魏红燕 张李莎

摘要：电力产业是我国国民经济发展的重要基础产业和战略支撑产业，其在能源格局中的地位十分重要。面对经济转型升级和清洁能源转型的新形势，国家电网公司提出了“三型两网，世界级”的战略目标。积极适应跨界一体化的大趋势，进一步改造提升传统企业，大力发展数字经济市场，具有深远的划时代意义。电力输送和检查管理是保证电网安全稳定运行的关键环节。随着电网规模的快速发展和分布式电源、可再生能源的大规模接入，生产数据呈指数级增长趋势，运行和检测工作面临巨大挑战。如何提高设备管理的质量和效率，保证电网安全稳定运行，成为现阶段亟待解决的问题。

关键词：物联网;电力设备;云雾融合

新一代的通信技术，基于云融合，构建一个层次和动态平衡网络的分析、协调和控制的操作和检查信息，并构建知识地图的操作和检验业务，极大地提高实时分析和优化的能力，全面提高效率和质量的管理和控制。

一、促进运输检验全要素的自动感知

围绕视觉、听觉、触觉及其他感知维度，广泛布局各类智能感知装置和手段，实现运检人员、电网设备、运检装备和生产环境的全方位、多维度自动感知。

1.电网运检人员信息感知。一是基于智能芯片、人脸识别等技术，开展作业现场人员的身份识别，实现员工基本信息、技能水平的智能识别和自动匹配;二是基于智能手环和健康监测系统，及时掌握和动态感知员工健康状态;三是应用远程视频和移动终端等技术，开展人员行为、语言综合感知。

2.电网设备状态感知。（1）传感器与设备本体一体化设计制造。围绕设备自感知、自诊断能力提升，从设备运检角度提出海量、常用、主要设备的设计、制造、基建等环节标准化典型需求，研究智能设备设计制造，推进设备状态全面可知、可控。（2）设备状态自主感知。研制温度、形变、油色谱、振动、杆塔倾斜等微功耗/低功耗的高可靠性传感器，实现设备本体状态量自主实时感知，弥补人工巡检对关键信息感知的空白。大力推進新型智能配变终端规模化推广建设，对配电网核心设备和线路的运行工况、设备状态、环境情况等信息的全方位实时深度采集，实现配电网状态全感知。依托无人机、机器人、视频监测、移动作业终端等多类型同构或异构泛在感知装备，从时间、空间上拓展设备状态和环境感知覆盖范围，作为传感器感知设备状态信息的补充手段，促进多元采集手段相辅相成、综合应用。（3）存量设备身份标签编码设计。遵循唯一性、实用性、可扩展性等原则，参照EPC国际编码标准，开展包含设备所属单位、电压等级、出厂（投运）年份、设备类型等信息的身份标签设计，最大限度反映设备的基本信息。

3.运检装备资源感知。研究RFID射频技术和统一编码标准，制定统一的电子身份标签，实现人员、设备以及装备与电子标签的一体化，完成电力运检人员、车辆、设备身份的快速识别及设备的检测技术研究，实现运检资源合理调配和运检进度友好管控。

4.生产环境异常状况感知。针对输电线路“三跨”（跨高速铁路、跨高速公路、跨重要输电通道）隐患问题，基于人工智能的线路“三跨”隐患智能识别方法，采用“自积累、自更新、自学习”的智能化运行方式，隐患识别结果主动推送，及时发现和处理输电线路“三跨”隐患，有力提升输电线路“三跨”区段发现隐患的能力，提高运维保障工作的效率和质量。

二、推动云雾融合协同应用

以运检要素信息全面感知为基础，开展面向运检全业务场景的要素互联逻辑分析，以“智能前端化”思想为指导，围绕人员、设备、装备、环境要素泛在互联、互动感知关系，搭建基于云雾融合的层次化运检信息分析、协同和控制网络，全面应用人工智能等技术推进运检业务链条的智能化改造。云雾资源均衡模型构建。开展运检业务全景需求分析，充分利用云雾计算优势，搭建基于NB-IoT（窄带物联网）框架的云雾资源均衡模型，一方面将雾层的感知数据进行分析、处理、过滤，及时判断应对紧急事件，另一方面根据系统实时状态调整负载分配，将云数据或终端设备数据缓存本地的同时，将较多的负载分配给计算能力较强、链路通信开销较小的计算节点，协调运检计算需求在物联网云层和雾层的分配布局，综合平衡计算、存储和传输成本，提高运检数据处理和运检决策效率和质量。基于雾计算的异常数据就地实时分析响应。通过雾计算对高速、实时的感知数据（毫秒）就地进行初步分析运算，快速判断异常数据并做出相应控制动作，实现设备状态的实时评估，及时提出检修建议。对中等速度、半实时感知数据（秒）进行实时分析处理，实现电网设备的故障诊断。同时，为云计算中心中、长期预测所需的数据提供特征提取，降低网络时延和数据安全风险，提高电网设备管理效率。基于云计算的多元数据融合分析预测。通过云计算对实时数据的特征提取及历史数据进行分析，实现电网设备的监测预警及评价诊断辅助决策。对资源进行分析，包括运行维护（巡检、检修、技改）、处置（退役、转移、报废）的全过程，提高电网设备资源利用效率。

三、构建运检全业务知识图谱

为充分利用电网运检积累的大量实践经验和专家知识，通过知识图谱、深度学习等人工智能技术的交互应用，拓展设备管理专业内在逻辑关系模型，构建运检全业务知识图谱。符合运检业务逻辑的知识图谱构建。基于海量运检案例，构建标准化、智能化的典型故障知识库，以深度学习技术为推理工具，推动机器对运检资源及其属性、资源与各类运检任务交互等关系的理解，构建符合运检业务逻辑的知识图谱。知识图谱与深度学习交互融合。探索知识图谱在深度学习模型中的应用，将运检全业务知识图谱中的语义信息输入到深度学习模型中，将离散化知识图谱表达为连续化的向量，从而使生产过程积累的海量知识成为深度学习的输入，提升深度学习效果。研究基于神经网络模型的知识图谱动态优化，有效完成泛在电力运检物联网节点至节点的运检资源识别、关系抽取和补全等任务。

总之，现代信息技术和先进通信技术的发展，为电力运检业务的智慧化、多元化、生态化发展提供了有利条件。依托当前物联网核心技术发展，立足运检全业务场景各要素，推动运检业务链条智能化改造，构建要素互联、资源均衡的智能运检管控网络，在线连接能源生产、传输与消费各环节的人、机、物，实现状态全面感知、信息高效处理、应用便捷灵活。

参考文献：

[1]张志萍.输变电设备状态监测中的物联网技术应用研究.2018.

[2]王江月.刘江涛，浅谈基于物联网的运检智能管控研究.2019.