為新型電力系統插上翅膀“人工智能+電網”有多強?

　　南方電網數字電網與人工智能重大科研團隊的攻關成果《基礎模型與知識融合的復雜電力巡檢視覺智能分析關鍵技術及應用》獲得2023年度吳文俊人工智能科技進步獎一等獎。

通過無人機高精度的定點飛行、拍照、攝像，讓運維人員即使在電腦前也可了解線路的運行狀態(tài)。 陳波 攝

　　近年來，全球新一輪科技革命和產業(yè)變革迅猛發(fā)展，如何推動人工智能關鍵核心技術攻關，加快實現產業(yè)化，是業(yè)界共同關心的焦點。南網報聚焦電力巡檢視覺智能分析體系，展示南方電網公司對人工智能產學研用全鏈條融合的探索。

　　——編者

　　在廣東電網機巡管理中心，技術應用推廣部經理劉高展示了一張?zhí)貏e的照片：50米高的輸電鐵塔和鐵塔頂部一個已經松脫且僅有小拇指指甲蓋大小的螺栓銷釘。工作人員從地面舉著望遠鏡看那螺栓帽，有如在一頭牛身上找一粒虱子，且僅憑肉眼很難判斷虱子的生存狀態(tài)。現在，指甲蓋大小的螺栓帽是否影響線路安全，智能識別算法可以直接做出判斷、評級，且將結果推送給生產部門。

　　更了不起的是，無人機從機巢自動起飛、拍攝照片、回傳圖片到缺陷識別，所有步驟都可以在線完成，這背后隱藏了高精度定位、人工智能等先進技術應用。2021年，南方電網公司電網管理平臺機巡圖像智能分析功能全面上線后，圖片識別速度大幅提升，目前可每分鐘處理700張圖片，已累計識別圖片超1.37億張，其中2023年為9000多萬張。

　　為什么需要人工智能?——人眼看不過來了

　　事情要從2013年說起。當時南方電網公司已部署在全網推廣輸電線路機巡作業(yè)。無人機巡檢業(yè)務逐漸在公司展開。

　　短短幾年，從高壓到低壓，從東部到西部，全網逐漸形成“機巡為主，人巡為輔”的線路運維模式。無人機在電網的應用場景發(fā)生質的轉變——從最早的搶險救災配合工具變成日常巡檢不可少的利器。南方電網公司輸配電部高級經理樊靈孟說：“公司無人機巡檢起步早、應用廣、認識深。2016年，工信部啟動制定無人機領域國際標準，于2020年頒布，填補了國際上該領域技術標準的空白，南方電網就是主要貢獻單位。”機巡業(yè)務的大規(guī)模發(fā)展，意味著無人機采集輸電線路設備航拍照片在成指數級增長。

　　2015年浙江大學博士畢業(yè)后，黃文琦加入南方電網公司。“那時公司做人工智能的還比較少，面試官看到我的研究方向是視覺自主導航系統與機器學習，很感慨地說，‘這個方向在南方電網大有可為，我們率先發(fā)展了無人機巡檢’。”這句話，徹底打消了黃文琦對于所學恐無用武之地的顧慮。

　　機巡推廣應用后，靠人力來看圖片這件事變得頗為吃力。到2016年，這種矛盾愈發(fā)明顯。巡檢人員白天飛無人機，晚上回來看圖片查找缺陷。巡檢拍回來近萬張圖片，每張圖片要查看十幾個關鍵部件，班組人員根本忙不過來。而那時圖片量還主要集中在廣東電網公司，全網的大規(guī)模無人機自動巡檢也還沒有開始。

　　黃文琦算了一筆賬：每個桿塔精細化巡檢要拍約35張圖片，按兩座高壓桿塔之間距離約500米來估計，整個南方電網架空線路超過百萬公里，光是精細化巡檢單次全覆蓋產生的圖片就超7000萬張。巡檢頻次上按重要程度，分為半年巡、季度巡和月度巡，部分關鍵線路甚至需要每周巡視。積累的數據非常驚人。

　　怎么辦?必須上人工智能。

　　研究人才從哪來?——南網人工智能聯合實驗室聚合人才

　　南方電網公司一直在布局電網數字化、智能化相關的技術。早在2013年，公司就圍繞芯片研發(fā)、智能微型傳感器以及智能算法開展研究。2017年，公司組建了透明電網重大攻關團隊(以下簡稱“團隊”)，由中國工程院院士李立浧擔任團隊負責人。

　　黃文琦加入公司后一直從事智能算法研發(fā)。經過兩年的積累和觀察，在團隊年度會議中，黃文琦作了一次技術報告：“當時報告的主題就是怎么利用計算機視覺技術在電力巡檢中找缺陷。”這份報告也引起李立浧的注意，他鼓勵黃文琦在這個技術方向做下去。

