国网河北电力公司探索人工智能规模化应用 助力电网数字化转型
综合新闻2023-11-07
在实际运用中，输电通道监拍装置和隐患辨识模型可以帮助排查线路设备隐患，但目前分析输电通道监拍信息、精准研判是否存在隐患的能力还不足。天津电科院评价模型的运行效果，优化升级模型，实现输电通道隐患辨识能力进一步提升。
国网天津电力人工智能实验室成员讨论模型优化方案。 李浩然 摄
11月1日，在国网天津市电力公司人工智能实验室，国网天津市电力公司电力科学研究院技术人员正开展输电通道隐患辨识模型迭代测试。他们将根据测试结果选择最终上线的迭代模型版本。
为充分发挥输电通道隐患辨识模型作用，天津电科院建立样本闭环管理机制，优化升级算法模型，验证隐患测距技术，建立了包含20余万张高质量隐患图像的样本库，通过多轮训练优化模型，将隐患辨识查准率提高14个百分点、查全率提高2.6个百分点，减少了一线人员隐患排查工作量，用数字技术推动电网生产业务转型升级。
聚焦一线业务需求 探索模型升级方向
近年来，随着国内输电线路规模持续扩大，线路运维使用的监拍装置数量和拍摄的巡检图像数量成几何倍数增加。目前，国网天津电力累计安装监拍装置1.4万套，基于人工智能“两库一平台”部署了输电通道隐患辨识模型，模型日均调用量达120万次。然而，该模型分析输电通道监拍信息、精准研判是否存在隐患的能力还需进一步提高。
7月，国网天津电力落实国家电网有限公司人工智能规模化应用相关要求，提出从边端采集、数据传输、模型优化、系统应用等方面入手，开展输电通道监拍规模化应用专项攻坚。天津电科院依托国网天津电力人工智能实验室组建攻关团队，优化输电通道隐患辨识模型。
“模型算法是人工智能规模化应用的关键。”天津电科院电网技术中心副主任姚程说，“人工智能应用要真正融入生产工作，被一线人员广泛使用，必须具备较高的准确性。”
攻关团队通过技术手段准确评价模型的实际运行效果，推动模型能力提升和应用深化，填补了天津电网人工智能模型质量监督的空白。天津电科院模型测试人员李浩然说：“要解决一线人员反映的模型误报、漏报问题，就要找到模型到底在识别哪类隐患方面存在什么样的问题，这样才能使算法精准聚焦业务需求，提升模型实用化水平。”
根据实地数据优化模型 查全率查准率显著提升
高质量测试数据集是精准评价模型的基础。攻关团队联合生产运行单位开展输电通道隐患排查需求调研，结合天津电网特点，确定了烟、火、导线异物、吊车、打桩机等10类重点线路通道隐患及具体标注规则。在此基础上，攻关团队通过分析以往易误报信息，发现烟囱、防尘网、风力发电机等7类物体易造成误报情况，便将这些物体作为辅助目标物，提升模型对易混淆目标特征的提取能力。
攻关团队以监拍终端设备全覆盖、时间范围全覆盖、样本类别均衡为原则，差异化制订样本抽取策略。他们按照统一标注规则，开展监拍图像隐患数据标注，建立包括人工标注、交叉互审及两轮抽样复审的流程，保证了较高的样本标注质量。最终，攻关团队建立了包含2.2万张隐患图片的测试数据集和包含6万张隐患图片的训练数据集。
攻关团队成员武艺博介绍：“如果把测试集比喻为考试试题，那训练集就是提供给模型的练习题。模型通过在训练集上开展模拟训练，获得监拍图像隐患特征知识。如果模型能在测试集上得到理想的分数，就能证明模型的特征知识是正确的，具备了泛化推理的能力。”
在模型测试工作中，攻关团队借鉴国际大型计算机视觉竞赛规则制订测试流程、指标，保障测试过程的权威性。“查准率、查全率、F1分数是模型评价的常用指标。此外，我们还引入了国际知名赛事和学术研究中常用的评价指标——平均精度均值，便于后续对标先进算法开展对比验证。”李浩然说。
攻关团队在模型历次迭代后开展测试，结果表明，应用天津电网实地数据开展微调，模型总体查全率、查准率显著提升，尤其是烟、火、导线异物3类隐患查准率提升20个百分点以上。
打磨测试方法和程序脚本 建立稳定高效的测试流程
目前，输电通道监拍规模化应用专项攻坚已进入冲刺阶段。在国网天津电力人工智能实验室，负责开发、测试、标注等任务的攻关团队成员紧密配合，有序推进模型上线准备工作。
攻关团队逐步建立了涵盖用户反馈、样本归集、样本筛选、样本标注、样本审核的数据集构建和样本闭环管理机制，具备了目标检测类机器学习任务数据标注能力，可支撑输电通道监拍等重点场景常态化样本收集。同时，通过多轮测试和结果反馈，攻关团队不断打磨测试方法和程序脚本，逐渐建立了稳定高效的测试流程，具备了目标检测类人工智能模型功能测试能力。
“用科技服务生产是我们的出发点，也是落脚点。”姚程说，“我们将依托专项攻坚成果，探索验证图像压缩、三维点云测距、视觉大模型等新技术应用成效，不断提升支撑服务能力，推动人工智能技术在变压器早期绝缘问题辨识、油色谱在线监测装置异常分析等场景中应用，服务电网生产一线。”(张扬)
评论