智能中国(二)

脑极体
关注

云南省迪庆藏族自治州,深林密布,环境优美。吸引游客的秘境,却是电力人员的险境。

因为地形复杂,很多输电线路都在山脊、密林之中,线路上连4G信号都没有,一些自动化巡检手段根本用不了,只能依靠人工巡检。所以,迪庆供电局的电路巡检员,日常工作是这样的:

长时间奔走在山路上。拿该州金格线来说,全长只有39千米,但人工巡检双回路88 基铁塔,往返一次就需要7天时间。

人工巡检时需要随时警惕周围的情况。每一次穿山越林,巡检员被蛇虫干扰、猛兽侵袭都时有发生。

很难有闲暇休息时间。因为电路线路的隐患多且不确定,比如出现火灾,大型挖掘机碰到了高压电网等,等人工巡检发现故障的时候,可能隐患已经发生了很长时间,所以电路巡检员的工作强度很大,这才能最大程度地保障电网的稳定运行。

工作过程十分艰苦。遇到隐患需要排除,工人们需要在高空作业,吃饭时是不能从线上下来的,要把饭吊上去,在大山谷里伴着高处呼呼的风声,吃着工作餐。晚上,巡检人员经常要露宿在巡检沿线。大多数情况,他们就睡在电线杆下,但却无电可用,连手机都要小心翼翼地打开。

工人们负重前行,还是无法彻底杜绝意外的发生。

2021年初,该州金格线220千伏高压线路曾因单相接地导致山火。火势经供电局联合林草局紧急处置,但当地2至3天才恢复正常供电。

打卡智能中国(二):他在电线杆下,却没有电用

回顾那些年接触过的电力人,以及电力行业智能化转型的故事,会觉得自己是在一层一层地拨开一颗“洋葱”,有些辛辣,令人泪目。

心酸于他们风餐露宿的艰苦,敬佩于他们保电保供的奉献,同时也真的特别盼望,智能化能早日在那些隐秘的角落中落地生根,推动改变。

我们就从电力AI这颗“洋葱”开始,去看看智能技术在走入产业时,到底发生了什么?

一个切口

康德说过,人是目的,而不是手段。AI的本质与目的,当然也要服务于人,所以每一个行业中的人,应该是我们理解智能化的第一个切口。

一线电力人的日常,很适合用《洋葱》中的一句歌词来形容,“沉默的守护你,沉默的等奇迹,沉默的让自己像是空气”。

电力系统安全稳定运行,背后是无数电力工人,在无声地付出。

打卡智能中国(二):他在电线杆下,却没有电用

我们见过一个案例,大别山区的一条线路被毁,工作人员必须顺着线路,一米一米地排查导线受损情况。当时恰好遇到降雪,山路积雪,行走十分艰难,一个50多人的小分队,工作一天仅能前移200多米。

可以看到,无论是日常的管理运维,还是突发情况的应急处理,AI的到来会给巡检员乃至电力系统,带来实打实的价值。

提起AI,媒体更倾向于关注一二线城市、科技巨头、大型峰会和展会等领域的消息,而真正与电力行业及工作者交流之后,会发现传统的行业与沉默的人,也希望与AI发生一段专属的剧情。他们对AI技术和智能化的热情,并不比知名投资人、高校师生或大厂CTO更低,提出的很多问题和对电力AI的看法,也格外真实而生动。

一个截面

目前,AI技术如图像识别、自然语言处理、知识图谱等,在电网公司各个领域都进行了一些试点的应用。其中,电路巡检的应用成效是最为显著的。

AI巡检在电力行业的成功和广泛复制,是有基本逻辑的。关乎一个行业智能化的首要问题——应用场景的选择。

一个行业,智能化需求是无穷无尽的,可被改造的场景和环节也很多。拿电力行业来说,从从发电、输电、配电、售电、用电的所有环节,都可以引入AI技术,为什么巡检会成为AI落地电力企业的头号选择?

而这一场景的特点在于:从一线人员中来。

据中国电科院的一位专家分享,目前为止,中国电网企业在使用AI的时候,才基本采用的是“从自己向上”的模式,就是具体执行环节的员工,根据自己日常工作的需要,提出需求,然后算法工程师、模型开发师基于这个场景去策划、设计模型,开发完成之后,去把相关的模型应用到实际的业务场景中。

而AI巡检,就是从很苦很累的巡检员出发,形成了一个行业AI应用的完美闭环。

人工巡检难,这个通用性的痛点,催生了广泛存在于电力行业的AI巡检需求。

前文中提到的云南迪庆,就在山火发生后,下决心优先尝试为无4G信号、穿越林区和雪山的输电线路进行智能化升级,将“行路难”的金格线作为试验田,解决基层员工巡检难的问题。

