探索 | 「中醫+AI」會診電力設備故障

在 AlphaGo 成功挑戰圍棋世界冠軍後，人工智能（AI）「深度學習」家喻戶曉。電力企業有機會着眼自身戰略，利用落地的 AI 技術和應用聚焦業務流程優化、效率提高以及對全新機遇的發掘。本文針對設備故障，仿照中醫師「望聞問切」的看病方法融入最新的AI深度學習原理、查找和解決故障的方法，從而使設備恢復良好的工做狀態。

圖一：人工智能和深度學習的關係示意圖

圖二：使用中醫望聞問切方法診斷電力設備故障示意圖

1、望（圖像識別）

望，顧名思義就是觀看，中醫是觀察病人的面色、身形、舌苔、精神狀態等。在電力企業，望也是在設備點巡檢中最簡單、最基本、最重要的檢查手段。經過觀望檢查以後，大部分設備問題都能暴露出來並獲得解決：如設備老化變色、形狀變形、位置移位、瓷瓶開裂破損、導線斷線、鳥窩在杆塔上、零部件的腐蝕損壞和脫落、聯接螺絲的鬆動、指示儀器儀表的顯示異常等狀況能及時發現設備缺陷問題並及時解決。

目前，圖像識別應用正被部署用於質量控制（識別產品缺陷）、安全（掃描面部和車牌）和醫療（識別腫瘤）領域。下面我將借鑑2018年4月中國長城創新的修繕方案（這是一個全新的探索，先進的無人機航拍和人工智能技術參與文物建築的修繕和保護），來指導電力架空線路的勘察、巡視、故障查找。

圖三：人工智能深度學習圖像識別很是適合電力架空設備故障查找

目前長城修繕存在的困難：長城是世界七大奇蹟之一，也是我國首批列入《世界遺產名錄》的文化遺產。像箭扣長城等多段長城都面臨着天然災害侵蝕和人爲損壞的風險，修繕工做迫在眉睫。 箭扣長城跨越崇山峻嶺，保護工做絕非易事。若是是按照傳統的方法，不管是勘測、測量、後期的處理，只能憑藉人力用尺子、全站儀完成，耗時耗力，尤爲是箭扣長城大多位於險峯斷崖之上，周邊草木茂密，人員想要到達施工現場可謂險阻重重。另外，傳統的手工測量沒法反映長城的全貌和細節，不利於保護單位作更精確的維修方案（電力架空線路巡視和故障查找也存在相似問題）。爲了打敗這一近乎不可能完成的挑戰，英特爾與中國文物保護基金會、武漢大學測繪遙感國家重點實驗室攜手, 將無人機與人工智能技術相結合，推出一種創新的解決方案，來助力修繕這座偉大的建築。英特爾 (中國) 研究院和武漢大學將開發出長城缺損/裂縫識別與定位，數字化修復的深度學習算法。

藉助英特爾® 獵鷹™ 8+ 無人機，修復團隊可以經過一套更安全、更快速、更高效且更準確的流程來採集所需的數據。若是採用人工方式，修復團隊須要花費數月時間。 藉助無人機，只需幾回快速飛行就能完成。

如何用英特爾 AI 助力長城修繕，主要分三個步驟來進行：

一、採集高精度圖像：利用英特爾「獵鷹8+」無人機高精度圖像採集：由於長城的跨度很大，修繕以前首先須要進行環境勘測。傳統的辦法是經過尺子測量以及目測，很可貴到精準的數據。經過英特爾獵鷹8+（Intel Falcon 8+）無人機，工做人員可以近距離檢測到長城的破損狀況，能夠獲取高分辨率圖像，幫助文保人員清晰、全面瞭解長城現狀。這項內容和目前電力無人機巡視殊途同歸。電力企業除了普通的「望」還有特殊的紅外探測的「望」也可歸類爲圖像識別。

