“電力版GPT”讓安全隱患告警有效率提升6倍

  ICC訊 將ChatGPT用在電力行業(yè)，會產(chǎn)生什么樣的效果？9月7日，記者在南方電網(wǎng)深圳供電局（以下簡稱深圳供電局）見到，工作人員輕點(diǎn)鼠標(biāo)，某施工工地上一張吊車吊臂與輸電線路相鄰的隱患畫面隨即出現(xiàn)；繼續(xù)點(diǎn)擊該圖片，該系統(tǒng)就會像ChatGPT一樣給出文字，描述隱患。

工作人員正運(yùn)用“祝融2.0”巡檢線路、查找隱患。 凌樂陶攝

  這是深圳供電局上線的電力行業(yè)首個多模態(tài)預(yù)訓(xùn)練大模型——“祝融2.0”，它讓傳統(tǒng)的電網(wǎng)AI技術(shù)擁有了類似ChatGPT的邏輯推理能力和文字表達(dá)能力，使電網(wǎng)安全隱患告警有效率提升了6倍。

  使電力巡檢系統(tǒng)會推理

  “傳統(tǒng)的電網(wǎng)AI技術(shù)通過顏色、形狀、紋理等表征來識別物體，但很難判斷該物體對電力設(shè)施的危險程度。對于形態(tài)相近的物體，傳統(tǒng)的電網(wǎng)AI技術(shù)也很難對其準(zhǔn)確區(qū)分。”深圳供電局技術(shù)專家張云翔介紹，“比如在傳統(tǒng)模式下，系統(tǒng)雖然能篩選出線路附近有亮光的告警畫面，但仍需要巡視人員進(jìn)一步判斷亮光到底是火災(zāi)造成的，還是路燈發(fā)出的。”如果亮光是路燈發(fā)出的，則該告警就是無效的。

  針對存在的問題，深圳供電局于去年初發(fā)布了電力行業(yè)首個基于昇騰生態(tài)的AI預(yù)訓(xùn)練模型——“祝融”，為電網(wǎng)人工智能轉(zhuǎn)型升級奠定基礎(chǔ)。去年底，該局運(yùn)用類似ChatGPT的新型人工智能模型，將“祝融”升級為2.0版本，使電力巡檢系統(tǒng)不僅會看、會記錄分析、會預(yù)警，而且能看得懂、會推理、會表達(dá)。

  “祝融2.0”是一個圖文雙模態(tài)模型，它分別利用圖像模型和語言模型，將圖像特征和文字特征提取后進(jìn)行融合，效果比傳統(tǒng)圖像單模態(tài)模型更好。語言模型的加入使圖像模型有了邏輯推理能力，從而提高了判斷的準(zhǔn)確率。

  以電網(wǎng)的山火監(jiān)控場景為例，在夜間，燈光與火光的圖像形態(tài)非常相似，僅靠圖像模型難以將二者區(qū)分，這容易產(chǎn)生大量誤報；如今有了語言模型的加持，系統(tǒng)就會對圖片整體進(jìn)行解讀。比如當(dāng)模型發(fā)現(xiàn)光亮是整齊排列且在道路一側(cè)時，就能推測出這是燈光，而非山火。“現(xiàn)在巡檢系統(tǒng)能通過圖片和文字兩種形式傳遞告警信息，并準(zhǔn)確描述出隱患及其對電網(wǎng)設(shè)備的危險程度，不需要人工進(jìn)一步排查。這大大提升了告警有效性，為電網(wǎng)的安全運(yùn)行增添了一道有力的防線?！睆堅葡枵f。

  進(jìn)一步推廣應(yīng)用潛力巨大

  目前，單模態(tài)模型很難在電網(wǎng)行業(yè)的諸多場景下取得較好的效果。例如在人員進(jìn)行攀爬作業(yè)時，需要檢查作業(yè)人員是否在攀爬梯子時佩戴安全繩索，是否有人幫忙扶梯子。僅使用圖像模型無法對上述同時發(fā)生的多個動作進(jìn)行邏輯判斷，必須疊加語言模型對照安全規(guī)范，進(jìn)行綜合分析。此外，在營銷領(lǐng)域，對用電需求等因素的分析也需要用到電流、電壓等其他模態(tài)的數(shù)據(jù)。利用不同模態(tài)的數(shù)據(jù)給出綜合判斷或預(yù)案，是“祝融2.0”下一步的發(fā)展方向。

  據(jù)介紹，“祝融2.0”可在電力生產(chǎn)和營銷領(lǐng)域進(jìn)一步推廣。

  目前，深圳供電局已對輸電山火煙霧、外部破壞隱患、安監(jiān)違章行為等場景完成多模態(tài)預(yù)訓(xùn)練大模型的研發(fā)，預(yù)計每年可減少無效告警30萬條，節(jié)省125人一天的工作量。

  深圳供電局還與云南電網(wǎng)信息中心、昆明供電局聯(lián)合開展了輸電山火煙霧模型驗(yàn)證工作，并初步將該技術(shù)用于兩地輸變電山火煙霧、外部破壞隱患等巡檢任務(wù)，識別準(zhǔn)確率高達(dá)98%。

  此外，該供電局還與云南電網(wǎng)建立了聯(lián)合攻關(guān)合作機(jī)制，加快“祝融2.0”在輸變配、安監(jiān)、營銷等領(lǐng)域的有效落地。下一步，深圳供電局計劃研發(fā)能辨別聲音的預(yù)訓(xùn)練大模型，為外部破壞等隱患的排查工作增添新助力，推動電網(wǎng)戶外復(fù)雜環(huán)境下數(shù)字化巡檢效率的提升。