陳岳 何雙伯 楊春 張浥東

摘要：從機(jī)器感知、機(jī)器思維、機(jī)器行為3個(gè)方面介紹了人工智能技術(shù)研究體系，總結(jié)了當(dāng)前比較成熟的人工智能應(yīng)用領(lǐng)域，歸納了人工智能技術(shù)發(fā)展存在的問題。針對(duì)電力行業(yè)，闡述了人工智能在故障診斷、負(fù)荷預(yù)測(cè)、設(shè)備巡檢、智能客服等業(yè)務(wù)領(lǐng)域的研究現(xiàn)狀和取得的成果，指出電力行業(yè)后續(xù)需進(jìn)一步結(jié)合行業(yè)基礎(chǔ)，挖掘應(yīng)用場(chǎng)景，尋找突破點(diǎn)，利用新技術(shù)改造傳統(tǒng)電網(wǎng)，推動(dòng)產(chǎn)業(yè)智能化升級(jí)。

關(guān)鍵詞：人工智能；電力；故障診斷；負(fù)荷預(yù)測(cè)；設(shè)備巡檢

中圖分類號(hào)：TP18；F407.61文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2021）35-0012-05

Application of Artificial Intelligence Techniques in Electric Power Industry

CHEN YueHE ShuangbaiYANG ChunZHANG Yidong（Energy Development Research Institute， China Southern Power Grid， Guangzhou Guangdong 510663）

Abstract： This paper introduces the artificial intelligence techniques （AI） from tree aspects： machine perception， ma？ chine cognition and machine behavior， and summarizes the current mature applications and the problems in AI devel？ opment. In view of the electric power industry， this paper expounds AI researches and achievements in application areas such as fault diagnosis， load forecasting， equipment inspection， intelligent customer service and so on. It further points out that the power industry should combine with its technology basis to exploit the application scenarios of AI， search for breakthrough points， transform traditional grid by the new information technologies， and promote industrial upgrading.

Keywords： artificial intelligence；electric power industry；fault diagnosis；load forecasting；equipment inspection

人工智能（Artificial Intelligence，AI）也稱機(jī)器智能，斯坦福大學(xué)Nilsson教授將其定義為[1]：“人工智能是關(guān)于知識(shí)的學(xué)科，即怎樣表示知識(shí)以及怎樣獲得知識(shí)并使用知識(shí)的科學(xué)?！倍槭±砉W(xué)院的Winston教授則認(rèn)為[2]：“人工智能就是研究如何使計(jì)算機(jī)去做過去只有人才能做的智能工作?！彪m然人工智能的定義尚未統(tǒng)一，但普遍認(rèn)為人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個(gè)分支[3-5]，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[5-6]。

人工智能誕生于1956年的達(dá)特茅斯會(huì)議[5-7]，經(jīng)歷了兩次繁榮與兩次寒冬的跌宕式發(fā)展。2016年人工智能程序Alpha Go戰(zhàn)勝圍棋世界冠軍李世石[8-10]，使人們受到了人工智能技術(shù)的沖擊，也使人們意識(shí)到人工智能是引領(lǐng)未來的戰(zhàn)略性技術(shù)。美國(guó)在2016年10月發(fā)布《國(guó)家人工智能研究與發(fā)展策略規(guī)劃》[11]，制定了國(guó)家人工智能發(fā)展路線和策略。我國(guó)于2016—2017年先后印發(fā)了《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》[12]、《新一代人工智能發(fā)展規(guī)劃》[13]、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020年）》[14]等文件，積極謀劃人工智能產(chǎn)業(yè)發(fā)展布局，構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)。

傳統(tǒng)電力行業(yè)正搶抓人工智能發(fā)展機(jī)遇，積極探索人工智能應(yīng)用，推進(jìn)產(chǎn)業(yè)智能化升級(jí)。例如，國(guó)家電網(wǎng)和南方電網(wǎng)公司分別進(jìn)行了許多有效嘗試[15-16]，并與互聯(lián)網(wǎng)企業(yè)合作[17]，深化人工智能應(yīng)用創(chuàng)新。

1人工智能技術(shù)研究體系

人工智能技術(shù)的基本出發(fā)點(diǎn)是模擬人的智能。人的智能包括感知能力、思維能力和行為能力，智能表現(xiàn)為知識(shí)獲取能力、知識(shí)處理能力和知識(shí)運(yùn)用能力。因此，人工智能研究主要分為3個(gè)方面[18]。

