465
云南省迪慶藏族自治州，深林密布，環(huán)境優(yōu)美。吸引游客的秘境，卻是電力人員的險(xiǎn)境。
因?yàn)榈匦螐?fù)雜，很多輸電線路都在山脊、密林之中，線路上連4G信號都沒有，一些自動化巡檢手段根本用不了，只能依靠人工巡檢。所以，迪慶供電局的電路巡檢員，日常工作是這樣的：
長時間奔走在山路上。拿該州金格線來說，全長只有39千米，但人工巡檢雙回路88 基鐵塔，往返一次就需要7天時間。
人工巡檢時需要隨時警惕周圍的情況。每一次穿山越林，巡檢員被蛇蟲干擾、猛獸侵襲都時有發(fā)生。
很難有閑暇休息時間。因?yàn)殡娐肪€路的隱患多且不確定，比如出現(xiàn)火災(zāi)，大型挖掘機(jī)碰到了高壓電網(wǎng)等，等人工巡檢發(fā)現(xiàn)故障的時候，可能隱患已經(jīng)發(fā)生了很長時間，所以電路巡檢員的工作強(qiáng)度很大，這才能最大程度地保障電網(wǎng)的穩(wěn)定運(yùn)行。
工作過程十分艱苦。遇到隱患需要排除，工人們需要在高空作業(yè)，吃飯時是不能從線上下來的，要把飯吊上去，在大山谷里伴著高處呼呼的風(fēng)聲，吃著工作餐。晚上，巡檢人員經(jīng)常要露宿在巡檢沿線。大多數(shù)情況，他們就睡在電線桿下，但卻無電可用，連手機(jī)都要小心翼翼地打開。
工人們負(fù)重前行，還是無法徹底杜絕意外的發(fā)生。
2021年初，該州金格線220千伏高壓線路曾因單相接地導(dǎo)致山火?；饎萁?jīng)供電局聯(lián)合林草局緊急處置，但當(dāng)?shù)?至3天才恢復(fù)正常供電。
回顧那些年接觸過的電力人，以及電力行業(yè)智能化轉(zhuǎn)型的故事，會覺得自己是在一層一層地?fù)荛_一顆“洋蔥”，有些辛辣，令人淚目。
心酸于他們風(fēng)餐露宿的艱苦，敬佩于他們保電保供的奉獻(xiàn)，同時也真的特別盼望，智能化能早日在那些隱秘的角落中落地生根，推動改變。
我們就從電力AI這顆“洋蔥”開始，去看看智能技術(shù)在走入產(chǎn)業(yè)時，到底發(fā)生了什么？
一個切口
康德說過，人是目的，而不是手段。AI的本質(zhì)與目的，當(dāng)然也要服務(wù)于人，所以每一個行業(yè)中的人，應(yīng)該是我們理解智能化的第一個切口。
一線電力人的日常，很適合用《洋蔥》中的一句歌詞來形容，“沉默的守護(hù)你，沉默的等奇跡，沉默的讓自己像是空氣”。
電力系統(tǒng)安全穩(wěn)定運(yùn)行，背后是無數(shù)電力工人，在無聲地付出。
我們見過一個案例，大別山區(qū)的一條線路被毀，工作人員必須順著線路，一米一米地排查導(dǎo)線受損情況。當(dāng)時恰好遇到降雪，山路積雪，行走十分艱難，一個50多人的小分隊(duì)，工作一天僅能前移200多米。
可以看到，無論是日常的管理運(yùn)維，還是突發(fā)情況的應(yīng)急處理，AI的到來會給巡檢員乃至電力系統(tǒng)，帶來實(shí)打?qū)嵉膬r值。
提起AI，媒體更傾向于關(guān)注一二線城市、科技巨頭、大型峰會和展會等領(lǐng)域的消息，而真正與電力行業(yè)及工作者交流之后，會發(fā)現(xiàn)傳統(tǒng)的行業(yè)與沉默的人，也希望與AI發(fā)生一段專屬的劇情。他們對AI技術(shù)和智能化的熱情，并不比知名投資人、高校師生或大廠CTO更低，提出的很多問題和對電力AI的看法，也格外真實(shí)而生動。
一個截面
