智能识别

CBV7700智能图像识别系统是用于解决各类常见图像识别、分析问题的，多进程相互协作的软件系统。系统由算法库模块、识别业务模块、对外服务模块、参数配置工具、模型训练工具等部分构成。CBV7700智能图像识别系统能够应用于变电站各种表计、油位计、刀闸、开关、压板、指示灯的智能识别，以及二维码、光端机端子接线状态、人员着装、安全帽佩戴、安全标识等多场景下的智能检测和识别。

他介绍，为了解决高压电缆多发性本体缓冲层烧蚀严重缺陷缺乏有效检测手段的问题，湖南电力组织省电科院开展了系统攻关，经理论分析和实验室反复验证，摸索出一种基于X射线无损检测，结合图像深度处理、缺陷智能识别技术的检测方法IDIP-DR（Image Depth Intelligent Processing-Digital Radiography），可在电缆设备带电工况下，准确、直观、快速地检测高压电缆缓冲层烧蚀缺陷，判断缺陷的严重程度，并在110千伏茶菊钢电缆进行了现场应用，效果良好。为推广、深化该技术在国网系统的应用，提升公司高压电缆本质安全水平。

极端强降雨天气带来的洪涝灾害会导致多处电力设施受损严重。为保障洪涝期间电网安全高效运维，充分发挥合成孔径雷达卫星监测范围广、响应速度快、不受天气影响等优势，对受灾较区域进行连续应急拍摄，在极端天气情况下全面掌握抗洪抢险前线信息。结合卫星遥感数据，构建洪水淹没区高精度智能识别模型，在快速提取重点区域水体的同时确保其精度。动态监测重点区域的水体扩张面积、洪水扩张率及空间分布情况，判断其受影响等级。根据预警等级，发出告警信息，并分析洪水造成的杆塔淹没情况，变电站淹没情况等，为电力抢修及排查工作提供高效精准技术支撑。

给出电力人工智能的概念和核心技术分层架构，分析梳理了电网安全与控制、输变电、配用电、新能源、企业经营管理等重点领域的人工智能需求，重点阐述了中国电科院针对实际业务痛点所做的人工智能应用实践，包括基于深度强化学习的电网紧急控制策略、输电线路智能巡检、基于集成学习的电力设备状态评价、低压配电台区拓扑智能识别、基于聚类算法的用电行为分析等研究与应用，并对电力人工智能的发展趋势和应用前景进行了总结与展望。

通过输电线路缺陷隐患分类和检测、智能识别应用、隐患差异化处理等三方面总体介绍广东电网输电线路缺陷隐患智能巡检的开展情况，提出缺陷和隐患的图像识别是输电专业智能巡检的难点，为提升输电线路智能识别率，应建立输电专业规范的缺陷库进行准确分类，建立每类部件的识别方法，向输电专业人员和数据研究人员开放，不断丰富和优化，提高缺陷隐患识别率、智能巡检效率和设备运维管理质量。

电力机器人技术

国网智研院围绕新型电力系统“源网荷储”协同互动以及企业数字化转型下数据流动共享保护需求，梳理了“对内数据融通应用、对外数据开放共享”两大典型应用场景，坚持自主创新，突破了敏感数据智能识别及分类分级、场景化动态脱敏及高隐蔽数字水印、电碳数据融合隐私计算等多项关键技术，并通过“可信数安”权威认证，打造了电力数据安全专用装置（对内安全管控）、电力隐私计算平台（对外安全共享）等核心技术成果并在多家电力公司示范应用，大幅提升了数据流动共享过程安全保障能力，有力支撑电力数据“管得住、放得开”。

直流电源系统

为切实响应国网公司“两个替代”建设要求，甘肃公司探索集中式巡检总体构架，巡视系统采用多台服务器集群巡视模式，资源共享、互为备用，加大远程智能运检关键技术能力建设，逐步优化计算机视觉智能识别算法，扩展巡视点位的技术手段，建立多源融合感知体系；完善数据共享体制，建立站点间的模型迁移共享体系。同时针对算法模型的局限性展开技术攻关，提出增量学习技术，实现算法模型的高质效迭代和可识别类型便捷拓展；提出多源图像融合技术，实现变电站内设备缺陷及异常的快速追踪定位。

运用检测技术感知设备运行的灾害信息、气象信息、环境信息，引入无人机、完善监控摄像头布点实现高空及人工视野盲区设备巡检，结合地面机器人巡视、人工现场巡视及在线监测数据信息，加上电网管理平台等系统数据信息，“云-端”、“边-端”融合，多机、人机联合，搭建“天、空、地、云”联合巡检模式，后续依托数字智能技术、持续拓展“专业算力算法”、完善AI智能识别分析运用，真正实现智能联合巡检。