1.1機(jī)器感知

機(jī)器感知方面主要研究機(jī)器如何直接或間接獲取知識(shí)、使機(jī)器具有感知能力，即將輸入的文字、語音、圖像、視頻等自然信息轉(zhuǎn)化為機(jī)器語言。具體技術(shù)包括語音識(shí)別、圖像識(shí)別等識(shí)別技術(shù)。

1.1.1語音識(shí)別。語音識(shí)別讓機(jī)器通過識(shí)別和理解過程把語音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本，包括學(xué)習(xí)訓(xùn)練和識(shí)別兩個(gè)階段[19-20]（如圖1所示），涉及特征參數(shù)提取、模型訓(xùn)練、模式匹配等方面的技術(shù)。

語音識(shí)別的學(xué)習(xí)訓(xùn)練和識(shí)別兩個(gè)階段均包括預(yù)處理和特征提取兩個(gè)過程。預(yù)處理是對(duì)原始語音信息進(jìn)行去噪、端點(diǎn)檢測(cè)、分幀加窗、預(yù)加重等處理；特征提取是計(jì)算語音的聲學(xué)參數(shù)，提取反映語音特征的關(guān)鍵參數(shù)信息，如基于時(shí)域的幅度、過零率、能量、基于頻域的線性預(yù)測(cè)倒譜系數(shù)（Linearity Predicts Cepstrum Coefficients，LPCC）、線譜對(duì)（Line Spectrum Pair，LSP）參數(shù)等。

聲學(xué)模型表示一種語言的發(fā)音，反映聲學(xué)、語音學(xué)、環(huán)境的變量、說話人性別差異、口音差異等，體現(xiàn)語音的聲學(xué)特征到音素或字詞的映射關(guān)系。聲學(xué)模型通過對(duì)語音語料提取特征參數(shù)后訓(xùn)練而得到，隱馬爾可夫模型（Hidden Markov Model，HMM）是聲學(xué)模型構(gòu)建的主要方法。而語言模型表示一種語言的規(guī)則或語法結(jié)構(gòu)，體現(xiàn)字詞到句子的映射關(guān)系，需使用文本語料訓(xùn)練得到。常用的語言模型為N-gram統(tǒng)計(jì)語言模型，該模型主要是根據(jù)已知前（N-1）個(gè)詞，預(yù)測(cè)第N個(gè)詞的發(fā)生概率。

學(xué)習(xí)訓(xùn)練階段的目的是構(gòu)建聲學(xué)模型和語言模型，識(shí)別階段則是通過搜索算法和匹配策略，將語音信號(hào)的特征參數(shù)與聲學(xué)模型庫、語言模型庫匹配，并輸出相似度最高的結(jié)果。語音識(shí)別方法包括模板匹配法、隨機(jī)模型法、人工神經(jīng)網(wǎng)絡(luò)法等，其中隱馬爾可夫模型（HMM）是目前最主流、效果最好的語音識(shí)別算法[21-22]。

HMM是一種用參數(shù)來描述隨機(jī)過程統(tǒng)計(jì)特征的概率模型，可看作是一種雙重隨機(jī)過程，模型結(jié)構(gòu)如圖2所示。一個(gè)是基本的Markov鏈隨機(jī)過程，描述狀態(tài)的轉(zhuǎn)移；另一個(gè)是描述語音信號(hào)統(tǒng)計(jì)特性變化的隱含隨機(jī)過程。

1.1.2圖像識(shí)別。圖像識(shí)別是對(duì)輸入圖像進(jìn)行處理、分析和理解的過程，用于識(shí)別各種不同模式的目標(biāo)和對(duì)象，如人臉識(shí)別、指紋識(shí)別、靜脈識(shí)別、虹膜識(shí)別、文字識(shí)別、人體動(dòng)作識(shí)別、步態(tài)識(shí)別等。類似于語音識(shí)別，圖像識(shí)別也分為學(xué)習(xí)訓(xùn)練和識(shí)別兩個(gè)階段，如圖3所示[23]。

