“機器代人”智能運檢關鍵技術研究和展望

傅曉飛,劉 婧,杜鳳青

(1.國網(wǎng)上海市電力公司，上海 200122；2. 國網(wǎng)上海市電力公司電力科學研究院，上海 200437)

隨著智能傳感器、機器人等技術的深入應用與發(fā)展，“機器代人”給傳統(tǒng)電力運檢帶來了新的分析理念和技術途徑。“機器代人”在眾多領域，如信息處理(文字、圖像、音頻等)、數(shù)據(jù)分析、機器仿生等方面，實現(xiàn)了巨大的突破和發(fā)展。近些年，國家大力推動智能技術與產(chǎn)業(yè)融合，先后印發(fā)《中國制造2025》等二十余項智能產(chǎn)業(yè)政策，明確指出要“以加快新一代信息技術與制造業(yè)深度融合為主線、以推進智能制造為主攻方向”，并在2019年兩會政府工作報告中首次提出拓展“智能+”。2020年，國網(wǎng)公司提出“建設具有中國特色國際領先的能源互聯(lián)網(wǎng)企業(yè)”的戰(zhàn)略目標，推動“大云物移智鏈”等現(xiàn)代信息技術在電力系統(tǒng)的深度應用和融合發(fā)展，推動管理數(shù)字化、自動化、智能化。

1 基本概述

1.1 “機器代人”概念

“機器代人”最初的概念是將簡單、重復的工作用機器人代替人力，使企業(yè)長期、有效地增加產(chǎn)能。隨著信息技術的發(fā)展，對“機器代人”的理解發(fā)展為利用機器手、自動化控制設備或流水線自動化對企業(yè)進行智能技術改造和管理提升，實現(xiàn)“減員、增效、提質、保安全”的目的。從技術角度看，“機器代人”是基于人工智能、大數(shù)據(jù)、可視化、傳感器、機器人等技術整合而成的全新生產(chǎn)模式。

1.2 智能運檢

國網(wǎng)公司于2016年發(fā)布了《智能運檢白皮書》，首次提出智能運檢的概念，即以“大云物移智”等新技術為支撐，以保障電網(wǎng)設備安全運行、提高運檢效率效益為目標，具有本體及環(huán)境感知、主動預測預警、輔助診斷決策及集約運檢管控功能，是實現(xiàn)運檢業(yè)務和管理信息化、自動化、智能化的技術，裝備及平臺的有機體，具備設備狀態(tài)全景化、數(shù)據(jù)分析智能化、運檢管理精益化、生產(chǎn)指揮集約化特征[1]。

2 “機器代人”智能運檢關鍵技術研究

2.1 智能診斷分析技術

近些年數(shù)據(jù)挖掘、模糊理論、粗糙集理論、Petri網(wǎng)絡、仿生學等技術也逐步深入應用，相關技術與多智能體系統(tǒng)的融合應用成為新的趨勢[2]。目前主流的故障診斷專家系統(tǒng)模型一般基于規(guī)則、案例、行為、故障樹、模糊邏輯、神經(jīng)網(wǎng)絡和數(shù)據(jù)挖掘等。

基于規(guī)則的診斷模型是以專家診斷經(jīng)驗為基礎，整理規(guī)劃成相關規(guī)則，故障診斷基于啟發(fā)式經(jīng)驗知識，適用已具有豐富經(jīng)驗的專業(yè)領域故障診斷。該診斷模型具有闡述直接、格式統(tǒng)一、容易理解，診斷知識可以獲得和傳遞，但復雜系統(tǒng)觀察出的故障與其對應的診斷結果之間有較為復雜的聯(lián)系，導致準確性和適用性受到一定影響；基于案例的診斷模型適用于領域定理以案例形式存在，并且已積累豐富案例的領域，以規(guī)則形式存在的并不適用；基于行為的診斷模型在核心理論上與基于規(guī)則的診斷模型類似。其核心是通過何種辦法可以自動獲取故障行為征兆(語義征兆、圖形征兆)，并自動識別和分類新的故障，其關鍵是如何診斷多故障的問題；基于故障樹的診斷模型是由基于規(guī)則的專家系統(tǒng)演變而來的，其核心是由原因和故障的先驗，再結合故障率知識自動生成故障樹。該方法近似于人類的思維模式，充分吸收了決策樹的優(yōu)點，被廣泛應用在設備診斷領域；基于模糊邏輯推理的診斷模型是建立在故障和征兆模糊規(guī)則庫的基礎上，開展模糊邏輯推理。由于難以確定故障與征兆的模糊關系，系統(tǒng)的診斷不得不依賴模糊知識庫，這就造成該模型學習能力不強，容易發(fā)生遺漏、誤診；基于神經(jīng)網(wǎng)絡的診斷模型具有容錯性高、響應迅速、學習能力、自適應能力和非線性逼近能力強的特點，但也存在系統(tǒng)性能受所選擇訓練樣本集的有效性限制；推理過程、依據(jù)和存儲知識的內(nèi)涵無法解釋；知識利用和表達方式單一等問題；基于數(shù)據(jù)挖掘的模型形式豐富，可以基于數(shù)學或非數(shù)學理論，也可以通過演繹或歸納。電力系統(tǒng)的故障信息包括故障征兆和性質，數(shù)據(jù)量大且規(guī)律穩(wěn)定，適用于基于數(shù)據(jù)挖掘的診斷技術。隨著“大云物移智鏈”技術的深入發(fā)展，智能診斷分析技術正向信息融合、智能體協(xié)同、算法結合的趨勢發(fā)展，最終實現(xiàn)智能性、快速性、全局性和協(xié)同性。

