2024新能源无人化智慧风电建设方案

新能源智慧风电建设方案2024新能源智慧风电建设方案2024目录智慧风电 31风电/光伏无人化的最大短板——检维的智慧化 323一线眼中的痛点 44“二星”智慧风电建设方案的目标 55无人值守智慧风电建设方案的特点 56百度&上海合广无人值守智慧风电联合解决方案创新点 67目录智慧风电 31风电/光伏无人化的最大短板——检维的智慧化 323一线眼中的痛点 44“二星”智慧风电建设方案的目标 55无人值守智慧风电建设方案的特点 56百度&上海合广无人值守智慧风电联合解决方案创新点 67百度智能化底座 AI中台 8知识中台 13行业大语言模型 138智慧风电的架构 139赋予设备AI智慧的清单 9.4按设备分类清单 15AI智能识别能力清单（升压站室外高压设备状态、安全及缺陷） 16AI智能识别能力清单（继保室设备状态、安全及缺陷） 17AI智能识别能力清单（集电线路设备状态、安全及缺陷） 171010.1智慧风电的区域中心建设方案 18AI智能巡检 18.210.1.310.1.410.1.510.1.610.1.7.310.310.410.5技术规划 18功能 27性能 38巡视点位设置 39摄像机及预置位命名 40系统接口 41系统信息安全 43风机设备AI智能诊断 44设备智能诊断系统 44声纹诊断 48振动诊断 50AI安全监测预警 53专家知识库、大语言模型、专家知识助手 68大屏展示 7411智慧化场站建设方案 762/761智慧风电建设智慧风电，旨在提升风电管理效率、经济效益和员工获得感、幸福感、安全感，促进高质量发展，以新一代信息技术与风力发电技术深度融合为本质，以数字化、网络化、智多源融合、自主精益、高效协同等特征的工业互联网形态，是智慧电厂在风电领域的体现。2风电1智慧风电建设智慧风电，旨在提升风电管理效率、经济效益和员工获得感、幸福感、安全感，促进高质量发展，以新一代信息技术与风力发电技术深度融合为本质，以数字化、网络化、智多源融合、自主精益、高效协同等特征的工业互联网形态，是智慧电厂在风电领域的体现。2风电/光伏无人化的最大短板——检维的智慧化得益于数字化、网络技术、物联网技术、大数据技术、云计算，得益于先进的云边端架构，各层级分工协同，各发电集团都创建了新能源的“集中管控中心”，将分散的生产管理模式，转变为规模化、智能化、专业化管理相结合的集中式新能源发电场站生产实时运营管理模式，普遍地应用了安全生产运营数据的智能分析，这些创新都推动了企业提质增效，提升了企业发展质量与效益。智慧化也是“集中管控中心”孜孜不倦的追求。但风电在无人智慧化建设上，尤其是检维方面，还不理想，还没有达到智慧化的要求，离期望的“黑灯”场站的期望差距还很大，其主要原因是人工智能（AI）在风电、光伏的检维中应用不足，未能利用人工智能（AI）海量数据进行有效的挖掘，比如安装了视频设备，视频浩浩如海，虽然也建立了大数据中心，但却依然依靠人工巡检。过去传统的系统，其智能预警、报警多是从设备中的传感器监测到的数值型信息，智能AI从中识别设备状态、设备缺陷等智能化程度还很低，导致巡检、监视仍依赖大量的人工；缺AI别，依然采用传统的频谱分析，导致时效性很低；智能设备的数据标准化不足，子系统众多，难以将数据形成知识；专家知识库缺少生成式大语言模型的配合，没有智慧化手段便捷地获取里面的知识、经验，一线检维员工既无法真正地使用上专家知识库，反过来，也无法AIAI中台、知识中台、行业大语言模型等基础，不能利用数据的自我积累，自学习AIAI模型，形成智慧的自我更新。这些都极大地阻碍了无人化场站的实现，迫切需要人工智能赋能现有的“集中管控中心”，推进无人化智慧风电、光伏场站的建设。检维的智慧化同样需要在风电/光伏设备、场站、集控中心、新能源监控与大数据中心四个层级上共同建设，不同层级上的功能侧重不同，并互相融合，才能实现像运行一样智慧。检维的智慧化还会促进运行、安全的智慧化，它与安全生产一体化平台高效协同，共同实现“数据全共享、流程全贯通、业务全覆盖”，共同完成风电/光伏的智慧化。3/763一线眼中的痛点检维的智慧化建设落后于运行的智慧化建设，这是由于它们数据特征的区别，在智慧化技术上，检维比运行难度更大。运行的数据多为数值型，告警多为阈值限，数据的作用也是实时性高。而检维的智慧化更多地需要更先进的人工智能，目前检维还存在很多痛点。1.摄像头安装了不少，每日依然是人工巡检。2.视频越来越多，监视的人员越配越多，实际人员并没有减少，原因是计算机视觉的人工智能应用不足。3.视频人工智能识别多体现在了安全上的应用，为巡检的设备缺陷识别少，人工巡检“望、闻、问、切”工作量多，劳动强度大，少检、漏检，准确率不易保证。4.传动链振动、叶片振动、塔筒振动、塔筒螺栓的监测，它们深受一线人员的信任，这些数据的时效性差，基本上仍依赖设备厂家每月出的分析报告，厂家采用的还是人工分析频谱的传统方法，没有人工智能，既费时费力，时效性低，无法大批量分析，技术深奥，数据很难让一线维护人员自主运用。5.有经验的一线维护人员听声音判断设备状态，风场对声纹几乎没有应用，叶片横纹、传动链振动、机舱、变压器、场站的异响，都可以用声纹智能识别。6.设备状态表达方式单调，一线员工虽然不容易理解CMS分析报告中频谱的意义，但对声响却有很高的判别能力，CMS发现信号异常，可以将将振动信号转换为声音，推送以提醒检维。7.缺少便捷的语言专家知识助手，一线对此期盼至甚，尤其是在风机上作业时不能便捷获取专家知识库基于行业大语言模型的助手能给出推荐答案，而不是简单地给出一堆搜索后的结果再从中人工辨别哪条是正确的答案。8.3一线眼中的痛点检维的智慧化建设落后于运行的智慧化建设，这是由于它们数据特征的区别，在智慧化技术上，检维比运行难度更大。运行的数据多为数值型，告警多为阈值限，数据的作用也是实时性高。而检维的智慧化更多地需要更先进的人工智能，目前检维还存在很多痛点。1.摄像头安装了不少，每日依然是人工巡检。2.视频越来越多，监视的人员越配越多，实际人员并没有减少，原因是计算机视觉的人工智能应用不足。3.