翁锡杰

摘要：电力设备运行的稳定性能够直接对电力系统运行的稳定性和安全性产生直接的影响，只有准确、全面的掌握电力设备运行过程中内部以及外部的数据信息，采用科学的技术手段融合和汇总各方面信息，才能够准确的评估和预测电力设备的运行状态以及变化趋势，以此为参照对运维检修计划进行合理的安排，以此才能够保障电力系统运行的稳定性以及可靠性。人工智能技术的出现在决策任务、优化、预测以及识别等多方面工作的效率、准确性以及自习能力都得到了显著的提升，对于电力设备的运维而言是一种全新的研究思路以及技术手段。本文就人工智能技术在电力设备运维检修中的应用做出探究，以往参考。

关键词：人工智能技术;电力设备;运维检修

前言：电力设备作为的电力系统中最为重要的组成内容之一，在运行过程中断路器、输电线路、变压器等多种设备都会出现不同程度以及不同类型的故障，继而对整个电力系统的正常运行产生严重的影响。因此，只有全面的掌控、分析以及预测电力设备的健康水平以及运行状态，促使故障诊断水平不断的提升，更加合理的安排相关的运维检修工作，才能够真正为电力用户提供经济、优质以及安全的电力能源。当下我国电力网络中变电设备具备多种多样的类型，分布范围也相对较广，各种设备的结构参数也有着一定的差异。

1、人工智能技术在电力设备运维检修中的应用

1.1  、运维检修信息收取与知识库建立

现阶段大多电力公司已经将大量的传感装置布置在电力设备、沿线以及塔杆区域进行部署，并且也安排了专门的工人定时或者是不定时的进行试验、检测与巡视，甚至已经形成了相对有效的信息化系统，记录了大量的文档和图像，在长时间的实践工作过程中也形成了很多的规章以及制度。人工智能技术的应用需要从众多信息数据中收集以往的故障案例，并对其中存在的行业知识以及专家经验进行抽取。

首先，要按照不同类型设备故障案例的模板对设备的基本信息以及故障发生情况下的信息异常和相关试验数据，以此为基础形成一个完善的案例库，提供有效的学习样本以供后续的电力设备健康状况评估、设备预测、故障识别与预警等模型提供帮助。其次，采用自然语言处理技术站在多模态资料以及非结构资料中对设备的运维检修信息进行抽取，进而形成一个不同概念或者是实体之间的关系，随后采用知识图谱技术来构建一个完善的知识库，打下坚实的基础来保障不同设备的运检策略以及智能搜索工作得以开展。最后，近年来电力设备中可视光、紫外线以及红外线等检测装置得到了广泛的普及，相关工作人员也在不断的研究基于深度学习以及图像识别等人工智技术，以往工作过程中所积累的大量图像数据也在知识库中得到了很多好的融合。

1.2  、电力设备健康状态评估

要真正实现电力系统的稳定运行，电力企业往往会委派专门的工作人员定期或者是不定期的针对电力设备的运行状态进行检修，但是这样的检修方式对电力企业而言是一种极大的成本支出。因此，当下国内外的电力企业都开始将断路器、互感器等多种直流输电设备应用在电力设备的健康状态评估以及检修工作中，以此为基础制定出相关的工作导则，积累大量的专家经验。虽然这种输电设备的造价十分高昂、结构复杂，但是这种电力设备的作用也异常重要，有着多元化的状态特征表型，模糊性以及不确定性十分明显，在开展工作的过程中往往缺少綜合、客观的评价标准对电力设备的健康状态进行评价。

为了充分保障传统以来专家经验以及导则的业务评价方式弊端得以充分规避，相关领域研究了一种基于多源设备状态数据，结合数学分析的方法与机器学习的方式对电力设备的状态进行评价。这种模型可以分为两种：首先，利用数学模型客观化计算评价权重，对电力设备状态指标以及变压器状态两者之间的关系进行明确，其中作为重要的是评价权重、相对重要性以及关键特征指标，通过以上处理再针对变压器的状态机进行有效的评价。其次，基于训练样本，直接利用学习算法构建一个变量与变压器之间的评价模型，例如常见的人工网络神经这种常见的机器学习法。

1.3  、检修策略智能推荐

要构建电力设备运维检修领域的知识图谱是当下检修策略中的一种新思路，应用前景十分广阔，电力设备运维知识图谱构建思路如下图所示。构建知识图谱建立在电力设备运维有关的关系、属性以及实体等方面内容的基础上，形成一个完善的知识网络。当下，针对于设备运维领域进行文本知识挖掘的探索相关工作人员从未放松，其中主要针对电力设备相关文本的新词发现技术以及词义网络挖掘技术等进行研究，构建电力文本特征的提取以及电力主体词表的构建等等，以望能够精确的提取设备缺陷信息，故障文本中案例信息的自动挖掘等等，针对设备的运行状态进行评估，提升电力设备缺陷文本的质量，针对电力设备的缺陷进行分类。结合机器学习模型自动化构建技术以及领域专家经验就能够将电力设备以往的运维数据转化为知识文本，不断的筛选和验证设备数据，实现智能推荐以及运行闭环。

2、人工智能技术在电力设备运维检修中应用挑战与未来趋势

现阶段，大部分机器学习模型都是采用典型的黑箱模型，对于结果这种算法并没有办法给出一个具备说服力的解释，这也导致人工智能技术难以充分被工作人员所接受。其次由于会发生透明性以及解释性不足的情况进而导致及其发生决策风险，因此在未来，可解释机器学习的研究和发展成为推动人工智能技术贯彻落实的技术动力之一，我们应当引起高度的重视，将人工智能技术的作用和价值充分的体现出来。

结语：先进的信息通信以及传感器的广泛部署，各类管理系统以及以往工作中积累的大量电力设备数据信息，都为人工技术的应用打下了坚实的基础，以信息数据驱动的人工智能技术能够更加准确、高效的为电力设备的运行状态、全生命周期提供帮助和评价，进而提升电力设备运维检修工作的效率以及质量。

参考文献：

[1]   王亚东.浅谈带电检测技术在配网电力设备运维检修中的应用研究[J].市场周刊？理论版，2018（46）：0134-0134.

[2]   纪哲强.带电检测技术在配网电力设备运维检修中的应用研究[J].百科论坛电子杂志，2018，000（011）：400.

[3]   陈诚，肖逸，张华琛.电力通信机房智能化运维，轻检修、全管控建设趋势研究[J].电子世界，2018，000（022）：133-134.