二、3D 建模和損毀部位（長城缺損/裂縫））的人工智能識別；3D建模和損毀檢測：這個過程包含了多個算法和步驟。根據無人機採集的數據，採用英特爾至強處理器可以快速分析處理上萬張圖片，並計算出破損的長度和寬度，規劃修繕所需材料，並提供裂縫和塌方等破損的測量數據用於指導物理修繕。有了這些數據，修繕團隊就無需再現場測量，而是能夠經過AI算法獲得最終須要的時間、人力、物力和成本。這項目前電力線路無人機巡視爲人工分析，而非深刻學習的人工智能自動分析，工做效率低，準確率也低。咱們的架空線路、杆塔、絕緣子、導線、開關、刀閘、柱上變壓器的巡視和故障查找，也很大一部分故障能夠經過觀看故障圖片來識別，都可引入人工智能深度學習來自動研判。

三、3D 模型的人工智能數字化修復；在 3D 模型損毀識別基礎上，利用最新的 3D 模型，對城牆缺損部位進行數字化修復，並據此對實際的長城修繕和維護提供指導和參考數據。

圖四：極簡模型（圖片判斷故障）

基於大數據深度學習的人工智能計算機，根據線路巡視的視頻和圖片，可自動識別損壞的絕緣子，結合GPS系統還可知道故障設備位置。和人臉識別技術相似，可用於識別故障電力設備（外觀會破損、龜裂、變色、變形）。

技術難點：電力企業面臨的一個共同挑戰是須要獲取足夠的數據來訓練圖像分類和識別算法，而且圖像的預處理可能佔用整個解決方案一半以上的時間。最新的計算機處理器可以支持數據加強應用，可幫助解決這一難題。這些應用會旋轉和擴展圖像，並調整顏色。這意味着只需少許圖像，就能有效訓練圖像識別算法（取決於具體應用案例）。

2、聞（氣味識別、聲音識別）

聞」就是聽聲音和嗅氣味。中醫會聽病人說話聲音、咳嗽聲、聞口氣、體味、傷口氣味等判斷病情。也適合電力企業對設備的內部故障和易燃易爆氣體的泄漏進行檢查和診斷。聽設備異常放電聲，電力企業經常使用局方測試儀，這是比較成熟的技術這裏就不過多介紹。咱們主要針對比較少接觸的「聞」。每樣事物都有其獨特的味道，電力設備由各類零部件構成，這些零部件有金屬的、塑料的，還有橡膠的，在不正常的磨損和消耗時，會發出不一樣的氣味，好比焦煳味、臭味、塑料味等等，根據這些發出來的氣味，咱們不少老師傅用鼻子就可判斷出特定的故障。各類電機及電氣元件線圈燒燬；煤氣、自然氣等可燃氣管路泄漏等等都是外觀看不出來的可是可以產生或大或小的異常聲音或氣味。經過這些聲音和睦味，咱們就能順藤摸瓜找到出問題的地方。如過熱、短路、擊穿故障，則有可能聞到燒焦味，火煙味和塑料、橡膠、油漆、潤滑油等受熱揮發的氣味。

1. 橡膠塑煳味：這種氣味最容易分辨，出現這種氣味首先要檢查橡膠製品（絕緣皮等）是否鬆弛打滑或者過熱。這種狀況大可能是電器的線路過熱所致，因爲電線的塑料外包皮較薄，因此氣味不是很大。但當電線短路時，多伴有局部冒煙或發熱的現象，時間長了，容易引發燃燒，引起火災。

2. 燒機油味：變壓器漏油時能聞到。

3. 蓄電池臭味：出現這種狀況大可能是電力設備電解液泄漏或虧損，這種現象多發生在溼式電瓶上，由於該種電瓶須要由電解液來完成電能的儲存和轉化，但當電解液泄漏時就會產生一種刺鼻的味道

圖五：極簡模型（氣味判斷故障）

封閉的電力設備櫃體內，有A和B兩個設備。A故障燒燬發出的氣味是香的。B故障燒燬發出的氣味是臭的。那麼經過氣味識別便可判斷燒燬的故障設備是哪一個。和警犬緝毒、酒精測試判斷酒駕的原理是一致的。期待電力企業引入新型高精度氣味探測器和人工智能深度學習來研判封閉式設備的故障，這將是一個革命性的突破。

