電力人工智能的技術(shù)體系研究和應(yīng)用實踐

楊立紅 楊永艷 徐雯靚 馮青峰

國網(wǎng)信通股份公司 北京中電普華信息技術(shù)有限公司 北京 102208

引言

電力人工智能中臺是電力行企業(yè)級的人工智能平臺，為電力企業(yè)應(yīng)用提供全面的算力資源、計算引擎、模型構(gòu)建、樣本標注等支撐能力，為電力企業(yè)應(yīng)用的智能化和數(shù)字化轉(zhuǎn)型奠定基礎(chǔ)。隨著5G、大數(shù)據(jù)、物聯(lián)網(wǎng)等新技術(shù)的發(fā)展和電力人工智能的深化建設(shè)，電力行業(yè)各個業(yè)務(wù)領(lǐng)域?qū)⑷骈_展人工智能應(yīng)用，傳統(tǒng)應(yīng)用向智能化應(yīng)用的轉(zhuǎn)變，需要結(jié)合AI業(yè)務(wù)需求將人工智能算力、算法等AI技術(shù)和應(yīng)用場景、業(yè)務(wù)系統(tǒng)及業(yè)務(wù)數(shù)據(jù)等進行深度的融合和流程貫通，當(dāng)前人智能技術(shù)雖已在智慧醫(yī)療、智慧城市等多個領(lǐng)域應(yīng)用，但在電力領(lǐng)域架構(gòu)設(shè)計、應(yīng)用方法等方面缺乏體系化的研究和實踐指導(dǎo)，本文對AI技術(shù)進行了深入的研究，為電力人工智能應(yīng)用提供了從訓(xùn)練、預(yù)測、模型和樣本管理體系化的技術(shù)框架；同時，通過電力多個應(yīng)用場景的項目實踐，總結(jié)了一套人工智能應(yīng)用從數(shù)據(jù)預(yù)處理、樣本標注、模型開發(fā)訓(xùn)練、生產(chǎn)應(yīng)用到使用評估等AI應(yīng)用完整閉環(huán)的實踐方法，希望能為企業(yè)級人工智能架構(gòu)設(shè)計和AI應(yīng)用及實踐提供參考。

1 設(shè)計原則

1.1 異構(gòu)算力適配和模型兼容性原則

充分考慮行業(yè)TensorFlow、PyTorch、Caffe等AI技術(shù)框架和X86、ARM等各類算力，實現(xiàn)人工智能平臺對異構(gòu)算力的統(tǒng)一管理和調(diào)度能力，對異構(gòu)模型進行標準適配和統(tǒng)一納管。

1.2 技術(shù)先行與實用原則

采用標準、先進、成熟、開放、實用的技術(shù)，重點圍繞提升電網(wǎng)安全運行、現(xiàn)場作業(yè)、客戶體驗、基層減負等方面，通過人工智能技術(shù)解決業(yè)務(wù)部門和基層單位關(guān)切的問題，發(fā)揮實用價值。

1.3 安全建設(shè)和應(yīng)用共享原則

充分利用現(xiàn)有安全技術(shù)和安全標準，加強平臺、算法、數(shù)據(jù)、模型等的安全體系建設(shè)和樣本脫敏、數(shù)據(jù)隱私等安全應(yīng)用能力建設(shè)，實現(xiàn)人工智能模型、樣本、AI資源的共建共享和按需使用[1]。

2 電力人工智能體系設(shè)計

電力人工智能技術(shù)體系包括基礎(chǔ)平臺、人工智能平臺、模型庫（通用模型+專業(yè)模型）、樣本庫、應(yīng)用場景、人工智能服務(wù)門戶。通過構(gòu)建電力人工智能中臺，為各類業(yè)務(wù)應(yīng)用提供算力、模型、樣本等軟硬件支撐，打造運營生態(tài)，充分發(fā)揮資源共享價值，助力應(yīng)用快速、敏捷建設(shè)。

2.1 人工智能平臺

人工智能平臺包括訓(xùn)練環(huán)境、推理或運行環(huán)境等，是集人工智能模型開發(fā)訓(xùn)練、模型部署運行等全棧式技術(shù)支撐平臺，提供一站式的開發(fā)及應(yīng)用工具，實現(xiàn)算力、樣本、模型等能力的共享使用。

