基于物联网的运检智能管控研究

电力工业是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、能源清洁转型的新形势，国家电网有限公司提出“三型两网、世界一流”的战略目标，积极顺应跨界融合的大趋势，进一步改造提升传统业务，大力开拓数字经济市场，具有划时代的深远意义。

电力运检管理是保障电网安全稳定运行的关键环节。随着电网规模的快速发展以及分布式电源、可再生能源的大量接入，生产数据呈现指数增长趋势，运检工作面临巨大的挑战，如何提升设备管理质效、保障电网安全经济稳定运行成为现阶段亟待解决的问题。

1 物联网与电力运检的融合

随着现代信息技术的不断发展，物联网经历了从概念到规模化落地应用的阶段，而电力物联网是物联网技术在电力行业的融合应用。它是基于电力系统各环节，运用“大云物移智”各类现代信息技术和先进通信技术，实现电力系统各环节的万物互联、人机交互；利用雾计算与云计算的优势，搭建基于云雾融合的层次化、动态均衡的运检信息分析、协同和控制网络，为电力运检精益化管理和科学决策提供强有力的信息和数据支撑。

2 基于物联网的运检智能化管控

2.1 推进运检全要素自动感知

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。

2.1.1 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。

2.1.2 电网设备状态感知

一是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。

二是设备状态自主感知。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。大力推进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。

三是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。

2.1.3 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。

2.1.4 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。

2.2 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。

2.3 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。

3 结语

“大云物移智”等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。