目前，AI技術(shù)如圖像識別、自然語言處理、知識圖譜等，在電網(wǎng)公司各個領(lǐng)域都進(jìn)行了一些試點(diǎn)的應(yīng)用。其中，電路巡檢的應(yīng)用成效是最為顯著的。
AI巡檢在電力行業(yè)的成功和廣泛復(fù)制，是有基本邏輯的。關(guān)乎一個行業(yè)智能化的首要問題——應(yīng)用場景的選擇。
一個行業(yè)，智能化需求是無窮無盡的，可被改造的場景和環(huán)節(jié)也很多。拿電力行業(yè)來說，從從發(fā)電、輸電、配電、售電、用電的所有環(huán)節(jié)，都可以引入AI技術(shù)，為什么巡檢會成為AI落地電力企業(yè)的頭號選擇？
而這一場景的特點(diǎn)在于：從一線人員中來。
據(jù)中國電科院的一位專家分享，目前為止，中國電網(wǎng)企業(yè)在使用AI的時候，才基本采用的是“從自己向上”的模式，就是具體執(zhí)行環(huán)節(jié)的員工，根據(jù)自己日常工作的需要，提出需求，然后算法工程師、模型開發(fā)師基于這個場景去策劃、設(shè)計(jì)模型，開發(fā)完成之后，去把相關(guān)的模型應(yīng)用到實(shí)際的業(yè)務(wù)場景中。
而AI巡檢，就是從很苦很累的巡檢員出發(fā)，形成了一個行業(yè)AI應(yīng)用的完美閉環(huán)。
人工巡檢難，這個通用性的痛點(diǎn)，催生了廣泛存在于電力行業(yè)的AI巡檢需求。
前文中提到的云南迪慶，就在山火發(fā)生后，下決心優(yōu)先嘗試為無4G信號、穿越林區(qū)和雪山的輸電線路進(jìn)行智能化升級，將“行路難”的金格線作為試驗(yàn)田，解決基層員工巡檢難的問題。
迪慶供電局經(jīng)過前期考察，最后選擇通過自組網(wǎng)微波+電網(wǎng)自有通信通道相結(jié)合的方式，改變了該輸電線路沒有通信覆蓋的局面。有了通信網(wǎng)絡(luò)和數(shù)據(jù)傳輸，大量數(shù)字化、自動化技術(shù)就可以被應(yīng)用起來了。金格線落地了端到端電力巡檢解決方案，就把端（智能攝像頭）、邊（邊緣計(jì)算與存儲）、應(yīng)用（AI算法），融為一體。
端側(cè)采集的實(shí)時視頻回傳之后，通過主站側(cè)AI 分析+攝像頭端側(cè)AI 分析，就能實(shí)現(xiàn)遠(yuǎn)程智能巡維，只需要2小時就能完成原本需要7天的巡檢任務(wù)，大大減少了人工巡線的次數(shù)，AI實(shí)時告警也有效減少了外力破壞導(dǎo)致的非計(jì)劃停電，讓當(dāng)?shù)鼐用窈推髽I(yè)的用電更加穩(wěn)定。
除了迪慶供電局輸電管理所的實(shí)踐之外，還有很多巡檢的細(xì)分應(yīng)用值得關(guān)注，比如：
變電環(huán)節(jié)。亞聯(lián)發(fā)展推出的變電站智能運(yùn)檢解決方案，對變電站設(shè)備狀態(tài)、人員行為、區(qū)域安全等進(jìn)行智能化監(jiān)控，將傳統(tǒng)的人工監(jiān)測變成機(jī)器自動識別，也對電網(wǎng)穩(wěn)定運(yùn)行十分重要。國家電網(wǎng)也變電站引入了智能機(jī)器人，機(jī)器人每天沿著固定的線路去巡一遍，一些缺陷都能自動識別，也能夠減輕人員的巡檢負(fù)擔(dān)。
