摘要：我国电力行业发展至今已经取得了非常不错的成就和成果。随着我国社会现代化程度的不断提升，我国技术水平和实力得到了全面发展。加大智能变电站完善发展和相关问题的研究、解决力度，能够保证人工智能在变电站运维管理的整体质量满足具体使用的需求，从而有效促进我国电力资源可持续发展，对我国电力资源的合理配置和人们生活品质的提高，具有积极的推动作用。
关键词：人工智能；变电站运维管理；应用
引言
科学技术的快速发展，人们生活水平的提高，对于能源的需求与日俱增。变电站运维管理是人工智能在能源电力系统中的典型应用场景之一，研究以专家系统、传统机器学习及深度学习为主要代表的人工智能技术，对于推动变电站的智能化发展具有重要意义。
1人工智能发展现状及特点
在人工智能60多年的发展历程中，出现了很多典型的技术和方法，主要包括专家系统、智能优化和机器学习。专家系统是为解决特定领域问题而出现的，是早期人工智能的代表；智能优化算法面向求解非线性优化问题，主要包括早期常用的遗传算法、粒子群算法、蚁群算法，及近期的人工鱼群算法、布谷鸟搜索、萤火虫算法、蝙蝠算法、社会群体优化算法等；机器学习是人工智能的重要分支。目前，人工智能已进入新的发展时期，并呈现出以下特点：1.深度学习成为主流方法。自然语言处理、计算机视觉、生物特征识别等技术领域以及安防、医疗、交通、金融、能源等产业领域已经出现大量应用。2.新型算法和模型不断涌现。一方面，深度学习算法及模型不断更新，如深度强化学习、生成式对抗网络、胶囊网络等；另一方面，部分传统方法重新受到关注，如贝叶斯网络、知识图谱等。3.计算框架、平台及数据集逐渐开源。前者有TensorFlow、Caffe、PyTorch等，支持深度学习模型；后者有ImageNet、WikiText、TED-LIUM、CASIA等，涵盖了图像、自然语言、语音、步态等领域。
2人工智能在变电站运维管理中的应用
2.1电力保护中的应用
一方面，应用在电力设备信息的收集上，人工智能能够对设备运行中的参数信息进行保存与备份，也可以结合计算机科技对收集到的信息进行主动分析与反应，这就为工作人员对设备的检测提供的方面，能够清晰准确的观察设备运行过程中的有关信息，从而来对设备故障进行预防，来避免因设备故障而导致的生产停滞等问题，提高生产的效率。在电力设备信息的收集上，其原理和注意事项与人工智能应用于电力控制中的信息储存备份环境类似，都需要相关人员进行程序设置以及对储存器容量进行关注。另一方面，应用在电力故障的主动警报上，人工智能科技运用在电力系统自动化的电力保护中，也可以发挥其自身的智能化作用，对一些故障问题或者参数值问题的变动，进行主动报警，并且可以准确的提示设备故障的位置，对于一些简单的故障也可以进行自动的修复，从而可以让工作人员及时察觉，并结合人工智能技术，对设备故障与问题进行及时的修复，提高热力资源对设备的监测效率与能力。
2.2电力平台信息智能搜索
通过技术完成了电力人工智能开放平台的信息采集、处理以及人机交互。在日常对电力人工智能开放平台的使用中，除对电力信息的处理与存储外，还涉及对平台中的信息进行智能检索。采用人工智能检索方法对电力信息进行智能搜索，通过流程对信息搜索过程进行设定。在进行信息搜索的过程中，首先要获取标注数据，对平台中不同的领域进行标注。在不同的领域中，信息也会有所差别，在进行标注时也可以根据信息类别进行二次划分。进行信息标注时，可以对信息构建相应模板，通过模板加速对信息的识别。通过代码，对信息进行标识。将标识后的信息进行统一的训练，生成词典。
为保证人工智能开放平台的工作效率，整个训练过程采用离线的方式进行。在训练的过程中，利用已标注的搜索信息生成词典，通过这一设定可以将模板与信息相结合，便于获取待识别目标信息。基于实例词典模板，对目标搜索信息进行解析识别，得到与目标信息相对应的解析结果。
2.3运维故障的控制
人工智能在变电站运维过程中，要加大对隔离开关的管理力度，隔离开关的作用是保证高压电能够被有效隔开，是电力系统中具有重要作用的设备元件之一。因此，为了有效减少隔离开关发生安全故障的次数，在进行隔离开关生产的过程中，要按标准流程严格执行，仔细检查隔离开关中的铝铜材质是否接触良好。与此同时，在智能变电站正常运行过程中，断路器发生故障的情况时有发生，究其原因基本上都是误动和拒动导致的。因此，针对智能变电站断路器具有的故障，运维工作人员必须结合设备使用需求，选择合适的断路器。其中冲击电压不动作性电路器和延迟性断路器由于具有较多的优势，是人工智能在变电站电力设备中断路器的最佳选择目标。
2.4变电站的三维全景可视化
变电站的三维全景可视化是遥视系统的一种表现形式，能够直观地展示变电站内设备、环境及人员的实时情况，建议开展以下技术研究。1.变电站三维建模技术，变电站的三维空间坐标系是后续实现设备及人员定位的基础，也是变电站状态可视化的载体。可采用先宏观后微观的建模方式，首先采用无人机摄像和建筑图纸配合的方式建立变电站宏观模型；然后从微观上分别构建典型设备的3D模型并形成可复用的模型库；最后根据平面布置图确定设备位置。2.设备异常状态识别及定位技术，设备异常状态包括来自遥测系统和遥视系统两方面的状态信息，后者主要依靠对视频信息的实时分析，识别温度、外观、烟雾、明火等可视化状态。出现异常状态时，可通过设备与摄像头的位置关系来实现定位及告警，便于联动巡检机器人及时定向检查确认。其中，设备外观破损、烟雾、明火等状态识别的可靠性及鲁棒性还需进一步提升。3.运动物体的识别及轨迹跟踪技术，变电站内运动物体主要指人员、车辆及不明物体，依靠深度学习对视频信息进行实时分析，实现对人员、车辆及不明物体的目标检测、身份识别、行为分析及全程跟踪，当出现异常状态时实时告警。其中，目标检测及跟踪和基于人脸的身份识别技术已较为成熟，可迁移到变电站场景，而基于姿态、步态、体态等特征的身份识别及行为分析属于难点，仍需进行深入研究和场景验证。
结语
人工智能技术的突破将促进变电站的智能化发展，开展以专家系统、机器学习、智能优化为代表的人工智能技术在变电站运维数据分析中的应用研究，有利于保障变电站内设备、环境和人员的安全，提高变电站的运维管理水平。
参考文献
[1]韩祯祥，文福拴.人工智能及其在电力系统中的应用--从专家系统到人工神经元网络[J].电力系统自动化，1991，15(3)：5-15.
[2]PARKSH,HANK.Methodologicguideforevaluatingclinicalper-formanceandeffectofartificialintelligencetechnologyformedicaldiagnosisandprediction[J].Radiology,2018,268(3):800-809.
[3]LID,DENGL,CAIZ,etal.IntelligenttransportationsysteminMa-caobasedondeepself-codinglearning[J].IEEETransactionsonIndustrialInformatics,2018,14(7):3253-3260.