當(dāng)代社會(huì)，電力是至關(guān)重要的能源形式，其穩(wěn)定供應(yīng)與否直接影響各個(gè)領(lǐng)域能否正常運(yùn)轉(zhuǎn)。電力設(shè)備的運(yùn)行狀態(tài)直接影響電力系統(tǒng)的穩(wěn)定性及安全性。如果能及時(shí)、準(zhǔn)確、直觀地感知電力設(shè)備的運(yùn)行態(tài)勢(shì)、潛在風(fēng)險(xiǎn)，我們就能提前發(fā)現(xiàn)問(wèn)題、采取預(yù)防措施、優(yōu)化資源配置，制定科學(xué)的維護(hù)計(jì)劃，從而確保電力系統(tǒng)的安全可靠運(yùn)行，滿足現(xiàn)代電力系統(tǒng)對(duì)精細(xì)化管理的需求。

　　在電力領(lǐng)域，人工智能技術(shù)經(jīng)歷了運(yùn)算智能、感知智能、認(rèn)知智能3個(gè)階段。近年來(lái)，人工智能正逐漸從單項(xiàng)技術(shù)向集成技術(shù)、從淺層學(xué)習(xí)到深度學(xué)習(xí)發(fā)展，以高級(jí)機(jī)器學(xué)習(xí)為代表的新一代AI技術(shù)為電力設(shè)備運(yùn)行態(tài)勢(shì)感知帶來(lái)了革命性的契機(jī)。傳統(tǒng)的電力設(shè)備運(yùn)行態(tài)勢(shì)監(jiān)測(cè)主要依賴于人工，其成本高、效率差。通過(guò)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，人工智能可以實(shí)時(shí)監(jiān)測(cè)和評(píng)估電力設(shè)備運(yùn)行狀態(tài)，深度挖掘和分析海量監(jiān)測(cè)數(shù)據(jù)，建立預(yù)測(cè)模型，提高故障診斷的精準(zhǔn)性、及時(shí)性，優(yōu)化電力設(shè)備的運(yùn)維策略。此外，借助圖像識(shí)別、語(yǔ)音識(shí)別等人工智能技術(shù)，我們還能夠進(jìn)一步提高設(shè)備監(jiān)測(cè)的效率和準(zhǔn)確性，降低人工勞動(dòng)強(qiáng)度和運(yùn)維成本。

　　1 人工智能技術(shù)及適用場(chǎng)景

　　1.1 機(jī)器學(xué)習(xí)算法

　　機(jī)器學(xué)習(xí)算法類型分類及適用場(chǎng)景見(jiàn)表1。

　　表1 機(jī)器學(xué)習(xí)算法分類及適用場(chǎng)景

　　1.2 深度學(xué)習(xí)模型

　　深度學(xué)習(xí)模型通分類及適用場(chǎng)景見(jiàn)表2。

　　表2 深度學(xué)習(xí)模型分類及適用場(chǎng)景

　　2 電力設(shè)備運(yùn)行數(shù)據(jù)采集與分析

　　2.1 各類電力設(shè)備運(yùn)行數(shù)據(jù)的來(lái)源

　　2.1.1 傳感器數(shù)據(jù)

　　通過(guò)安裝在電力設(shè)備上的電流、電壓、濕度等各類傳感器，采集設(shè)備運(yùn)行參數(shù)。其功能見(jiàn)表3。

　　表3 傳感器數(shù)據(jù)功能

　　2.1.2 監(jiān)控系統(tǒng)數(shù)據(jù)

　　包括各類智能監(jiān)控平臺(tái)、遠(yuǎn)程監(jiān)控系統(tǒng)、電力自動(dòng)化系統(tǒng)等收集的設(shè)備運(yùn)行狀態(tài)和電網(wǎng)運(yùn)行信息。其功能見(jiàn)表4。

　　表4 監(jiān)控系統(tǒng)數(shù)據(jù)功能

　　2.1.3 歷史運(yùn)維記錄

　　包含設(shè)備的維修工單(或故障記錄)、巡檢報(bào)告、預(yù)防性試驗(yàn)數(shù)據(jù)等。

　　1)?維修工單(或故障記錄)：包含故障描述、處理情況等信息。

　　2)?巡檢報(bào)告：定期巡檢時(shí)對(duì)設(shè)備外觀、運(yùn)行聲音等方面的檢查記錄。

　　3)?預(yù)防性試驗(yàn)數(shù)據(jù)：如絕緣電阻測(cè)試、耐壓試驗(yàn)結(jié)果等。

　　2.2 數(shù)據(jù)的特點(diǎn)與挑戰(zhàn)