视频人工智能识别多体现在了安全上的应用，为巡检的设备缺陷识别少，人工巡检“望、闻、问、切”工作量多，劳动强度大，少检、漏检，准确率不易保证。4.传动链振动、叶片振动、塔筒振动、塔筒螺栓的监测，它们深受一线人员的信任，这些数据的时效性差，基本上仍依赖设备厂家每月出的分析报告，厂家采用的还是人工分析频谱的传统方法，没有人工智能，既费时费力，时效性低，无法大批量分析，技术深奥，数据很难让一线维护人员自主运用。5.有经验的一线维护人员听声音判断设备状态，风场对声纹几乎没有应用，叶片横纹、传动链振动、机舱、变压器、场站的异响，都可以用声纹智能识别。6.设备状态表达方式单调，一线员工虽然不容易理解CMS分析报告中频谱的意义，但对声响却有很高的判别能力，CMS发现信号异常，可以将将振动信号转换为声音，推送以提醒检维。7.缺少便捷的语言专家知识助手，一线对此期盼至甚，尤其是在风机上作业时不能便捷获取专家知识库基于行业大语言模型的助手能给出推荐答案，而不是简单地给出一堆搜索后的结果再从中人工辨别哪条是正确的答案。8.9.反映设备劣化的趋势分析少，主要停留在根据阈值限实时告警的阶段。10.消防没有提前预警，等到报警，实际上烟雾、火苗已经发生了，原因是缺少对温度场中区域温度的感知，缺少对温度变化过程异常的感知。11.大雾天叶片都掉落了，因风机外的视频无法传回数据，也没有实现附近风机视频自动联动，三天后才人工调动附近的风机，看见地上有个东西。12.视频没有和附近的其他告警联动，并存证，发现问题后还要人工一点一点往回查看。13.数据标准化程度低，子系统太多，各个风场同类型的设备系统都不一样，导致检维人员的效率低，原因4/76是子系统没有融合到一体化平台中。14.检维需要的存证手段不便捷，油污的手无暇使用手机拍照，用手机拍摄又不能自动存入系统。15.通讯建设不足，尤其是大雪封山、迷路等紧急救援时无法人员定位。16.不能利用手机远程结票、开票，一台风机工作结束，必须回升压站的电脑才能结票，再开下一台风机的工作票，希望能在机位就能利用手机远程结票，再开新票。17.电气柜局部放电监测、变频器充放电的电阻释能装置温度监测、电气室潮湿监测不足。18.无人机飞手待解放，盼望能自动按规划的线路飞行，减少人员手飞的不确定性。19.缺少文心一言，盼望能自动汇总项目的材料、形成会议报告的雏形，减少码字，提高办公效率。20.智能生成分析需要的报表少。21.软件开发没有形成模块化，缺乏智能风电组件库、微服务这样可复用、可移植的业务功能模块。4“二星”智慧风电建设方案的目标1.总体目标：建成的风电场达到中国大唐集团《智慧电厂技术指引-风电》智慧风电评价的“二星”要求。2.以人工智能，提升风电管理效率、经济效益和员工获得感、幸福感、安全感。3.以人工智能，让员工从繁杂、低下、重复性的低端劳动中解放出来。4.以人工智能，实现减员增效，实现“无人值班，无人值守，集中监控，区域化检修”的“无人”风场。5无人值守智慧风电建设方案的特点1.AI与知识双轮驱动，云边端多级协同2.AI与传统的感知信息融合协同3.着重检维的智慧化建设，全面实现风电智慧。4.一体化业务应用平台：面向场站，而非面向一个个子系统。5.在线、全域可视、可听、可感知、智能识别、联动一体化无人值守。是子系统没有融合到一体化平台中。14.检维需要的存证手段不便捷，油污的手无暇使用手机拍照，用手机拍摄又不能自动存入系统。15.通讯建设不足，尤其是大雪封山、迷路等紧急救援时无法人员定位。16.不能利用手机远程结票、开票，一台风机工作结束，必须回升压站的电脑才能结票，再开下一台风机的工作票，希望能在机位就能利用手机远程结票，再开新票。17.电气柜局部放电监测、变频器充放电的电阻释能装置温度监测、电气室潮湿监测不足。18.无人机飞手待解放，盼望能自动按规划的线路飞行，减少人员手飞的不确定性。19.缺少文心一言，盼望能自动汇总项目的材料、形成会议报告的雏形，减少码字，提高办公效率。20.智能生成分析需要的报表少。21.软件开发没有形成模块化，缺乏智能风电组件库、微服务这样可复用、可移植的业务功能模块。4“二星”智慧风电建设方案的目标1.总体目标：建成的风电场达到中国大唐集团《智慧电厂技术指引-风电》智慧风电评价的“二星”要求。2.以人工智能，提升风电管理效率、经济效益和员工获得感、幸福感、安全感。3.以人工智能，让员工从繁杂、低下、重复性的低端劳动中解放出来。4.以人工智能，实现减员增效，实现“无人值班，无人值守，集中监控，区域化检修”的“无人”风场。5无人值守智慧风电建设方案的特点1.AI与知识双轮驱动，云边端多级协同2.AI与传统的感知信息融合协同3.着重检维的智慧化建设，全面实现风电智慧。4.一体化业务应用平台：面向场站，而非面向一个个子系统。5.在线、全域可视、可听、可感知、智能识别、联动一体化无人值守。6.设备状态全维度数字化，数据标准化，以数据驱动AI智能计算，实现以机器来替代人工。7.建设智慧风场的夯实基础：数据、算法、网络和平台，场站能面向未来，具备自学习能力，数据能不断累积，智能识别能随数据积累不断提升，场站智慧化随时间不断成熟。5/766百度&上海合广无人值守智慧风电联合解决方案创新点联合解决方案着力于改变生产方式，以此提高生产效率；人工智能正深刻改变着生产方AI智慧化电厂的趋势已经形成。百度、上海合广融合双方在风电智慧化方面的智慧、行业经验，联合打造无人值守智慧风电建设方案。方案通过以下各个方面的建设，实现风电的智慧化。1.企业AI能力建设AI能力体系。AI是无人场站的基础，企业自身的业务需求多种多ITAI6百度&上海合广无人值守智慧风电联合解决方案创新点联合解决方案着力于改变生产方式，以此提高生产效率；人工智能正深刻改变着生产方AI智慧化电厂的趋势已经形成。百度、上海合广融合双方在风电智慧化方面的智慧、行业经验，联合打造无人值守智慧风电建设方案。方案通过以下各个方面的建设，实现风电的智慧化。1.企业AI能力建设AI能力体系。AI是无人场站的基础，企业自身的业务需求多种多ITAI署，支持模型共享。2.百度CV预训练模型CV预训练模型，仅需配置训练数据和少量参数，即可完成模型的训练。这些模型广泛地用于设备缺陷的智能识别、安全生产的智能识别。3.