AI云检查平台，赋能用电设备隐患检查全面升级！
科技
科技
2024-05-08 18:23
浙江
![]()
客户安全用电检查服务是政府赋予电网企业的基本职责，因为关系到用电客户生命财产安全和切实利益，历来都是国家和电网企业高度关注的领域。传统用电检查大量依赖人工就地操作，存在工作效率不佳及误查漏查的风险。为保障检查质量，常多加以制度规范和流程约束，由此也增加了大量成本消耗。在当前人工智能技术迅猛发展的背景下，其不断向各行各业渗透应用，极大地推动了产业变革和社会进步。探索如何借助这一新型技术来优化和提升传统用电检查工作，已成为行业发展的迫切需求。本文聚焦客户用电检查核心模块，探讨如何借助图像识别技术提高工作效率和精度，为用电设备隐患检查场景注入AI的智慧，实现更安全可靠的电力供应。用电检查围绕用电安全与规范，从客户信息、计量装置运行、设备安全运行、合同履约等多方面，建立检查任务计划执行、用电信息检测建档、异常结果跟踪处理的全流程管理规范。其中，设备安全运行模块面向电网运行的主要设备，直接影响电力系统的平稳运行，其重要性不言而喻。为此需要针对性设定详细的检查要素与规范，形成专项的用电设备隐患检查流程。
当前用电设备隐患检查流程主要环节如下：供电企业制定检查计划，并安排至少2名专业用电检查人员到达客户现场执行检查任务，在检查过程中若发现问题，检查人员将出具包含限期要求的整改意见单给客户，客户需按照要求进行整改工作，在整改期限结束后，供电企业再次安排检查人员上门核验。如若问题仍未解决，检察人员将再次出具整改意见单，直到检查通过为止。在全面审视现有的用电设备隐患检查流程时，我们发现虽然该流程主要依赖于线下现场的人工执行，能够灵活应对复杂多变的场景，但在当前机器应用广泛普及的背景下，也显现出一些不足：1、检查规范性较弱：当前，以文字形式展示的检查规范及供电公司检查人员学习的验收标准，存在直观性不足、理解难度高、掌握速度较慢的问题。在学习和应用检查规范过程中，由于个人理解存在偏差，导致标准掌握尺度不统一，检查时往往重点关注认知范围内的检查重点，未重点关注部分若存在不规范用电项，极易在后期发生用电安全事故，对电网的安全运行构成威胁。2、检查过程反复：现行用电检查模式要求供电公司检查人员多次前往客户现场进行检查及复验。这不仅增加了检查人员的出行成本、时间成本，无形之中也在一定程度上加重了客户的整改负担，降低了客户对用电检查的积极性。这种情况使得用电企业和客户需要投入较大的人力和时间成本，造成了整个检查过程执行“成本高、效率低”的局面，亟待优化和改进。为了改变这种局面，本文将目光投向了图像识别技术，试图通过构建统一的线上检查工具，从提高规范性、准确性和检查效率等多方面优化检查流程。通过运用图像识别技术，提供线上智能检查工具——AI云检查平台。首先，该平台实现了检查规范的统一：利用AI云检查平台，形成统一规范的检查项目、检查方式和检查要求，降低了人工检查中主观因素的干扰，确保了检查过程的客观性和规范性。其次，该平台优化了检查方式：可以通过拍照或录像的方式，按照平台提供的样本规范性要求上传检查内容，AI技术将自动对目标进行比对和检测，提高了检查的效率和准确性。对于用电客户而言，AI云检查平台不仅成为了一个协助其在日常周期性自主检查中及时发现问题的专业工具，还能在配合整改过程中帮助他们自检整改质量，并及时发现因整改而产生的新安全隐患和质量问题。
对于供电公司而言，该平台为用电检查人员提供了强有力的专业辅助工具，有效避免了因个人专业水平、工作态度等人为因素对检查结果的影响。
此外，利用图像识别技术进行检测不会受到环境、气候等条件的影响，可随时随地进行检测，从而提高检测效率和准确性。综上所述，AI云检查平台通过提高一次检查通过率，避免了反复整改和复检的过程，为客户和供电企业节省了大量的人力、物力和时间成本，显著提升了用电设备隐患检查的整体效率和质量。