迪庆供电局经过前期考察,最后选择通过自组网微波+电网自有通信通道相结合的方式,改变了该输电线路没有通信覆盖的局面。有了通信网络和数据传输,大量数字化、自动化技术就可以被应用起来了。金格线落地了端到端电力巡检解决方案,就把端(智能摄像头)、边(边缘计算与存储)、应用(AI算法),融为一体。

端侧采集的实时视频回传之后,通过主站侧AI 分析+摄像头端侧AI 分析,就能实现远程智能巡维,只需要2小时就能完成原本需要7天的巡检任务,大大减少了人工巡线的次数,AI实时告警也有效减少了外力破坏导致的非计划停电,让当地居民和企业的用电更加稳定。

打卡智能中国(二):他在电线杆下,却没有电用

除了迪庆供电局输电管理所的实践之外,还有很多巡检的细分应用值得关注,比如:

变电环节。亚联发展推出的变电站智能运检解决方案,对变电站设备状态、人员行为、区域安全等进行智能化监控,将传统的人工监测变成机器自动识别,也对电网稳定运行十分重要。国家电网也变电站引入了智能机器人,机器人每天沿着固定的线路去巡一遍,一些缺陷都能自动识别,也能够减轻人员的巡检负担。

输电环节。实践中,可能存在前端算法精度过低、端侧算力不足、模型识别速度低、实时性不足、监控空白期长等问题,这些都会让AI巡检的效果打折扣。我们看到,有ISV企业与百度、华为这样的平台型公司合作,不断对算法模型进行训练优化,推出更高准确率、更高报警速度、更高计算效率的模型,将AI巡检报警的速度也从小时级提升到了秒级。

一位工作人员向我们透露,某日下午5点35分,山东淄博的郊区就发生过一次火情,上方刚好就是国家电网的220千伏的高压,飞桨加持的输电线路可视化监控第一时间发现并且报警了,从而避免了一场灾难的发生。

可以看到,相比“自上而下”的研发模式,AI巡检“从基层向上”的模式,从基层员工开始,针对一线人员的具体痛点问题提出应用需求,电力企业内部科研单位进行相关模型开发,完成之后再由产业单位进行部署实施,在具体模型运行过程当中再收集新的样本,重新优化模型。

曾有一个智能化项目的负责人跟我们吐槽,AI行业参与者对应用场景并不陌生,但行业用户CRO们、数据科学家在申请预算投资AI的时候,又会觉得无从入手。到底哪些应用场景是真正成功的实践,真正能够给业务部门带来价值,ROI真的合理,很难找到充足的实践案例。

一个个AI巡检案例/解决方案的不断成型,或许可以看到,行业AI往往趋于保守和谨慎,产业智能化的开端,可能会从基层人员的痛点开始,比如危重工作或高风险的作业环境,需求强烈,价值确定,更适合作为AI落地的第一站。

一个导游

电力AI的蛋糕很大,AI巡检只是其中的一个切角,AI要向更广阔、丰富的产业腹地前行,是必然趋势。

那么问题来了,优质数据从哪里来,行业知识怎么积累,专属模型谁来研发,谁又有能力研发?这就涉及到行业AI从单点走向全线、从案例走向普及的一个关键——重点企业的示范效应。

大型企业和头部企业的数据多,人才优势明显,基础设施相对完善,数字化水平较高,拥有更好的技术创新土壤,非常适合作为AI应用的中转站。

电力行业中,将AI从巡检、运检等场景推广到全链路的,大多是位于北上广等地的头部电力企业,比如国家电网、上海电厂、南方电网。

打卡智能中国(二):他在电线杆下,却没有电用

它们扮演着三种智能化的必要角色:

1.规划者。他们为整个行业的智能化建立路线图。比如国家电网从2018年开始就开展电力人工智能顶层设计,开展总部人工智能平台的开发,到2020年基本完成总部级平台开发并开始省级平台建设,总部的成熟模型可以快速的下发到省级和边端侧,形成全过程的完整链条。

2.优化者。如前所说,AI算法在实际落地中会遇到很多约束,面对复杂的户外光亮环境、用电忙闲时分配、缺陷及事故数据不足等问题,逐一针对性地综合解决,才能真正提升输电通道巡检的准确度,头部企业是AI应用迭代、效果优化的重要力量。

3.赋能者。头部企业的数字化水平高,更容易训练出行业大模型,为其他中小型企业降低智能化门槛。比如飞桨与国家电网共同打造了知识增强的能源行业NLP大模型,就将电力业务积累的样本数据和特有知识,交给AI进行训练,从而提升传统电力专用模型的精度。行业大模型开源之后,能够降低个性化算法的研发门槛,让更多服务商、开发者以此为基础,运用AI来针对性地解决电力行业的问题。

