基于人工智能的电力设备运行态势感知及可视化技术.pdfVIP

产经观察

INDUSTRYOBSERVATION

12

文/刘若涵刘旭中

1.平顶山学院电气与机械工程学院；2.国网河南省电力公司南阳供电公司

基于人工智能机器学习算法和深度学习模型，开展电力设备运维相关工作，在准确

性、成本等方面效果显著。但也面临数据质量与隐私、模型可解释性与可信度、实时性与

计算资源需求等挑战，对此提出相应的解决方案。未来更先进算法与新兴技术相融合，人

工智能将进一步拓展潜在应用场景，加速电力行业的数智化转型。

当代社会，电力是至关重要的能源形式，其稳人工智能正逐渐从单项技术向集成技术、从浅层

[3]

定供应与否直接影响各个领域能否正常运转。而电学习到深度学习发展，以高级机器学习为代表的

力设备的运行状态直接影响电力系统的稳定性及安新一代AI技术为电力设备运行态势感知带来了革

[1][4-5]

全性。如果能及时、准确、直观地感知电力设备命性的契机。传统的电力设备运行态势监测主

的运行态势、潜在风险，就能提前发现问题，采取要依赖于人工，成本高、效率差。通过机器学习

预防措施，优化资源配置，制定科学的维护计划，和深度学习算法，人工智能可以实时监测和评估

从而确保电力系统的安全可靠运行，满足现代电力电力设备运行状态，深度挖掘和分析海量监测数

系统对精细化管理的需求。据，建立预测模型，提高故障诊断的精准性、及

在电力领域，人工智能（AI）技术经历了运算时性，优化电力设备的运维策略。此外，借助图

[2]

智能、感知智能和认知智能3个阶段。近年来，像识别、语音识别等人工智能技术，还能进一步

电气时代·年第期

2620256

产经观察

INDUSTRYOBSERVATION

提高设备监测的效率和准确性，降低人工劳动强表4监控系统数据功能

类型功能

度和运维成本。

整合电流、电压等各类传感器数据，为运

智能监控平台

维人员提供可视化设备运行状态视图

远程监控系统集中监测不同地点分布的电力设备

人工智能技术及适用场景电力自动化系统实时采集电网中的设备参数等数据

1.机器学习算法（3）历史运维记录

机器学习算法分类及适用场景见表1。包含设备的维修工单（或故障记录）、巡检报