輸電環(huán)節(jié)。實(shí)踐中，可能存在前端算法精度過低、端側(cè)算力不足、模型識別速度低、實(shí)時性不足、監(jiān)控空白期長等問題，這些都會讓AI巡檢的效果打折扣。我們看到，有ISV企業(yè)與百度、華為這樣的平臺型公司合作，不斷對算法模型進(jìn)行訓(xùn)練優(yōu)化，推出更高準(zhǔn)確率、更高報(bào)警速度、更高計(jì)算效率的模型，將AI巡檢報(bào)警的速度也從小時級提升到了秒級。
一位工作人員向我們透露，某日下午5點(diǎn)35分，山東淄博的郊區(qū)就發(fā)生過一次火情，上方剛好就是國家電網(wǎng)的220千伏的高壓，飛槳加持的輸電線路可視化監(jiān)控第一時間發(fā)現(xiàn)并且報(bào)警了，從而避免了一場災(zāi)難的發(fā)生。
可以看到，相比“自上而下”的研發(fā)模式，AI巡檢“從基層向上”的模式，從基層員工開始，針對一線人員的具體痛點(diǎn)問題提出應(yīng)用需求，電力企業(yè)內(nèi)部科研單位進(jìn)行相關(guān)模型開發(fā)，完成之后再由產(chǎn)業(yè)單位進(jìn)行部署實(shí)施，在具體模型運(yùn)行過程當(dāng)中再收集新的樣本，重新優(yōu)化模型。
曾有一個智能化項(xiàng)目的負(fù)責(zé)人跟我們吐槽，AI行業(yè)參與者對應(yīng)用場景并不陌生，但行業(yè)用戶CRO們、數(shù)據(jù)科學(xué)家在申請預(yù)算投資AI的時候，又會覺得無從入手。到底哪些應(yīng)用場景是真正成功的實(shí)踐，真正能夠給業(yè)務(wù)部門帶來價值，ROI真的合理，很難找到充足的實(shí)踐案例。
一個個AI巡檢案例/解決方案的不斷成型，或許可以看到，行業(yè)AI往往趨于保守和謹(jǐn)慎，產(chǎn)業(yè)智能化的開端，可能會從基層人員的痛點(diǎn)開始，比如危重工作或高風(fēng)險(xiǎn)的作業(yè)環(huán)境，需求強(qiáng)烈，價值確定，更適合作為AI落地的第一站。
一個導(dǎo)游
電力AI的蛋糕很大，AI巡檢只是其中的一個切角，AI要向更廣闊、豐富的產(chǎn)業(yè)腹地前行，是必然趨勢。
那么問題來了，優(yōu)質(zhì)數(shù)據(jù)從哪里來，行業(yè)知識怎么積累，專屬模型誰來研發(fā)，誰又有能力研發(fā)？這就涉及到行業(yè)AI從單點(diǎn)走向全線、從案例走向普及的一個關(guān)鍵——重點(diǎn)企業(yè)的示范效應(yīng)。
大型企業(yè)和頭部企業(yè)的數(shù)據(jù)多，人才優(yōu)勢明顯，基礎(chǔ)設(shè)施相對完善，數(shù)字化水平較高，擁有更好的技術(shù)創(chuàng)新土壤，非常適合作為AI應(yīng)用的中轉(zhuǎn)站。
電力行業(yè)中，將AI從巡檢、運(yùn)檢等場景推廣到全鏈路的，大多是位于北上廣等地的頭部電力企業(yè)，比如國家電網(wǎng)、上海電廠、南方電網(wǎng)。
它們扮演著三種智能化的必要角色：
1.規(guī)劃者。他們?yōu)檎麄€行業(yè)的智能化建立路線圖。比如國家電網(wǎng)從2018年開始就開展電力人工智能頂層設(shè)計(jì)，開展總部人工智能平臺的開發(fā)，到2020年基本完成總部級平臺開發(fā)并開始省級平臺建設(shè)，總部的成熟模型可以快速的下發(fā)到省級和邊端側(cè)，形成全過程的完整鏈條。
