国网冀北电力：应用人工智能技术加快建设数字电网

　　为全面落实国家电网有限公司关于进一步加快数字化转型的相关部署，推进数字电网建设，国网冀北电力有限公司制订数字化转型三年登高行动方案，结合实际业务需求，建设典型数字化应用场景，推动人工智能技术在电网业务中规模化应用，因地制宜打造人工智能应用特色落地示范，推动电网全环节智能化改造、数字化升级。

　　“数字孪生系统可全景显示中都换流站一次、二次设备的实际运行状态与换流站结构三维立体模型，还有上千块表计的实时信息。”10月5日，国网冀北超高压公司直流检修班副班长张晓飞在中都换流站，通过数字孪生系统巡检阀厅关键设备。他说，有了数字孪生系统辅助，柔直设备感知能力、缺陷发现能力、状态管控能力和预警应急处置能力得到提升，进一步保障了设备安全运行。

　　为全面落实国家电网有限公司关于进一步加快数字化转型的相关部署，推进数字电网建设，4月，国网冀北电力有限公司制订数字化转型三年登高行动方案，由该公司数字化部统筹、各部门协同发力，结合实际业务需求，推动人工智能技术规模化应用，建设典型数字化应用场景，因地制宜打造人工智能应用特色落地示范，积极推动电网全环节智能化改造、数字化升级。

　　聚焦新能源场站运行支撑功率精益预测

　　“风电机群状态良好，未发现潜在缺陷。”8月20日，国网冀北张家口风光储输新能源有限公司运行监控中心员工利用数字孪生三维可视化展示与辅助决策平台监测张北地区风电场风电机群运行状态。

国网冀北智能配网中心值班人员通过营配贯通数据可视化平台监测设备运行情况。王冲摄

　　2022年12月，国网冀北电力数字孪生三维可视化展示与辅助决策平台上线。该平台通过数字孪生技术对新能源场站三维建模，可直观反馈设备运行态势，具备新能源机组状态监测、故障预警等功能，同时具备新能源功率精益预测能力。

　　“新能源功率预测涉及气象信息、地理信息、场站运行信息、电网运行态势等海量异构数据。我们基于高精度数值气象预报和新能源场站运行数据，采用人工智能神经网络、粒子群优化、高性能时空模式分类器及数据挖掘算法，构建不同时间尺度下新能源功率预测模型，进一步提升新能源功率预测精度水平。”国网冀北电力数字化部技术处处长李坚介绍。

　　目前，该平台的日前风电功率预测精度达到85%，日前光伏发电功率预测精度达到90%。国网冀北电力正基于该平台加快建设全天候、高精度的新能源功率预测体系，推动新能源全天候、全时域、全场景态势感知。

　　智能识别缺陷提高无人机巡检水平

　　“220千伏澜曹一线13号塔存在绝缘子破损情况，请立刻安排检修人员处理。”8月24日，收到无人机自主巡检线路后回传的缺陷信息，唐山曹妃甸区供电公司运维人员迅速提出解决方案并安排设备检修，相关缺陷得到快速处理。

国网冀北超高压公司的无人机自主特巡500千伏线路。张宇阳摄

　　今年，国网冀北电力深入应用人工智能“两库一平台”，开展图像缺陷智能识别关键技术规模化应用研究，更新迭代人工智能116类专业模型，提升无人机巡检发现安全隐患的能力。该公司先后攻克缺陷识别模型实用化、模型轻量化部署及云边模型协同等方面的难题，构建起无人机巡检缺陷智能识别体系。

　　“针对部分缺陷模型样本少、发现率低等问题，我们采用模拟布置拍摄、深度学习和对抗神经网络、人工智能生成大模型等方法生成样本，同时利用精细化标注、图像增强等技术开发绝缘子破损、螺母安装不规范、螺母锈蚀等三类常见缺陷隐患的识别算法，服务无人机自主巡检规模化应用。”国网冀北电力数字化部副主任杨峰介绍。

　　目前，国网冀北电力已建成10万张级具有区域特色的无人机巡检缺陷样本库，完成7大类35小类的无人机巡检算法模型训练，实现无人机巡检缺陷发现率在85%以上。

　　如今，无人机巡检已成为输电专业巡检的常用手段，但对于环境复杂、设备多、安全性要求高的变电专业，无人机巡检仍有进步的空间。国网冀北电力将加快攻关变电设备缺陷识别模型储备，探索无人机多场景巡检应用。

　　配网计算推演满足管理运维业务需求

　　“功率、电压、电流等数据无异常变动，设备运行正常。”8月30日，国网冀北智能配网中心值班人员通过营配贯通数据可视化平台实时监测配网设备运行情况。

　　为了提升营配基础数据质量、推动营配业务融合发展，2022年10月，国网冀北电力启动智能配网计算推演应用场景建设，充分利用企业级量测中心和电网资源业务中台跨专业数据归集及融合能力，基于人工智能、知识图谱等技术，完成了“站-线-变-户”配网网架拓扑与量测数据的匹配工作。

　　“准确完整的拓扑、参数以及量测数据是配网计算的基础。然而配网点多面广，容易出现拓扑、参数维护错误，量测数据没有及时传送等问题。”国网冀北智能配网中心数字技术应用研究中级师王冲介绍。

　　“为了夯实营配贯通数据可视化平台数据基础，今年按照数字化转型三年登高行动方案要求，我们以多源融合的配网网架拓扑图为基础，利用高斯混合聚类和双向长短期记忆神经网络等人工智能技术，构建数据智能辨识模型，对10千伏及以下配电变压器、开关、集中器等关键设备的实时量测数据缺失进行智能识别并实时补全相关数据，进一步提升配网计算推演能力，满足台区自治等新业务的数据采集要求。”杨峰介绍。

　　目前，数据智能辨识模型识别精度达到91.51%，可实时补全设备三相电流、三相电压、功率等量测数据，将国网冀北电力配网量测数据可计算率提升至95%以上，进一步满足配网规划、建设和运行要求。

　　在满足新业务形态数据采集要求的同时，国网冀北电力持续优化数据智能辨识模型，推进业数融合应用，支撑开展冀北全域配网数据采集量测点布局优化、分布式光伏出力预测及影响分析、新型负荷报装容量预测、可开放容量预测分析、配网停电智能识别推演、配网线路异常区间推演等计算场景建设。（赵亚男吴佳李文慧）