搭建AI云检查平台的核心在于构建一套针对检查规范识别的AI算法模型。在相关领域内，一般的构建流程可以归纳如下：1、数据标注：本阶段旨在确保数据的质量和相关性，通常分为数据收集、预处理和标注三个阶段，形成训练、验证和测试三个数据集，分别用于模型训练、参数调优和性能评估。如下图，针对变压器设备，从1悬挂标志牌，2中性点接地两个检测要点，识别并框选检测要素。![]()
图4 样本图片及框选结果2、模型训练：本阶段是人工智能开发的核心。主要是使用训练数据，通过特征选择，模型选择和调参等一系列步骤，拟合出满足要求的训练模型。本例依托业内某人工智能开放平台搭建项目，利用工具将标注好的数据集转换成coco数据集，再通过ppyoloe_sod（小目标检测模型）训练模型。3、导出模型：一旦模型在训练和验证阶段表现良好，就可以将其导出以供后续使用。4、预测结果：使用导出后的模型进行预测，根据预测结果（本例为预测要素框的位置、类别及置信度）判断模型准确率，同步进行性能评估，根据结果，可返回模型训练进行调整优化。最终获得满足实际应用条件的模型包。5、应用构建：基于训练导出的模型包，结合检查规范要求，设定标准检查点、隐患点，同时维护对应的缺陷样本、合格样本图片，并对不合格项及整改内容进行描述，最终形成统一的检查模板库。在实际应用时，根据上传的检查图片，自动调用AI算法模型，与统一模板数据库进行自动匹配和智能识别，自动、智能、快速、精确判定设备缺陷，形成个性化场景的检查审核意见。至此，AI云检查平台已成功搭建，其能通过电力系统各平台开放入口向用电检查人员及用电客户提供专业、便捷的线上智能检查服务。以一次重要客户周期性检查现场服务为例，用电检查人员小张接收到系统派单，携带PDA设备抵达用户现场。根据检查工单核对客户信息，后台系统自动查询客户用电信息，根据电压等级、客户重要性等级、行业类别、供电方案等因素过滤选择检查项，为本次检查生成个性化的检查方案，方案详细列出了共计13个检查项目，65个检查点，为小张提供了全面地检查辅助。![]()
小张根据该方案中的检查点，逐一拍摄现场检查照片并提交至AI云检查平台。平台接收照片后，会根据照片内容智能匹配统一模型库给出自动生成审核意见，反馈小张确认。如下图包含针对变压器检查项的现场图片，及对应的检查结果。在所有检查项目依次完成后，平台将自动生成详尽的本次检查结果报告。在此之前，客户已按照用电安全规范的要求，预先通过AI云检查平台完成了日常自检工作。由于本次检查遵循了统一的检查规范，因此一次性通过了所有检查项目。对于极少数存在缺陷的客户，检查人员已专业地提出了整改建议，并推荐客户在完成整改后，再次利用AI云检查平台进行自检，以确保所有问题得到妥善解决，避免因整改措施不当而产生新的安全隐患。当前，AI云检查平台已涵盖包括系统接入、电气应急、设备运行状态等在内的15项检查项目，关联检查点达115个，为基础用电检查工作提供多方位支持，且功能拓展仍在进行中。统计实际生产应用数据显示，某市供电企业上线该平台后，辖区内重要电力用户的用电设备检查隐患整改项数量降低60%，流程执行时间缩短45%，一次通过率上升75%，综合成本节省近30%，有力地推动了用电检查流程的智能化进程。通过这一平台的运用，检查过程的标准化、便捷化和智能化水平得到了显著提升，从而整体提高了工作效率和质量，为电网安全建设和电力客户服务工作注入了新的活力。![]()
![]()
本次实践仅为用电检查升级过程的初步探索阶段，随着AI云检查平台的进一步推广和应用，其模型成熟度将持续提升。在此基础上，笔者计划在后续阶段逐步减少人工确认的步骤，转而直接应用模型审核结果，以实现更高效、准确的检查过程，同时建立设备图像的自动采集机制，以实现用电设备隐患检查全流程的自动管控，从而彻底解放用检人力，提高运维效率，有效保障电网的安全、稳定运行。
审阅：林云财
作者：何凯彪
部门：朗新科技集团营业计量业务部
注：文章仅代表作者观点，欢迎转发和评论。转发、转载、转帖等须注明“稿件来源：朗新研究院”，违者朗新研究院将依法追究责任，谢谢！
