中國電科院瞄準需求建模型 推動電力人工智能規模化應用

　　人工智能技術是新一輪科技革命和產業變革的重要驅動力，可以有力促進電力行業數字化轉型。中國電力科學研究院有限公司積極開展人工智能技術應用研究，優化設計電力人工智能應用體系，支撐人工智能應用于不同業務場景，提升專業場景模型實用化水平。

　　1月25日，在國家電網有限公司電力系統人工智能技術及應用實驗室，中國電力科學研究院有限公司人工智能應用聯合攻關團隊成員李道興將百余架無人機拍攝的設備巡檢圖像上傳到由行業大模型遷移形成的細分場景專用模型——電力視覺專業模型。經過短暫的等待，模型識別標注了圖像中的設備外觀缺陷，給出了分析結果。這是人工智能應用聯合攻關團隊例行開展的一次測試驗證。電力視覺專業模型是人工智能在電力業務場景應用中較為成熟的模型。“在訓練中，我們圍繞輸電、變電巡檢等業務特點，結合業務知識，實現數據知識融合驅動模型訓練，開展基于行業大模型的遷移學習，采用新的技術手段提升模型識別精準度。”李道興說。經過多輪訓練，目前電力視覺專業模型通過輸電、變電巡檢圖像識別設備隱患的平均精準率達到85.31%。

　　近年來，公司圍繞人工智能規模化應用，加大人工智能技術研究力度，推動模型研發和場景落地。結合電網轉型業務需求，2022年，中國電科院人工智能應用研究中心成立聯合攻關團隊，立足電力業務特點，打造具備感知、認知、決策能力的電力專業模型，加快推動人工智能在公司生產經營場景中的規模化應用，支撐人工智能應用于各個專業，賦能業務提質，服務業務一線。

　　優化算力和通信技術

　　支撐電力領域人工智能應用

　　1月17日，人工智能應用聯合攻關團隊成員郭鵬天登錄國家電網人工智能平臺，查看平臺算力資源使用情況，優化模型資源分配策略，確保模型訓練工作有序開展。國家電網人工智能平臺納管了超過140張圖形處理器(GPU)卡，集聚了電力人工智能樣本、模型、服務等要素，可以為電力專業模型應用提供基礎支撐。

　　2020年，中國電科院開始承擔國家電網人工智能平臺建設任務，參與制定公司人工智能架構設計方案和平臺架構、樣本格式、模型規范等系列標準，攻克多模態數據處理、異構算力資源調度、模型云邊協同推理等技術難點。歷經3年多的研發與技術迭代升級，該院建成國家電網人工智能平臺，為電力人工智能模型訓練、樣本管理、模型服務提供支撐。

　　算力資源是開展人工智能模型訓練的基礎，也是電力專業模型協同應用的關鍵支撐。“模型訓練過程涉及大量的數值和矩陣運算，需要有專門的硬件作為支撐。GPU作為算力資源的核心，能夠加速矩陣運算等復雜的數值計算工作，現在主流的GPU每秒能夠執行約97億次單精度浮點運算。把多個GPU整合起來，能夠形成更強大的算力，為模型訓練保駕護航。”郭鵬天說。

　　2023年10月以來，結合電力各專業人工智能應用需求，中國電科院依托國家電網人工智能平臺開展基于行業大模型的專用模型攻堅及大小模型協同應用基礎支撐研究，在軟件層面支持數據并行和模型并行兩種訓練模式，在硬件層面構建了高效網絡通信環境，確保計算任務在不同GPU之間及時同步和通信，形成電力大小模型協同應用引擎。

　　現在，有電力模型訓練需求時，研發人員可以在國家電網人工智能平臺上根據模型參數量、訓練樣本數量等實際情況配置GPU、內存等算力資源，定制化構建資源池，支撐大小模型的高效訓練。