2.優(yōu)化者。如前所說，AI算法在實(shí)際落地中會遇到很多約束，面對復(fù)雜的戶外光亮環(huán)境、用電忙閑時分配、缺陷及事故數(shù)據(jù)不足等問題，逐一針對性地綜合解決，才能真正提升輸電通道巡檢的準(zhǔn)確度，頭部企業(yè)是AI應(yīng)用迭代、效果優(yōu)化的重要力量。
3.賦能者。頭部企業(yè)的數(shù)字化水平高，更容易訓(xùn)練出行業(yè)大模型，為其他中小型企業(yè)降低智能化門檻。比如飛槳與國家電網(wǎng)共同打造了知識增強(qiáng)的能源行業(yè)NLP大模型，就將電力業(yè)務(wù)積累的樣本數(shù)據(jù)和特有知識，交給AI進(jìn)行訓(xùn)練，從而提升傳統(tǒng)電力專用模型的精度。行業(yè)大模型開源之后，能夠降低個性化算法的研發(fā)門檻，讓更多服務(wù)商、開發(fā)者以此為基礎(chǔ)，運(yùn)用AI來針對性地解決電力行業(yè)的問題。
一段旅程
在這些重點(diǎn)頭部電力企業(yè)的探索下，可以看到，AI在電力行業(yè)的應(yīng)用正在變得更多、更深，展現(xiàn)出電力智能化的整體面貌。
具體表現(xiàn)在幾個方面：
1.智能客服。電力企業(yè)要服務(wù)廣大居民和各行各業(yè)，咨詢服務(wù)量非常龐大，而傳統(tǒng)坐席客服越來越難以滿足日?？头男枨蟆：芏嗳擞眠^國網(wǎng)95598，就會發(fā)現(xiàn)自動對話機(jī)器人在回答問題，而這個智能客服系統(tǒng)，就采用了大量AI技術(shù)，包括NLP、語音識別、電力領(lǐng)域知識圖譜。
2.智能調(diào)度。把電送到千家萬戶，要有一套穩(wěn)定的控制系統(tǒng)，調(diào)度很多輸變電設(shè)備，這是電網(wǎng)運(yùn)行的一個關(guān)鍵環(huán)節(jié)。一些省級電力公司，用AI幫助調(diào)度員來干這件事。智能調(diào)度會根據(jù)調(diào)規(guī)、知識、規(guī)程，自動給出決策建議，出現(xiàn)一些故障搶修的情況，就能夠迅速的提供搶修的路徑規(guī)劃，減輕故障處理的時間。
3.節(jié)能減排。雙碳目標(biāo)是國家的整體趨勢，新型電力系統(tǒng)建設(shè)又是促進(jìn)雙碳目標(biāo)實(shí)現(xiàn)的關(guān)鍵因素，太陽能、風(fēng)電等分布式電源接入電網(wǎng)，已經(jīng)有了時間表。這會形成一個直流、交流、混合的大電網(wǎng)，而風(fēng)機(jī)、光伏的穩(wěn)定性，遠(yuǎn)沒有煤電技術(shù)那么高，一旦風(fēng)沒有了、光沒有了，如何防止突發(fā)性能源短缺，對電網(wǎng)系統(tǒng)運(yùn)行的影響？這些問題都需要依靠AI等數(shù)字化技術(shù)去解決。
上海某電力企業(yè)的工作人員跟我們分享，應(yīng)對風(fēng)電、光伏的不確定性，AI預(yù)測是非常重要的。AI預(yù)測準(zhǔn)了，才知道明天該安排多少機(jī)組，要消納多少可再生能源，現(xiàn)在的配備和資源準(zhǔn)備能否保證明天電網(wǎng)的安全穩(wěn)定運(yùn)行。
4.運(yùn)營管理。電廠進(jìn)入精細(xì)化運(yùn)營，需要智能技術(shù)參與到降本增效中去。外面買進(jìn)來的水電、風(fēng)電或其他新能源，能不能完全消納，需要強(qiáng)大的分析能力，來保障供需平衡。
