人工智能技術在電力設備運維檢修中的應用

翁錫杰

摘要：電力設備運行的穩定性能夠直接對電力系統運行的穩定性和安全性產生直接的影響，只有準確、全面的掌握電力設備運行過程中內部以及外部的數據信息，采用科學的技術手段融合和匯總各方面信息，才能夠準確的評估和預測電力設備的運行狀態以及變化趨勢，以此為參照對運維檢修計劃進行合理的安排，以此才能夠保障電力系統運行的穩定性以及可靠性。人工智能技術的出現在決策任務、優化、預測以及識別等多方面工作的效率、準確性以及自習能力都得到了顯著的提升，對于電力設備的運維而言是一種全新的研究思路以及技術手段。本文就人工智能技術在電力設備運維檢修中的應用做出探究，以往參考。

關鍵詞：人工智能技術;電力設備;運維檢修

前言：電力設備作為的電力系統中最為重要的組成內容之一，在運行過程中斷路器、輸電線路、變壓器等多種設備都會出現不同程度以及不同類型的故障，繼而對整個電力系統的正常運行產生嚴重的影響。因此，只有全面的掌控、分析以及預測電力設備的健康水平以及運行狀態，促使故障診斷水平不斷的提升，更加合理的安排相關的運維檢修工作，才能夠真正為電力用戶提供經濟、優質以及安全的電力能源。當下我國電力網絡中變電設備具備多種多樣的類型，分布范圍也相對較廣，各種設備的結構參數也有著一定的差異。

1、人工智能技術在電力設備運維檢修中的應用

1.1? 、運維檢修信息收取與知識庫建立

現階段大多電力公司已經將大量的傳感裝置布置在電力設備、沿線以及塔桿區域進行部署，并且也安排了專門的工人定時或者是不定時的進行試驗、檢測與巡視，甚至已經形成了相對有效的信息化系統，記錄了大量的文檔和圖像，在長時間的實踐工作過程中也形成了很多的規章以及制度。人工智能技術的應用需要從眾多信息數據中收集以往的故障案例，并對其中存在的行業知識以及專家經驗進行抽取。

首先，要按照不同類型設備故障案例的模板對設備的基本信息以及故障發生情況下的信息異常和相關試驗數據，以此為基礎形成一個完善的案例庫，提供有效的學習樣本以供后續的電力設備健康狀況評估、設備預測、故障識別與預警等模型提供幫助。其次，采用自然語言處理技術站在多模態資料以及非結構資料中對設備的運維檢修信息進行抽取，進而形成一個不同概念或者是實體之間的關系，隨后采用知識圖譜技術來構建一個完善的知識庫，打下堅實的基礎來保障不同設備的運檢策略以及智能搜索工作得以開展。最后，近年來電力設備中可視光、紫外線以及紅外線等檢測裝置得到了廣泛的普及，相關工作人員也在不斷的研究基于深度學習以及圖像識別等人工智技術，以往工作過程中所積累的大量圖像數據也在知識庫中得到了很多好的融合。

1.2? 、電力設備健康狀態評估

要真正實現電力系統的穩定運行，電力企業往往會委派專門的工作人員定期或者是不定期的針對電力設備的運行狀態進行檢修，但是這樣的檢修方式對電力企業而言是一種極大的成本支出。因此，當下國內外的電力企業都開始將斷路器、互感器等多種直流輸電設備應用在電力設備的健康狀態評估以及檢修工作中，以此為基礎制定出相關的工作導則，積累大量的專家經驗。雖然這種輸電設備的造價十分高昂、結構復雜，但是這種電力設備的作用也異常重要，有著多元化的狀態特征表型，模糊性以及不確定性十分明顯，在開展工作的過程中往往缺少綜合、客觀的評價標準對電力設備的健康狀態進行評價。

為了充分保障傳統以來專家經驗以及導則的業務評價方式弊端得以充分規避，相關領域研究了一種基于多源設備狀態數據，結合數學分析的方法與機器學習的方式對電力設備的狀態進行評價。這種模型可以分為兩種：首先，利用數學模型客觀化計算評價權重，對電力設備狀態指標以及變壓器狀態兩者之間的關系進行明確，其中作為重要的是評價權重、相對重要性以及關鍵特征指標，通過以上處理再針對變壓器的狀態機進行有效的評價。其次，基于訓練樣本，直接利用學習算法構建一個變量與變壓器之間的評價模型，例如常見的人工網絡神經這種常見的機器學習法。

1.3? 、檢修策略智能推薦

要構建電力設備運維檢修領域的知識圖譜是當下檢修策略中的一種新思路，應用前景十分廣闊，電力設備運維知識圖譜構建思路如下圖所示。構建知識圖譜建立在電力設備運維有關的關系、屬性以及實體等方面內容的基礎上，形成一個完善的知識網絡。當下，針對于設備運維領域進行文本知識挖掘的探索相關工作人員從未放松，其中主要針對電力設備相關文本的新詞發現技術以及詞義網絡挖掘技術等進行研究，構建電力文本特征的提取以及電力主體詞表的構建等等，以望能夠精確的提取設備缺陷信息，故障文本中案例信息的自動挖掘等等，針對設備的運行狀態進行評估，提升電力設備缺陷文本的質量，針對電力設備的缺陷進行分類。結合機器學習模型自動化構建技術以及領域專家經驗就能夠將電力設備以往的運維數據轉化為知識文本，不斷的篩選和驗證設備數據，實現智能推薦以及運行閉環。

2、人工智能技術在電力設備運維檢修中應用挑戰與未來趨勢

現階段，大部分機器學習模型都是采用典型的黑箱模型，對于結果這種算法并沒有辦法給出一個具備說服力的解釋，這也導致人工智能技術難以充分被工作人員所接受。其次由于會發生透明性以及解釋性不足的情況進而導致及其發生決策風險，因此在未來，可解釋機器學習的研究和發展成為推動人工智能技術貫徹落實的技術動力之一，我們應當引起高度的重視，將人工智能技術的作用和價值充分的體現出來。

結語：先進的信息通信以及傳感器的廣泛部署，各類管理系統以及以往工作中積累的大量電力設備數據信息，都為人工技術的應用打下了堅實的基礎，以信息數據驅動的人工智能技術能夠更加準確、高效的為電力設備的運行狀態、全生命周期提供幫助和評價，進而提升電力設備運維檢修工作的效率以及質量。

參考文獻：

[1]?? 王亞東.淺談帶電檢測技術在配網電力設備運維檢修中的應用研究[J].市場周刊？理論版，2018（46）：0134-0134.

[2]?? 紀哲強.帶電檢測技術在配網電力設備運維檢修中的應用研究[J].百科論壇電子雜志，2018，000（011）：400.

[3]?? 陳誠，肖逸，張華琛.電力通信機房智能化運維，輕檢修、全管控建設趨勢研究[J].電子世界，2018，000（022）：133-134.