　　融合多學科研究成果

　　推進電力專業模型應用

　　近年來，各行業主要分三步加快推進大模型技術應用：第一步部署通用大模型，第二步基于海量專業數據訓練行業大模型，第三步針對各業務場景進行微調，形成細分場景專業模型。

　　“基于大模型技術構建電力專業模型是一項結合數據科學、計算科學、智能科學的復雜系統性工程，不僅需要專業數據和大規模、高性能人工智能服務器集群作為支撐，還需要解決思維鏈構建、模型訓練調優中的各類復雜工程問題。”中國電科院人工智能應用研究中心專業模型柔性攻關團隊負責人談元鵬介紹。

　　為加快電力各業務場景應用模型落地，2023年，中國電科院人工智能中心組建了專業模型柔性攻關團隊，利用前期歸集的電力業務場景高質量數據，融合電力機理模型與業務知識，研究預訓練模型調優等核心技術，基于行業大模型構建具備感知、認知、決策能力的電力專業模型，組織專業團隊開展樣本標注，對預訓練模型進行微調，使電力專業模型能夠滿足特定的任務需求。

　　目前，該團隊構建的電力視覺專業模型已具備自主學習、跨模態聯合分析、實時交互的能力，在設備故障檢測、安全風險辨識、文本數據分析等多個領域接近人類專家水平，可極大提升工作效率，更好地保障電網穩定運行。

　　后續，該團隊還將基于行業語義大模型構建電力語義專業模型，將其用于智能客服、設備運檢等電力業務場景中，實現生成式、交互式的模型服務;通過場景適配的參數高效微調與人類反饋的強化學習等技術，構建調度決策專業模型，在臺區級源荷預測、故障診斷與處置、運行計劃校核等配電網場景中應用，實現人機智能協同的在線輔助決策。

　　研發電力計算模型

　　強化配電網運行監測分析

　　1月25日，中國電科院人工智能應用聯合攻關團隊成員李家騰歸集了配電網狀態感知與分析系統在山東、上海等地共9處試點區域的日志文件，查看業務專用模型在各地的遷移適配情況。

　　配電網狀態感知與分析系統目前主要由面向配電網運行的業務專用模型組建而成。隨著新型電力系統建設不斷深化，大量分布式光伏接入配電網，對配電網安全運行與可靠供電產生一定影響。2022年下半年，聯合攻關團隊開展基于電力專業模型的配電網態勢感知與分析核心技術攻關與系統研發工作。

　　人工智能應用聯合攻關團隊評估高比例分布式光伏場景下的配電網運行狀態，應用深度學習等人工智能技術，根據配電網運行規律，研發了針對源荷隨機波動影響的配電網態勢感知與分析專業模型矩陣。

　　“在這個專業模型矩陣中，我們分別設計了具有配電網圖模在線校核、狀態智能計算、運行趨勢推演、新建光伏接入模擬等功能的電力計算模型。每個模型都能獨立工作，也可以協同開展分析，最終實現配電網可觀測、可描述、可計算，支撐配電網運行安全性與供電可靠性提升。”李家騰介紹。

　　配電網計算推演深化應用是公司人工智能規模化應用2023年專項行動方案的重點任務之一。以此為契機，人工智能應用聯合攻關團隊已在國網山東、上海電力等多家省級電力公司開展配電網態勢感知與分析專業模型的部署與試點驗證工作，支撐配電網重過載分析、光伏承載力評估等業務智能化升級。以在山東臨沂的試點為例，該地區分布式光伏總裝機容量已達到490萬千瓦，接網需求大。此前，配電網量測配置水平限制了分布式光伏接入量的精準評估。現在，運行人員利用配電網狀態感知與分析系統，基于“最小化精準采集+數字計算推演”方式，可以在有限量測配置情況下，實現配電網狀態精準感知，助力分布式光伏承載力評估，為當地光伏報裝提供技術指導，服務分布式光伏合理有序發展。（楊亞迪 莫文昊 趙紫璇）