行业专家知识库专家知识库是智慧化的另一个重要的核心。关键业务的经验不再分散在资深员工的脑海中或文档中，它们将得到传承；企业的数据将被生产为知识，故障知识、检修排查方案、安全措施、风险辨识、预防措施、作业指导，结合基于语言大模型的专家助手，特别是对于一线检维人员，随时随地真正可用，极大地提高了他们的工作效率。4.企业私有化的行业大语言模型将百度的语言大模型，与行业属性相结合，形成企业私有化的行业大语言模型。在知识库的基础上，通过企业私有化的行业大语言模型，实现设备检维知识的获取、场景问答、故障识别、故障处理、计划与报告的填写。5.基于行业知识库与行业大语言模型的手机App专家助手专家助手、行业专家知识库、行业大语言模型互为表里，互相促进。专家助手是真正改变检维人员工作方式的工具，没有专家助手，知识库中的知识走不出知识库，无法随时随地地服务于一线。6.风机运行振动模式AI模型分析6/76传动链振动监测、叶片振动监测、塔筒振动监测等多种振动监测，在预测性维护方面，深受一线人员的信赖，但都依赖设备厂家每月一次的分析报告。传统的分析利用各种频率分析法，原理深奥，有的分析方法效果模糊，一线人员难以掌握，只能被动地接收设备厂家的报告，（而且质保期内风机厂家修改振动设备厂家的报告再交给业主的情况屡见不鲜，）难以举一反三，融会贯通，难以自主地及时发现问题。AIAIAI分析技术，设备自动学习风机工作的振动模式，训练出的模型被部署到设备，设备智能识别振动模式的异常，做到采集即分析，给出的结果不再是一堆的频率，而是直接给出异常的检测结果，并给出该结果的准确率。模型部署后，场站智能主机仍会利用设备分析的历史数据迭代模型。AI传动链振动监测、叶片振动监测、塔筒振动监测等多种振动监测，在预测性维护方面，深受一线人员的信赖，但都依赖设备厂家每月一次的分析报告。传统的分析利用各种频率分析法，原理深奥，有的分析方法效果模糊，一线人员难以掌握，只能被动地接收设备厂家的报告，（而且质保期内风机厂家修改振动设备厂家的报告再交给业主的情况屡见不鲜，）难以举一反三，融会贯通，难以自主地及时发现问题。AIAIAI分析技术，设备自动学习风机工作的振动模式，训练出的模型被部署到设备，设备智能识别振动模式的异常，做到采集即分析，给出的结果不再是一堆的频率，而是直接给出异常的检测结果，并给出该结果的准确率。模型部署后，场站智能主机仍会利用设备分析的历史数据迭代模型。AI团级利用更多的同类机型的数据，能进行快速地复核，利用场站回流的数据迭代生成新的振动模型，下发场站设备，进行更准确地监测。7.风机声纹AI模型分析对叶片、机舱、交流变压器、GIS断路器操作机构、GIS隔离开关和接地开关、高压断路器进行声纹监测，巡检利用移动机器人实现移动声纹采录，风机内部利用固定声纹振动采集器拾取数据，通过样本训练和算法迭代形成的人工智能算法，根据接收到的声纹信号判断设备正常与否，对异常状态作出判别。AIAI模型分析一样，都是在设备级、场站级、区域甚至集团级分工协同完成声纹的智能化监测。8.一体化业务应用系统风电现状中，子系统众多，设备状态监测的智能设备的非标准化，导致一个设备一个系统，一种报表，各自为岛，一线面对众多的子系统，繁琐而重复地从不同的子系统取出数据Excel报表、Word过拖拽方式定制自己需要的报表。一体化业务应用系统就是实现数据的深度集成，实现分析工具的整合，就是多层级地消除众多的子系统，比如在设备上，传动链振动监测、叶片振动监测、塔筒振动监测、塔筒晃度监测、塔基沉降监测，在智能设备上就可以一体化；在风机侧，部署边缘服务器，标准化各智能设备的数据；在场站侧，形成大融合，形成一体化的业务应用平台。一体化平台以分主题的设计理念，便于用户有针对性地查看相应的主题。9.增强场站侧设备的智能化7/76通过固定摄像头、移动机器人、轨道机器人、无人机，实现场站高压设备、继保室二次设备、集电线路、叶片、塔筒的智能巡检；为电缆增加红外测温；机舱、塔基柜、箱变、SVG增加红外热像。详见智慧风电场站建设方案。7百度智能化底座百度三大智能化底座：AI中台、知识中台、行业大语言模型。7.1AI中台当前，AIAIAI的设备故障分析、机组运行优化以及功率预测等场景正成为无人值守场站的基础。AI通过固定摄像头、移动机器人、轨道机器人、无人机，实现场站高压设备、继保室二次设备、集电线路、叶片、塔筒的智能巡检；为电缆增加红外测温；机舱、塔基柜、箱变、SVG增加红外热像。详见智慧风电场站建设方案。7百度智能化底座百度三大智能化底座：AI中台、知识中台、行业大语言模型。7.1AI中台当前，AIAIAI的设备故障分析、机组运行优化以及功率预测等场景正成为无人值守场站的基础。AIAI能力管理平台、应用平AIAIAIAI能AIAIAI能力解决业务场景中的痛点问题。基础管控模块底层架构基于主流、成熟、开放的技术实现，具备开放性、标准性、灵活性、稳定性及易扩展性；用户管理功能(a)(b)(c)支持通过组织-项目两级，达到项目间权限隔离、同组织或跨组织人员项目协作的目的。支持多租户分级设置：系统管理员，组织管理员，普通用户。支持对单位内部的不同职能角色的管理，用于平台的身份管理和访问控制，通过对不同工作人员授予不同权限，解决用户的集中授权与管理、资源分享与多用户协同工作等问题。C.资源管理功能(a)(b)不可用。(c)支持资源硬隔离，确保训练和预测服务调度在不同的GPU资源上。支持通过资源池，达到项目之间计算资源的软隔离，避免单个项目占用过多资源导致整个平台资源池支持共享或独占使用。对于主流的加速卡如A10//A100/A800/V100/P40/P4/T4，支持GPU（显存切分、算力分时共享）GPU(d)(e)存储源支持多种类型的存储接入及使用，包括如GFS、HDFS等;支持通过设置存储卷的“共享/私有”属性决定存储内部数据对不同项目的可见性，维护数据安全。(f)支持存储卷属性修改及共享存储卷设置为默认存储卷。PU深度学习任务支持单机多卡的训练方式；支持异构计算资源训练能力；8/76GPU10GPUE.运维管理功能GPU10GPUE.运维管理功能(a)支持以可视化方式提供系统概览、系统资源监控、机器池资源监控、系统服务监控、自定义监控。