這個(gè)多模態(tài)智能體，讓電力裝備運(yùn)維越來越“聰明”

DeepSeek的現(xiàn)象級(jí)出圈，為業(yè)界開辟了一條通向AI的新路徑，也為大模型的落地應(yīng)用打開了更大的空間。

在大模型走深向?qū)嵉姆諊?，越來越多的企業(yè)改變了觀望態(tài)度，開始深入挖掘大模型帶來的新質(zhì)生產(chǎn)力。一些走在行業(yè)前沿的創(chuàng)新探索，開始頻繁置身于聚光燈下，成為業(yè)界討論、學(xué)習(xí)的對(duì)象。

譬如在昇騰AI創(chuàng)新大賽2024總決賽上斬獲應(yīng)用創(chuàng)新組金獎(jiǎng)的“許繼智算”團(tuán)隊(duì)，用大模型巧妙破解了缺陷檢測、風(fēng)險(xiǎn)識(shí)別等人工巡檢難以解決的“歷史性難題”，給出了大模型落地電力裝備運(yùn)維的技術(shù)路線。

01 跨越智能化運(yùn)維的“最后一公里”

提起電力裝備運(yùn)維，可能不少人都比較陌生。

簡單來說，電力裝備運(yùn)維就是對(duì)變電站、高壓變壓器、特高壓換流閥等電力設(shè)備進(jìn)行巡視、檢修維護(hù)、故障處理、性能測試等工作，通過定期的檢查和維護(hù)，保障電力系統(tǒng)運(yùn)行的安全可靠。

但在相當(dāng)長的時(shí)間里，電力裝備運(yùn)維都依賴人工檢查，不僅對(duì)運(yùn)維人員的經(jīng)驗(yàn)、能力有著極高的要求。

由于傳感終端的壽命短、穩(wěn)定性差，導(dǎo)致誤報(bào)率高，再加上電力裝備的環(huán)境比較復(fù)雜，人工巡檢可能無法及時(shí)發(fā)現(xiàn)潛伏性缺陷。即使是一個(gè)微小的疏忽，也可能會(huì)引發(fā)難以想象的危險(xiǎn)。

例如某±800kV換流站的爆炸事故，直接原因是巡檢人員對(duì)隔離開關(guān)傳動(dòng)部件中軸銷、銷釘?shù)雀郊S護(hù)檢查不嚴(yán)不細(xì)，造成隔離開關(guān)無法承受電動(dòng)機(jī)起動(dòng)時(shí)產(chǎn)生的電流。所折射出的深層次原因，則是在設(shè)備缺陷監(jiān)測難、傳感終端誤報(bào)率高的情況下，人工巡檢對(duì)一些隱蔽缺陷“力不從心”。

正是在這樣的背景下，電力裝備運(yùn)維一直對(duì)新技術(shù)持開放態(tài)度，無人機(jī)、機(jī)器人等紛紛走向巡檢崗位，同時(shí)也包括人工智能技術(shù)。

倘若能夠?qū)⑷斯ぶ悄苋谌腚娏ρb備運(yùn)維，或許可以利用算法對(duì)一些特定故障進(jìn)行分析，智能檢測異常狀態(tài)并實(shí)時(shí)告警，進(jìn)而解決人工巡檢數(shù)據(jù)分析能力不足的短板，及時(shí)發(fā)現(xiàn)變壓器等設(shè)備潛伏性缺陷。

理想很豐滿，現(xiàn)實(shí)中卻遇到了“最后一公里”的挑戰(zhàn)。

比如現(xiàn)有技術(shù)能力的局限性。當(dāng)前市場上已有的智能運(yùn)維方案，往往是針對(duì)某個(gè)設(shè)備、某些故障、某些場景，采用單一模態(tài)數(shù)據(jù)來驅(qū)動(dòng)算法模，產(chǎn)生了模型分散、可復(fù)用度低、更新慢、通用性差、對(duì)任務(wù)場景依賴性強(qiáng)等問題。

再比如真實(shí)運(yùn)維場景的復(fù)雜性。電力設(shè)備在運(yùn)行時(shí)會(huì)產(chǎn)生各種干擾，使得異響信號(hào)的信噪比低，采集到的數(shù)量質(zhì)量差、故障狀態(tài)數(shù)據(jù)少。而傳統(tǒng)模型的深度認(rèn)知能力和分析決策能力相對(duì)不足，并未能解決誤檢、漏檢等核心痛點(diǎn)。