學(xué)習(xí)訓(xùn)練階段對(duì)訓(xùn)練樣本進(jìn)行預(yù)處理、特征提取，形成樣本圖像特征庫；圖像識(shí)別階段對(duì)輸入的待識(shí)別圖像進(jìn)行預(yù)處理、特征提取后，與樣本圖像特征庫進(jìn)行特征匹配，獲得識(shí)別結(jié)果。圖像預(yù)處理過程去除圖像噪聲、干擾信息等，將原始圖像處理為適合特征提取的形式，包括圖像采樣、圖像增強(qiáng)、圖像恢復(fù)、圖像編碼壓縮、圖像分割、圖像分析描述等[24-25]。圖像特征提取是為了提取到唯一標(biāo)識(shí)圖像特性的特征，包括顏色、紋理、邊緣、區(qū)域形狀、輪廓、空間關(guān)系、像素統(tǒng)計(jì)、代數(shù)特征、動(dòng)態(tài)特征等[26-29]。

圖像識(shí)別和特征匹配是利用模式識(shí)別方法對(duì)提取的圖像特征與圖像特征庫進(jìn)行相關(guān)處理，判斷是否匹配的過程。常用的方法包括基于決策理論的判別法、結(jié)構(gòu)分解法、漢明距離匹配法、歐氏距離匹配法、基于統(tǒng)計(jì)模型的方法等。

1.2機(jī)器思維

機(jī)器思維方面主要研究機(jī)器如何表示、存儲(chǔ)、組織與管理知識(shí)，并進(jìn)行知識(shí)推理和問題求解，包括知識(shí)工程、專家系統(tǒng)、機(jī)器學(xué)習(xí)等方向。

專家系統(tǒng)模擬人類專家求解問題的思維過程求解領(lǐng)域內(nèi)的各種問題，可分為集中式專家系統(tǒng)、分布式專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)、符號(hào)系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合的專家系統(tǒng)，是人工智能研究中成效最多的領(lǐng)域，廣泛應(yīng)用于醫(yī)療診斷、文化教育等方面。

機(jī)器學(xué)習(xí)主要是研究人類學(xué)習(xí)的機(jī)理、人腦思維的過程，利用算法去分析數(shù)據(jù)、學(xué)習(xí)數(shù)據(jù)，隨后對(duì)現(xiàn)實(shí)世界情況進(jìn)行判斷和預(yù)測(cè)。機(jī)器學(xué)習(xí)可分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)，具體算法包括特征選擇、回歸算法、決策樹、隨機(jī)森林和提升算法、支持向量機(jī)（Support Vector Machine，SVM）、聚類算法、最大期望（Expectation Maximization，EM）算法、貝葉斯算法、隱馬爾科夫模型、LDA（Latent Dirichlet Allocation）主題模型等。

深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)，深度學(xué)習(xí)所得到的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包含大量的神經(jīng)元，如圖4所示。每個(gè)神經(jīng)元與大量其他神經(jīng)元相連接，神經(jīng)元間的連接權(quán)重在學(xué)習(xí)過程中進(jìn)行調(diào)整，如圖5所示。

深度神經(jīng)網(wǎng)絡(luò)分為3類：①前饋深度網(wǎng)絡(luò)，只包含編碼器部分，由多個(gè)編碼器層疊加而成，如感知器神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）等；②反饋深度網(wǎng)絡(luò)，只包含解碼器部分，由多個(gè)解碼器層疊加而成，如層次稀疏編碼網(wǎng)絡(luò)、反卷積神經(jīng)網(wǎng)絡(luò)等；③雙向深度網(wǎng)絡(luò)，同時(shí)包含編碼器和解碼器，通過疊加多個(gè)編碼器層和解碼器層構(gòu)成，如深度玻爾茲曼機(jī)、深度信念網(wǎng)絡(luò)等。

深度學(xué)習(xí)方法的應(yīng)用使語音識(shí)別、圖像識(shí)別的準(zhǔn)確度提高了10%左右，模式識(shí)別能力達(dá)到新的高度。Google公司DeepMind團(tuán)隊(duì)采用深度學(xué)習(xí)方法，利用收集到的專業(yè)棋手3 000萬次棋步對(duì)Alpha Go系統(tǒng)進(jìn)行訓(xùn)練，取得了重大成果。

1.3機(jī)器行為

機(jī)器行為方面主要研究機(jī)器如何運(yùn)用所獲取的知識(shí)，通過知識(shí)信息處理給出反應(yīng)并付諸行動(dòng)，包括決策支持系統(tǒng)、機(jī)器人學(xué)等方向。

