2024年边缘智能赋能电力生产安全数字化报告

武汉大学王波2024年8月 致谢 本报告的部分PPT由武汉大学人工智能研究院刘菊华教授、西安理工大学马富齐副教授提供，特此感谢 研究背景 研究背景 习近平总书记指出：要做好新时代国家安全工作，以系统思维构建大安全格局，以人民安全是国家安全的宗旨，坚持把防范化解国家安全风险摆在突出位置 新型电力系统安全可归纳为 电网安全（电网故障或自然灾害） 生产安全（人身安全或作业安全） 信息安全（网络安全或信息安全） 研究背景 电力安全生产通常面临高电压、强电流等危险环境，由于生产现场人员安全意识淡薄、作业过程不规范、安全管控措施不到位等因素导致作业事故频繁发生，严重威胁现场工作人员生命安全。 电力领域生产安全事故案例 2017-2022年电力安全事故统计 根据国家能源局公开数据，2017-2022年共发生278起电力事故，平均每起电力事故死亡1.554人，具有事故发生频率高危害大的特点。 电力安全事故的发生，会对国家和社会造成不良的影响宜会对电力企业造成巨大的经济损失和负面影响！ 研究背景一国家政策 十九大报告提出“树立安全发展理念，弘扬生命至上、安全第一的思想”以及构建“安全高效的能源体系”发展目标。 2018年，国家能源局印发《电力安全生产行动计划（2018-2020年）》2020年，国家能源局发布《关于印发2020年电力安全监管重点任务的通知》2020年，中国国务院安委会推出《全国安全生产专项整治三年行动计划》 2016年推出《国家电网公司生产作业安全管控标准化工作规范（试行）》2017年，国家电网推出《国家电网公司关于强化本质安全的决定》2018年，南方电网公司推出《南方电网公司关于推进本质安全型企业建设的指导意见》 由此可见，提高电力系统本质安全水平是国家和电力企业的迫切需求 研究背景一难在哪？ 实际电力生产作业过程是一个涉及人员、防护工具、设备机械和环境等多元交互融合的复杂动态过程，安全风险通常蕴藏在人员与电力设备、工具和场景等的动态交互关系中，导致电力生产安全风险呈现出多元化特征： （1）违章动态性一人员主观行为的动态连贯性 （2）场景依存性部分违章风险与场景强相关 （3）复杂多样性一风险类型多样、风险诱因多样 （4）距离强相关生产风险与安全距离强相关 （5）风险瞬时性一生产风险都是在瞬时发生的 围绕电力生产安全风险瞬性特征，如何在边缘端实现电力生产过程风险辨识与防控？ 数字化安全防控技术-边缘智能装备 生产安全为什么需要边缘智能助力？ 电力视觉边缘智能 边缘智能驱动下的数字化安全防控体系 电力视觉边缘智能 ■构建了基于电力视觉边缘智能的生产安全风险辨识与防控技术框架，提出面向资源有限前端装置的风险瓣识模型前端加速策略，提出了基于判别力驱动的风险辨识模型通道剪枝方法，研制了全过程可视化生产安全智慧管控终端及即插即用型边缘智能盒产品。 *马富齐，主波，董旭柱，等.电力视觉边缘智能：边缘计算驱动下的电力深度视觉加速技术J].电网技术，2020，44（06）：2020-2029 关键技术1：网络轻量化替代 相比于标准卷积操作，深度可分离卷积操作计算量的减少比例为： 关键技术2：模型通道剪枝 *WangBo,MaFuqi,GeLeijiao,etal.Icing-EdgeNet:APruningLightweightEdgeIntelligentMethodofDiscriminativeDrivingChannelforIceThicknessofTransmissionLines[Jl.IEEETransactionsonInstrumentationandMeasurement,202l8:1-12 试验结果验证与分析 关键突破：提出面向生产安全风险辨识模型的前端智能加速策略试验结果与分析 边缘端 压缩后的模型在边缘端保持良好的适应性，且具有较高的识别精度 关键技术3：模型量化压缩 关键突破1：硬件设计开发基于动态定点混合量化的模型压缩方法 [156]:0.8642578125205:0.012413024902343751941:0.002044677734375 模型压缩算法：旨在将一个复杂而余的预训练模型转化为一个精简的小模型。 