设备缺陷

当前，基于深度学习目标检测技术的设备缺陷识别已经在变电站远程智能巡视中得到广泛应用，本报告先总体概述基于深度学习目标检测的技术发展路线图；其次通过对不同类别和场景设备缺陷识别算法的深度分析，给出相应的技术路线在算法层面和数据层面的优化，在算法层面，引入特征提取和表征能力更强的Transformer架构，再结合端到端的目标检测架构，实现检测效果大幅度提升；数据层面，采用数据生成和增广策略，如生成对抗网络和扩散模型，增加样本的多样性，从而进一步实现检测效果的提升；最后探讨基于深度学习的设备缺陷识别及设备状态评价技术研发趋势及应用前景。

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。

本项目自2021年3月启动至今，项目团队已发表论文2篇（SCI、EI各1篇），发明专利7项（国际PCT专利已授权1项、国内已授权4项、国内已受理2项），本项目的推广应用为优化计量设备主人管理提供技术支撑，大幅度提升缺陷的发现概率与准确度，为巡视缺陷提供稳定的数据保障，给予运维实施精准依据，让设备缺陷维护工作可以做到快速落实措施、准确定位缺陷、及时排除隐患。

红外检测具有非接触式、设备无需停电、现场抗干扰强、操作安全高效、缺陷检出率高等优点，可及时发现设备缺陷并采取必要措施。目前，红外检测技术已在电力系统内各级生产部门中广泛应用，红外热成像检测仪在一线运维班组已基本实现全覆盖，在设备运维中发挥了重要作用。本次演讲立足于电力设备红外检测应用需求与技术分析，重点介绍发、输、变、配各领域内电力设备典型缺陷红外检测故障案例，并分享缺陷分析处理方式、运维整改指导方法，以期为红外检测技术在电力行业的进一步推广与深层次应用提供有益参考。

电网在运行过程中会产生大量的设备缺陷文本记录,针对变电设备缺陷文本的特点,文章提出了基于注意力机制的混合神经网络(hybrid neural network based on attention mechanism,HNNA)电力设备缺陷文本挖掘方法。首先在总结电力设备缺陷文本特点的基础上,参考中文文本分类的一般流程,结合自主编写的词典和停用词表对缺陷文本进行预处理;利用Word2vec模型将词语映射到高维空间;使用卷积神经网络(convolution neural network,CNN)和双向长短期记忆网络(bidirectional long short term memory,BiLSTM)提取文本局部特征和上下文特征;将提取的特征进行融合,最后采用Attention实现特征权重的分配,增强关键特征对分类效果的影响,并从多个评价维度与传统机器学习模型、深度学习模型对比。算例结果表明,提出的模型具有更好的分类效果,可以实现电力设备缺陷等级的高效准确划分。

本成果系一种充气式G1S安装防尘棚。由于GS在现场的安装主要是主母线和分支母线对接，因此该成果设计为对母线对接作业面的无尘化防护，由气柱骨架、外棚布和地板革组成。气柱骨架为一连通的整体，采用夹网布高频热合制成，具有较好的拉伸、撕裂强度和优良的绝缘、阻燃性能，可以一次充气成型，反复充放气使用；骨架下部设置有充气口和放气口，充气口上设置有逆止阀，确保漏气率小于0.5%/天。骨架上装有拉环，可以作固定和移动之用。外篷布上预留了进气口，可以根据需要向棚内充入经净化调温的干燥空气，使棚内保持微正压状态。外棚布罩在骨架外部，为牛津布和透明TPU制成，其表面经过密封性处理，保证良好的气密性；棚布和GS对接面接触的部分设置有用于连接GS的密封袖口，其末端有松紧套可以确保安装时有良好的气密性。地板革采用VC材质，结实耐磨。骨架、外棚布和地板通过粘扣组成一个密闭空间，具有良好的气密性。该成果的外篷布为可拆式结构，可以根据不同厂家的GS尺寸更换相相应的外篷布以保证与GS对接面的密封性。气柱为充气式结构，用气泵4分钟即可完成搭建，防尘棚本身重量较轻，约为40千克，在安装过程中转场十分方便。良好的实施效果。该成果的应用，为GS安装提供了高洁净度的环境保障。其搭建时间短、移动方便，可有效防止灰尘和潮气进入待安装的GS内部，减少和消除GS发生内部放电和短路的机率，提高了GS设备安装质量，有效减少了由于工程建设原因引起的设备缺陷和电网运行故障，为GS设备运行的安全性、可靠性提供了有力保障，大大降低了事故风险。该成果的应用，全面推进了国家电网公司倡导的GS“无尘化”安装工作，应用的工程项目全部一次性通过耐压试验，避免了因试验不合格带来的设备解体检查，随着充气式防尘棚在GS安装环节的全面推广应用，节约的费用将会更多，经济效益会更加显著。