　　2.2.1 海量性

　　隨著電力設(shè)備數(shù)量的持續(xù)增加和監(jiān)測(cè)精度的提高，數(shù)據(jù)量將呈指數(shù)級(jí)增長(zhǎng)，大量的數(shù)據(jù)需要高效的存儲(chǔ)和處理架構(gòu)來(lái)應(yīng)對(duì)。

　　2.2.2 多源性

　　不同類型的傳感器、監(jiān)控系統(tǒng)和記錄方式導(dǎo)致數(shù)據(jù)格式和精度各異。電力設(shè)備數(shù)據(jù)來(lái)源廣泛，格式和標(biāo)準(zhǔn)不一，需要進(jìn)行有效的整合和融合，需要統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)和接口。

　　2.2.3 噪聲、缺失值和異常值

　　由于傳感器精度、環(huán)境干擾、設(shè)備突發(fā)故障、操作失誤等因素的影響，電力設(shè)備數(shù)據(jù)中可能存在噪聲、缺失值或異常值，從而影響數(shù)據(jù)分析結(jié)果的準(zhǔn)確性。

　　2.3 數(shù)據(jù)清洗與預(yù)處理方法

　　采用數(shù)據(jù)過(guò)濾、平滑、去噪等方法去除噪聲和異常值，通過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化、歸一化等操作將數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的格式和范圍。

　　3 基于人工智能的電力設(shè)備運(yùn)行態(tài)勢(shì)感知模型

　　3.1 狀態(tài)評(píng)估模型

　　3.1.1 設(shè)備健康狀態(tài)指標(biāo)

　　設(shè)備健康狀態(tài)指標(biāo)可以包括設(shè)備的絕緣電阻、溫度、濕度、振動(dòng)幅度等物理參數(shù)，也可以涵蓋設(shè)備的運(yùn)行時(shí)間、維修次數(shù)、負(fù)載率等運(yùn)行相關(guān)數(shù)據(jù)。此外，還可以引入一些綜合指標(biāo)，如設(shè)備的可靠性指標(biāo)、可用性指標(biāo)和可維護(hù)性指標(biāo)等，以全面反映設(shè)備的健康狀況。

　　3.1.2 評(píng)估模型的構(gòu)建與訓(xùn)練

　　基于定義的健康狀態(tài)指標(biāo)，可以利用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法構(gòu)建評(píng)估模型。例如，預(yù)訓(xùn)練動(dòng)態(tài)詞向量模型PowerBERT[6]。在模型訓(xùn)練過(guò)程中，需要大量的標(biāo)注數(shù)據(jù)，即已知健康狀態(tài)的設(shè)備數(shù)據(jù)，以讓模型學(xué)習(xí)不同指標(biāo)與設(shè)備健康狀態(tài)之間的關(guān)系。訓(xùn)練好的評(píng)估模型能夠根據(jù)實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)，快速準(zhǔn)確地評(píng)估設(shè)備的健康狀態(tài)，為運(yùn)維決策提供有力支持。

　　3.2 故障預(yù)測(cè)模型

　　3.2.1 基于機(jī)器學(xué)習(xí)的故障預(yù)測(cè)

　　通過(guò)對(duì)設(shè)備運(yùn)行參數(shù)、環(huán)境條件和維修記錄等歷史數(shù)據(jù)的分析，運(yùn)用決策樹(shù)、支持向量機(jī)等算法，根據(jù)不同的特征和條件進(jìn)行分類、判斷，捕捉復(fù)雜的故障特征，動(dòng)態(tài)處理線性與非線性問(wèn)題，建立故障預(yù)測(cè)模型。

　　3.2.2 基于深度學(xué)習(xí)的故障預(yù)測(cè)

　　卷積神經(jīng)網(wǎng)絡(luò)能夠從圖像、傳感器數(shù)據(jù)中提取特征，通過(guò)分析發(fā)現(xiàn)潛在的故障跡象。循環(huán)神經(jīng)網(wǎng)絡(luò)及其變體能夠根據(jù)電力設(shè)備運(yùn)行狀態(tài)變化規(guī)律，較為精準(zhǔn)地預(yù)測(cè)設(shè)備未來(lái)可能發(fā)生的故障。例如，一種基于跨模態(tài)特征融合的層次化分類模型，為精準(zhǔn)診斷變電站設(shè)備故障提供了技術(shù)支撐[7]。