模型量化：指将神经网络的浮点算法转换为定点，量化后的模型使用较低精度（如int8/uint8/int16）保存模型的权重信息，在部署时可以使用更少的存储空间，获得更快的推理速度 动态定点量化：动态定点量化是对称量化技术的一种，而动态定点量化则是指乙的值根据模型训练和转换时的实际数据进行校准的对称式量化技术 MobileNetV2网络量化示意图 *FengLei,WangBo,MaFuqi,etal.IdentificationofKeyLinksinElectricPowerOperationBased-SpatiotemporalMixingConvolutionNeuralNetwork[J]ComputerSystemsScience&Engineering.2023.1-16. 关键技术4：硬件加速 关键突破1：硬件设计开发基于多计算卡协同计算的硬件加速方法 本项目所提变电站作业风险识别算法在同一时刻至少需要运行两个神经网络模型，每个神经网络模型都需要使用有限的NPU资源完成推理任务，这就会导致NPU资源抢占的问题。 模型未分段协同计算示意图 关键技术4：硬件加速 模型加速前后对比 本项目模型在服务器端训练完成后利用测试集测试得各人员违规操作类别识别精准率（Precision）和召回率（Recall）如表所示，由表可知，本项自所提算法的总体准确率为0.86，召回率为0.89，F1值为0.88，均达到了较高水平，说明模型训练已经较为充分并且没有出现严重过拟合现象。其中，吸烟这类违规操作的识别准确率最高，挂接地线不戴绝缘手套这类违规操作的召回率最高，而从F1值来看，算法对于吸烟和未佩戴安全帽这类违规操作的识别效果优于其他类别。 基于边缘智能的前端智能装备1-单目装备 新型安全风险防护智能装置（单目） 应用成效 技术特点 单目防护装置是一款基于边缘计算和AI技术、适用于10kV~110kV变电站及作业面小的近电作业场景的智能化平面终端装置，能够识别作业过程中常见的人员习惯性违章，如着装风险识别、安全标识牌识别、动态违章动作等，以代替人的现场监管为导向，实现常见可视化违章风险。 基于边缘智能的前端智能装备1-单目装备 基于边缘智能的前端智能装备2-双目装备 新型安全风险防护智能装置（双目） 应用成效 装置形态 技术特点 双目防护装置是基于边缘计算和Al技术、适用于110kV~220kV变电站及110kV~220kVGIS/HGIS变电站近电作业场景，采用双目立体匹配和场景元素识别进行近电安全距离检测，距离测量精度达到分米级。可实现作业人员和大型施工机械作业时与带电设备安全距离的精确测量及安全距离告警，也可用于大型施工机械作业时防碰撞告警。 基于边缘智能的前端智能装备2-双目装备 新型安全风险防护智能装置（双自） 基于边缘智能的前端智能装备3激光雷达装备 新型安全风险防护智能装置（雷适】 实际应用成效 装置形态 技术特点 距离测量范围：50~200米 适用电压等级：330KV及以上 距离测量误差：小于1% 结语 结语 电力数字化安全防控仍处于起步阶段，对未来该领域的发展有以下几点思考和展望 01-大安全分析格局 电力大安全问题涉及多种电力风险主体，各个风险主体有电网本体、电力设备、人员和外力破坏等多方面诱因，且风险主体与多元风险诱因之间相互耦合，对电力系统安全问题分析应具有大安全格局，不依据业务场景割裂进行风险判别。 02-跨模态感知手段 电力安全问题具有多元诱因，不同风险诱因具有不同的数据源和数据特征，且单一风险诱因特征的风险判别驱动力有限，研究面向电力系统多元风险诱因的跨模态数据特征融合方法是实现电力安全风险综合研判的关键。 03-人机混合增强智能风险认知 由于人类面临的许多问题具有不确定性、脆弱性和开放性，任智能程度的机器都无法完全取代人类，且电力工业生产具有高危险特性，因此智能安全风险识别方法将在很长一段时间作为风险管控的辅助手段，基于人机协同混合增强智能的生产安全风险管控技术将会是进一步的研究重点， 2024年电力信息通信EPIC新技术大会 感谢听！ 武汉大学王波邮箱：whwdwb@whu.edu.cn