決策支持系統(tǒng)運(yùn)用分析、決策模型進(jìn)行輔助決策，綜合利用數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘、專家系統(tǒng)等技術(shù)，建立綜合集成型決策支持系統(tǒng)。機(jī)器人學(xué)涉及機(jī)器人控制、機(jī)械運(yùn)動(dòng)、機(jī)器人工程學(xué)等內(nèi)容，關(guān)注精準(zhǔn)控制，即如何在既定時(shí)間內(nèi)完成計(jì)算并準(zhǔn)確地完成相關(guān)動(dòng)作。

2人工智能技術(shù)發(fā)展現(xiàn)狀

目前，國(guó)際上面向特定領(lǐng)域的人工智能取得了突破性進(jìn)展，比較成熟的應(yīng)用主要集中在4個(gè)領(lǐng)域。

2.1機(jī)器人

人工智能機(jī)器人有聊天機(jī)器人、客服機(jī)器人等類型，日本的仿人機(jī)器人、美國(guó)的獵豹機(jī)器人、德國(guó)的工業(yè)機(jī)器人等，都能夠理解人的語言語義并進(jìn)行對(duì)話，還能夠根據(jù)對(duì)周圍環(huán)境的感知調(diào)整自己的動(dòng)作。

2.2語音識(shí)別

利用自然語言處理等技術(shù)將語音轉(zhuǎn)換成可處理的信息，作為計(jì)算機(jī)系統(tǒng)的輸入。目前國(guó)內(nèi)在該方面的研究處于國(guó)際領(lǐng)先水平，已出現(xiàn)語音開鎖、語音轉(zhuǎn)換、自動(dòng)翻譯等應(yīng)用?？拼笥嶏w的語音識(shí)別技術(shù)已經(jīng)實(shí)現(xiàn)了語音實(shí)時(shí)轉(zhuǎn)換成文字、模仿真人合成發(fā)音、同聲傳譯等功能，未來的配音、速錄、翻譯領(lǐng)域?qū)⒚媾R極大的挑戰(zhàn)。

2.3圖像識(shí)別

利用計(jì)算機(jī)進(jìn)行圖像處理、分析和理解，匹配不同模式的目標(biāo)和對(duì)象。目前的成熟應(yīng)用有汽車牌照識(shí)別、人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別、智能視頻分析等，其在安防、智慧交通等領(lǐng)域已成功應(yīng)用。例如，杭州推出以人工智能為核心的“城市大腦”，能夠自動(dòng)調(diào)配公共資源，修正城市運(yùn)營(yíng)中出現(xiàn)的問題。

2.4專家系統(tǒng)

專家系統(tǒng)能應(yīng)用人類專家的豐富知識(shí)，解決人類專家難以解決的問題，而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò)。在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面，專家系統(tǒng)幾乎已經(jīng)達(dá)到了人類專家的水平。

3存在的問題

盡管經(jīng)過60年的發(fā)展，人工智能在模式識(shí)別、知識(shí)工程、機(jī)器人等領(lǐng)域取得了巨大進(jìn)步，但當(dāng)前仍處于弱人工智能階段，即僅擅長(zhǎng)單項(xiàng)能力的確定性（模擬人類的邏輯思維）人工智能，離真正的人類智能還相差甚遠(yuǎn)。中科院院士譚鐵牛認(rèn)為：“現(xiàn)有的人工智能系統(tǒng)，有智能沒智慧，有智商沒情商，會(huì)計(jì)算不會(huì)算計(jì)，有專能無全能。”

強(qiáng)人工智能（即比肩于人類腦力活動(dòng)的人工智能）的研究處于停滯不前的狀態(tài)，模擬人類的不確定性智能（形象思維）方面始終沒有取得進(jìn)展。

受限于圖靈機(jī)與馮·諾依曼體系結(jié)構(gòu)，目前的人工智能系統(tǒng)在感知、認(rèn)知、行為等多方面都存在瓶頸，幾乎所有的人工智能系統(tǒng)都需要對(duì)求解的問題進(jìn)行人工建模，轉(zhuǎn)化為一類特定的計(jì)算問題（如搜索、自動(dòng)推理、機(jī)器學(xué)習(xí)等）后再進(jìn)行處理，問題求解的自動(dòng)建模還有待突破。