(b)(c)(d)支持系统概览，包括平台计算资源（CPU、AI、存储卷的使用及剩余情况。CPU/AI/IO支持机器池资源监控，可查看机器池及节点级别的CPU、AI加速卡、内存的使用及剩余情况，CPU/AI/内存平均使用率，/录使用率等指标。支持系统服务监控，提供JupyterHub、GlusterFS、Docker、K8S等组件的服务运行情况。告警对象。支持查看指定时间范围内的告警事件。间、IP地址和操作状态等。F.镜像通过系统内置镜像，使用者可使用不同的开发语言版本及深度学习框架进行模型的开发工作。DockerfiletarNotebook智能数据模块数据总览/未标注的数据导入至选定的数据集，导入方式支持本地导入、存储导入、平台已有数据集导入等多种导入方式。支持对已有数据集新增版本。JSON、XML布等图表数据。数据标注能力核（支持开关）图片数据支持的标注模板包括：(2(3文本数据支持的标注模板包括：文本分类：短文本单标签模板，短文本多标签模版短文本匹配（短文本相似度）文本实体抽取9/76(4)文本实体关系抽取多人标注全功能开发中心A.兼容主流的通用计算框架：包括但不限于TensorFlow、PyTorch、scikit-learn、XGBoost、PaddlePaddle等；B.C.D.(4)文本实体关系抽取多人标注全功能开发中心A.兼容主流的通用计算框架：包括但不限于TensorFlow、PyTorch、scikit-learn、XGBoost、PaddlePaddle等；B.C.D.E.提供训练优化技术、分布式计算优化技术，保证训练效率和显存使用率；预置TensorFlow、PaddlePaddle等框架的卷积神经网络、循环神经网络等深度学习算法；预置图像分类、目标检测、语义分割、NLP类算法，预置强化学习算法案例；Notebook与命令行交互式建模(a)支持notebook训练任务的新建、释放、删除，支持自定义任务信息，包含任务名称、任务描述、选择需要的框架版本，配置任务最大运行时间，支持配置任务资源，包含CPU、内存、GPU；(b)支持 python3、R语言等编码；notebook、textfile、terminal、markdownfileWebIDEWebIDECPU、GPU、内存等使用情况进行实时监控；支持终端、命令行式操作。自动化建模(a)(b)(c)(d)(f)提供多种自动化建模场景：包括但不限于聚类，回归，二分类，多分类等自动建模场景；支持自定义训练时长上限、自定义最大迭代次数；支持设置数据拆分比例、选择模型评价指标；支持分箱、归一化、特征交叉、特征自动选择、Onehot、PCA、异常值处理；PRROCKS型效果评估展示与对比；作业建模支持通过用户定义的深度学习训练作业进行建模，支持TensorFlowPyTorchKeras等框架的多机多卡分布式训练。支持同一作业不同参数组合的多版本的批量提交、追踪和参数指标对比，帮助用户能更便捷地实现版本管理、参数调优、优选模型的决策。可视化建模(a)AutoML。(b)(c)(d)(e)支持展示任务的状态、详情字段等，模型训练定时调度、模型训练的历史版本记录和查看，支持支持拖拉拽式的可视化建模任务的创建、删除、执行、复制；支持可视化建模任务列表展示；支持自定义算法组件，包含组件输入输出参数定义等，如Python自定义组件等；提供特征提取、自动特征选择、多特征组合、特征分析、数据降维能力，能够从数据集中提取特10/76征，并指出特征的组合，用户可以通过系统直接查看特征输出结果；提供的算法组件包括但不限于：数据处理：支持多种数据处理组件，包括split、join、列选择、Union、Sample、SMOTE过采样、欠采样、SQL；支持多种机器学习算子，包括但不限于自动特征选择、分箱、归一化、特征交叉、Onehot、PCA、异常值处理，包括缺失值填充、数值替换；征，并指出特征的组合，用户可以通过系统直接查看特征输出结果；提供的算法组件包括但不限于：数据处理：支持多种数据处理组件，包括split、join、列选择、Union、Sample、SMOTE过采样、欠采样、SQL；支持多种机器学习算子，包括但不限于自动特征选择、分箱、归一化、特征交叉、Onehot、PCA、异常值处理，包括缺失值填充、数值替换；线性回归、XGBoostXGBoostXGBoostKmeans、GMM、PageRank、决策树二分类、决策树多分类、决策树回归、随机森林二分类、随机森林多分类、随机森林回归、NaiveBayes二分类、NaiveBayesDNNDNNSVMSVMLR疏LR多分类；支持协方差、卡方拟合性检验、卡方独立性检验、正态检验、洛伦兹曲线、皮尔森系数、直方图、相关系数矩阵；MAEMSERMSER-SquareF1ROCAUC；聚类评估，包括但不限于SCCHI等评估方法。产线建模-计算机视觉计算机视觉预置了若干视觉类预训练模型，仅需配置训练数据和少量参数即可完成模型训练。支持图像分类-单图单标签、物体检测-矩形框标注、图像分割-实例分割、图像分割-语义分割四类任务。产线建模-自然语言理解ERNIE取、序列标注、实体关系抽取等任务。模型中心模型纳管支持管理全功能开发平台训练得到的模型，并导入第三方模型进行统一管理。第三方导入模型支持从本地上传或从存储选择模型文件，模型类型支持主流框架，包括TensorFlow、PaddlePaddle、PyTorch、Caffe、ONNX、Sklearn、R、MOJO、POJO、PMML；支持纳管模型文件或模型部署包（镜像形态；/算法类型、模型标签、模型描述；(e)(f)(g)(h)(i)(j)导入模型时，支持填写模型的输入输出参数、最小运行资源；展示模型信息，名称、模型个数、算法类型等，可进一步查看详情或进行删除；支持对模型进行多版本管理；支持对模型文件进行下载；PMMLONNX模型部署支持对模型做云部署（发布为预测服务API、离线部署（生成离线部署包可将模型发布为在线预测服务，并支持查看发布记录。模型共享可将模型共享给平台的其他用户使用，共享范围支持当前组织或全平台。11/76预测服务模块A.