基于物聯網的運檢智能管控研究

電力工業是國民經濟發展的重要基礎產業和戰略支撐產業，其在能源格局中的地位十分重要。面對經濟轉型升級、能源清潔轉型的新形勢，國家電網有限公司提出“三型兩網、世界一流”的戰略目標，積極順應跨界融合的大趨勢，進一步改造提升傳統業務，大力開拓數字經濟市場，具有劃時代的深遠意義。

電力運檢管理是保障電網安全穩定運行的關鍵環節。隨著電網規模的快速發展以及分布式電源、可再生能源的大量接入，生產數據呈現指數增長趨勢，運檢工作面臨巨大的挑戰，如何提升設備管理質效、保障電網安全經濟穩定運行成為現階段亟待解決的問題。

1 物聯網與電力運檢的融合

隨著現代信息技術的不斷發展，物聯網經歷了從概念到規模化落地應用的階段，而電力物聯網是物聯網技術在電力行業的融合應用。它是基于電力系統各環節，運用“大云物移智”各類現代信息技術和先進通信技術，實現電力系統各環節的萬物互聯、人機交互；利用霧計算與云計算的優勢，搭建基于云霧融合的層次化、動態均衡的運檢信息分析、協同和控制網絡，為電力運檢精益化管理和科學決策提供強有力的信息和數據支撐。

2 基于物聯網的運檢智能化管控

2.1 推進運檢全要素自動感知

圍繞視覺、聽覺、觸覺及其他感知維度，廣泛布局各類智能感知裝置和手段，實現運檢人員、電網設備、運檢裝備和生產環境的全方位、多維度自動感知。

2.1.1 電網運檢人員信息感知

一是基于智能芯片、人臉識別等技術，開展作業現場人員的身份識別，實現員工基本信息、技能水平的智能識別和自動匹配；二是基于智能手環和健康監測系統，及時掌握和動態感知員工健康狀態；三是應用遠程視頻和移動終端等技術，開展人員行為、語言綜合感知。

2.1.2 電網設備狀態感知

一是傳感器與設備本體一體化設計制造。圍繞設備自感知、自診斷能力提升，從設備運檢角度提出海量、常用、主要設備的設計、制造、基建等環節標準化典型需求，研究智能設備設計制造，推進設備狀態全面可知、可控。

二是設備狀態自主感知。研制溫度、形變、油色譜、振動、桿塔傾斜等微功耗/低功耗的高可靠性傳感器，實現設備本體狀態量自主實時感知，彌補人工巡檢對關鍵信息感知的空白。大力推進新型智能配變終端規模化推廣建設，對配電網核心設備和線路的運行工況、設備狀態、環境情況等信息的全方位實時深度采集，實現配電網狀態全感知。依托無人機、機器人、視頻監測、移動作業終端等多類型同構或異構泛在感知裝備，從時間、空間上拓展設備狀態和環境感知覆蓋范圍，作為傳感器感知設備狀態信息的補充手段，促進多元采集手段相輔相成、綜合應用。

三是存量設備身份標簽編碼設計。遵循唯一性、實用性、可擴展性等原則，參照EPC 國際編碼標準，開展包含設備所屬單位、電壓等級、出廠（投運）年份、設備類型等信息的身份標簽設計，最大限度反映設備的基本信息。

2.1.3 運檢裝備資源感知

研究RFID射頻技術和統一編碼標準，制定統一的電子身份標簽，實現人員、設備以及裝備與電子標簽的一體化，完成電力運檢人員、車輛、設備身份的快速識別及設備的檢測技術研究，實現運檢資源合理調配和運檢進度友好管控。

2.1.4 生產環境異常狀況感知

針對輸電線路“三跨”（跨高速鐵路、跨高速公路、跨重要輸電通道）隱患問題，基于人工智能的線路“三跨”隱患智能識別方法，采用“自積累、自更新、自學習”的智能化運行方式，隱患識別結果主動推送，及時發現和處理輸電線路“三跨”隱患，有力提升輸電線路“三跨”區段發現隱患的能力，提高運維保障工作的效率和質量。

2.2 推動云霧融合協同應用

以運檢要素信息全面感知為基礎，開展面向運檢全業務場景的要素互聯邏輯分析，以“智能前端化”思想為指導，圍繞人員、設備、裝備、環境要素泛在互聯、互動感知關系，搭建基于云霧融合的層次化運檢信息分析、協同和控制網絡，全面應用人工智能等技術推進運檢業務鏈條的智能化改造。

云霧資源均衡模型構建。開展運檢業務全景需求分析，充分利用云霧計算優勢，搭建基于NB-IoT（窄帶物聯網）框架的云霧資源均衡模型，一方面將霧層的感知數據進行分析、處理、過濾，及時判斷應對緊急事件，另一方面根據系統實時狀態調整負載分配，將云數據或終端設備數據緩存本地的同時，將較多的負載分配給計算能力較強、鏈路通信開銷較小的計算節點，協調運檢計算需求在物聯網云層和霧層的分配布局，綜合平衡計算、存儲和傳輸成本，提高運檢數據處理和運檢決策效率和質量。

基于霧計算的異常數據就地實時分析響應。通過霧計算對高速、實時的感知數據（毫秒）就地進行初步分析運算，快速判斷異常數據并做出相應控制動作，實現設備狀態的實時評估，及時提出檢修建議。對中等速度、半實時感知數據（秒）進行實時分析處理，實現電網設備的故障診斷。同時，為云計算中心中、長期預測所需的數據提供特征提取，降低網絡時延和數據安全風險，提高電網設備管理效率。

基于云計算的多元數據融合分析預測。通過云計算對實時數據的特征提取及歷史數據進行分析，實現電網設備的監測預警及評價診斷輔助決策。對資源進行分析，包括運行維護（巡檢、檢修、技改）、處置（退役、轉移、報廢）的全過程，提高電網設備資源利用效率。

2.3 構建運檢全業務知識圖譜

為充分利用電網運檢積累的大量實踐經驗和專家知識，通過知識圖譜、深度學習等人工智能技術的交互應用，拓展設備管理專業內在邏輯關系模型，構建運檢全業務知識圖譜。

符合運檢業務邏輯的知識圖譜構建。基于海量運檢案例，構建標準化、智能化的典型故障知識庫，以深度學習技術為推理工具，推動機器對運檢資源及其屬性、資源與各類運檢任務交互等關系的理解，構建符合運檢業務邏輯的知識圖譜。

知識圖譜與深度學習交互融合。探索知識圖譜在深度學習模型中的應用，將運檢全業務知識圖譜中的語義信息輸入到深度學習模型中，將離散化知識圖譜表達為連續化的向量，從而使生產過程積累的海量知識成為深度學習的輸入，提升深度學習效果。研究基于神經網絡模型的知識圖譜動態優化，有效完成泛在電力運檢物聯網節點至節點的運檢資源識別、關系抽取和補全等任務。

3 結語

“大云物移智”等現代信息技術和先進通信技術的發展，為電力運檢業務的智慧化、多元化、生態化發展提供了有利條件。依托當前物聯網核心技術發展，立足運檢全業務場景各要素，推動運檢業務鏈條智能化改造，構建要素互聯、資源均衡的智能運檢管控網絡，在線連接能源生產、傳輸與消費各環節的人、機、物,實現狀態全面感知、信息高效處理、應用便捷靈活。