华为：发力AI根技术，为电力行业“训练”大模型 

　　文／吴杰 

　　人工智能已经从单点技术走向通用技术，这主要体现在两个维度，一是从大模型走向超大模型，比如2022年发布的超大模型Switch Transformer和近期火热的ChatGPT；二是从只针对图像、语音或者文字类的单模态模型走向多模态模型。 

　　边缘计算是未来AI应用的主要场景，但它只是AI分布式计算的一个节点，很多算法、模型还要通过大数据集训练出来，这就涉及协同的问题。 

　　构建云、边、端协同的电力人工智能平台 

　　当前电力行业有大量边缘场景，如发电、输电、配电及用电等，同时在集团总部以及各级省公司存在各种业务调度，需要有云、边、端协同的人工智能平台，支撑新型电力系统建设。 

　　云、边、端协同的人工智能平台覆盖集团总部的中心训练、省公司的“调优+中心推理”以及边缘站点推理，实现数据协同、算法协同和管理协同。数据协同方面，边缘站点的现场样本及难例数据会上传到集团中心，持续训练调优模型；算法协同方面，算法批量更新，工具自适应转换；管理协同方面，边缘设备实现统一管理、远程运维。集团总部可以基于海量电力数据训练面向电力行业的计算机视觉（Computer Vision，CV）或自然语言翻译（Natural Language Processing，NLP）等相关领域预训练大模型。大模型的关键在于提升应用效果、适配多种场景、降低使用门槛。华为与业界多家企业在电力领域合作发布了一系列解决方案：盘古CV大模型，在无人机智能电力巡检方面取得了较好成绩，模型开发维护成本降低90%；与中科院自动化所合作即将发布的智能决策大模型，在出力预测、电网智能调度方面也有所突破。 

　　预训练模型会依托电网的业务场景再生成行业模型或者细分场景模型进行现网部署。基于安全性考虑，电网数据保密性较高，外界无法获取。在这种情况下，AI技术开发人员就需要通过难例识别和增量学习等技术手段，持续拓展现网的应用场景，提升模型的精度。此外，针对电网有很多户外场景难以穷举的问题，可以通过“非正常即异常”的技术手段扩展识别范围，比如识别输电线上可能会有丝巾、废弃气球等影响安全的物体。 

　　经过一整套算法训练和优化后，行业模型或者细分场景模型被推送到边缘站点做边缘推理，同时将边缘站点分析的结果和故障样本数据上送业务主站，经人工确认后传递给数据中心训练系统。借助云边协同模式，系统持续收集现场样本数据，不断优化训练算法模型，算法越用越准确。算法优化完成后，通过远程批量部署与更新，及时提升边端设备效能。 

　　华为基于昇腾AI为业界提供的人工智能基础软硬件平台，包括Atlas系列硬件、异构计算架构CANN、全场景AI框架昇思MindSpore、昇腾应用使能MindX以及一站式开发平台ModelArts等，打通从训练到推理的整个流程，构建云、边、端协同的电力智能平台。以下三个案例是其在电力领域的落地实践。 

　　插上AI翅膀，变电站远程巡检更智能 

　　随着生产领域智能技术的深入推进，各类生产视频（图像）数据的应用水平正面临着电网设备、通道环境、运维、检修和生产管理智能运检体系的挑战。目前还有一些变电站视频监测只满足安防监视需求，无法满足巡检、操作等电力生产应用需求。  

　　华为联合伙伴推出变电站远程智能巡检系统联合解决方案。该方案结合视频图像人工智能分析技术，对巡检中记录的红外光谱、可见光图片、音频文件等数据进行智能分析与自行判断，具备远程自动巡检、自动识别、智能预警和智能决策等功能，结合智能巡检策略，实现机器代人，有效降低运维人员劳动强度和作业风险。在云端，部署训练和推理平台，做模型训练与批量下发，变电运维监护主站的运维管理平台进行统一应用和模型管理；在边侧，部署基于昇腾AI处理器的智能边缘设备，提供强大的CPU及AI异构计算能力，支撑业务快速部署。 