大數(shù)據(jù)分析推動(dòng)了特定領(lǐng)域人工智能的快速發(fā)展，但大量的數(shù)據(jù)是“生數(shù)據(jù)”，摻雜了很多噪聲、虛假信息、垃圾信息等。機(jī)器學(xué)習(xí)方法對(duì)于生數(shù)據(jù)處理的魯棒性差于預(yù)處理后的數(shù)據(jù)處理。深度學(xué)習(xí)算法的實(shí)現(xiàn)依賴于特定領(lǐng)域大量人工標(biāo)記的樣本或較多的人工干預(yù)，系統(tǒng)對(duì)新環(huán)境與新問題需要建立不同的算法，難以推廣到不同領(lǐng)域，難以自適應(yīng)和自動(dòng)遷移。

模式識(shí)別與語言理解對(duì)圖像、視頻、語音、自然語言等非結(jié)構(gòu)化數(shù)據(jù)的分析還存在處理機(jī)制、效率等方面的不足?，F(xiàn)有視覺識(shí)別只能理解簡(jiǎn)單的場(chǎng)景，識(shí)別準(zhǔn)確度的提高需要增加深度學(xué)習(xí)的網(wǎng)絡(luò)層數(shù)，也就需要更多的訓(xùn)練時(shí)間和訓(xùn)練樣本。語音識(shí)別對(duì)環(huán)境依賴性過強(qiáng)，即在某種環(huán)境下采集的語音訓(xùn)練系統(tǒng)只能在該種環(huán)境下應(yīng)用。

4人工智能在電力行業(yè)的應(yīng)用

電力行業(yè)比較注重系統(tǒng)的安全、穩(wěn)定、可靠和及時(shí)響應(yīng)，當(dāng)前人工智能在電力行業(yè)的應(yīng)用主要集中于傳統(tǒng)工作方式和技術(shù)的智能化改進(jìn)、電力系統(tǒng)關(guān)鍵技術(shù)的拓展、多元因素的智能化融合等方面。典型的人工智能應(yīng)用如下。

4.1故障診斷

利用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)診斷輸電網(wǎng)絡(luò)故障是典型的初期人工智能應(yīng)用，利用保護(hù)斷路器的動(dòng)作邏輯以及運(yùn)行人員的診斷經(jīng)驗(yàn)，形成故障診斷專家系統(tǒng)的知識(shí)庫，根據(jù)報(bào)警信息推理獲得故障診斷的結(jié)論。人工神經(jīng)網(wǎng)絡(luò)主要應(yīng)用于輸電網(wǎng)絡(luò)故障定位和故障類型識(shí)別，如基于三層前饋神經(jīng)網(wǎng)絡(luò)、時(shí)空神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障定位，基于多層前饋神經(jīng)網(wǎng)絡(luò)和Kohonen網(wǎng)絡(luò)實(shí)現(xiàn)故障類型識(shí)別。日本在20世紀(jì)90年代開始將人工智能技術(shù)應(yīng)用于電力部門。日本東北電力公司于1987年設(shè)立了人工智能研究所，開展了專家系統(tǒng)研究，開發(fā)了AI技術(shù)應(yīng)用裝置，如水力發(fā)電廠引水壓力鋼管健全度診斷和大修工程選定系統(tǒng)配電設(shè)備恢復(fù)支撐系統(tǒng)等。

近年來的研究熱點(diǎn)在于深度學(xué)習(xí)等人工智能新技術(shù)應(yīng)用方面，如利用深度強(qiáng)化學(xué)習(xí)、對(duì)抗學(xué)習(xí)等技術(shù)，對(duì)海量配電設(shè)備與計(jì)量裝置的健康狀況等進(jìn)行全方位、多視角在線監(jiān)測(cè)、評(píng)價(jià)與風(fēng)險(xiǎn)預(yù)警，實(shí)現(xiàn)配用電設(shè)備監(jiān)控狀態(tài)智能檢測(cè)與管理。

4.2負(fù)荷預(yù)測(cè)

Google公司在2016年用機(jī)器學(xué)習(xí)算法使其數(shù)據(jù)中心的用電量減少了15%，利用智能算法預(yù)測(cè)數(shù)據(jù)中心的冷卻系統(tǒng)并控制設(shè)備的負(fù)載，從而使用于冷卻的電量減少了40%。英國(guó)國(guó)家電網(wǎng)公司為解決電力供應(yīng)平衡問題，與Google公司DeepMind實(shí)驗(yàn)室合作，通過機(jī)器學(xué)習(xí)技術(shù)來預(yù)測(cè)電力需求和供應(yīng)的高峰，以提高可再生能源利用率。