一段旅程

在这些重点头部电力企业的探索下,可以看到,AI在电力行业的应用正在变得更多、更深,展现出电力智能化的整体面貌。

具体表现在几个方面:

1.智能客服。电力企业要服务广大居民和各行各业,咨询服务量非常庞大,而传统坐席客服越来越难以满足日常客服的需求。很多人用过国网95598,就会发现自动对话机器人在回答问题,而这个智能客服系统,就采用了大量AI技术,包括NLP、语音识别、电力领域知识图谱。

2.智能调度。把电送到千家万户,要有一套稳定的控制系统,调度很多输变电设备,这是电网运行的一个关键环节。一些省级电力公司,用AI帮助调度员来干这件事。智能调度会根据调规、知识、规程,自动给出决策建议,出现一些故障抢修的情况,就能够迅速的提供抢修的路径规划,减轻故障处理的时间。

3.节能减排。双碳目标是国家的整体趋势,新型电力系统建设又是促进双碳目标实现的关键因素,太阳能、风电等分布式电源接入电网,已经有了时间表。这会形成一个直流、交流、混合的大电网,而风机、光伏的稳定性,远没有煤电技术那么高,一旦风没有了、光没有了,如何防止突发性能源短缺,对电网系统运行的影响?这些问题都需要依靠AI等数字化技术去解决。

打卡智能中国(二):他在电线杆下,却没有电用

上海某电力企业的工作人员跟我们分享,应对风电、光伏的不确定性,AI预测是非常重要的。AI预测准了,才知道明天该安排多少机组,要消纳多少可再生能源,现在的配备和资源准备能否保证明天电网的安全稳定运行。

4.运营管理。电厂进入精细化运营,需要智能技术参与到降本增效中去。外面买进来的水电、风电或其他新能源,能不能完全消纳,需要强大的分析能力,来保障供需平衡。

此外,用电端的负荷调节、电气化水平的提高和用电需求的增加也让用电负荷越来越大。保障居民用电体验就需要精细化的调度,比如同样是电动汽车充电,上海比北京的电动汽车保有量多,据某上海电厂统计,每一周要在上海装4000个充电桩。电网运行就需要对负荷的资源数据匹配,通过24小时实时分析,对整个电网的负荷做最优的控制,将负荷变化对用电体验的影响最小化,这是人力所无法做到的。

可以看到,AI正在成为电力行业的真正“大脑”,从简单的识别、预警,走向预测、决策。

这段旅程,可以提炼出一个行业智能化的几步走方法论:

第一步,单点探索。这些行业的企业往往都有很多年的沉淀,有些是核心资产,有些是历史包袱,反正都很难为了引入AI,就一下子将原本的设施推倒重来。所以,智能化一般都从一些特定行业、危重岗位等,进行浅层的、灵活的单点探索,比如电路巡检,来快速验证AI的可行性。没有第一步,不可能跨出第二步。

第二步,广泛试点。头部企业为代表,推动AI在各样业务场景里面进行技术探索,在电网的调度、运检、营销、基建、安检、财务、办公等领域,都开展大量的试点应用,迭代优化、去伪存真。这个过程中,容易出现“按下葫芦起来瓢”的情况。即一些算法模型在技术上很成熟,但实际应用中根据现实环境、光线条件、网络情况等,各种各样的规则和阈值叠加,导致效果不太理想,A地的解决方案未必能解决B地的问题,这就需要定制化的深度开发,锤炼出更加务实、个性化的解决方案。

第三步,深入融合。随着AI应用场景越来越丰富,形成了一些通用场景和模型组件,构建高质量的行业样本集和模型库,带动更多行业企业参与进来,促进电网AI生态的繁荣。如果行业AI开发平台能够提供丰富的资源支持,包括包括软硬件兼容、模型基础、端到端能力、开发工具、社区等,会大大加速这一进程。

打卡智能中国(二):他在电线杆下,却没有电用

总的来说,AI在行业的表现,并没有点石成金的神奇,也没有怀疑者所认为的那么虚无。它就是一个从最苦最累的基层员工出发,经由行业内外的人、企业、平台所携手推动,星星之火逐渐燎原的过程。

我听说过一个故事,某一天美国纽约证券交易所断了电,无法正常运转,为了恢复电力供应,电力工人计划沿着曼哈顿下城的街道,铺设巨型的延长电线。纽约联邦储备银行时任行长威廉·麦克唐纳冷酷地评论道:“它看起来有点像第三世界的解决方案。”

这确实是某种现实,人拉肩扛的工作模式,很长时间都是中国一线电力工人的日常。

AI尽快先去到这些地方,将工人从可能流血流泪的危重岗位上,解脱出来。更先进的行业解决方案,为什么不能率先发生在这片大地上呢?

       原文标题 : 打卡智能中国(二):他在电线杆下,却没有电用

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存