人工智能在輸電線路安全運行中的應用

李玉華

(重慶東電通信技術有限公司，重慶 400000)

1 技術路徑

針對輸配電裝備運維難點和電力系統數據特征，通過研究多源信息采集與處理技術，依托不同平臺，借助數據融合法全方位獲取輸電線路運行過程中的各項數據，如設備狀態、實時狀態、電網運行指標等，從而對多源異構數據進行處理，并進行規范化使用，實現視頻、圖像、文本等多源電網數據的源端融合。

通過研究基于大數據分析的輸變電設備評估模型及狀態診斷方法，實現電網裝備狀態評價的智能化、專業化、信息化和互動化。通過研究基于人工智能和大數據的輸配電裝備健康預警技術，實現輸配電裝備的實時感知、在線監測、科學預警、智能診斷。并以上述技術為基礎，開發基于大數據的輸配電裝備智能化遠程運維系統，根據輸配電裝備運維需要，深入挖掘、分析裝備運行數據，形成智能運維報告。

2 人工智能技術在電力系統輸電線路安全運行中的應用

2.1 多源異構數據信息采集與處理技術

基于多視圖的數據融合方法研究。研究基于支持值變換的多視圖特征反向融合方法、建立輸配電裝備運行數據語義空間、基于聯合非負矩陣分解的魯棒多視圖特征語義融合方法，實現輸配電裝備運行數據源端融合，多源異構數據信息采集芯片原理如圖1所示。

圖1 多源異構數據信息采集芯片原理

2.2 基于聚類分析的多源異構數據挖掘技術

針對輸變電設備的實時狀態、數據采集渠道廣、涉及的數據體量較大等特點，研究基于聚類分析的多源異構數據挖掘技術。

跨平臺多源異構數據清洗技術。針對輸電線路設備狀態信息呈現來源多、信息異構、數量龐大、屬性繁多等特點，研究基于統計、聚類、關聯分析、時間序列分析等原理的多源異構數據清洗技術。

跨平臺多源異構數據歸一化技術。研究基于均值絕對偏差標準化的輸配電裝備帶電檢測、在線監測、例行試驗、巡視檢修、電網運行、環境氣象等相關數據的規范化和標準化方法。研究包含靜態屬性、準實時狀態屬性、實時狀態屬性的統一的多維狀態信息模型建模方法。多源異構數據挖掘如圖2所示。

圖2 多源異構數據挖掘

2.3 基于大數據分析的輸變電設備狀態評估技術

建立DS分析方法的輸變電設備狀態評估模型，研究基于狀態信息實時數據流預警技術的輸變電設備異常狀態快速檢測方法。

2.4 基于人工智能的輸配電裝備運維策略

對設備狀態信息之間存在的關系進行深入研究，建立設備運行數據與狀態間的關聯模型。研究基于“事故學習-事件驅動”型的時空狀態模型。采用云模型給出采集數據缺乏情況下的可切換時變設備停運模型。研究基于機器學習的適應不同設備類型、不同電壓等級、不同運行年限、不同運行環境、不同運行季節等輸變電裝備評估模型。

3 人工智能監測系統的開發與應用

3.1 輸電線路在線監測

在人工智能應用領域中，專家系統是重要的組成部分。對于電力系統而言，開發輸電線路在線監測專家系統是極為必要的，其目的在于通過分析監測系統收集的數據，推斷出輸電線路可能存在的故障點及所發故障的原因，包含知識庫、數據庫、解釋機制、推理機以及人機接口五個部分。監測系統獲取數據信號的手段主要有遠程可視、線路安全運行、避雷器等。將所收集的數據信息分別構建成靜態數據庫和動態數據庫，當監測系統運行時，遠程可視監控模塊將率先啟動，并將現場情況轉化為可視圖像，避雷器、安全運行模塊相繼啟動，系統將會根據各個模塊的數據分析結果，啟動綜合分析模塊，從而對結果進行全面的判斷，其結果可以作為輸電線路早期故障的重要診斷依據，具有一定的參考意義。

3.2 數據信號的無線傳輸

隨著無線通信技術的不斷發展，在較大范圍內能夠實現信號覆蓋，將傳感器安裝到電力系統輸電線路探測熱點處，對監測數據信號進行采集，并以無限通信網絡為載體，實現輸電線路運行溫度、舞動幅度、避雷器等實時數據的遠程傳輸，無線通信技術則將所獲取的可視化圖片和數據信息回傳到監控中心，完成監控系統的同步傳輸，與AI故障診斷技術構建一體化信息監控平臺，對輸電線路安全運行情況進行智能監控。

3.3 遠程視頻監測

輸電線路遠程視頻監控系統主要由客戶端監控軟件、圖像編輯器、流媒體服務器等部分組成，其核心技術是數據采集、壓縮解碼、無線網絡數據傳輸等技術。系統可以對輸電線路周圍環境進行實時監控，能夠隨時獲取輸電線路的運行情況，強化對輸電線路的管理。圖像編碼器將所采集的數據信號通過壓縮編碼碼技術進行處理，借助無線通信技術將處理后數據信號傳輸到流媒體服務器中，管理員只需要登錄監控軟件，將視頻流進行解碼，就可獲取高質量的現場圖像，并進行瀏覽、監控，最后通過AI技術對相關信息進行處理。