　　同時，2015年廣東電網機巡管理中心成立后，一方面大力推廣無人機巡檢業(yè)務，另一方面研發(fā)無人機如何脫離飛手自動巡檢，這涉及巡檢目標快速識別、運動跟蹤、自動拍攝等一系列無人機自主巡檢關鍵技術。如同汽車無人駕駛一樣，需要激光雷達掃描、三維重建、高精度定位、神經網絡學習等人工智能技術。而讓機器在復雜環(huán)境中通過視覺智能分析判斷，無論在機巡的前端(比如和人一樣自動找到絕緣子并拍照)，還是機巡后端圖片分析中都至關重要。

　　這一關鍵技術的突破還是在2019年——南方電網公司提出，“數字電網”是“數字中國”在電網行業(yè)的具體實踐，從頂層設計上明確了人工智能技術作為支撐電網數字轉型的目標。團隊正式更名為南方電網數字電網與人工智能重大科研團隊，公司二級領軍技術專家梁凌宇、公司三級領軍技術專家吳洋等優(yōu)秀的人工智能人才不斷地加入進來。

　　南方電網公司還通過公司新型電力系統人工智能聯合實驗室將科研人員與生產一線以及社會上的智力資源、產業(yè)資源聚合在一起。這次獲得2023年度吳文俊人工智能科技進步獎的項目組成員既有來自南方電網公司的科研、業(yè)務專家骨干，也有清華大學深圳國際研究生院、浙江大學、商湯科技等科研院所、企業(yè)的學者、研究人員。

　　人工智能與無人機的結合聽上去高大上，做起來并不容易，每一步都需要非常腳踏實地。幾年時間里，公司上下聯動搭建出一套機巡智能分析系統，將線下的業(yè)務流變成線上的業(yè)務流，把所有的圖片匯聚起來實現智能識別。為了解決實際業(yè)務痛點，廣東電網公司廣泛征集技術路線，一方面邀請高校、企業(yè)以專班的形式集中式、針對性開發(fā)一些急需的缺陷識別模型;另一方面，為了優(yōu)中選優(yōu)，廣東電網公司在2021年舉行了4次行業(yè)比拼測試，面向全社會征集。百度、阿里等實力選手都來參賽，也包括黃文琦的算法團隊。

　　“當時主流算法對弱行業(yè)屬性的圖片識別能力很強，比如鐵塔下面有輛卡車，能夠很好識別。但遇到電力行業(yè)的設備外觀缺陷，識別能力就不太行，準確率大多在30%以下。這就涉及到我們針對電力視覺的主要創(chuàng)新，通過基礎模型與知識融合解決復雜的電力巡檢視覺智能分析難題。”黃文琦說。

　　教會人工智能有多難?——基礎模型與知識融合是破局之法

　　知識融合是對算法模型的一種專業(yè)強化。電力巡檢視覺智能分析主要面臨兩大痛點：一是應用場景開放，南方電網公司電力線路總長度近120萬公里，覆蓋海拔4500米，涉及森林、湖泊、村莊、城市等多種場景，環(huán)境干擾多，對模型泛化性能要求高;二是業(yè)務邏輯復雜，設備種類多、缺陷類型多、缺陷等級多、定級規(guī)則復雜，識別難度高，尤其是桿塔、絕緣子等電力設備上，通過人工智能技術解決缺陷識別難題的積累也不多。

　　要解決這兩個難點，必須開發(fā)出足夠聰明的模型。解決的方法是與生產一線的同事一起磨。

　　“劉高等機巡中心的專家同事，都是我們的師傅。”黃文琦和梁凌宇口中的“師傅”最常講的例子是鳥巢。鳥巢圖片識別中遇到的第一個問題是怎么判斷它是否在電網的鐵塔上?很有可能地上的一攤草也會被算法識別成鳥巢。第二個問題，怎么判斷鳥巢是否影響到電網安全?

　　所以必須要將電力行業(yè)的這種針對性的邏輯關系教給機器。也就是說不僅是要識別鳥巢，還要識別它周圍的設備。首先想辦法解決圖片更加清晰的問題，算法團隊提出了多層次、多維度的大規(guī)模場景圖像數據增強方法，這能讓機器把圖片“看”得更清楚。其次，還要想辦法用一個網絡將它們的位置關系構建出來，這就是多元知識嵌入的電力圖像專精化理解方法，即要讓算法可以用更高的思維來思考問題。

　　回到文章開頭提到的劉高的那張圖片。必須得讓機器在一定范圍內更強地學習，比如尺寸大小的關系等，要讓機器的注意力定在尺寸比例的關系中去，不要漫天地去找無關的東西。因此，那個銷釘在機器里的表述應該是“在某個部件的下方或者旁邊”等，需要將機器的注意力引到這里——這種關系就叫做概率傳遞。但是又不能全部限死，因為人類無法枚舉所有情況，只能用知識嵌入的方法“軟約束”它，讓機器在那個范圍學習，這種方法就是知識融合。

　　“在具體的算法模型開發(fā)中，平衡則很重要。我們不是純粹在實驗室里搞研究，做出來的東西必須要為一線生產排憂解難。實現這點，算法一定要足夠精妙。”梁凌宇認為，“算法不能太笨，比如一天要識別幾十萬張圖片，一張圖片的識別速度哪怕從2秒變成1秒，這也可以提升后續(xù)消缺速度，這就涉及非常技術層面的問題?？傊?，你研究出來的東西一線人員得愿意用、容易用。”