框架支持Tensorflow、PaddlePaddle、PyTorch、ONNX、Sklearn预测服务模块A.框架支持Tensorflow、PaddlePaddle、PyTorch、ONNX、Sklearn、XGBoost、PMML理。B.服务管理(a)(b)(c)HTTP、Websocket、gRPC支持自定义镜像启动服务；创建预测服务，支持配置是否需要访问认证、收集预测数据集，配置预测服务资源包含但不限于CPU、内存、AI加速卡、单副本TPS、TPS上限等；TPSTPSbadcaseGPUGPU弹性伸缩Pod（CPUTPSPodPod当Pod副本负载达到一定的阈值后，会根据扩缩容的策略生成更多新的副本来分担压力，当副本的使用比较空闲时，在稳定空闲一段时间后，还会自动减少副本数量。AB(a)(b)(c)(d)支持创建AB实验并管理实验，每个实验内可配置一个对照组服务和多个实验组服务。配置规则支持按流量划分和在请求头内自定义规则。按比例分发：支持对一个实验内的服务分配流量比例，平台会按比例将流量路由到服务上；自定义规则：支持灵活的自定规则，一旦平台在请求header中检测到符合规则的内容，则会将该请求分配到对应的服务上；应用接入AIAccessKeySecretKeyAccessCode，以限制不同开发者的调用和方便后续的统计分析。预测服务监控支持预测服务效果监控，包括但不限于调用量、总处理时间、平均处理时间、总流量、平均流TPSHA支持Pod监控，监控传输/接收数据量、传输/接收速率、传输/接收失败速率等；资源监控，监控预测服务CPU、GPU显存、GPU算力、内存的平均使用率；服务审批支持对服务的所有操作例如上线、下线、更新、删除发起审批，系统管理员收到审批单后可对服务操作进行审批。所有的申请和审批都有完整的记录备份。12/767.2知识中台新能源企业在建设与运营阶段积累了大量的文档、知识等，关键业务的经验分散在多个资深员工的脑海中或文档中，无法做到经验传承，日常工作效率低，效果差。知识中台是企业将数据生产为知识并应用知识的中枢，可以帮助企业快速构建知识、应用知识。数据接入数据接入模块包括对文档及结构化数据的手动上传、数据库直连、API接入、预览、下载、删除、搜索等操作，同时对接入数据进行报表等展示。全文搜索全文搜索包含语义搜索和结构化搜索。语义搜索，基于语义理解的搜索结果，快速召回搜索结果，实现数据的高效获取；结构化检索，确保数据全覆盖、数据快速搜索，定制化审批卡片，快捷渲染结构化数据召回卡片。智能推荐实现业务场景知识图谱从零到一的构建，基于知识图谱的实现推理计算问答，项目信息可视化展示、项目相关推荐答案直接返回，实现项目信息问答。FAQ7.2知识中台新能源企业在建设与运营阶段积累了大量的文档、知识等，关键业务的经验分散在多个资深员工的脑海中或文档中，无法做到经验传承，日常工作效率低，效果差。知识中台是企业将数据生产为知识并应用知识的中枢，可以帮助企业快速构建知识、应用知识。数据接入数据接入模块包括对文档及结构化数据的手动上传、数据库直连、API接入、预览、下载、删除、搜索等操作，同时对接入数据进行报表等展示。全文搜索全文搜索包含语义搜索和结构化搜索。语义搜索，基于语义理解的搜索结果，快速召回搜索结果，实现数据的高效获取；结构化检索，确保数据全覆盖、数据快速搜索，定制化审批卡片，快捷渲染结构化数据召回卡片。智能推荐实现业务场景知识图谱从零到一的构建，基于知识图谱的实现推理计算问答，项目信息可视化展示、项目相关推荐答案直接返回，实现项目信息问答。FAQ问答FAQ问答：基于问答对问答能力，可以基于系统里已有的问答对进行泛化召回（把一个问题泛化成一类问题），准确返回相应结果。7.3行业大语言模型随着大语言模型技术的发展，与行业属性相结合的大语言模型私有化成为可能，并将深刻改变现有的管理模型。在知识中台的基础上，通过大语言模型实现针对新能源设备检修知识获取、场景问答、故障识别、故障处理、两票审批、检修计划、报告填写等痛点及需求，进行建设内容规划。8智慧风电的架构无人智能化风电的系统结构由风电场站、集控中心、新能源监控与大数据中心三级组成，不同层级上的功能侧重所有不同。13/76AI行；场站侧部署图像、音频、振动服务器，侧重智能分析，将分析结果上报集控中心；集团新能源中心与大数据中心，或者集控中心，侧重建立故障模型，迭代模型，部署下发模型。采用“云——边——端”一体化设计。融合底层平台能力+AIAI行；场站侧部署图像、音频、振动服务器，侧重智能分析，将分析结果上报集控中心；集团新能源中心与大数据中心，或者集控中心，侧重建立故障模型，迭代模型，部署下发模型。采用“云——边——端”一体化设计。融合底层平台能力+AI14/76场站侧智能基础。9赋予设备AI智慧的清单9.1按设备分类清单偏航电机、变桨电机故障的场站侧智能基础。9赋予设备AI智慧的清单9.1按设备分类清单偏航电机、变桨电机故障的AI分析传动链、叶片、塔筒、机舱振动AI分析叶片裂纹、机舱、变压器声纹AI分析发电机集电环碳刷、主轴接地碳刷的磨损模型15/76油脂消耗模型AI电子围栏等的智能识别油脂消耗模型AI电子围栏等的智能识别9.2AI智能识别能力清单（升压站室外高压设备状态、安全及缺陷）16/769.3AI智能识别能力清单（继保室设备状态、安全及缺陷）9.4AI智能识别能力清单（集电线路设备状态、安全及缺陷）17/769.3AI智能识别能力清单（继保室设备状态、安全及缺陷）9.4AI智能识别能力清单（集电线路设备状态、安全及缺陷）17/7610智慧风电的区域中心建设方案10.1AI智能巡检计算机视觉智能巡视系统由区域巡视主机、智能分析主机、边缘节点、摄像机、机器人、无人机等组成，具备区域内全部变电站的数据采集、自动巡视、智能分析、实时监视、智能联动等功能，形成巡视结果和巡视报告，完成日常的人员巡检工作。注：其它巡检方式，如声纹监测、振动监测、红外热像监测等涵盖在设备智能诊断章节。10.1.1技术规划10智慧风电的区域中心建设方案10.1AI智能巡检计算机视觉智能巡视系统由区域巡视主机、智能分析主机、边缘节点、摄像机、机器人、无人机等组成，具备区域内全部变电站的数据采集、自动巡视、智能分析、实时监视、智能联动等功能，形成巡视结果和巡视报告，完成日常的人员巡检工作。