時(shí)間來到2022年末，大模型的浪潮席卷全球，對(duì)新技術(shù)敏感的電力運(yùn)維，迅速達(dá)成了一種行業(yè)共識(shí)——或許可以利用大模型的能力，融合文本、聲紋、圖像等多參量和多模態(tài)信息，打破現(xiàn)有技術(shù)的局限性，提升電力裝備運(yùn)維的智能識(shí)別和故障推送能力，跨越智能化運(yùn)維的“最后一公里”。

02 一群年輕人給出了“技術(shù)路線圖”

“許繼智算”團(tuán)隊(duì)，就是最早擁抱大模型的團(tuán)隊(duì)之一。

隸屬于中國電氣裝備集團(tuán)-許繼電氣科學(xué)技術(shù)研究院的“許繼智算”團(tuán)隊(duì)，平均年齡只有28.7歲，卻集結(jié)了應(yīng)用數(shù)學(xué)、模式識(shí)別、控制工程、CV、計(jì)算機(jī)工程等專業(yè)人才，研發(fā)方向聚焦于人工智能技術(shù)在智慧線路、智慧變電、軌道交通、智慧配電、電網(wǎng)調(diào)控等業(yè)務(wù)領(lǐng)域的落地應(yīng)用。

為了打通大模型落地的最后一公里，“許繼智算”團(tuán)隊(duì)基于昇騰軟硬件體系提出了電力裝備運(yùn)維垂直大模型的技術(shù)路線：

以基礎(chǔ)大模型基座為起點(diǎn)，結(jié)合沉淀多年的電力知識(shí)，通過增量訓(xùn)練、微調(diào)訓(xùn)練、提示詞工程等，研發(fā)出了許繼智言電力大模型，并結(jié)合向量化知識(shí)庫部署，構(gòu)建了名為“智電靈眸”的智能運(yùn)維平臺(tái)。

參加昇騰AI創(chuàng)新大賽2024的數(shù)百支團(tuán)隊(duì)中，不乏相似的落地理念，為何“許繼智算”團(tuán)隊(duì)能夠脫穎而出呢？

答案離不開團(tuán)隊(duì)提出的三個(gè)創(chuàng)新思路。

一是大小模型多融合。

大模型擁有強(qiáng)大的泛化能力，而小模型在特定任務(wù)上表現(xiàn)出色?！霸S繼智算”選擇了大小模型多融合的落地方案，在大模型全局預(yù)測的基礎(chǔ)上，采用小模型進(jìn)行精準(zhǔn)篩選，并利用小模型生成預(yù)測提示知識(shí)輔助大模型進(jìn)行精準(zhǔn)判斷。通過大小模型的分工協(xié)作，既提升了故障診斷的精度和效率，同時(shí)降低了計(jì)算成本，更適用于處理電力行業(yè)復(fù)雜多變的運(yùn)維需求。

二是“三庫一體”強(qiáng)推理。

針對(duì)大模型普遍存在的幻覺、專業(yè)知識(shí)答不準(zhǔn)、行業(yè)信息更新難等問題，“許繼智算”采用了“三庫一體”的架構(gòu)，即將RAG向量數(shù)據(jù)庫、圖數(shù)據(jù)庫、SQL數(shù)據(jù)庫融合在一起，構(gòu)建了電力設(shè)備運(yùn)維領(lǐng)域的專業(yè)知識(shí)模型，并結(jié)合檢索增強(qiáng)生成技術(shù)、圖譜更新等工具，基于知識(shí)庫高質(zhì)量高精準(zhǔn)數(shù)據(jù)和大模型語義理解能力，進(jìn)一步提高了大模型應(yīng)答的準(zhǔn)確性。

三是正負(fù)樣本精檢測。

正如前面所提到的，電力設(shè)備采集到的只有某些運(yùn)行方式下的特定狀態(tài)，不可見的狀態(tài)無法獲取真實(shí)數(shù)據(jù)?！霸S繼智算”團(tuán)隊(duì)的解法是對(duì)電力圖像、設(shè)備聲紋和設(shè)備運(yùn)行數(shù)據(jù)等進(jìn)行清洗、對(duì)齊和特征提??；在融合階段通過注意力機(jī)制或圖網(wǎng)絡(luò)實(shí)現(xiàn)模態(tài)間的交互和信息共享，然后將各模態(tài)的決策結(jié)果進(jìn)行加權(quán)融合，極大地提升了垂直大模型的性能。

借用一位評(píng)審專家的說法：“許繼智算”團(tuán)隊(duì)的技術(shù)創(chuàng)新能力、行業(yè)應(yīng)用經(jīng)驗(yàn)和工程化落地能力，有效解決了當(dāng)前電力裝備運(yùn)維智能化方案方案中定制化程度高、深度認(rèn)知能力不足等問題，提升了電力行業(yè)的智能化水平。