4.3設(shè)備巡檢

針對(duì)傳統(tǒng)人工巡檢方式存在的勞動(dòng)強(qiáng)度大、工作效率低、安全風(fēng)險(xiǎn)高、監(jiān)測(cè)質(zhì)量分散等問題，20世紀(jì)90年代日本科學(xué)家提出了“電力巡檢機(jī)器人”的構(gòu)想，日本東芝等公司和歐美科研院所也開展了相關(guān)研發(fā)工作。相比于國(guó)外，國(guó)內(nèi)在電力巡檢機(jī)器人方面的研發(fā)成果則更多，應(yīng)用也更加廣泛，如利用圖像識(shí)別、深度學(xué)習(xí)技術(shù)處理直升機(jī)、無人機(jī)、巡線巡檢機(jī)器人和遙感衛(wèi)星圖像及視頻數(shù)據(jù)，識(shí)別設(shè)備缺陷和輸電線路的潛在風(fēng)險(xiǎn)。南方電網(wǎng)公司實(shí)現(xiàn)了輸電線路絕緣子破損、鳥巢等機(jī)巡圖像多類缺陷的自動(dòng)識(shí)別；國(guó)家電網(wǎng)公司實(shí)現(xiàn)了復(fù)雜環(huán)境中多種電力監(jiān)控目標(biāo)及其位移、狀態(tài)的識(shí)別，研制了電力人工智能硬件模塊FPGA，可集成到巡檢無人機(jī)、機(jī)器人及監(jiān)控?cái)z像頭中。

利用深度學(xué)習(xí)技術(shù)對(duì)設(shè)備狀態(tài)數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練，能夠?qū)崿F(xiàn)對(duì)輸變電設(shè)備故障的智能診斷和狀態(tài)評(píng)估。國(guó)家電網(wǎng)公司研發(fā)了GDJF-2006/2008數(shù)字式局部放電檢測(cè)系統(tǒng)，能夠識(shí)別包括自由金屬顆粒放電、懸浮電位體放電、絕緣件內(nèi)部氣隙放電等多種典型放電；2016年，江蘇電力公司將深度學(xué)習(xí)與大數(shù)據(jù)結(jié)合，研發(fā)了基于深度學(xué)習(xí)的局放缺陷診斷系統(tǒng)，在10萬余條樣本數(shù)量基礎(chǔ)上，構(gòu)建局放診斷深度神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)深度學(xué)習(xí)分析，診斷準(zhǔn)確率可達(dá)到95%；天津電力公司通過研究基于深度卷積網(wǎng)絡(luò)的局放模型，創(chuàng)建了多維度設(shè)備狀態(tài)智能診斷決策平臺(tái)，實(shí)現(xiàn)在現(xiàn)有數(shù)據(jù)質(zhì)量下設(shè)備狀態(tài)的自動(dòng)智能診斷與決策。

在變電站機(jī)器人應(yīng)用方面，2016年10月，國(guó)家電網(wǎng)泰州供電公司成功部署了基于機(jī)器人平臺(tái)的變電站安全監(jiān)控系統(tǒng)，通過基于深度學(xué)習(xí)的圖像識(shí)別方法對(duì)監(jiān)控對(duì)象進(jìn)行智能識(shí)別，為巡檢部門提供技術(shù)和管理手段；南方電網(wǎng)中山供電局在2016年研發(fā)了“阿童木”變電站智能操作機(jī)器人，可以自動(dòng)完成10 kV開關(guān)緊急分閘操作。

在電纜隧道無人巡檢方面，鄭州供電公司于2016年依托監(jiān)控大屏及VR可視化平臺(tái)、無人巡檢系統(tǒng)，實(shí)現(xiàn)了地下管線智能化、自動(dòng)化、無人化巡檢。

4.4智能客服

電力行業(yè)服務(wù)民生，需要面向客戶提供優(yōu)質(zhì)服務(wù)。營(yíng)業(yè)廳機(jī)器人、智能客服是人工智能在電力行業(yè)的典型應(yīng)用。利用語音識(shí)別、自然語音處理等技術(shù)，實(shí)現(xiàn)智能問答服務(wù)、語音服務(wù)、用戶精準(zhǔn)化與差異化服務(wù)等，以此提升服務(wù)質(zhì)量。例如，國(guó)家電網(wǎng)公司智能客服機(jī)器人“電博士”，為客戶提供專業(yè)電力知識(shí)解答；南方電網(wǎng)公司推出營(yíng)業(yè)廳機(jī)器人“小智”，幫助客戶辦理業(yè)務(wù)。

