電力人工智能的技術體系研究和應用實踐

楊立紅 楊永艷 徐雯靚 馮青峰

國網信通股份公司 北京中電普華信息技術有限公司 北京 102208

引言

電力人工智能中臺是電力行企業(yè)級的人工智能平臺，為電力企業(yè)應用提供全面的算力資源、計算引擎、模型構建、樣本標注等支撐能力，為電力企業(yè)應用的智能化和數(shù)字化轉型奠定基礎。隨著5G、大數(shù)據(jù)、物聯(lián)網等新技術的發(fā)展和電力人工智能的深化建設，電力行業(yè)各個業(yè)務領域將全面開展人工智能應用，傳統(tǒng)應用向智能化應用的轉變，需要結合AI業(yè)務需求將人工智能算力、算法等AI技術和應用場景、業(yè)務系統(tǒng)及業(yè)務數(shù)據(jù)等進行深度的融合和流程貫通，當前人智能技術雖已在智慧醫(yī)療、智慧城市等多個領域應用，但在電力領域架構設計、應用方法等方面缺乏體系化的研究和實踐指導，本文對AI技術進行了深入的研究，為電力人工智能應用提供了從訓練、預測、模型和樣本管理體系化的技術框架；同時，通過電力多個應用場景的項目實踐，總結了一套人工智能應用從數(shù)據(jù)預處理、樣本標注、模型開發(fā)訓練、生產應用到使用評估等AI應用完整閉環(huán)的實踐方法，希望能為企業(yè)級人工智能架構設計和AI應用及實踐提供參考。

1 設計原則

1.1 異構算力適配和模型兼容性原則

充分考慮行業(yè)TensorFlow、PyTorch、Caffe等AI技術框架和X86、ARM等各類算力，實現(xiàn)人工智能平臺對異構算力的統(tǒng)一管理和調度能力，對異構模型進行標準適配和統(tǒng)一納管。

1.2 技術先行與實用原則

采用標準、先進、成熟、開放、實用的技術，重點圍繞提升電網安全運行、現(xiàn)場作業(yè)、客戶體驗、基層減負等方面，通過人工智能技術解決業(yè)務部門和基層單位關切的問題，發(fā)揮實用價值。

1.3 安全建設和應用共享原則

充分利用現(xiàn)有安全技術和安全標準，加強平臺、算法、數(shù)據(jù)、模型等的安全體系建設和樣本脫敏、數(shù)據(jù)隱私等安全應用能力建設，實現(xiàn)人工智能模型、樣本、AI資源的共建共享和按需使用[1]。

2 電力人工智能體系設計

電力人工智能技術體系包括基礎平臺、人工智能平臺、模型庫（通用模型+專業(yè)模型）、樣本庫、應用場景、人工智能服務門戶。通過構建電力人工智能中臺，為各類業(yè)務應用提供算力、模型、樣本等軟硬件支撐，打造運營生態(tài)，充分發(fā)揮資源共享價值，助力應用快速、敏捷建設。

2.1 人工智能平臺

人工智能平臺包括訓練環(huán)境、推理或運行環(huán)境等，是集人工智能模型開發(fā)訓練、模型部署運行等全棧式技術支撐平臺，提供一站式的開發(fā)及應用工具，實現(xiàn)算力、樣本、模型等能力的共享使用。

（1）人工智能應用訓練環(huán)境。訓練環(huán)境具備人工智能數(shù)據(jù)預處理、算法開發(fā)及模型訓練等功能。通過采集業(yè)務數(shù)據(jù)構建數(shù)據(jù)集，模型經過開發(fā)訓練后納入模型倉庫進行統(tǒng)一管理，實現(xiàn)模型的可視化構建、測試驗證及全過程監(jiān)控，保證模型生產過程的可控和應用質量。

（2）人工智能應用運行環(huán)境。運行環(huán)境具備模型部署、壓縮轉換、邊緣推理、在線推理及批量推理等模型全生命周期管理功能，模型通過模型倉庫或系統(tǒng)導入等方式進行發(fā)布， 經運行環(huán)境推理后反饋結果至應用層，形成業(yè)務應用的全場景運行支撐。

2.2 人工智能服務門戶

統(tǒng)一門戶為用戶提供典型應用場景、體驗專區(qū)、模型庫、樣本庫等統(tǒng)一操作界面入口，為輸變配、智能調度、智能客服等電力人工智能應用提供人機交互，形成模型開發(fā)訓練、場景使用、樣本標注、測試驗證、使用分析于一體的用戶使用體驗，降低人工智能應用使用門檻、簡化業(yè)務復雜性[2]。

2.3 統(tǒng)一模型庫

模型庫是對人工智能模型進行存儲、適配、納管和統(tǒng)一管理的組件，依托模型資源服務目錄實現(xiàn)模型的邏輯或物理歸集管理，提供模型的鏡像管理、模型查閱、模型上傳與下載、模型發(fā)布等功能，通過建立模型運營機制和服務生態(tài)，滿足模型在各場景的應用需求，為各層單位和業(yè)務部門提供模型運營、多級共享、按需使用等服務能力。

