金現(xiàn)代多模態(tài)AI，給電力系統(tǒng)裝上“大腦”“眼睛”“嘴巴”
“基于大語言模型、圖像識(shí)別、語音識(shí)別、自然語言處理等多模態(tài)AI技術(shù)能力，電力企業(yè)可以進(jìn)行更加高效的專業(yè)化模型訓(xùn)練、智能化分析及診斷服務(wù)，涵蓋電力系統(tǒng)自動(dòng)化控制、電力調(diào)度、生產(chǎn)安全管控和運(yùn)維檢修等方面，給電力系統(tǒng)裝上‘大腦’‘眼睛’和‘嘴巴’”，金現(xiàn)代人工智能專家宗云兵博士這樣介紹電力多模態(tài)AI。
當(dāng)前階段，AI應(yīng)用正在從C 端逐步向電力、交通等B 端傳統(tǒng)行業(yè)加速滲透，而多模態(tài)理解力與輸入輸出已然成為AI賦能各行各業(yè)的剛需。金現(xiàn)代作為深度參與電力行業(yè)信息化建設(shè)20余年的高新技術(shù)企業(yè)，積極推動(dòng)多模態(tài)AI技術(shù)在電力行業(yè)發(fā)輸變配用全領(lǐng)域的應(yīng)用，幫助電力企業(yè)實(shí)現(xiàn)運(yùn)維、巡檢、供應(yīng)鏈等諸多業(yè)務(wù)場(chǎng)景的“變革式”提升。
多模態(tài)AI+巡檢：變電設(shè)備智能巡檢
大電網(wǎng)安全與設(shè)備運(yùn)維監(jiān)控是電網(wǎng)企業(yè)安全生產(chǎn)常抓不懈的焦點(diǎn)，而變電站巡檢工作的重要一環(huán)就是“發(fā)現(xiàn)問題”，傳統(tǒng)巡檢模式下，巡檢人員需要根據(jù)下發(fā)的巡檢工單，記錄設(shè)備的各項(xiàng)運(yùn)行數(shù)據(jù)，如果發(fā)現(xiàn)缺陷問題就上報(bào)給檢修人員，作業(yè)過程口傳手記、主要依賴個(gè)人經(jīng)驗(yàn)，不僅工作效率低下，還容易發(fā)生漏檢、錯(cuò)檢等問題。
為提高變電站巡視質(zhì)量和效率，保證電網(wǎng)平穩(wěn)可靠運(yùn)行，金現(xiàn)代將語音識(shí)別、自然語言處理、檢索增強(qiáng)生成、大語言模型、圖像識(shí)別等多模態(tài)AI技術(shù)接入巡檢業(yè)務(wù)場(chǎng)景，幫助國家電網(wǎng)實(shí)現(xiàn)電力巡檢智能化升級(jí)。
在巡檢作業(yè)中，國家電網(wǎng)巡檢人員可通過語音識(shí)別將語音轉(zhuǎn)化為文本，實(shí)現(xiàn)巡檢數(shù)據(jù)的快速錄入；如果發(fā)現(xiàn)缺陷問題，可通過圖像識(shí)別將巡查的圖像數(shù)據(jù)自動(dòng)轉(zhuǎn)化為安全隱患的告警信息，比如絕緣管破損、變壓器漏油等跑冒滴漏問題；再通過自然語言處理技術(shù)、檢索增強(qiáng)生成和大語言模型技術(shù)將問題和告警信息輸入大語言模型，由大語言模型結(jié)合隱患信息，從集聚專家經(jīng)驗(yàn)的知識(shí)庫中，提取對(duì)于故障問題的智能化回答。
宗云兵博士進(jìn)一步介紹道：“比如變電站中的電力設(shè)備普遍都具備的明顯特征，包括顏色、材質(zhì)和紋理等，利用圖像識(shí)別、大語言模型等AI技術(shù)，可對(duì)采集到的設(shè)備圖像進(jìn)行智能化處理，從而判斷是否出現(xiàn)故障或非正?，F(xiàn)象，并找到對(duì)應(yīng)解決方案”。
多模態(tài)AI+運(yùn)維：輸電線路智能運(yùn)維