　　3.3 性能優(yōu)化模型

　　3.3.1 能耗分析與優(yōu)化

　　采用智能控制策略，通過(guò)采集電力設(shè)備的能耗數(shù)據(jù)，結(jié)合設(shè)備的運(yùn)行模式和負(fù)載情況，利用人工智能算法進(jìn)行預(yù)測(cè)性的能耗管理，優(yōu)化設(shè)備的運(yùn)行參數(shù)、調(diào)整負(fù)載分配，并根據(jù)未來(lái)的負(fù)載需求提前規(guī)劃設(shè)備的運(yùn)行狀態(tài)以降低能耗，從而實(shí)現(xiàn)能源的高效利用。

　　3.3.2 效率提升策略

　　實(shí)時(shí)監(jiān)測(cè)設(shè)備的性能指標(biāo)和運(yùn)行環(huán)境，動(dòng)態(tài)調(diào)整控制參數(shù)，利用強(qiáng)化學(xué)習(xí)算法，讓設(shè)備在不同的運(yùn)行條件下自主學(xué)習(xí)最優(yōu)的運(yùn)行策略。例如，基于多源異構(gòu)數(shù)據(jù)挖掘技術(shù)，構(gòu)建知識(shí)圖譜將系統(tǒng)運(yùn)行態(tài)勢(shì)感知與決策需求結(jié)合，提升系統(tǒng)運(yùn)行效率[8]。

　　4 電力設(shè)備運(yùn)行態(tài)勢(shì)可視化技術(shù)

　　4.1 可視化的目標(biāo)與需求

　　4.1.1 推進(jìn)電力設(shè)備數(shù)字化

　　可視化技術(shù)推動(dòng)電力設(shè)備數(shù)字化。大量傳感器和智能感知終端通過(guò)電力物聯(lián)網(wǎng)平臺(tái)安全接入[9-10]，以電力設(shè)備狀態(tài)智能感知為基礎(chǔ)，以數(shù)字孿生和精準(zhǔn)評(píng)估診斷為核心，最終通過(guò)多維信息合成和可視化技術(shù)進(jìn)行展示[11]。

　　4.1.2 為運(yùn)維人員提供直觀理解

　　可視化技術(shù)將大量的監(jiān)測(cè)數(shù)據(jù)和復(fù)雜的運(yùn)行信息轉(zhuǎn)化為易于理解的圖形、圖像和動(dòng)畫(huà)，使運(yùn)維人員能夠迅速捕捉關(guān)鍵信息，快速理解設(shè)備的運(yùn)行狀態(tài)，無(wú)需深入研究數(shù)據(jù)表格和報(bào)告。

　　4.1.3 輔助決策支持

　　通過(guò)電力設(shè)備的可視化展示，運(yùn)維人員能夠更及時(shí)、高效地識(shí)別設(shè)備運(yùn)行中的異常情況和變化趨勢(shì)，為科學(xué)運(yùn)維提供支撐。例如，在決定設(shè)備維護(hù)計(jì)劃、資源分配和電網(wǎng)調(diào)度時(shí)，直觀的可視化信息能夠幫助決策者做出更明智、更及時(shí)的決策。

　　4.2 可視化方法與工具

　　4.2.1 二維圖表與圖形

　　折線圖、柱狀圖、餅圖等二維圖表常用于展示電力設(shè)備的單一參數(shù)或指標(biāo)的變化趨勢(shì)和比例關(guān)系。例如，我們可以用折線圖展示設(shè)備溫度隨時(shí)間的變化，用柱狀圖比較不同設(shè)備的能耗水平。

　　4.2.2 三維建模與仿真

　　基于A I視覺(jué)技術(shù)，可以對(duì)電力設(shè)備進(jìn)行清晰的3 D信息采集[12]，利用三維建模軟件和可視化平臺(tái)工具軟件[13-14]進(jìn)行三維建模與仿真，模擬設(shè)備在不同運(yùn)行條件下的性能和狀態(tài)，幫助運(yùn)維人員預(yù)測(cè)問(wèn)題、優(yōu)化運(yùn)維措施。