（1）人工智能應(yīng)用訓(xùn)練環(huán)境。訓(xùn)練環(huán)境具備人工智能數(shù)據(jù)預(yù)處理、算法開發(fā)及模型訓(xùn)練等功能。通過采集業(yè)務(wù)數(shù)據(jù)構(gòu)建數(shù)據(jù)集，模型經(jīng)過開發(fā)訓(xùn)練后納入模型倉庫進行統(tǒng)一管理，實現(xiàn)模型的可視化構(gòu)建、測試驗證及全過程監(jiān)控，保證模型生產(chǎn)過程的可控和應(yīng)用質(zhì)量。

（2）人工智能應(yīng)用運行環(huán)境。運行環(huán)境具備模型部署、壓縮轉(zhuǎn)換、邊緣推理、在線推理及批量推理等模型全生命周期管理功能，模型通過模型倉庫或系統(tǒng)導(dǎo)入等方式進行發(fā)布， 經(jīng)運行環(huán)境推理后反饋結(jié)果至應(yīng)用層，形成業(yè)務(wù)應(yīng)用的全場景運行支撐。

2.2 人工智能服務(wù)門戶

統(tǒng)一門戶為用戶提供典型應(yīng)用場景、體驗專區(qū)、模型庫、樣本庫等統(tǒng)一操作界面入口，為輸變配、智能調(diào)度、智能客服等電力人工智能應(yīng)用提供人機交互，形成模型開發(fā)訓(xùn)練、場景使用、樣本標注、測試驗證、使用分析于一體的用戶使用體驗，降低人工智能應(yīng)用使用門檻、簡化業(yè)務(wù)復(fù)雜性[2]。

2.3 統(tǒng)一模型庫

模型庫是對人工智能模型進行存儲、適配、納管和統(tǒng)一管理的組件，依托模型資源服務(wù)目錄實現(xiàn)模型的邏輯或物理歸集管理，提供模型的鏡像管理、模型查閱、模型上傳與下載、模型發(fā)布等功能，通過建立模型運營機制和服務(wù)生態(tài)，滿足模型在各場景的應(yīng)用需求，為各層單位和業(yè)務(wù)部門提供模型運營、多級共享、按需使用等服務(wù)能力。

2.4 統(tǒng)一樣本庫

樣本庫是存儲和管理各種樣本數(shù)據(jù)并用于人工智能模型訓(xùn)練的組件，依托樣本資源服務(wù)目錄實現(xiàn)樣本的邏輯或物理歸集，提供樣本數(shù)據(jù)的預(yù)處理、存儲、上傳、下載、共享、樣本標注等功能，將處理完成的樣本數(shù)據(jù)反饋給模型進行訓(xùn)練，進一步提升模型精度和模型識別的準確率，同時，通過建立樣本運營機制和服務(wù)生態(tài)，為各層單位和業(yè)務(wù)部門提供樣本運營、多級共享、按需使用等服務(wù)能力。

2.5 人工智能算法

結(jié)合應(yīng)用場景的實際需求利用人工智能訓(xùn)練平臺，結(jié)合人工智能TensorFlow、PyTorch、Caあ e等AI計算引擎，構(gòu)建機器學(xué)習(xí)、深度學(xué)習(xí)等Ai算法，為業(yè)務(wù)應(yīng)用提供通用算法以及電力領(lǐng)域?qū)I(yè)應(yīng)用算法，通過不斷豐富樣本，對算法使用效果進行評估，不斷迭代優(yōu)化算法。

2.6 應(yīng)用場景

根據(jù)電力人工智能業(yè)務(wù)需求，開展深入應(yīng)用的分析和研究，結(jié)合人工智能技術(shù)體系實現(xiàn)應(yīng)用場景的業(yè)務(wù)流程、應(yīng)用算法、后臺邏輯、操作界面等場景的智能化能力實現(xiàn)，依托人工技術(shù)體系管理和支撐應(yīng)用場景實現(xiàn)，并提供業(yè)務(wù)系統(tǒng)開放的服務(wù)能力。面向電力行業(yè)，可圍繞電網(wǎng)運檢、調(diào)度、客服、安全管控等方向開展電力業(yè)務(wù)系的應(yīng)用場景建設(shè)。