注：其它巡检方式，如声纹监测、振动监测、红外热像监测等涵盖在设备智能诊断章节。10.1.1技术规划系统架构巡视系统由巡视主机、智能分析主机、摄像机、机器人、无人机等组成，具备数据采集、自动巡视、智能分析、实时监视、智能联动等功能，可实现场站、风机/能巡视。巡视主机负责下发控制、巡视任务等指令，并接收上送的巡视数据、采集文件等，同时调用智能分析主机对采集的数据进行智能分析，形成巡视结果和巡视报告。系统架构见1。18/761巡视系统架构巡视主机对外接口定义如下:与边缘节点接口1巡视系统架构巡视主机对外接口定义如下:与边缘节点接口:采用TCP传输协议，下发任务、远程控制等指令，获取可见光照片、红外图谱等文件，文件传输接口采用FTPS协议;与高清视频接口:采用TCP/UDP对摄像机的控制;与声纹监测装置接口:采用TCP/UDP传输协议，获取声音监测数据;与智能分析主机接口:采用TCP传输协议，向智能分析主机发送识别分析任务指令，接收识别分析结果数据;与上级系统接口:采用TCP协议传输任务管理、远程控制、模型同步等指令，文件传输接口采用FTPS协议;与算法管理平台接口:TCP传输协议，图像文件传输接口采用FTPS警结构化消息发送通过MQTT协议。边缘节点对外接口定义如下:与机器人巡视系统接口:采用TCP传输协议，下发对机器人的控制、巡视任务等指令，接收机器人巡视数据、机器人状态等数据;采用FTPS光照片、红外图谱等文件;与站内无人机巡视服务接口:采用TCP传输协议，下发对无人机的控制、巡视任务指令，接收无人机巡视数据、无人机状态等数据;采用FTPS见光照片、红外图谱等文件;与高清视频接口:采用TCP/UDP对摄像机的控制;与声纹监测装置接口:采用TCP/UDP传输协议，获取声音监测数据;与主辅设备监控系统接口:UDP协议、CIM/E语言格式，实现与主辅设备监控系统智能联动等功能;与巡视主机接口:采用TCP协议接收巡视任务、远程控制等指令，上送可见光照片、红外图谱等文件，文件传输接口采用FTPS协议。技术要求.1巡视主机巡视主机具备多个变电站的摄像机、声纹监测装置等巡视设备及边缘节点的接入能力，同时具备巡视任务下发、任务管理、巡视数据采集与接收、巡视监控、调用智能分析主机进行智能分析、报告生成以及基础配置管理等功能。19/76.2智能分析主机智能分析主机具备设备状态分析、设备缺陷分析、人员行为分析、环境安全分析等功能，支持从巡视主机获取待分析图像或音频文件进行分析。.3边缘节点边缘节点是实现所在变电站摄像机、机器人、无人机、声纹监测装置等巡视设备接入的装置，能够接收巡视主机下发的模型和控制命令等，并负责调度对应的巡视设备完成数据采集及上送，同时还具备静默监视图片筛选、智能联动以及巡视设备状态上送等功能。当变电站存在下列需求时应配置边缘节点:变电站内主辅设备监控系统有智能联动或一键顺控视频双确认需求时，应配置边缘节点实现与主辅设备监控系统的数据交互.2智能分析主机智能分析主机具备设备状态分析、设备缺陷分析、人员行为分析、环境安全分析等功能，支持从巡视主机获取待分析图像或音频文件进行分析。.3边缘节点边缘节点是实现所在变电站摄像机、机器人、无人机、声纹监测装置等巡视设备接入的装置，能够接收巡视主机下发的模型和控制命令等，并负责调度对应的巡视设备完成数据采集及上送，同时还具备静默监视图片筛选、智能联动以及巡视设备状态上送等功能。当变电站存在下列需求时应配置边缘节点:变电站内主辅设备监控系统有智能联动或一键顺控视频双确认需求时，应配置边缘节点实现与主辅设备监控系统的数据交互;变电站与巡视主机网络断链时，有巡视任务不间断需求，应配置边缘节点实现巡视任务自主执行;变电站有无人机、机器人、秒级静默监视摄像机等巡视设备时，应配置边缘节点进行接入和管理。.4高清视频高清视频由硬盘录像机、高清摄像机、红外热成像摄像机等组成，具备站内设备、环境、人员的实时监视、红外数据采集及录像存储和回放等功能。摄像机可采用有线和无线两种接入方式，其中，无线摄像机满足入网控制、访问授权与认证、审计、保密、禁用端口、网络攻击防御、安全漏洞等信息安全要求。高清视频在巡视系统的调度下，按照既定策略采集图像、温度等数据并上传。.5机器人巡视系统机器人巡视系统具备巡视模型的建立、巡视任务调度及控制、巡视数据采集及上送、系统设备管理及监视、环境数据采集与上送等功能。变电站用机器人主要分为轮式机器人和轨道式机器人两种类型，其中轮式机器人主要用于设备红外测温、表计识别、巡视点位补强、应急监视;轨道式机器人主要用于室内屏柜或高压开关柜等设备日常巡视。.6无人机巡视系统无人机巡视系统主要用于站内高空构筑物、设备等的可见光巡视、红外测温等，可按照指定的预设航线执行巡视任务，完成数据采集并上送，同时具备飞行状态、任务进度等数据20/76实时交互及无人机的存放管理、电能管理、机巢内环境管控等功能，其中系统软件可采用集中式部署或站端分布式部署。.7声纹监测装置在电力设备运行状态下，支持对其声音信号进行现场采集并分析声纹特征。运行机制.1视频调阅巡视主机向站端视频采集设备下发调阅指令获取视频数据，对摄像机进行云镜控制前，查询摄像机所在任务执行状态，限制调阅者对处于执行任务中摄像机的云镜控制功能;当任务结束后，被调阅摄像机恢复云镜控制功能。2实时交互及无人机的存放管理、电能管理、机巢内环境管控等功能，其中系统软件可采用集中式部署或站端分布式部署。.7声纹监测装置在电力设备运行状态下，支持对其声音信号进行现场采集并分析声纹特征。运行机制.1视频调阅巡视主机向站端视频采集设备下发调阅指令获取视频数据，对摄像机进行云镜控制前，查询摄像机所在任务执行状态，限制调阅者对处于执行任务中摄像机的云镜控制功能;当任务结束后，被调阅摄像机恢复云镜控制功能。2视频调阅运行流程图.2例行巡视巡视主机下发已编辑完成的巡视任务，边缘节点根据任务执行策略调度站内巡视设备开展联合巡视作业，将巡视数据、采集文件等上送至巡视主机，巡视主机调用智能分析主机对巡视数据进行智能分析，生成巡视报告。流程见图3。