2.4 統(tǒng)一樣本庫

樣本庫是存儲和管理各種樣本數(shù)據(jù)并用于人工智能模型訓練的組件，依托樣本資源服務目錄實現(xiàn)樣本的邏輯或物理歸集，提供樣本數(shù)據(jù)的預處理、存儲、上傳、下載、共享、樣本標注等功能，將處理完成的樣本數(shù)據(jù)反饋給模型進行訓練，進一步提升模型精度和模型識別的準確率，同時，通過建立樣本運營機制和服務生態(tài)，為各層單位和業(yè)務部門提供樣本運營、多級共享、按需使用等服務能力。

2.5 人工智能算法

結合應用場景的實際需求利用人工智能訓練平臺，結合人工智能TensorFlow、PyTorch、Caあ e等AI計算引擎，構建機器學習、深度學習等Ai算法，為業(yè)務應用提供通用算法以及電力領域專業(yè)應用算法，通過不斷豐富樣本，對算法使用效果進行評估，不斷迭代優(yōu)化算法。

2.6 應用場景

根據(jù)電力人工智能業(yè)務需求，開展深入應用的分析和研究，結合人工智能技術體系實現(xiàn)應用場景的業(yè)務流程、應用算法、后臺邏輯、操作界面等場景的智能化能力實現(xiàn)，依托人工技術體系管理和支撐應用場景實現(xiàn)，并提供業(yè)務系統(tǒng)開放的服務能力。面向電力行業(yè)，可圍繞電網運檢、調度、客服、安全管控等方向開展電力業(yè)務系的應用場景建設。

3 人工智能技術應用方法

3.1 應用方法概述

本文所述電力人工智能技術體系需要結合一套閉環(huán)的應用方法開展電力應用，通過接入各類業(yè)務系統(tǒng)數(shù)據(jù)經數(shù)據(jù)處理后存放至統(tǒng)一樣本庫，抽取業(yè)務樣本數(shù)據(jù)進行標注，基于人工智能訓練環(huán)境進行特征分析、模型構建、測試驗證及模型應用評估等環(huán)節(jié)，依據(jù)模型評估結果再進行模型優(yōu)化和訓練，從而形成應用的完整閉環(huán)，其中模型運行在應用運行環(huán)境進行[3]。

3.2 應用方法詳述

（1）數(shù)據(jù)處理。數(shù)據(jù)處理包括數(shù)據(jù)的采集、預處理及數(shù)據(jù)存儲，通過各渠道采集的樣本數(shù)據(jù)經過處理，篩選出符合要求的數(shù)據(jù)后存儲到統(tǒng)一樣本庫內進行統(tǒng)一管理。

（2）樣本標注。對訓練環(huán)境對采集到的樣本數(shù)據(jù)進行分類、標框、區(qū)域、描點等標注，支持物體、音頻、文本等多種數(shù)據(jù)的快速標注、在線標注、團隊標注和對未標注數(shù)據(jù)的預標注及主動學習等標注能力。

（3）特征分析。特征分析在人工智能訓練環(huán)境進行，使用相關性分析、N元語法進行特征選擇，實現(xiàn)數(shù)據(jù)特征可視化，支持圖像等多維度數(shù)據(jù)特征分析。

（4）模型構建。平臺支持Python等多種建模語言及GPU、CPU多種資源類型和規(guī)格靈活選擇，支持拖拽式、可視化和機器學習自動化建模等建模方式，降低AI開發(fā)門檻。

（5）模型訓練。電力人工智能應用訓練環(huán)境單個作業(yè)可支持GPU大節(jié)點規(guī)模訓練，基于訓練資源池化、容器化和“開箱即用”的原則，支持向導配置式、一鍵式訓練和訓練過程的可視化，簡化人工智能復雜的訓練工作。

（6）模型評估。本平臺提供訓練過程的詳情信息查看和資源使用監(jiān)控，通過建立模型評估指標體系，實現(xiàn)模型訓練過程的評估和模型使用過程的效果評估，以支撐模型質量的改進和好壞評估。

4 人工智能技術應用實踐

本文人臉識別、文字識別、自然語言處理、語音識別、機器人服務、知識圖譜、訓練環(huán)境、運行環(huán)境等技術體系設計和應用方法，已經形成了國家電網公司人工智能相關建設成果和開放的服務接口(API)能力，并基于服務能力在電力輸變配、運行檢修、電網調度、客戶服務、安全管控、智能審計等多個應用場景開展了應用實踐，取得了非常好的應用效果[4]。

5 結束語

本文針對電力人工智能技術體系、人工智能技術應用方法進行深入的研究和實踐總結，提出了基于電力人工智能應用場景需求、算力、算法、數(shù)據(jù)等進行電力人工智能企業(yè)中臺的體系設計思路，希望進一步深化電力人工智能業(yè)務系統(tǒng)的智能化建設和多場景落地應用。本文所述體系以企業(yè)云端軟硬件資源為載體，采用“云邊端協(xié)同”的計算技術框架，以不斷推進企業(yè)人工智能應用生態(tài)的發(fā)展、算力的持續(xù)提升以及應用實用化。