2.2 輔助決策技術

通過數(shù)字孿生等應用，從基于狀態(tài)檢修的輔助決策向智能檢修的輔助決策轉變。輔助決策相關技術包括：人機智能交互和遠程互動技術，無人系統(tǒng)自主檢測、作業(yè)和遠程控制技術，圖像聲音識別/機器學習等人工智能感知技術，基于深度學習的設備運行狀態(tài)智能分析技術，多傳感器集成融合及智能決策技術。

2.2.1 人機智能交互和遠程互動技術

人機智能交互和遠程互動技術主要表現(xiàn)形式的核心是語音的人機交互，其過程主要包括信息的輸入和輸出、語音的處理、語義的分析、智能邏輯的處理以及知識和內(nèi)容的整合。以變電站“機器代人”應用為例，將變電站的三維信息與機器人的實時狀態(tài)相結合，增強變電站的可視化，提高機器人的交互性，將虛擬現(xiàn)實技術融合人機交互系統(tǒng)進行深入應用。

2.2.2 無人系統(tǒng)自主檢測、作業(yè)和遠程自動診斷技術

無人系統(tǒng)自主檢測、作業(yè)和遠程控制技術包括感知、規(guī)劃、學習和多智能體協(xié)調(diào)等。其中，感知技術包括導航、任務、系統(tǒng)健康與移動操作這4類感知，主要差距是復雜現(xiàn)場感知與態(tài)勢理解，包括突發(fā)障礙的實時檢測與識別、多傳感器集成與融合，以及可靠感知和平臺健康監(jiān)控的證據(jù)推理能力等；規(guī)劃技術的難點是在物理、計算約束和對現(xiàn)有計劃做最小改變的條件下，決定何時自主重規(guī)劃和求助于操作員；學習技術難點在于非結構化動態(tài)環(huán)境中的非監(jiān)督學習；多智能體協(xié)調(diào)需要重點關注針對特定任務，合適協(xié)調(diào)方案與系統(tǒng)屬性的映射，正確的緊急行為及干擾下任務重分配以及魯棒網(wǎng)絡通信問題。

2.2.3 圖像聲音識別和機器學習等人工智能感知技術

圖像聲音識別和機器學習等人工智能感知技術的核心是數(shù)據(jù)的獲取和分析，針對設備故障的主要數(shù)據(jù)包括設備數(shù)據(jù)(基本信息)、缺陷或故障產(chǎn)生的異常數(shù)據(jù)、設備試驗數(shù)據(jù)等，收集后梳理形成結構化的案例庫，成為模型學習的正樣本，主要應用場景包括設備缺陷識別、故障預警、運行狀態(tài)評估、壽命預測等。主要研究方向包括能提高實時分析和異常識別能力、減少無用數(shù)據(jù)傳輸和后臺處理量的智能裝置邊緣計算技術，增加識別的缺陷和異常類型，提高識別的準確率。

2.2.4 基于深度學習的設備運行狀態(tài)智能分析技術

基于深度學習的設備運行狀態(tài)智能分析技術的核心是借助機器學習、深度學習等人工算法，利用電網(wǎng)大數(shù)據(jù)作為訓練樣本進行學習，對設備運行趨勢進行精準預測。設備運行趨勢評估主要是應用機器學習算法配合數(shù)學分析方法構建模型，針對多源設備狀態(tài)數(shù)據(jù)開展評價，此類模型可以較為全面準確地反映電力設備的真實狀態(tài)；缺陷識別與故障診斷主要是基于當前設備案例數(shù)據(jù)，結合設備家族性缺陷、運行數(shù)據(jù)、氣象數(shù)據(jù)等多源信息，運用運檢知識庫的相關經(jīng)驗規(guī)則開展學習引導，給出缺陷的分級識別與診斷，在此基礎上對設備缺陷的類別和部位進行判斷，并根據(jù)疑似缺陷的概率排序發(fā)出故障預警。

2.2.5 多傳感器集成融合及智能決策技術

多傳感器集成融合智能決策技術是通過對分布在不同位置的多類型傳感器提供的局部數(shù)據(jù)加以整合，應用計算機技術進行分析，消除多傳感器之間可能存在的信息冗余和矛盾，并加以互補，降低不確實性，獲得被測對象的一致性解釋與描述，系統(tǒng)在獲得充分數(shù)據(jù)信息后，其反應、決策、規(guī)劃會更加快速和精確。融合多源信息的自主定位技術主要是利用加權平均法、Kalman濾波、擴展Kalman濾波、Bayes估計、模糊邏輯、神經(jīng)網(wǎng)絡以及基于行為方法和規(guī)則方法等算法，融合多源傳感器數(shù)據(jù)，使最終的定位精度和速度滿足工程的需求。

3 “機器代人”智能運檢關鍵技術的展望

未來，“機器代人”智能運檢技術將向智能感知、智能巡檢、智能作業(yè)、智能決策和智能設備五個維度發(fā)展應用。智能感知主要方向為構建覆蓋運檢全過程的輸、變、配各環(huán)節(jié)業(yè)務場景和設備狀態(tài)信息的全景全息“數(shù)字地圖”，達到設備和環(huán)境的宏觀信息“一目了然”，微觀信息“一鍵穿透”；智能巡檢主要方向為線路電纜“空天地”立體巡檢和變電站運行聯(lián)動巡檢；智能作業(yè)主要方向為依靠機器人和移動作業(yè)設備實現(xiàn)帶電作業(yè)；智能決策主要方向為基于數(shù)字孿生技術，推進設備全景監(jiān)視、立體巡檢等，實現(xiàn)智慧配網(wǎng)和能源大腦、業(yè)務的融合建設；智能設備主要方向為依據(jù)小型化、免維護、智能化、環(huán)境友好等條件，進行與“機器代人”體系相適應的智能設備研究。