國網冀北電力：應用人工智能技術 加快建設數字電網

　　為全面落實國家電網有限公司關于進一步加快數字化轉型的相關部署，推進數字電網建設，國網冀北電力有限公司制訂數字化轉型三年登高行動方案，結合實際業務需求，建設典型數字化應用場景，推動人工智能技術在電網業務中規?；瘧茫虻刂埔舜蛟烊斯ぶ悄軕锰厣涞厥痉叮苿与娋W全環節智能化改造、數字化升級。

　　“數字孿生系統可全景顯示中都換流站一次、二次設備的實際運行狀態與換流站結構三維立體模型，還有上千塊表計的實時信息。”10月5日，國網冀北超高壓公司直流檢修班副班長張曉飛在中都換流站，通過數字孿生系統巡檢閥廳關鍵設備。他說，有了數字孿生系統輔助，柔直設備感知能力、缺陷發現能力、狀態管控能力和預警應急處置能力得到提升，進一步保障了設備安全運行。

　　為全面落實國家電網有限公司關于進一步加快數字化轉型的相關部署，推進數字電網建設，4月，國網冀北電力有限公司制訂數字化轉型三年登高行動方案，由該公司數字化部統籌、各部門協同發力，結合實際業務需求，推動人工智能技術規?；瘧?，建設典型數字化應用場景，因地制宜打造人工智能應用特色落地示范，積極推動電網全環節智能化改造、數字化升級。

　　聚焦新能源場站運行 支撐功率精益預測

　　“風電機群狀態良好，未發現潛在缺陷。”8月20日，國網冀北張家口風光儲輸新能源有限公司運行監控中心員工利用數字孿生三維可視化展示與輔助決策平臺監測張北地區風電場風電機群運行狀態。

國網冀北智能配網中心值班人員通過營配貫通數據可視化平臺監測設備運行情況。 王沖 攝

　　2022年12月，國網冀北電力數字孿生三維可視化展示與輔助決策平臺上線。該平臺通過數字孿生技術對新能源場站三維建模，可直觀反饋設備運行態勢，具備新能源機組狀態監測、故障預警等功能，同時具備新能源功率精益預測能力。

　　“新能源功率預測涉及氣象信息、地理信息、場站運行信息、電網運行態勢等海量異構數據。我們基于高精度數值氣象預報和新能源場站運行數據，采用人工智能神經網絡、粒子群優化、高性能時空模式分類器及數據挖掘算法，構建不同時間尺度下新能源功率預測模型，進一步提升新能源功率預測精度水平。”國網冀北電力數字化部技術處處長李堅介紹。

　　目前，該平臺的日前風電功率預測精度達到85%，日前光伏發電功率預測精度達到90%。國網冀北電力正基于該平臺加快建設全天候、高精度的新能源功率預測體系，推動新能源全天候、全時域、全場景態勢感知。

　　智能識別缺陷 提高無人機巡檢水平

　　“220千伏瀾曹一線13號塔存在絕緣子破損情況，請立刻安排檢修人員處理。”8月24日，收到無人機自主巡檢線路后回傳的缺陷信息，唐山曹妃甸區供電公司運維人員迅速提出解決方案并安排設備檢修，相關缺陷得到快速處理。

國網冀北超高壓公司的無人機自主特巡500千伏線路。 張宇陽 攝

　　今年，國網冀北電力深入應用人工智能“兩庫一平臺”，開展圖像缺陷智能識別關鍵技術規?；瘧醚芯?，更新迭代人工智能116類專業模型，提升無人機巡檢發現安全隱患的能力。該公司先后攻克缺陷識別模型實用化、模型輕量化部署及云邊模型協同等方面的難題，構建起無人機巡檢缺陷智能識別體系。

　　“針對部分缺陷模型樣本少、發現率低等問題，我們采用模擬布置拍攝、深度學習和對抗神經網絡、人工智能生成大模型等方法生成樣本，同時利用精細化標注、圖像增強等技術開發絕緣子破損、螺母安裝不規范、螺母銹蝕等三類常見缺陷隱患的識別算法，服務無人機自主巡檢規模化應用。”國網冀北電力數字化部副主任楊峰介紹。

　　目前，國網冀北電力已建成10萬張級具有區域特色的無人機巡檢缺陷樣本庫，完成7大類35小類的無人機巡檢算法模型訓練，實現無人機巡檢缺陷發現率在85%以上。

　　如今，無人機巡檢已成為輸電專業巡檢的常用手段，但對于環境復雜、設備多、安全性要求高的變電專業，無人機巡檢仍有進步的空間。國網冀北電力將加快攻關變電設備缺陷識別模型儲備，探索無人機多場景巡檢應用。

　　配網計算推演 滿足管理運維業務需求

　　“功率、電壓、電流等數據無異常變動，設備運行正常。”8月30日，國網冀北智能配網中心值班人員通過營配貫通數據可視化平臺實時監測配網設備運行情況。

　　為了提升營配基礎數據質量、推動營配業務融合發展，2022年10月，國網冀北電力啟動智能配網計算推演應用場景建設，充分利用企業級量測中心和電網資源業務中臺跨專業數據歸集及融合能力，基于人工智能、知識圖譜等技術，完成了“站-線-變-戶”配網網架拓撲與量測數據的匹配工作。

　　“準確完整的拓撲、參數以及量測數據是配網計算的基礎。然而配網點多面廣，容易出現拓撲、參數維護錯誤，量測數據沒有及時傳送等問題。”國網冀北智能配網中心數字技術應用研究中級師王沖介紹。

　　“為了夯實營配貫通數據可視化平臺數據基礎，今年按照數字化轉型三年登高行動方案要求，我們以多源融合的配網網架拓撲圖為基礎，利用高斯混合聚類和雙向長短期記憶神經網絡等人工智能技術，構建數據智能辨識模型，對10千伏及以下配電變壓器、開關、集中器等關鍵設備的實時量測數據缺失進行智能識別并實時補全相關數據，進一步提升配網計算推演能力，滿足臺區自治等新業務的數據采集要求。”楊峰介紹。

　　目前，數據智能辨識模型識別精度達到91.51%，可實時補全設備三相電流、三相電壓、功率等量測數據，將國網冀北電力配網量測數據可計算率提升至95%以上，進一步滿足配網規劃、建設和運行要求。

　　在滿足新業務形態數據采集要求的同時，國網冀北電力持續優化數據智能辨識模型，推進業數融合應用，支撐開展冀北全域配網數據采集量測點布局優化、分布式光伏出力預測及影響分析、新型負荷報裝容量預測、可開放容量預測分析、配網停電智能識別推演、配網線路異常區間推演等計算場景建設。（趙亞男 吳佳 李文慧）