很好地提升判斷的準(zhǔn)確率。

3 人工智能技術(shù)在電力設(shè)備運維檢修中的應(yīng)用

3.1 有效識別缺陷及故障

現(xiàn)階段，多數(shù)電力企業(yè)在進(jìn)行輸變電設(shè)備的故障案例整理時，主要集中在設(shè)備基礎(chǔ)性信息和故障異常信息方面，同時將故障出現(xiàn)的原因、類型以及部位記錄在案，導(dǎo)致現(xiàn)有的運維檢修工作存在數(shù)據(jù)來源單一且樣本失衡的狀況[4]。此時，將人工智能技術(shù)應(yīng)用于運維檢修時，應(yīng)該充分做好以下工作：（1）針對現(xiàn)有的輸變電設(shè)備案例數(shù)據(jù)進(jìn)行分析，并將設(shè)備的家族性缺陷、氣象數(shù)據(jù)等多源信息加以整合，隨后利用樣本合成或是生成對抗網(wǎng)絡(luò)等手段，針對數(shù)據(jù)進(jìn)行增值處理，用以確保正負(fù)樣本的比例；（2）調(diào)查數(shù)據(jù)是否按照時序及標(biāo)注要求做好相應(yīng)記錄，利用人工智能技術(shù)完成分類、預(yù)算及聚類等智能計算工作，并將計算結(jié)果自動引入到運檢知識庫內(nèi)，按照庫內(nèi)既有規(guī)則智能完成檢修工作。

3.2 評估設(shè)備使用狀態(tài)

針對電力設(shè)備運維檢修工作進(jìn)行管理時，將人工智能技術(shù)顯著應(yīng)用于其中，不僅能夠提升電網(wǎng)供電的可靠性，同時也能節(jié)省檢修工作開展之時的人力、物理資源。此過程中，為了避免以往過多依賴于專家經(jīng)驗所展開的檢修評價工作結(jié)果，人工智能技術(shù)應(yīng)用后可以更加全面地將電力變壓器的真實狀況反饋出來，比較常見的設(shè)備使用健康狀態(tài)評估技術(shù)是：借助數(shù)學(xué)模型客觀化完成狀態(tài)評價權(quán)重計算工作，需就不同的狀態(tài)量指標(biāo)以及變壓器狀態(tài)關(guān)聯(lián)性進(jìn)行分析，并確認(rèn)關(guān)鍵性、相對重要評價權(quán)重，提升電力設(shè)備的使用狀態(tài)評估精準(zhǔn)性。[5]

3.3 建立人工智能化運維檢修信息知識庫

當(dāng)前時期下，我國電力企業(yè)已經(jīng)初步面向全國范圍內(nèi)的輸變電設(shè)備進(jìn)行了站內(nèi)及桿塔等區(qū)域的傳感器裝置安裝工作，并為此配置對應(yīng)的工作人員完成定期檢修工作，做好檢修記錄整理。此時，為了能夠進(jìn)一步分析和處理更多電力設(shè)備運維故障問題，技術(shù)人員需要做好多模態(tài)數(shù)據(jù)故障案例整理工作，借助其中的行業(yè)知識以及專家經(jīng)驗，為運維檢修信息知識庫構(gòu)建提供支撐資料。期間，需先行依照不同電力設(shè)備制定對應(yīng)的故障檢修標(biāo)準(zhǔn)模板，隨后分析整理出現(xiàn)故障或是缺陷的試驗數(shù)據(jù)，總結(jié)出結(jié)構(gòu)化的案例庫，為后續(xù)檢修工作智能推進(jìn)提供學(xué)習(xí)模型。其次，需對自然語言處理技術(shù)進(jìn)行非結(jié)構(gòu)化運維檢修信息處理。

3.4 智能推薦檢修策略

我國電網(wǎng)發(fā)展速度日漸提升，電網(wǎng)規(guī)模也在隨之?dāng)U大，使得電網(wǎng)復(fù)雜性不斷加大，相對應(yīng)的檢修計劃以及檢修工作安排也趨于復(fù)雜化。對此，電力設(shè)備運行企業(yè)在進(jìn)行檢修計劃設(shè)定時，就可以充分將人工智能技術(shù)應(yīng)用于其中，借此開發(fā)出更加智能化、自動化的輔助檢修系統(tǒng)及軟件。居于檢修決策優(yōu)化視角分析能夠發(fā)現(xiàn)，其屬于一類多約束、多目標(biāo)的優(yōu)化工作內(nèi)容，而想要提升優(yōu)化目標(biāo)的經(jīng)濟(jì)性和實用性，就需將啟發(fā)式智能算法或是數(shù)學(xué)規(guī)劃方法融入于優(yōu)化過程中，借此構(gòu)建完善的電力設(shè)備運維檢修知識圖譜（如圖2 所示）。

圖2 電力設(shè)備運維知識圖譜構(gòu)成圖

在上述基礎(chǔ)上，未來想要進(jìn)一步借助人工智能技術(shù)加強對于電力設(shè)備運維知識系統(tǒng)的構(gòu)建，不僅需做好機器人學(xué)習(xí)模型以及領(lǐng)域?qū)＜医?jīng)驗兩者之間的自動化構(gòu)建技術(shù)優(yōu)化及更新工作，同時還需針對電力設(shè)備的歷史運維數(shù)據(jù)進(jìn)行文本轉(zhuǎn)化，形成系統(tǒng)性的知識處理系統(tǒng)，實現(xiàn)對于設(shè)備數(shù)據(jù)正確性的精準(zhǔn)篩選和驗證，最終實現(xiàn)自動更新和高層次的智能運維檢修策略推薦管理目標(biāo)。

4 結(jié)語

綜上所述，在電力設(shè)備運維檢修工作開展過程中，想要進(jìn)一步提升檢修工作效率，充分將人工智能技術(shù)應(yīng)用其中十分有必要。技術(shù)應(yīng)用過程中，能夠進(jìn)一步強化缺陷及故障的識別效率，同時在設(shè)備運行狀況評估方面也更為突出，使得智能化運維檢修信息知識庫構(gòu)建速度和故障診斷正確性顯著提升，最終為電力設(shè)備平穩(wěn)運行的經(jīng)濟(jì)效益和社會效益提升奠定堅實的基礎(chǔ)。