2024年边缘智能赋能电力生产安全数字化报告

武汉大学 皖A·09·101ERT 边缘智能赋能电力生产安全数字化 武汉大学王波 2024年8月 2024年电力信息通信EPICT 新技术大会 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 EPICT 新技术大会 研究背景 数字化安全防控技术-思路 目录 CONTENT数字化安全防控技术-边缘智能装备 新技术大会 第一部分 研究背景 新技术大会 EPICT 研究背景 武汉大学 WUHANUNIVERSITY 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 数字化管理平台 源网荷 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） 储信息安全（网络安全或信息安全） 2024年电力信息通信EPIC 新技术大会 研究背景 武汉大学 WUHANUNIVERSITY 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。 70 6053 起数死亡人数 622010年西安供电局8.15事故 2013年宁德供电局3.7事故 50 3940 40 4344 38 35 37382017年安溪供电局6.7事故 3230 302020湖南7.2事故 202020年桂林供电局9.21 10配网作业人身触电受伤事故 0 2017年2018年2019年2020年2021年2022年 2017-2022年电力安全事故统计电力领域生产安全事故案例 根据国家能源局公开数据，2017-2022年共发生278起电力电力安全事故的发生，会对国家和社会造成不良的影响宜 事故，平均每起电力事故死亡1.554人，具有事故发生频率高会对电力企业造成巨大的经济损失和负面影响！ 危害大的特点。 2024年电力信息通信EPICT 新技术大会 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）》 国家电网有限公司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》 STATEGRID 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》 中国南方电网 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 2024年电力信息通信EPIC 新技术大会 研究背景一难在哪？ 武汉大学 WUHANUNIVERSITY 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验电作业时，未戴绝缘手套作业时，作业人员和带电体过近 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？ 2024年电力信息通信EPIC 新技术大会 研究思路一数字化安全管控 武汉大学 WUHANUNIVERSITY 类脑风险判别模型 作业过程安全风险智益研列 静态着装类动态行为类安全距离测西一光融合成像多物理场融合成像作业人员安全状态智费认知 现 风险用识问 安全知识图谱场景理解 成成像分析缺陷斯识 疯险解析成像认知 义分制耳标跟路成像规则 目标检测动作识别双自深度知混合深度感知图像解构 处开 周定监控布控球执法仪 双目摄像头声成像模组红外模组 维基百科安全规章制度 机器人智慧安全相摄像模组激光雷达电场传感器磁场传感器电力安全文库电力安全先验知识 构建平面·立体·全息的体系化安全风险防护技术架 平面立体全息认知2024年电力信息通信EPIC 新技术大会 第三部分 数字化安全防控技术-边缘智能装备 EPICT 新技术大会 生产安全为什么需要边缘智能助力？ 电力视觉边缘智能 矛盾日益加剧 武汉大学 WUHANUNIVERSITY 以广州市为，截止到2019年变电站数量达353座，一座变电站至 少设置50个摄像头用于人员安全防护和设备状态感知，整个广州 生产安全风险的瞬时性生产安全影像处理需求量大市的变电站一个小时将会产生149.8TB的影像数据。 将风险辨识模型下放至防护前端装置成为迫切趋势 难点 如何打破感知终端计翼资源的限制，将基手复杂智 能风险辨识模型部署到算力有限的前端装置？ 2024年电力信息通信EPICT 新技术大会 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 武汉大学 WUHANUNIVERSITY ■构建了基于电力视觉边 基于电力视觉边缘智能的生产安全风险辨识与防护框架 电力生产现场实体防护终端边缘智能计算模块云中台 缘智能的生产安全风险辨边缘智能处理单元 识与防控技术框架，提出 生产影像筛选和传输 面向资源有限前端装置的轻量化安全风险排识模型 传输 风险瓣识模型前端加速策结果 风险影像的弹性存储机制 略，提出了基于判别力驱 生产影像感知 预警 动的风险辨识模型通道剪嵌入式操作系统风险 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。 