03 電力裝備運(yùn)維進(jìn)入“智能體”時(shí)代

檢驗(yàn)一套方案的最佳方式，無疑是真實(shí)的生產(chǎn)環(huán)境。

依托中國電氣裝備集團(tuán)的大型電力裝備制造和系統(tǒng)軟件開發(fā)優(yōu)勢(shì)，“許繼智算”團(tuán)隊(duì)的打造“智電靈眸”智能運(yùn)維平臺(tái)，已經(jīng)以通用服務(wù)組件、系統(tǒng)軟件集成等方式，先后在“一帶一路”鐵路牽引變、變電站智能巡視工程、±800kV換流站柔直換流閥健康狀態(tài)診斷等項(xiàng)目中試點(diǎn)，應(yīng)用場景涵蓋電力行業(yè)的發(fā)、輸、變、配、用全環(huán)節(jié)。

以±800kV換流站運(yùn)維為例，能夠設(shè)備概況、巡檢要求、操作手冊(cè)、故障診斷與故障處置等進(jìn)行智能分析，給出相關(guān)措施，讓每個(gè)巡檢人員都能擁有“老師傅的經(jīng)驗(yàn)”。

譬如“變流站繞組溫度高”的問題，只需要在對(duì)話框中輸入相關(guān)問題，“智電靈眸”會(huì)快速給出相應(yīng)的處理方案，包括現(xiàn)象檢查溫度計(jì)是否到達(dá)預(yù)警值、冷卻器是否投入運(yùn)行，以及不同結(jié)果對(duì)應(yīng)的處理方案。

同樣的還有500kV變電站智能巡視的案例，能夠識(shí)別刀閘、旋鈕開關(guān)、壓板、表計(jì)、空開、指示燈、山火、異物、山體滑坡、工程車輛、未穿絕緣靴、高空拋物、線盤倒放、無人扶梯等不同場景下上百種設(shè)備缺陷及安全風(fēng)險(xiǎn)。

也就意味著，變電站的巡視不再依賴人工經(jīng)驗(yàn)，甚至不需要人工到場，可以根據(jù)采集的圖像和視頻數(shù)據(jù)，智能分析潛在的風(fēng)險(xiǎn)和缺陷，及時(shí)作出預(yù)警，有效提高了電力設(shè)備缺陷檢測成功率和運(yùn)維人員的工作效率。

比這些案例更有說服力的，是一組落地前后的數(shù)據(jù)對(duì)比：在變電站、換流站等實(shí)際運(yùn)維場景中，“智電靈眸”智能運(yùn)維平臺(tái)相較于傳統(tǒng)方法，識(shí)別準(zhǔn)確率提升了30%以上，能夠更精準(zhǔn)地識(shí)別設(shè)備故障和異常狀態(tài)；故障預(yù)警速度提升了50%，能夠更快地發(fā)現(xiàn)潛在故障，減少停機(jī)時(shí)間。

打一個(gè)比方的話，在多模態(tài)大模型“視、聽、想、做”能力的賦能下，電力裝備運(yùn)維有了“看得見、聽得著、會(huì)思考、能行動(dòng)”的“智能體”，將徹底改寫電力裝備運(yùn)維的巡檢范式，全面進(jìn)入到“智能體”時(shí)代。

對(duì)于“許繼智算”團(tuán)隊(duì)來說，他們的使命遠(yuǎn)沒有結(jié)束，將專注于更多電力專用智能體的開發(fā)，通過加強(qiáng)算力平臺(tái)構(gòu)建、數(shù)據(jù)資產(chǎn)管理、算法模型智能體構(gòu)建等方式，實(shí)現(xiàn)電氣裝備的全面智能化運(yùn)維。

04 寫在最后

一塊石頭投入湖中，最迷人不是入水時(shí)的“咕咚”聲，而是激起的層層漣漪。

如果說DeepSeek的崛起是投向AI行業(yè)的石頭，吸引了全社會(huì)的討論和關(guān)注；多模態(tài)大模型在電力裝備運(yùn)維等場景中的邏輯，就是一層一層的漣漪，讓外界看到了大模型更深層次的價(jià)值。

大模型的“詩和遠(yuǎn)方”不是寫詩、作畫，而是需要更多像“許繼智算”這樣的創(chuàng)新團(tuán)隊(duì)，將大模型的能力應(yīng)用到千行萬業(yè)。