智能算法

阐述了无人机图像智能算法在电力巡检的开发及应用，带来AI人工智能和多传感器融合的全栈式电力运维解决方案。在普宙无人机自主巡检中，深度学习算法被两次应用，实现可见光对杆塔本体精细化巡检的拍照点自动化精准选定以及精确识别存在缺陷隐患的照片及缺陷位置。其采用的RTK载波相位差分技术，可通过基站采集的载波相位数据发送给移动站（无人机）进行求差计算定位坐标，不受限于通信链路和网络覆盖，使得定位精度提高到了厘米级。

人工智能+新型配电系统具有丰富的内涵:在配电网规划、设计、运行、运维与服务等领域都有丰富的内涵和广泛应用，对人工智能+新型配电系统的能和不能要有清晰的判断和认识。配网人工智能应用需要解决:海量数据的处理和价值提取，依赖高效的算法和计算资源;需要探索有效的数据标注方法来增加可用数据量及样本，提升训练效率;需要研究如何将人工智能算法与传统机理分析方法有机地结合起来。

我国电力市场目前仍处于改革中，电力企业代理购电预测的准确与否，在市场资源配置中起着决定性作用。为保证代理购电机制平稳发展，需明确电力企业市场化购电规模。目前代理购电电量主要是根据代理购电工商业用户用电量及典型负荷曲线进行预测，缺乏完整的体系，难以精确预测，导致缺少合理的规划。文章提出一套相似日月度预测算法与混合时序月度预测算法相结合的智能算法，用于代理购电业务电量预测与评价，围绕江苏省2022年用电情况进行预测，从5个维度对预测结果进行评价，帮助电力企业精准预判整体售电量规模，合理规划购电计划。

本案例项目研究的输电线路融合型智慧终端，通过综合运用边缘计算和人工智能技术，并结合5G通信技术，研究轻量化深度学习算法设计技术，实现输电线路通道状态监测的边端图像智能分析；通过研究设计智慧终端边缘计算框架，实现输电线路状态监测传感器的融合接入；通过研究5G通信融合应用技术，实现超高清视频及信息的高速安全传输；通过提升线路通道防护的技术水平，提高输电线路安全水平。输电线路融合型智慧终端整体方案如图1所示。项目所用方案按功能可分为以下几部分：基于AI模组的图像智能分析（即低功耗DPiM架构的人工智能算法）、动态虚拟运行环境、可支持eMBB切片配置及与MEC交互的5G通信，以及多状态监测传感器的接入。输电线路融合型智慧终端技术方案。

近年来配网不停电作业量激增，为提升作业安全性和规范性，项目打造了一套以智能算法和物联网技术为基础的配网带电作业智能化辅助装置。 装置由智能穿戴模块、智能设备模块、智慧作业平台共同构成，根据配网不停电作业安全要求，以多维传感感知融合技术实现作业流程数据覆盖，同时结合AI算法实现全流程智能研判，实现安全风险识别、作业实时告警以及作业后及时复盘反馈，确保作业人员动作和设备使用的规范性，加强生产现场作业风险管控，提升安全作业水平。

随着电力信息化的提高，智能算法结合历史数据进行变压器故障诊断的方法越来越受到关注。在溶解气体分析法基础上借助少数类样本过采样（SMOTE）算法合成新样本，实现样本多维度扩充，并以贝叶斯优化算法寻找长短期记忆（LSTM）网络模型参数的最优设置值，以降低训练集错误率，进而建立了变压器故障诊断模型。结果表明：样本扩充后的变压器故障诊断模型过拟合度降低约20%，测试集准确率提升约10%。

纸张老化特征取决于使用的绝缘流体抗氧化剂。 可以采用智能算法，根据标准油试验和溶解气体分析计算聚合度数值，但不同的油需要不同的标记。 因此，与呋喃-聚合度-分析法相比，其它方法可能产生更高的精确度。 聚合度数值与抗拉强度之间的关联性取决于使用的油抗氧化剂。

智能感知技术是高能级配电终端的核心，它通过传感器、数据采集与处理、机器学习与人工智能算法等关键技术，实现对配电系统各项数据的实时感知、分析和决策。这些技术能够模仿人类的感觉，通过视觉、听觉、触觉等多种渠道获取信息，并通过数据处理和机器学习算法进行解析和决策。

避雷器阻性电流的增长是判断避雷器故障的最重要参数。受多种因素影响，现场实测的避雷器泄漏电流已经不是避雷器本体的电流，且计算阻性电流，需要电压相位，而现场获取电压相位信号也很不便，避雷器监测传感器可以有效解决以上问题，避雷器监测传感器采用高精度电流互感器及先进的无线同步技术，准确采集避雷器泄漏电流的幅值和同步相位信息。同时结合环境参量，采用智能算法计算避雷器阻性基波电流增长率，无需采集母线电压信号。传感器本体直接并接避雷器泄漏电流表，安装简单方便。传感器采用低功率无线接入网通信协议，有效控制了传感器通信功耗(μW级)，采用可在严苛环境下可长时间稳定放电的进口工业级锂亚酰胺氯电池，可实现对避雷器长期监测。

针对锅炉燃烧系统的多目标优化，在所建立的锅炉燃烧系统预测模型的基础上，分别采用加权-粒子群算法和多目标粒子群优化(multi-objective particle swarm optimization，MOPSO)算法优化锅炉系统的可调整运行参数，以实现锅炉高效率低NO x 排放。分析表明，2种优化算法所得的运行参数相近，趋势与燃烧特性分析和燃烧调整试验结果相符合，说明智能算法优化电站锅炉燃烧系统有效可行。但是加权-粒子群优化算法主观依赖性严重，难以选取合适的权值，优化时间长且结果少；而MOPSO算法优化时间远远小于加权-粒子群算法优化时间，并且优化结果更多，优化效率更高，更有利于指导锅炉的实际运行。