電力行業(yè)是一個(gè)涉及環(huán)節(jié)多、覆蓋范圍廣、不確定性因素強(qiáng)的龐大復(fù)雜系統(tǒng)。從發(fā)電、輸電、變電、配電再到終端的用電，均包含著典型動(dòng)態(tài)的多維特性，導(dǎo)致電力行業(yè)控制、運(yùn)行異常復(fù)雜，需要耗費(fèi)大量的人力、物力、財(cái)力。目前我國(guó)已進(jìn)入大電網(wǎng)、大電廠、大機(jī)組、高電壓輸電、高度自動(dòng)控制的新時(shí)代，具備較好的自動(dòng)化、信息化基礎(chǔ)，人工智能技術(shù)的應(yīng)用將推動(dòng)整個(gè)電力行業(yè)的技術(shù)發(fā)展，提高電力系統(tǒng)運(yùn)行效率，保障電力系統(tǒng)的安全與穩(wěn)定。

5結(jié)語

當(dāng)前，人工智能進(jìn)入高速發(fā)展期，部分專項(xiàng)人工智能已取得重大突破，并已成功應(yīng)用于人類生產(chǎn)生活中。隨著技術(shù)的不斷發(fā)展，專項(xiàng)人工智能的覆蓋面將越來越廣，能力將越來越強(qiáng)。

電力行業(yè)根據(jù)自身的特點(diǎn)和已具備的自動(dòng)化、信息化基礎(chǔ)能力，結(jié)合傳統(tǒng)電力技術(shù)，在人工智能應(yīng)用方面開展了較多研究和探索，取得了較多有價(jià)值的研究成果。目前，電力行業(yè)在云計(jì)算、大數(shù)據(jù)等新技術(shù)發(fā)展方面形成了較好的積累，具備與人工智能技術(shù)同步發(fā)展的良好條件。電力行業(yè)未來的發(fā)展方向主要在于優(yōu)化和預(yù)測(cè)，而人工智能正好能夠針對(duì)資源配置、多源信息融合、能源互聯(lián)等方面提供獨(dú)特的解決方案。電力行業(yè)需緊跟人工智能技術(shù)的研究進(jìn)展，結(jié)合行業(yè)基礎(chǔ)，挖掘應(yīng)用場(chǎng)景，利用人工智能技術(shù)改造升級(jí)傳統(tǒng)電網(wǎng)，促進(jìn)生產(chǎn)方式轉(zhuǎn)變，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)變革。

參考文獻(xiàn)：

[1]NILSSON N J.ArtificialIntelligence：ANew Synthesis[M]. SanFrancisco：MorganKaufmannPublishersInc，1998：453-492.

[2]DONNAR.Artificialintelligence： P.H. Winston， （AddisonWesley， Reading， MA， 2nd ed.， 1984）； 527 pages[J].Artificial Intelligence，1985（1）：127-128.

[3]HUTTER M.Universal Artificial Intelligence[J].Texts in Theoretical Computer Science An Eatcs，2003（2）：278.

[4]POOLE D L，MACKWORTH A K.Artificial Intelligence： Foundations of Computational Agents[M]. Cambridge：Cambridge University Press，2017：38-56.

[5]Wikipedia.Artificial intelligence[EB/OL].（2018-08-30）[2021-10-31].https：//en.wikipedia.org/wiki/Artificial_intelligence.

[6]百度百科.人工智能[EB/OL].（2021-09-30）[2021-10-31]. https：//baike. baidu. com/item/% E4%BA% BA% E5%B7%A 5%E6%99%BA%E8%83%BD/9180？fr=aladdin.

[7]NILSSON N J. The Quest for Artificial Intelligence： A History of Ideas and Achievements[M].Cambridge：Cambridge University Press，2009：79.

[8]DeepMind.Alpha Go-Google DeepMind.[EB/OL].（2021-09-30）[2021-10-31].https：//deepmind.com/research/alphago/.

[9]SILVER D，HUANG A，MADDISON C J，et al.Mastering the game of Go with deep neural networks and tree search[J]. Nature，2016（1）：484-489.

