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(shí)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(yùn)行下，不可避免地出現(xiàn)故障。隨著智能運(yùn)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(yùn)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(yùn)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(shí)意義。

1 人工智能技術(shù)在電力設(shè)備運(yùn)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(jì)算機(jī)科學(xué)中的一個分支結(jié)構(gòu)，目的在于針對智能的實(shí)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(jī)器[1]。在研究領(lǐng)域的構(gòu)成上，主要包括機(jī)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(yùn)用于電力設(shè)備運(yùn)維管理時(shí)，所有的電力設(shè)備運(yùn)行及檢修資料管理方均以運(yùn)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(yùn)維一體化工作推進(jìn)中，傳統(tǒng)非專業(yè)性的運(yùn)行人員被專業(yè)技術(shù)人員所替換，現(xiàn)有的設(shè)備運(yùn)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(yùn)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(jī)器學(xué)習(xí)

隨著傳統(tǒng)機(jī)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(jì)算機(jī)視覺

隨著電力設(shè)備運(yùn)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(jì)算機(jī)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(jī)、機(jī)器人等高級巡檢設(shè)備對視頻圖像進(jìn)行采集，通過計(jì)算機(jī)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(jī)環(huán)境下作業(yè)的安全性，同時(shí)也能有效提高危險(xiǎn)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(shí)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(shí)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(yùn)維檢修的工作過程中，會累積許多設(shè)備缺陷報(bào)告和故障報(bào)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(yùn)維檢修的評價(jià)及指導(dǎo)有著很重要的作用。

2.4 多模態(tài)機(jī)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(shí)，就形成了多模態(tài)機(jī)器學(xué)習(xí)（MMML）。在電力設(shè)備運(yùn)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(shí)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(bǔ)，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(yùn)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(shí)，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(shí)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(yùn)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(shí)，將人工智能技術(shù)應(yīng)用于運(yùn)維檢修時(shí)，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(shí)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(jì)算工作，并將計(jì)算結(jié)果自動引入到運(yùn)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(yùn)維檢修工作進(jìn)行管理時(shí)，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(shí)也能節(jié)省檢修工作開展之時(shí)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(yàn)所展開的檢修評價(jià)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(shí)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(jià)權(quán)重計(jì)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(jià)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(yùn)維檢修信息知識庫

當(dāng)前時(shí)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(shí)，為了能夠進(jìn)一步分析和處理更多電力設(shè)備運(yùn)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(yàn)，為運(yùn)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(yàn)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(yùn)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(jì)劃以及檢修工作安排也趨于復(fù)雜化。對此，電力設(shè)備運(yùn)行企業(yè)在進(jìn)行檢修計(jì)劃設(shè)定時(shí)，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(shí)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(yùn)維檢修知識圖譜（如圖2 所示）。

圖2 電力設(shè)備運(yùn)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(qiáng)對于電力設(shè)備運(yùn)維知識系統(tǒng)的構(gòu)建，不僅需做好機(jī)器人學(xué)習(xí)模型以及領(lǐng)域?qū)＜医?jīng)驗(yàn)兩者之間的自動化構(gòu)建技術(shù)優(yōu)化及更新工作，同時(shí)還需針對電力設(shè)備的歷史運(yùn)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(shí)現(xiàn)對于設(shè)備數(shù)據(jù)正確性的精準(zhǔn)篩選和驗(yàn)證，最終實(shí)現(xiàn)自動更新和高層次的智能運(yùn)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(yùn)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(qiáng)化缺陷及故障的識別效率，同時(shí)在設(shè)備運(yùn)行狀況評估方面也更為突出，使得智能化運(yùn)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(yùn)行的經(jīng)濟(jì)效益和社會效益提升奠定堅(jiān)實(shí)的基礎(chǔ)。