3 人工智能技術(shù)應(yīng)用方法

3.1 應(yīng)用方法概述

本文所述電力人工智能技術(shù)體系需要結(jié)合一套閉環(huán)的應(yīng)用方法開展電力應(yīng)用，通過接入各類業(yè)務(wù)系統(tǒng)數(shù)據(jù)經(jīng)數(shù)據(jù)處理后存放至統(tǒng)一樣本庫，抽取業(yè)務(wù)樣本數(shù)據(jù)進行標注，基于人工智能訓(xùn)練環(huán)境進行特征分析、模型構(gòu)建、測試驗證及模型應(yīng)用評估等環(huán)節(jié)，依據(jù)模型評估結(jié)果再進行模型優(yōu)化和訓(xùn)練，從而形成應(yīng)用的完整閉環(huán)，其中模型運行在應(yīng)用運行環(huán)境進行[3]。

3.2 應(yīng)用方法詳述

（1）數(shù)據(jù)處理。數(shù)據(jù)處理包括數(shù)據(jù)的采集、預(yù)處理及數(shù)據(jù)存儲，通過各渠道采集的樣本數(shù)據(jù)經(jīng)過處理，篩選出符合要求的數(shù)據(jù)后存儲到統(tǒng)一樣本庫內(nèi)進行統(tǒng)一管理。

（2）樣本標注。對訓(xùn)練環(huán)境對采集到的樣本數(shù)據(jù)進行分類、標框、區(qū)域、描點等標注，支持物體、音頻、文本等多種數(shù)據(jù)的快速標注、在線標注、團隊標注和對未標注數(shù)據(jù)的預(yù)標注及主動學(xué)習(xí)等標注能力。

（3）特征分析。特征分析在人工智能訓(xùn)練環(huán)境進行，使用相關(guān)性分析、N元語法進行特征選擇，實現(xiàn)數(shù)據(jù)特征可視化，支持圖像等多維度數(shù)據(jù)特征分析。

（4）模型構(gòu)建。平臺支持Python等多種建模語言及GPU、CPU多種資源類型和規(guī)格靈活選擇，支持拖拽式、可視化和機器學(xué)習(xí)自動化建模等建模方式，降低AI開發(fā)門檻。

（5）模型訓(xùn)練。電力人工智能應(yīng)用訓(xùn)練環(huán)境單個作業(yè)可支持GPU大節(jié)點規(guī)模訓(xùn)練，基于訓(xùn)練資源池化、容器化和“開箱即用”的原則，支持向?qū)渲檬?、一鍵式訓(xùn)練和訓(xùn)練過程的可視化，簡化人工智能復(fù)雜的訓(xùn)練工作。

（6）模型評估。本平臺提供訓(xùn)練過程的詳情信息查看和資源使用監(jiān)控，通過建立模型評估指標體系，實現(xiàn)模型訓(xùn)練過程的評估和模型使用過程的效果評估，以支撐模型質(zhì)量的改進和好壞評估。

4 人工智能技術(shù)應(yīng)用實踐

本文人臉識別、文字識別、自然語言處理、語音識別、機器人服務(wù)、知識圖譜、訓(xùn)練環(huán)境、運行環(huán)境等技術(shù)體系設(shè)計和應(yīng)用方法，已經(jīng)形成了國家電網(wǎng)公司人工智能相關(guān)建設(shè)成果和開放的服務(wù)接口(API)能力，并基于服務(wù)能力在電力輸變配、運行檢修、電網(wǎng)調(diào)度、客戶服務(wù)、安全管控、智能審計等多個應(yīng)用場景開展了應(yīng)用實踐，取得了非常好的應(yīng)用效果[4]。

5 結(jié)束語

本文針對電力人工智能技術(shù)體系、人工智能技術(shù)應(yīng)用方法進行深入的研究和實踐總結(jié)，提出了基于電力人工智能應(yīng)用場景需求、算力、算法、數(shù)據(jù)等進行電力人工智能企業(yè)中臺的體系設(shè)計思路，希望進一步深化電力人工智能業(yè)務(wù)系統(tǒng)的智能化建設(shè)和多場景落地應(yīng)用。本文所述體系以企業(yè)云端軟硬件資源為載體，采用“云邊端協(xié)同”的計算技術(shù)框架，以不斷推進企業(yè)人工智能應(yīng)用生態(tài)的發(fā)展、算力的持續(xù)提升以及應(yīng)用實用化。