技術難點：電力企業面臨的一個共同挑戰是須要獲取足夠的數據來訓練氣味分類和識別算法，而且氣味識別的預處理可能佔用整個解決方案一半以上的時間。

3、「問」（生產廠家、投運日期、運行環境等）

「問」，在中醫診斷中就是問病人哪裏不舒服、年齡、病情病史、家族遺傳、生活環境、飲食習慣、做息規律、人際關係等。在電力設備故障診斷中就是了解設備的生產廠家（家族遺傳）、生產批次、投運時間（對應中醫的年齡，有一些廠家同一批次設備可能存在同一設備質量問題，是否老化損壞）。運維水平（對應中醫問生活習慣、電力企業中對應運維週期和是否及時更換易耗部件）、運行環境【大風、雷電、溼度、泡水、污穢、樹障礙、現場處於施工地段施工車輛進出頻繁（施工外破問題）、地理位置是否在局部最高點（發現雷擊問題）、施工人員（發現施工質量問題）】。

圖六：診斷方法借鑑對比

在國網PMS系統中加入天氣、地理、設備投運時間、廠家、施工人員等信息。透過大數據深度學習能夠發現不少故障的本質問題。

圖七：污閃發生的濃霧小雨天氣和故障絕緣子

案例：中國沿海某城市10條10kV線路同時跳閘，查無異常試送成功。在傳統的故障處理中咱們巡視找不到故障點，試送成功後就完成故障處理。經過大數據的分析發現這10條線路在同一個高鹽污轄區內，同時天氣是小雨天。以前該地區連續長時間無雨，連續絕緣子表面的鹽污囤積到必定程度被小雨淋後造成放電迴路（大雨會沖刷掉污鹽）污閃放電。

4、「切」（溫度、電流值、電壓值、電阻值等）

「切」中醫就是把脈、感知溫度（發燒沒有）、用手按壓病竈等。在電力故障診斷中就是用儀器感知設備溫度、電壓、電流、電阻、局放測試、耐壓測試等等。

圖八：萬用表測量電壓、電流、電阻值

舉例：設備在正常工做時發熱量是很低的，可是當設備在超負荷工做或潤滑條件很差的狀況下，有可能會形成內部零部件變形、磨損甚至破裂的嚴重後果。這些零件損壞後，運轉過程當中產生的摩擦阻力會大大增長，摩擦產生的熱量可以使機體的外殼溫度明顯上升，高於正常溫度。目前電力企業主要使用的溫度探測器是紅外探測儀（也可轉換爲圖像識別技術）。

電壓、電流的測量目前是電力企業故障診斷的主流判斷方法，具體不過多介紹，但願能融入人工智能深刻學習進行更深的挖掘數據潛藏的高價值信息。

總而言之，針對電力設備故障，仿照中醫師「望聞問切」的看病方法融入最新的AI深度學習原理、研究查找和解決故障的新方法。提供一個從前端數據採集，到後端深度網絡訓練與方案生成，整合了測量工具，人工智能算法，高性能計算平臺，造成了一個完整的人工智能電力架空設備巡視及故障解決方案。均可以在熟悉的 CPU 平臺上，簡單高效的按需開發，讓 AI 的開發和應用更簡單，更實用。也偏偏是這種高性能的通用 AI 計算平臺，以及它實際應用於工程和產品的能力，將會幫助電力企業 在AI 應用的領域大膽突破，實現世界一流電網建設的目標。

這就像騰訊開發的微信革了銀行的「命」（支付方式變革），還革新了工做方式（微信工做羣的普及）。壟斷企業若不從內部革新突破，也會被外部技術革命被動推進變革。AI深度學習已經在深刻各行各業，目前僅僅靠電力企業內部的AI技術研發力量是遠遠不足的，咱們積極擁抱新技術的同時，更應加快和國內頂尖的AI技術力量BTA（百度、阿里巴巴、騰訊）的技術合做。甚至是和國際頂尖AI技術力量（英特爾、臉譜網、谷歌）進行協做。才能鳳凰磐涅，浴火重生。