21/763边缘节点型例行巡视运行流程图.33边缘节点型例行巡视运行流程图.3静默监视在站端边缘节点和巡视设备均未执行各种任务时，边缘节点接收摄像机执行静默监视所采集的图片，完成图片筛选，并将筛选后的图片上传至巡视主机，巡视主机调用智能分析主机实现对图片的进一步智能分析，生成告警信息。流程见图5。22/765边缘节点型静默监视运行流程图.45边缘节点型静默监视运行流程图.4智能联动主辅设备监控系统经由正向隔离装置发送联动信号至边缘节点，边缘节点收到联动信号后转发至区域巡视主机并开始执行联动任务;巡视主机根据需求通过图像采集设备获取视频数据。流程见图7。23/767边缘节点型智能联动运行流程图.57边缘节点型智能联动运行流程图.5一键顺控视频确认一键顺控视频确认判据应与远程智能巡视系统复用，巡视系统中边缘节点通过正向隔离装置接收主辅设备监控系统发送的顺控操作联动信号，并转发至巡视主机，巡视主机和边缘节点收到联动信号后按需通过图像采集设备获取视频数据进行界面展示;边缘节点根据任务执行策略调用巡视设备完成图像数据采集并将图像数据立即上送至巡视主机，巡视主机调用智能分析主机完成图像分析并生成顺控确认反馈文件，并将文件送至边缘节点;主辅设备监控系统经反向隔离装置获取顺控确认反馈文件。流程如下图8。24/768一键顺控视频双确认运行流程图.6人机协同任务巡视系统可通过上级系统接收人机协同机巡任务，根据任务执行策略调度站内巡视设备开展联合巡视作业，并将巡视结果上送到上级系统。硬件要求.1巡视主机8一键顺控视频双确认运行流程图.6人机协同任务巡视系统可通过上级系统接收人机协同机巡任务，根据任务执行策略调度站内巡视设备开展联合巡视作业，并将巡视结果上送到上级系统。硬件要求.1巡视主机巡视主机满足:a)b)c)d)e)满足安全可控要求;采用TCP/IP协议接入;支持机架式安装;配置双冗余电源;满足7×24h运行需要，支持上电自启动功能;25/76.2智能分析主机智能分析主机满足:满足安全可控要求;采用TCP/IP协议接入;支持机架式安装;配置双冗余电源;满足7×24h.2智能分析主机智能分析主机满足:满足安全可控要求;采用TCP/IP协议接入;支持机架式安装;配置双冗余电源;满足7×24h运行需要，支持上电自启动功能;a)b)c)d)e).3边缘节点边缘节点满足:a)b)c)d)e)f)g)满足安全可控要求;满足TCP/IP协议接入;CPU不低于1.8GHz主频，不低于8核;内存不低于16G;硬盘容量不低于2T;配置双冗余电源;满足7×24h运行需要，支持上电自启动功能。电源及部署条件UPS不间断电源供电，支持主备方式部署，可采用分布式冗余配置，以提高系统可靠性。网络条件.1网络带宽条件100M20M;具备网络条件的，可分配高于上述标准的网络带宽。.2IP地址分配IPIP地址;IP资源不足的可统一分配1IP地址，各子系统通过地址映射接入巡视主机。26/76巡视数据格式满足:a)b)c)d)可见光照片格式应为jpg格式，分辨率不低于1920×1080;红外图谱格式应为jpg格式，分辨率不低于640×480;wav，编码格式符合巡视数据格式满足:a)b)c)d)可见光照片格式应为jpg格式，分辨率不低于1920×1080;红外图谱格式应为jpg格式，分辨率不低于640×480;wav，编码格式符合G.711a标准或PCM编码;视频文件的格式应为mp4，编码格式符合H.264或H.265标准。配置原则巡视系统配置原则如下:按照“先平台后接入、先充油设备监视后全面监视、先重要站(地下站、户内站)后普通站”的原则进行辖区内变电站的接入和布点;巡视终端以高清视频为主，包括高清视频摄像机、红外双光谱摄像机、微型摄像机等，根据4.2智能摄像机、无线摄像机;c)不具d)数量，充油充气类设备要实现表计(带远传功能)外观、抖动、渗漏油等点位的可靠巡视;对于备远传功能的表计应实现读数识别;220kV(AIS)、220kV(GIS)、110kV/66kV电压等级变电站/开关站根据巡视点位分别按照3.63、2.68、1.47的系数折算至相应数量35kV接入40~70座35kV变电站(折算后);e)在具体实施过程中，根据网络带宽、变电站巡视点位数量、巡视周期，结合实际应用需要，确定巡视系统建设规模，再根据区域规模确定巡视主机和智能分析主机等硬件配置。10.1.2功能数据采集.1运行环境数据采集支持机器人或动环设备采集室内温湿度和O2、SF6等气体监测数据。.2巡视数据采集采集的巡视数据包括可见光视频及图片、红外图谱、音频等，根据实际情况设定数据采集要求和覆盖面，具体如下:27/76a)可见光数据采集要求:表、有载调压档位表、各类油位计、设备室内温湿度表等表计示数;支持采集断路器、隔离开关、接地刀闸(开关)等一次设备及切换把手、压板、指示灯、空开等二次设备的位置状态指示;3)4)5)6)a)可见光数据采集要求:表、有载调压档位表、各类油位计、设备室内温湿度表等表计示数;支持采集断路器、隔离开关、接地刀闸(开关)等一次设备及切换把手、压板、指示灯、空开等二次设备的位置状态指示;3)4)5)6)7)b)支持采集设备设施的外观状况等;支持采集变电站环境、建筑设施外观状况等;涉及特征、状态识别的目标应使其处于采集画面中心位置;采集的图像应叠加有时间、点位名称等信息;具备全天候采集视频及图像功能;红外图谱数据采集:支持采集设备本体、接头、套管、引线等重点部位的红外图谱数据，红外热成像摄像机支持框测温和点测温;声纹监测数据采集:支持采集变压器等一次设备的声音数据;状态监测数据采集:支持通过主辅设备监控系统获取变压器(局放)、主变套管、电流互感器、电压互感器、耦合电容器、避雷器、断路器、组合电器GIS、隔离开关、蓄电池、消防系统等主辅设备的状态监测数据;局放数据采集要求:支持通过选配局部放电信号采集功能的机器人或在线监测装置对设备局部放电信号进行采集。.3巡视设备状态数据收集巡视设备状态数据收集满足:支持采集摄像机、硬盘录像机的工况信息，包括设备在线状态等;支持采集硬盘录像机的存储状态，包括录像时长、录像周期、录像完整性等;支持采集机器人/无人机的运行信息，包括电池电量、机器人/无人机位置信息、充电a)b)c)电流等;d)支持采集机器人/无人机任务执行信息，包括任务执行状态、任务进度、启动时间等;e)f)支持采集机器人/无人机的工作状态，包括空闲、巡视、充电、故障等;支持采集机器人/无人机异常告警信息，包括电池电量过低、驱动异常、防碰撞告警、停机位置等。