　　4.2.3 虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)技術(shù)

　　虛擬現(xiàn)實(shí)(VR)技術(shù)能夠創(chuàng)建逼真的模擬場(chǎng)景，幫助運(yùn)維人員進(jìn)行全方位的操作演練，減少實(shí)際操作中的錯(cuò)誤和風(fēng)險(xiǎn)。增強(qiáng)現(xiàn)實(shí)(AR)將虛擬信息疊加在真實(shí)設(shè)備或場(chǎng)景上，借助增強(qiáng)現(xiàn)實(shí)設(shè)備進(jìn)行人機(jī)交互，可以實(shí)現(xiàn)電力智能搶修[15]。

　　4.3 多維度數(shù)據(jù)融合的可視化展示

　　4.3.1 時(shí)空數(shù)據(jù)的可視化

　　結(jié)合時(shí)間和空間維度，通過(guò)動(dòng)態(tài)圖表或地圖、熱力圖等方式展示設(shè)備在不同時(shí)間、地點(diǎn)(位置)的運(yùn)行狀態(tài)變化。例如，通過(guò)某電力設(shè)備在不同地理位置的運(yùn)行狀態(tài)隨時(shí)間的變化情況，發(fā)現(xiàn)區(qū)域和時(shí)間上的規(guī)律和異常。

　　4.3.2 不同設(shè)備狀態(tài)的關(guān)聯(lián)展示

　　將多個(gè)相關(guān)設(shè)備的狀態(tài)信息進(jìn)行關(guān)聯(lián)展示，呈現(xiàn)多個(gè)設(shè)備之間狀態(tài)的相互關(guān)系，便于分析系統(tǒng)的整體運(yùn)行情況。例如變壓器與周邊斷路器、避雷器的狀態(tài)關(guān)系，有助于分析設(shè)備之間的相互影響和協(xié)同工作情況。

　　4.4 電力設(shè)備可視化應(yīng)用

　　利用電力設(shè)備多源異構(gòu)數(shù)據(jù)挖掘[8]和數(shù)據(jù)空間合成與立體展示[16]等方法，大型區(qū)域電網(wǎng)可采用先進(jìn)的可視化技術(shù)對(duì)電力設(shè)備進(jìn)行實(shí)時(shí)監(jiān)測(cè)和分析，并據(jù)此構(gòu)建出三維模型和虛擬現(xiàn)實(shí)場(chǎng)景，運(yùn)維人員能夠直觀地查看設(shè)備的內(nèi)部結(jié)構(gòu)和運(yùn)行狀態(tài)，利用多維度數(shù)據(jù)融合的可視化界面，綜合監(jiān)控不同區(qū)域、不同類型的設(shè)備。

　　4.5 效果評(píng)估

　　可視化技術(shù)效果評(píng)估見(jiàn)附表5。

　　表5 效果評(píng)估

　　5 挑戰(zhàn)與解決方案

　　5.1 數(shù)據(jù)質(zhì)量與隱私問(wèn)題

　　5.1.1 數(shù)據(jù)缺失與錯(cuò)誤

　　解決方案包括數(shù)據(jù)清洗和修復(fù)技術(shù)、采用多源數(shù)據(jù)融合來(lái)補(bǔ)充缺失值、建立數(shù)據(jù)質(zhì)量監(jiān)測(cè)機(jī)制及時(shí)發(fā)現(xiàn)和糾正錯(cuò)誤。

　　5.1.2 保障數(shù)據(jù)安全與隱私的措施

　　通過(guò)采取嚴(yán)格的訪問(wèn)控制、數(shù)據(jù)加密、匿名化處理等措施，確保電力設(shè)備運(yùn)行數(shù)據(jù)在傳輸、存儲(chǔ)和使用過(guò)程中的安全性和隱私性。

　　5.2 模型的可解釋性與可信度

　　5.2.1 解釋模型決策的方法

　　采用特征重要性分析、局部解釋模型-可解釋模型(LIME)等技術(shù)，對(duì)模型的輸出結(jié)果進(jìn)行解釋，讓運(yùn)維人員理解模型是如何做出決策的。

　　5.2.2 提高模型可信度的策略

　　通過(guò)交叉驗(yàn)證、模型評(píng)估指標(biāo)的選擇、與領(lǐng)域?qū)＜液献黩?yàn)證等方式，提高模型的可信度和可靠性。

　　5.3 實(shí)時(shí)性與計(jì)算資源需求

　　5.3.1 優(yōu)化算法提高實(shí)時(shí)響應(yīng)