此外，用電端的負(fù)荷調(diào)節(jié)、電氣化水平的提高和用電需求的增加也讓用電負(fù)荷越來越大。保障居民用電體驗(yàn)就需要精細(xì)化的調(diào)度，比如同樣是電動汽車充電，上海比北京的電動汽車保有量多，據(jù)某上海電廠統(tǒng)計(jì)，每一周要在上海裝4000個充電樁。電網(wǎng)運(yùn)行就需要對負(fù)荷的資源數(shù)據(jù)匹配，通過24小時實(shí)時分析，對整個電網(wǎng)的負(fù)荷做最優(yōu)的控制，將負(fù)荷變化對用電體驗(yàn)的影響最小化，這是人力所無法做到的。
可以看到，AI正在成為電力行業(yè)的真正“大腦”，從簡單的識別、預(yù)警，走向預(yù)測、決策。
這段旅程，可以提煉出一個行業(yè)智能化的幾步走方法論：
第一步，單點(diǎn)探索。這些行業(yè)的企業(yè)往往都有很多年的沉淀，有些是核心資產(chǎn)，有些是歷史包袱，反正都很難為了引入AI，就一下子將原本的設(shè)施推倒重來。所以，智能化一般都從一些特定行業(yè)、危重崗位等，進(jìn)行淺層的、靈活的單點(diǎn)探索，比如電路巡檢，來快速驗(yàn)證AI的可行性。沒有第一步，不可能跨出第二步。
第二步，廣泛試點(diǎn)。頭部企業(yè)為代表，推動AI在各樣業(yè)務(wù)場景里面進(jìn)行技術(shù)探索，在電網(wǎng)的調(diào)度、運(yùn)檢、營銷、基建、安檢、財(cái)務(wù)、辦公等領(lǐng)域，都開展大量的試點(diǎn)應(yīng)用，迭代優(yōu)化、去偽存真。這個過程中，容易出現(xiàn)“按下葫蘆起來瓢”的情況。即一些算法模型在技術(shù)上很成熟，但實(shí)際應(yīng)用中根據(jù)現(xiàn)實(shí)環(huán)境、光線條件、網(wǎng)絡(luò)情況等，各種各樣的規(guī)則和閾值疊加，導(dǎo)致效果不太理想，A地的解決方案未必能解決B地的問題，這就需要定制化的深度開發(fā)，錘煉出更加務(wù)實(shí)、個性化的解決方案。
第三步，深入融合。隨著AI應(yīng)用場景越來越豐富，形成了一些通用場景和模型組件，構(gòu)建高質(zhì)量的行業(yè)樣本集和模型庫，帶動更多行業(yè)企業(yè)參與進(jìn)來，促進(jìn)電網(wǎng)AI生態(tài)的繁榮。如果行業(yè)AI開發(fā)平臺能夠提供豐富的資源支持，包括包括軟硬件兼容、模型基礎(chǔ)、端到端能力、開發(fā)工具、社區(qū)等，會大大加速這一進(jìn)程。
總的來說，AI在行業(yè)的表現(xiàn)，并沒有點(diǎn)石成金的神奇，也沒有懷疑者所認(rèn)為的那么虛無。它就是一個從最苦最累的基層員工出發(fā)，經(jīng)由行業(yè)內(nèi)外的人、企業(yè)、平臺所攜手推動，星星之火逐漸燎原的過程。
我聽說過一個故事，某一天美國紐約證券交易所斷了電，無法正常運(yùn)轉(zhuǎn)，為了恢復(fù)電力供應(yīng)，電力工人計(jì)劃沿著曼哈頓下城的街道，鋪設(shè)巨型的延長電線。紐約聯(lián)邦儲備銀行時任行長威廉·麥克唐納冷酷地評論道：“它看起來有點(diǎn)像第三世界的解決方案?！?/p>
這確實(shí)是某種現(xiàn)實(shí)，人拉肩扛的工作模式，很長時間都是中國一線電力工人的日常。
AI盡快先去到這些地方，將工人從可能流血流淚的危重崗位上，解脫出來。更先進(jìn)的行業(yè)解決方案，為什么不能率先發(fā)生在這片大地上呢？