[10]SILVER D，SCHRITTWIESER J，SIMONYAN K，et al. Mastering the game of Go without Human Knowledge[J].Nature，2017（10）：354-359.

[11]National Science and Technology Council Networking and Information Technology Research and Development Subcom- mittee. the national artificial intelligence research and development strategic plan[EB/OL].（2016-10-30）[2021-10-31].https：// www.nitrd.gov/PUBS/national_ai_rd_str ategic_plan.pdf.

[12]國(guó)家發(fā)展改革委，科技部，工業(yè)和信息化部，等.國(guó)家發(fā)展改革委、科技部、工業(yè)和信息化部、中央網(wǎng)信辦關(guān)于印發(fā)《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》的通知[EB/OL].（2016-05-26）[2021-10-31].http：//www.chinacir.com.cn/2016_zcjd/527622.shtml.

[13]國(guó)務(wù)院.國(guó)務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知[EB/OL].（2017-07-20）[2021-10-31]. http：//www. gov. cn/ zhengce/content/2017-07/20/content_5211996.htm.

[14]工業(yè)和信息化部.工業(yè)和信息化部關(guān)于印發(fā)《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》的通知[EB/OL].（2017-12-14）[2021-10-31]. https：//www. miit. gov. cn/ jgsj/kjs/wjfb/art/2020/art_08d153ee9e9d4676aa69d0aa12676ca1. html.

[15]周瑾，周璇，陳欣.江蘇電力公司智能客服機(jī)器人在微信平臺(tái)上線[EB/OL].（2017-07-04）[2021-10-31].http：//www. chinapower.com.cn/dwyxfw/20170704/83067.html.

[16]陳逸群，朱婷婷.深圳供電局機(jī)器人“小智”貼心服務(wù)再也不愁排隊(duì)辦業(yè)務(wù)[N/OL].（2017-09-14）[2021-10-31].http：//poll. myzaker.com/article_poll.php？_appid=iphone&pk=59b9e0801bc8 e0aa610000ae&poll_id=1271&target=web3.

[17]林潔，沈甸.南方電網(wǎng)廣東公司牽手百度啟動(dòng)智慧能源行動(dòng)計(jì)劃[N/OL].（2017-12-20）[2021-10-31].http：//news.cyol. com/yuanchuang/2017-12/20/content_16797430.htm.

[18]劉毅.人工智能的歷史與未來[J].科技管理研究，2004（6）：121-124.

[19]馬志欣，王宏，李鑫.語音識(shí)別技術(shù)綜述[J].昌吉學(xué)院學(xué)報(bào)，2006（3）：93-97.

[20]侯一民，周慧瓊，王政一.深度學(xué)習(xí)在語音識(shí)別中的研究進(jìn)展綜述[J].計(jì)算機(jī)應(yīng)用研究，2017（8）：2241-2246.

[21]靳雙燕.基于隱馬爾可夫模型的語音識(shí)別技術(shù)研究[D].鄭州：鄭州大學(xué)，2013：1-68.

[22]陳曉霖.基于隱馬爾可夫模型的語音識(shí)別方法的研究[D].濟(jì)南：山東大學(xué)，2005：1-71.

[23]汪晨，張濤，林為民，等.圖像識(shí)別綜述及在電力信息安全中的應(yīng)用研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2012（4）：161-164.

[24]蔣樹強(qiáng)，閔巍慶，王樹徽.面向智能交互的圖像識(shí)別技術(shù)綜述與展望[J].計(jì)算機(jī)研究與發(fā)展，2016（1）：113-122.

[25]江貴平，秦文健，周壽軍，等.醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J].計(jì)算機(jī)學(xué)報(bào)，2015（6）：1222-1242.

[26]王志瑞，閆彩良.圖像特征提取方法的綜述[J].吉首大學(xué)學(xué)報(bào)（自然科學(xué)版），2011（5）：43-47.

[27]吳微，苑瑋琦.手掌靜脈圖像識(shí)別技術(shù)綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2013（10）：1215-1224.

[28]梁路宏，艾海舟，徐光，等.人臉檢測(cè)研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002（5）：449-458.

[29]胡瓊，秦磊，黃慶明.基于視覺的人體動(dòng)作識(shí)別綜述[J].計(jì)算機(jī)學(xué)報(bào)，2013（12）：2512-2524.