　　以220千伏变电站为例，变电站远程智能巡检可以取得如下效果。一是巡检效率提升，单次变电站例行巡检由人工现场巡检的70分钟（含往返车程）减少为远程智能巡检的20分钟，巡检效能提升70%以上；二是巡检质量提升，高清视频+机器人巡检点位达到7000个以上，由传统的一周1次巡检提高到每天1～2次巡检，缺陷发现率大大提升，巡检质量明显提升；三是运维成本降低，每座变电站每月可减少3次人工现场例行巡检，全年可减少36次现场巡检，运维成本明显降低；四是运维效率提升，传统人工倒闸操作方式完成一次停送电操作需要40分钟以上，而一键顺控操作只需5分钟即可完成。 

　　目前变电站远程智能巡检系统已在湖南、广东、江苏、安徽、山东等省份落地应用。 

　　智能决策系统有效应对复杂实时电力调度 

　　新能源的可变性、间歇性、随机性以及出力和用电高峰不匹配特点给电力供应安全性和可靠性带来极大的挑战。新能源电力供给地域性差异放大，导致跨区跨省的电力调度需求增加。大规模新能源并网和各种突发事件给传统调度带来巨大挑战。 

　　华为联合中科院自动化所推出基于全场景AI框架昇思MindSpore的智能在线决策系统，其在昇腾AI计算集群上进行训练，昇思MindSpore高效的分布式强化学习能力可以应用到业界多种多样的决策智能任务。该系统基于大量离线仿真数据构建AI决策模型，针对电网当前动态出力和负载状况，实时做出更加经济和安全的调度决策和编排计划。从当前的日前计划调度转变为分钟级甚至秒级的实时调度。可以更好地预测和评估在复杂出力和负载扰动下电网的运行状态，提升电网安全预警能力。 

　　目前该系统能够辅助调度员决策，降低人工调度压力，减少人为失误，提高电网对异常情况和事故的响应速度和处理效率，同时大幅提升调度安全性和经济性，降低碳排放，在南京人工智能计算中心已完成试验性部署。 

　　电力企业知识智能化、自动化 

　　随着企业数字化、智能化建设的深入，大量物理上分散但逻辑上存在关联的知识隐藏于数据背后，导致知识价值难以充分发挥，目前不少企业存在知识更新迭代难，知识库构建成本高、专家经验无沉淀，经验无法快速迁移复制、对知识的智能化应用能力弱，无法高效服务业务等问题。如何对企业内部相关知识资源进行有效管理和利用，已成为知识共享与管理、提高服务质量、降低服务成本的重要工作。人工智能经过多年的研究发展，正在从感知智能迈向认知智能，基于NLP的知识图谱技术是实现认知智能的关键技术之一。 

　　华为联合伙伴推出基于全场景AI框架昇思MindSpore的KNOW+智能知识管理平台，为各政企单位提供智能知识管理的相关解决方案。通过建设电力百科、电力文库、电滴学院、电力知乎四大模块，为电力中心知识管理平台打造了统一的知识服务中心。以数据为基础，KNOW+智能知识管理平台具有全链路的知识管理能力，涵盖了知识的高效生产、灵活组织和智能应用，是面向企业知识应用的全生命周期一站式智能解决方案。在业务场景的人机互动中实现数据知识提取自动化，可主动推荐知识，帮助业务人员高效、精准、获取知识，提升企业的经营效率与业务创新能力。 

　　KNOW+智能知识管理平台已为多个电力行业客户提供服务，能够改变企业原有工作模式和流程，消除个体知识盲点，最大化发挥企业社会价值。 

　　基于昇腾AI的人工智能基础软硬件平台，华为携手伙伴推出了变电站远程智能巡检系统、电网调度智能在线决策系统以及KNOW+智能知识管理平台，助力电力行业各场景智能化。华为致力于成为电力行业数字化转型的首选合作伙伴，依托华为端边管云协同的ICT基础设施技术优势，坚持“平台+生态”战略，携手伙伴，通过数字技术与电力业务的深度融合，助力电力企业实现安全、高效、绿色、创新的转型升级，共同为全球电力行业铺设一条数字之路。 

　　（作者系华为技术有限公司昇腾产品线能源交通行业总监）