科大讯飞李心：人工智能技术有助于克服电力设备运检局限性问题

电力系统中，保证变压器、开关柜等设备的可靠性是运检人员需要重点关注的问题，但是面临依赖人工专家经验、数据相对独立且难以挖掘，故障和缺陷无法主动预警预测三大难题。科大讯飞电力智能业务总经理李心在《从智能感知到电力设备健康管理》报告中提到，人工智能技术有助于克服设备运检局限性问题，人工智能基于智能传感装置多维度数据采集和融合，构建电力“两库一平台”，赋能设备状态评价等多种场景应用。

为推动配电网科研成果落地实施，推进数字化配电技术创新发展，增进学术交流与合作，北极星电力网联合国网江苏省电力有限公司电力科学研究院于2021年6月8-9日在江苏省南京市举办以“数字化转型·建绿色配电网”为主题的“第二届智能配电网建设研讨会”。北极星电力网、北极星学社APP对会议进行了全程直播。

更多会议现场资讯详情点击<<<

李心：今天我代表科大讯飞向各位专家汇报一下科大讯飞在智能配电方面做的一些工作。

事实上，可能大家对科大讯飞了解度还不高，尤其在座的大部分都是电力系统的国网和南网的专家们。科大讯飞从语音起步专注于人工智能技术和应用，在人工智能国际比赛中多次获奖，是我国人工智能国家队企业。我借这个报告来谈谈人工智能技术进智能配电网能碰撞出什么样的火花。

科大讯飞在这方面的思考是比较具体、聚焦、场景化的。跟科大讯飞在教育、医疗等方向的一些探索一样，将人工智能技术结合到具体的领域和业务本身。

电力系统跟人工智能有很多结合方向，今天的主题是运检方面的，重点关注设备，就是设备状态监测，它首先是基于物联网的智能感知过程，我们希望利用人工智能的技术，能从智能感知走向一个设备的健康管理，能发挥更大的价值和作用。

在电力系统里面，我们虽然发现设备的故障率不高，一旦发生一些故障，影响还是非常巨大的。

常见的电力系统的故障和检测方法，我们根据相关的一些国家标准做了一些总结，包括带电检测、温度、振动、油色谱等检测方式，都会有一些不足和缺陷。以设备变压器为例，单一的一种手段很难从整体上评估一个变压器的健康状态，也不能故障做一个很好的预警和评估。目前的设备监测和状态评估主要还是面临三大问题，一是更多的依赖人工专家的经验，二是相对的各种传感或者检测的手段数据是很独立的，没有把它们汇总起来或者关联起来，三是故障和缺陷无法主动预警预测。

人工智能针对上述设备检测问题能够产生一些帮助。比如针对更多的依赖人类专家经验的问题，我们可以应用到一些智能认知的技术，具体包括人机双向的学习，建立一些知识图谱，把一些故障的记录，包括技术标准形成整个的关联知识体系。针对数据相对独立问题，大数据挖掘技术，多模态数据的融合，多维度的感知等技术，可以打破数据孤岛现象。

针对故障和缺陷以及潜在的故障没有办法预测的问题，现在比较流行的一个国内外的热点技术，就是预测性维护，它其中涉及到的一些核心技术，包括AI+机理，数据跟知识的融合技术建立专家知识系统，辅助设备的故障预测和维护策略设计。这是针对我今天报告一个大的背景，我们在电力系统的关键设备现有的检测存在什么问题，人工智能可以发挥什么样的作用。

接下来介绍一下科大讯飞在人工智能方面的理解和优势

人工智能有三个阶段，运算智能、感知智能和认知智能。运算智能实际上就是一个计算机计算的工具，能够提升算力，把计算的速度提升。感知智能方面，它的输入和输出比较明确，认知智能，不仅要让机器能听会说，能看会认，而且要能听懂，能思考，能理解，这背后就需要一些更多复杂的技术和模型算法。

科大讯飞在感知智能和认知智能这两年的进展可以和大家介绍一下。

近年来，讯飞感知智能在持续、飞速、广泛的进阶，语音识别技术向远场复杂场景进阶，语音合成向多模态虚拟主播进阶，机器翻译向同声传译进阶，图文识别向复杂公式识别进阶。

在认知智能方面，科大讯飞在多步推理阅读理解评测HotpotQA干扰项赛道和全维基赛道中先后分别夺冠，认知智能+教育：在机器智能批阅超过人类老师，实现了智能批阅和因材施教的效果。认知智能+医疗： 智医助理通过国家执业医师资格测试，智医助理可以有效提升基层医生诊疗能力。

回到设备智能感知主题，首先需要给大家介绍的就是听声，声音是一个重要的设备状态的感知维度，现在视频的技术，红外等已经是比较广泛的在应用了，而声音传感还没有广泛应用。实际上很多设备的故障，尤其机械设备，变压器等都是可以用耳朵一听就可能能听出来问题。

对于智能的声音感知，我们有一款产品可以探测声音的位置，将声音热点探测和图像照片结合可以远距离非接触局部放电等故障产生的异常声音和声音的位置。这是一个具体的案例，检测出来再穿墙套管内部烧损产生的放电的情况。该产品也是首次实现了声学成像国产化，打破了国外的垄断。

另一款产品是设备智听监测系统，布置在变压器等设备的周围，通过智能分辨变压器声音的异常，给运检人员推送报警。该产品结合了正样本特征提取技术、因果/数据双驱动算法和云边协同技术，

智能运检要真正实现智能化，仅仅做传感和数据采集是不够的，最终是要做到设备的健康管理，这里包括多维度传感的监测，AI智能评估，知识图谱专家系统等技术。

第一个核心特征是检测方式从单一走向多维度，包括视觉、听觉、触觉、嗅觉，把多维度传感器的信号数据进行融合。

第二个特征是实现远程的监测和诊断系统，从而有助于无人巡检。通过我们的设备健康智能管理系统，设备的维护由传统的修复性的维护，或者是一个周期性的大修小修，或者是一些简单的状态维护走向预测性维护，对这个设备的寿命以及运检的工作量减轻有很大的好处。

第三个特征是把AI技术与机理模型相结合，从而实现AI辅助诊断的模型。

最后一个很重要的特征，是基于知识图谱建立的专家系统，该系统还引入检修班组记录的故障信息，引入技术标准，这些专家知识、经验知识和标准知识共同构建设备运检知识图谱体系，从而对故障诊断和预判提供智能的辅助。

最后总结一下设备健康管理平台的优势，主要包括多维度的感知，多模态数据融合，远程专家系统AI智能评估和辅助诊断功能。

最后除了今天演讲主题之外，我再介绍一下科大讯飞在能源电力领域其他产品，我们除了做设备运检外，在调度中心做大屏智能控制系统，在客服中心做外呼机器人产品，在办公管理方面有智能会议系统、行业信息智库、合同评审等相关具体应用。

谢谢大家。