　　無論是平臺還是算法模型開發(fā)，最終都要過生產者這一關。研發(fā)階段要做內測，開發(fā)完畢，還要過現場人工復核。任何一關過不了都要返工。梁凌宇說起研發(fā)過程的喜樂與困難：“風光有四時。開發(fā)時，我們的算法用的主要是春天、夏天的樣本，到了冬天，背景或者什么情況發(fā)生變化了，機器就會產生新的理解。那我們就要處理，為什么算法把一些背景干擾識別進來。通過類似正樣本、負樣本優(yōu)化我們的算法。人常說學無止境，機器也一樣。”

　　項目不落地就是“花架子”，怎么辦?——人工智能要廣泛適應電力巡檢場景

　　所有這些其實并不容易。有一段時間，算法團隊很迷茫，壓力很大。一方面是機巡電力設備外觀缺陷的種類太多，且大部分缺陷缺乏明確的分類與量化判定規(guī)則。比如，僅僅絕緣子一類設備，常見的缺陷就包括污穢、破損、自爆和表面灼傷等等。從圖片特征來看，對應著顏色異常、紋路異常與幾何形態(tài)異常，疊加拍攝角度不一，缺陷的程度很難量化定義。更不用說還有小尺寸金具、絕緣子、接地裝置和附屬設施類缺陷，更難判斷。

　　另一方面，缺陷總是偏少的，大部分缺陷類型的圖片樣本更是極其稀少，無法通過“喂”大量的圖片讓機器學會識別。“如果有幾十億數量的缺陷圖片，我相信深度神經網絡能夠靠純數據驅動的方法準確識別。但是缺陷樣本往往是稀缺的。”黃文琦解釋道。

　　怎么辦?如果項目遲遲無法落地，不能給生產一線的兄弟使用，技術想得再好都是“花架子”。那段時間里，黃文琦很害怕聽到南方電網公司首席技術專家李鵬的詢問：“研究了這么久，為何遲遲不見落地應用的成效?”不過，幫助黃文琦撥云見霧的也是李鵬，他給了黃文琦兩條建議：第一，技術要成體系，要做到能夠廣泛適應電力巡檢場景人工智能模型，不能只解決個別問題;第二，目標是解決電力視覺領域的問題，可考慮兼顧通用視覺技術的能力與專業(yè)領域的知識。

　　很快，視覺基礎模型與知識融合的技術路線被提了出來。“南方電網公司輸配電部組織了數字輸電人工智能提升專項工作，調動廣東、廣西、云南、貴州、海南五省區(qū)上百位業(yè)務專家參與到電力場景圖像專精化理解技術研發(fā)中來，與算法專家共同梳理業(yè)務知識。”樊靈孟介紹，“公司定期召開技術研討、生產工作會議，讓業(yè)務專家與算法專家能夠坐在一起，找真問題，解決真難題。”

　　輸配電部還結合生產實際對電力巡檢視覺智能分析項目的技術路線、標準化設計做了專業(yè)化指導，發(fā)動全網匯聚海量電力巡檢圖像數據，制定“地域全覆蓋、缺陷準識別、多模態(tài)融合”的技術推進路線，構建電力巡檢視覺智能分析平臺體系，加速了項目成果在南方五省區(qū)的產業(yè)化落地。

　　商湯科技、清華大學深圳國際研究生院與浙江大學在基礎模型、圖片增強、目標檢測等關鍵技術研發(fā)中發(fā)揮了重要作用。大家合力大幅提升了銷釘缺失、鳥巢等關鍵缺陷的識別精度，項目實現了真正意義上的落地。

　　目前，平臺已經搭建好，一些通用模型也已嵌入。對于巡線人員來說，無人機什么時候飛、做計劃、圖片識別等一長條的業(yè)務鏈條都可以數字化實現。但是，對于黃文琦和劉高等人來說，所有這些仍然只是萬里長征中的第一步。

　　如今，在南方電網公司，每個省公司甚至地市局都可以針對量小且有特色的問題開發(fā)算法模型，并嵌入領域知識專門針對個性化缺陷識別需求。劉高已經列了很長的工作計劃，它要解決500多個缺陷識別的問題，目前才解決了120多個缺陷(識別)。“這件事值得干一輩子，優(yōu)化永無止境。”

　　廣東電網機巡中心也有了新的打法——有了自己的算法團隊，非常清晰的開發(fā)流程，相對固定的工作人員，這給了劉高非常大的信心。“而且我們每個算法開發(fā)出來都會經過一線人員的測評，2月底我們剛試驗了兩個。同時，我們現在也鼓勵基層供電局自己做開發(fā)，舉辦內部人工智能競賽，發(fā)掘培養(yǎng)人才。”

　　黃文琦想的則是如何將解決電網“眼睛”智能化的技術，進一步用于探索電網運行的“大腦”。“如果能夠將電力系統運行的物理規(guī)律如同知識一般嵌入到深度神經網絡中，那么電力系統積累的海量多源數據將釋放出更大的能量。”

　　南網報記者 劉杰 通訊員 朱盈 余盛燦