提起輸配電線路運(yùn)維，很多人想到的是環(huán)境復(fù)雜的戶外作業(yè)、高空作業(yè)，巨大的鐵塔、高聳的電線桿和一眼望不到頭的電線，但實(shí)際上隨著技術(shù)的進(jìn)步，很多電力企業(yè)早已開始使用無人機(jī)、視頻監(jiān)測(cè)裝置等采集數(shù)據(jù)?！爸悄茉O(shè)備的接入幫我們大大減輕了運(yùn)維工作量，但數(shù)據(jù)采集來以后，我們只能用較為原始的目標(biāo)檢測(cè)模型+人工復(fù)核方式對(duì)抓拍圖像逐一判別隱患問題，工作效率仍然很低”，南方電網(wǎng)輸電運(yùn)維部門負(fù)責(zé)人表示。
如何才能讓智能運(yùn)維真正智能？針對(duì)南方電網(wǎng)的這一問題，金現(xiàn)代人工智能團(tuán)隊(duì)使用Yolov5u、Yoloe+等模型訓(xùn)練目標(biāo)檢測(cè)模型，通過圖像識(shí)別技術(shù)自動(dòng)定位和識(shí)別圖片上的藤蔓纏繞、基礎(chǔ)積水、基礎(chǔ)水土流失、基礎(chǔ)堆積雜物的位置和類別，解決了傳統(tǒng)方式下異常圖像識(shí)別準(zhǔn)確率、發(fā)現(xiàn)率和處理速度低的問題，極大地推進(jìn)了南方電網(wǎng)輸電線路塔基運(yùn)維的智能化。
輸電線路塔基異常示例
多模態(tài)AI+供應(yīng)鏈：采購規(guī)范化管理
在電網(wǎng)企業(yè)管理體系中，物資管理在整個(gè)供應(yīng)鏈管理中發(fā)揮著重要的作用，而電力物資管理的重要環(huán)節(jié)就是招標(biāo)采購。
南方電網(wǎng)物資部負(fù)責(zé)人指出，“以前，招標(biāo)文件主要依賴業(yè)務(wù)人員個(gè)人經(jīng)驗(yàn)手動(dòng)編寫，容易因?yàn)閷?duì)新的招標(biāo)法律法規(guī)、公司新的規(guī)章制度了解不及時(shí)產(chǎn)生失誤，不僅效率低、規(guī)范性也難保證。引入了金現(xiàn)代的人工智能技術(shù)以后，通過文字識(shí)別、自然語言處理等技術(shù)即可輔助校驗(yàn)招標(biāo)文件，解決了我們的‘老大難’”。
金現(xiàn)代使用Erine、Bert等訓(xùn)練文本分類模型以及模型融合算法，對(duì)電力采購大數(shù)據(jù)進(jìn)行深度挖掘和深度學(xué)習(xí)，讓物資業(yè)務(wù)人員輸入招標(biāo)文件中的詳細(xì)評(píng)審條款信息，即可通過自然語言處理、文字識(shí)別技術(shù)實(shí)現(xiàn)對(duì)“招標(biāo)人不得以不合理的條件限制、排斥潛在投標(biāo)人或者投標(biāo)人”等控標(biāo)項(xiàng)的校驗(yàn)，并輸出校驗(yàn)結(jié)果，顯著提高招標(biāo)文件智能化校驗(yàn)水平。
控標(biāo)項(xiàng)示例
數(shù)智化轉(zhuǎn)型趨勢(shì)下，多模態(tài)AI技術(shù)應(yīng)用場(chǎng)景廣泛。展望未來，金現(xiàn)代將繼續(xù)優(yōu)化算力、算法，推進(jìn)多模態(tài)AI技術(shù)與新型電力系統(tǒng)業(yè)務(wù)需求的深度融合，打造電力行業(yè)人工智能的技術(shù)策源地和創(chuàng)新高地。同時(shí)，公司將推出AI智能邊緣分析一體機(jī)，加強(qiáng)與百度CV大模型等方面的技術(shù)合作，聯(lián)合上下游相關(guān)方建設(shè)更好的產(chǎn)業(yè)生態(tài)，持續(xù)探索多模態(tài)AI在石化、金融等更多行業(yè)場(chǎng)景中的應(yīng)用。