　　采用高效的算法和數(shù)據(jù)結(jié)構(gòu)，對(duì)模型進(jìn)行壓縮和優(yōu)化，減少計(jì)算時(shí)間，提高實(shí)時(shí)響應(yīng)能力。

　　5.3.2 分布式及云計(jì)算的應(yīng)用

　　利用云計(jì)算平臺(tái)，擴(kuò)展計(jì)算資源，實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的快速處理、分析。

　　6 未來(lái)展望

　　6.1 技術(shù)發(fā)展趨勢(shì)預(yù)測(cè)

　　6.1.1 更先進(jìn)的人工智能算法

　　人工智能技術(shù)將不斷發(fā)展，會(huì)出現(xiàn)更加高效、準(zhǔn)確的算法，如強(qiáng)化學(xué)習(xí)與生成對(duì)抗網(wǎng)絡(luò)的融合、多模態(tài)認(rèn)知大模型[17]等。

　　6.1.2 與其他新興技術(shù)的融合

　　人工智能與物聯(lián)網(wǎng)、5G 通信、區(qū)塊鏈等技術(shù)的深度融合，將實(shí)現(xiàn)更廣泛的數(shù)據(jù)采集、更快速的數(shù)據(jù)傳輸和更安全的數(shù)據(jù)共享。

　　6.2 潛在應(yīng)用場(chǎng)景的拓展

　　6.2.1 智能電網(wǎng)的全面智能化管理

　　依托智能化技術(shù)，在發(fā)電、輸電、變電、配電、用電的各個(gè)環(huán)節(jié)，實(shí)現(xiàn)對(duì)電力設(shè)備的精確監(jiān)管，提高電網(wǎng)的全面智能化水平。

　　6.2.2 新能源領(lǐng)域的應(yīng)用

　　推進(jìn)人工智能在太陽(yáng)能、水能、生物能、風(fēng)能等新能源領(lǐng)域的應(yīng)用，在新能源設(shè)備的監(jiān)測(cè)和運(yùn)維中發(fā)揮重要作用。

　　6.3 對(duì)電力行業(yè)的影響與變革

　　推動(dòng)電力行業(yè)從傳統(tǒng)的定期維護(hù)模式向基于狀態(tài)的預(yù)測(cè)性維護(hù)模式轉(zhuǎn)變，提高電力系統(tǒng)的靈活性和適應(yīng)性，加速電力行業(yè)的數(shù)字化和智能化轉(zhuǎn)型。

　　7 結(jié)語(yǔ)

　　傳統(tǒng)電力設(shè)備運(yùn)行態(tài)勢(shì)監(jiān)測(cè)方法成本高、效率差，本文基于人工智能技術(shù)，探討了新的電力設(shè)備運(yùn)行態(tài)勢(shì)感知及可視化技術(shù)。同時(shí)，也分析探討了面臨的挑戰(zhàn)及解決方案，并對(duì)未來(lái)的發(fā)展趨勢(shì)和潛在應(yīng)用場(chǎng)景進(jìn)行了展望。

　　目前人工智能技術(shù)在電力設(shè)備缺陷識(shí)別、狀態(tài)辨識(shí)等感知領(lǐng)域和電力知識(shí)圖譜等認(rèn)知領(lǐng)域的部分任務(wù)上達(dá)到或超越了人類水平，但在運(yùn)行調(diào)控、系統(tǒng)規(guī)劃等決策領(lǐng)域還需要繼續(xù)加強(qiáng)研究[18]。此外，我們還需要持續(xù)提升模型的可解釋性和可信度、優(yōu)化實(shí)時(shí)性和計(jì)算資源、加強(qiáng)數(shù)據(jù)安全管理，推動(dòng)電力設(shè)備運(yùn)行態(tài)勢(shì)感知及可視化技術(shù)創(chuàng)新發(fā)展，推進(jìn)電力行業(yè)數(shù)智化轉(zhuǎn)型。

　　作者：劉若涵1 劉旭中2

　　單位：1. 平頂山學(xué)院電氣與機(jī)械工程學(xué)院，2.國(guó)網(wǎng)河南省電力公司南陽(yáng)供電公司

　　來(lái)源：《電氣時(shí)代》2025年第6期