主要介绍了输电线路图像采集与设备缺陷诊断方式、输电线路设备缺陷自动诊断现状及展望。

广东电网公司在2022年实现变电站无人机智能巡检技术在全省范围内的深入应用，成为全国首个省级变电站无人机应用示范区。在建设历程中，积累了大量的变电站三维建模、航线规划以及系统建设等方面的技术技能，在发现设备缺陷、程序化操作、应急处置等方面的应用取得一定成效，同时发现了不少尚未解决的痛点难点问题，并立足于现实对未来的技术发展方向进行一些深入思考。

为了提升变电设备运维管理的智能化水平，及时发现并预防因设备过热导致的故障风险，保障电网安全稳定运行，提出了变电设备温度态势感知及辅助决策方案。 方法 从感知层、理解层、预测层和辅助决策层4个方面展开研究。在感知层，利用K近邻(K-nearest neighbor，KNN)分类算法分析多类温度数据的关联性。在理解层，通过BP神经网络构建历史数据传递模型，以处理历史数据缺失问题。在预测层，为应对非线性数据和噪声，设计了自回归积分滑动平均(autoregressive integrated moving average，ARIMA)模型与支持向量机(support vector machine，SVM)组合的温度预测模型。在辅助决策层，应用灰色关联度分析设备温度变化与故障风险之间的关系。 结果 基于所提方案的算例验证结果表明，该方案实现了对设备未来温度变化趋势的有效感知，并为设备缺陷判断提供了依据。 结论 所提方案通过多维度、深层次的温度数据分析，揭示了设备温度与故障风险之间潜在的关联关系，实现了对变电设备运行趋势的预判，为变电设备运行方式优化以及制定设备检修计划提供参考。

党和国家对质量高度重视，“质量强国”已写入质量发展纲要、政府工作报告和国家“十三五”规划。国网公司深入推进电网设备质量管理，提出“优化采购评审规则，严格专业检测，加强设备厂商业绩评价，进一步选好选优设备”和“选质量最好的设备、选管理最强的乙方”的统一部署。2015年以来，湖北公司在国网设备部指导下，健全设备质量监督管控体系，创新开展供应商设备质量评价工作，强化运维专业缺陷、故障等多维信息向物资采购部门的反馈，提高采购设备质量，推进“质量强网”。首次采用知识图谱技术，利用图数据库和人工智能领域的最新成果，将各业务系统的数据和外部互联网信息全面融合，形成电力装备质量管理全景知识，精准发现数据间内在的本质关联关系，真正挖掘数据资产价值。 一是首次提出一套全过程设备质量评估技术体系，制定并发布了变压器类、高压开关类、输电线路类、高压电缆及附件类、无功补偿类设备质量评级技术导则等五项国网公司企业标准。二是建立一套设备质量评估管理体系，下发了《国家电网有限公司运检环节电网设备供应商绩效评价管理办法》《国网湖北省电力公司设备质量评级管理规范》《国网湖北省电力公司设备抽检监造技术监督指导意见》等，为规范开展设备质量评级工作，推动评级结果的落地应用奠定基础。三是构建评估信息系统，推进成果在国网公司系统全面应用。开发电网设备质量评估模块和一体化评价计算软件，实现评价工作全流程线上流转，提高评价工作效率和结果可视化水平。组织国网系统内27家单位，自2017年至2019年开展五轮供应商设备绩效评价和应用，评价结果应用于国网公司物资招标采购。四是不断优化电力设备质量评估机制，创新探索省公司和国网公司两级评价算法。充分落实“谁使用，谁评价”的原则，应用最新一轮评价数据开展两级评价算法研究与试算。五是创新应用知识图谱技术等人工智能技术，全方位挖掘数据价值。开展电网关键主设备质量提升分析研究，应用知识领域映射地图，深度探索设备缺陷及质量问题发展进程与结构关系，多维度分析设备故障或缺陷原因及规律，为促进供应商产品质量提升和运维检修策略优化提供具体建议。 电网设备全过程质量评估的推广应用，一方面从生产厂家设计制造环节开始，有效提升设备质量水平；另一方面为电网设备的招标采购提供决策依据，严格把控入网设备质量第一关口，对维护电网安全稳定具有重要的意义。