边缘计算装置 *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 武汉大学 WUHANUNIVERSITY 基于轻量化卷积神经网络各的特征提取方法 正板块 FC,Rd 标准卷积和深度可分解卷积网络示意图轻量化卷积网络视觉特征提取模块 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： 计算量 Ca_Dk-Dk·M·D,·D,+M·N·D,-Dp可减少8至9倍 Dk-DK-M-N.DF-DD3 Cs 新技术大会 关键技术2：模型通道剪枝 武汉大学 WUHANUNIVERSITY 基于判别力驱动的风险辨识模型通道剪枝方法 基准网络 重构误差： 剪枝后网络 基于判别力驱动模型通道剪枝的示意图 判别力损失函数： (（K)=-16=0og LK)=L(K)+2L(K A送金物失截止条件： 基准科络模型 基于判别力驱动模型通道剪枝的流程示意图 剪校后网络模型 L(Ks-)-L(K)//L(K°)≤& *WangBo,MaFuqi,GeLeijiao,etal.Icing-EdgeNet:APruningLightweightEdgeIntelligentMethodofDiscriminativeDriving ChannelforIceThicknessofTransmissionLines[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 与其他轻量化目标检测的性能对比90 85 模型模型大小（MB）处理速度（FPS）mAP(%)80 武汉大学 WUHANUNIVERSITY YOLOv4-tiny22.511558.15 70 ShuffleNet-SSD21.422.261.22 65 MobileNetV3-SSD2619.261.8960 DRFML-MSE32.437.878.02 DRFML-MC25.421078.9650 45 与其他轻量化违章行为辨识模型的性能对比40绝缘手套线手套手验电杆接地线绝缘梯木梯子 模型模型大小（MB）处理速度（FPS)A(%) -YOLOv4-tiny-ShuffleNet-SSD GCN-MC 26.56 16.5 71.50 STGCN-MC 30.25 14.8 74.14 不同轻量化目标检测模型的平均精度曲线 DVIM-MSE 31.54 14.3 76.69 →一第二章所提方法-MSE一本章所提方法-MC DVIM-MC32.4813.978.55 与其他轻量化场景理解模型的性能对比压缩后的模型在边缘端保持良好的适应性，且具有较高 模型模型大小（MB）处理速度（FPS）计算复杂度（GFlops）A(%)的识别精度 与其他轻量化模型的性能对比 ShuffleNerV28.7763.20.14673.72 SqueezeNetl4.7026.30.35171.61 MobileNerV320.6021.680.29 POSU-MC13.9131.10.30485.17 S 2024年电力信息通信EPICT 新技术大会 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 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[156]:0.8642578125 205:0.01241302490234375 小模型。1941:0.002044677734375 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PerfomanoLayerD 60 Time(un) 武汉大学 WUHANUNIVERSITY 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 -max(/xl)0max(/x:l) xdayer2.lay -128 TotatTir 0 FP%(600MHz):152.35 127FPS(800MHz):203.13 对称量化方法示意图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 武汉大学 WUHANUNIVERSITY 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。 ResetCON:1上位机 Recovery RK1808计算卡 USB3.0Type-AUSB2.0.Host Mini-PCle CON2 USB3_TX1PUSB3_SSRXP(51) (a)RK1808芯片 （b）带USB3.0接口的扩展板USB3_TX1MUSB3_SSRXN(49) 基于RK1808的外接神经网络计算卡USB3_RX1PUSB3_SSTXP(19) ABABUSB3_RX1NUSB3_SSTXN(17) 模型未分段协同计算示意图USBDPOTG_DP(38) A1BA2BA1BA2BUSB_DMOTG_DM(36) 模型分段协同计算示意图主芯片与神经网络计算卡的通信方式 2024年电力信息通信EPICT 新技术大会 关键技术4：硬件加速 武汉大学 WUHANUNIVERSITY 模型加速前后对比 违规操作