数据分析功能.1分析对象支持对设备本体及附件、运行环境的智能分析。28/76.2分析方式支持的分析方式包括:支持现场缺陷图像识别、异常图像判别、静默监视图像和红外图谱分析等功能;可支持变压器、电抗器、电压互感器、电流互感器、开关柜等一次设备声纹分析功能。.3业务分析.2分析方式支持的分析方式包括:支持现场缺陷图像识别、异常图像判别、静默监视图像和红外图谱分析等功能;可支持变压器、电抗器、电压互感器、电流互感器、开关柜等一次设备声纹分析功能。.3业务分析a)境温度对设备进行故障诊断，并将分析结果上送上级系统;b)支持通过声纹数据对设备进行故障诊断，并将分析结果上送上级系统c)支持通过局放数据对设备进行故障诊断，并将分析结果上送上级系统。任务管理.1任务设置支持巡视任务按站制定和设置功能，巡视任务内容应包括巡视点位信息、巡视范围以及月、周、日、小时等不同时间维度的巡视周期，巡视类型应包括例行巡视、特殊巡视、专项巡视、自定义巡视等:常告警、消防安防系统完好性、变电站运行环境等方面的常规性巡查;雨后、雾霾中、冰雪及冰雹后，新设备投入运行后，设备经过检修、改造或长期停运后重新投入系统运行后，设备缺陷有发展时，设备发生过负载或负载剧增、超温、发热、系统冲击、跳闸等异常情况，法定节假日、上级通知有重要保供电任务时，电网供电可靠性下降或存在发生较大电网事故(事件)风险时段等;油位油温表抄录、避雷器表计抄录、SF6压力表抄录、液压表抄录、位置状态识别抄录、设备红外测温等;自定义巡视是指根据工作需要由人工选择巡视对象而开展的巡视，例如设备缺陷和隐患跟踪巡视、设备投产送电或长时间备用转运行后对设备运行状态开展的针对性巡视。.2远程任务同步满足:29/76巡视主机将已配置好的巡视任务及巡视点位主动上报至上级系统，上报内容包括巡视任务、巡视点位及其关联关系;结果、异常告警信息等上报上级系统。.3任务执行方式任务执行支持立即执行、定时执行和周期执行三种方式。.4任务优先级单站任务优先级如下表所示，4级代表优先级最高，1级代表优先级最低。紧急情况下，允许系统管理员权限账号接管现场控制权，任务优先级最高。在具体应用场景下，优先级可调整。表1任务优先级.5任务执行策略巡视主机或边缘节点根据任务类型，判断执行优先级，决定新任务排队执行或暂停当前巡视主机将已配置好的巡视任务及巡视点位主动上报至上级系统，上报内容包括巡视任务、巡视点位及其关联关系;结果、异常告警信息等上报上级系统。.3任务执行方式任务执行支持立即执行、定时执行和周期执行三种方式。.4任务优先级单站任务优先级如下表所示，4级代表优先级最高，1级代表优先级最低。紧急情况下，允许系统管理员权限账号接管现场控制权，任务优先级最高。在具体应用场景下，优先级可调整。表1任务优先级.5任务执行策略巡视主机或边缘节点根据任务类型，判断执行优先级，决定新任务排队执行或暂停当前任务后执行;新任务执行完毕后恢复暂停的任务。在应急情况下，用户可暂停或终止全部任务或部分任务，保证网络及软硬件资源的有效集中利用。.6任务展示巡视主机具备年历、月历与日历相结合的展示功能，年历应展示月度计划执行任务内容、完成情况;月历应展示每日计划执行的主要任务名称、完成情况及个数;务的信息列表，包括任务名称、执行时间、任务状态等;不同任务状态应以不同颜色加以区分。具备按时间段、任务名称、任务状态等组合条件并可追溯历史记录，查询任务列表功能。30/76任务优先级主辅设备联动4巡视系统控制3上级系统控制2站端日常巡视任务.7检修区域设置满足:备巡视点位，自主完成巡视任务，具备通过列表方式勾选设备功能，并应能显示无法完成的巡视点位;具备通过检修计划来设置相应检修区域，或根据不同检修时间进行多个检修计划区域预约设置功能，具备按照预置时间自动开始和结束，划定检修区域并立即生效执行功能。巡视监控满足:a)b)c)d).7检修区域设置满足:备巡视点位，自主完成巡视任务，具备通过列表方式勾选设备功能，并应能显示无法完成的巡视点位;具备通过检修计划来设置相应检修区域，或根据不同检修时间进行多个检修计划区域预约设置功能，具备按照预置时间自动开始和结束，划定检修区域并立即生效执行功能。巡视监控满足:a)b)c)d)支持以树形或列表方式显示当前执行的巡视任务，并以不同的颜色标识任务状态;支持任务执行、暂停、停止等快速操作;支持实时显示当前巡视任务执行进度;支持列表方式显示当前任务包括的点位总数，摄像机、机器人及无人机点位数量，并显示点位状态，包括已完成巡视、未完成巡视、巡视失败等状态，并显示上传未完成或失败原因;支持以列表实时滚动方式展示当前巡视任务的巡视点位信息，包括点位名称、巡视时间、分析结果、是否告警以及巡视图片等信息;支持对巡视图片点击查看以及局部放大等功能。实时监视满足:a)支持以树形列表方式显示设备资源信息，不同用户根据权限不同显示不同资源信息，以不同的图标显示不同设备类型;b)c)d)等功能;e)f)g)h)能;i)j)k)支持按照在线、离线等过滤视频监控设备;支持通过树形导航调阅摄像机和机器人画面;1/4/9/16全屏等多种方式显示视频画面，并提供关闭单个画面和关闭所有画面支持可在任何分屏模式下对某个画面全屏显示或退出全屏显示;支持多画面轮巡及画面显示;支持在调阅实时视频时手动抓图或手动录像至本地;支持云台控制、预置位控制、可见光视频控制、红外视频控制、音频控制等控制功支持历史录像文件查询、回放控制(播放、暂停、快进、快退)等功能;支持对摄像机、硬盘录像机的状态监视，包括设备的在线状态等工况信息;支持对硬盘录像机的存储状态监视，包括录像时长、录像完整性等;31/76支持摄像机预置位实现守望位功能，10分钟(时长可调)自动回归守望位;支持媒体转分发:实现视频的实时转发、分发功能，满足多用户同时访问同一视频监支持摄像机预置位实现守望位功能，10分钟(时长可调)自动回归守望位;支持媒体转分发:实现视频的实时转发、分发功能，满足多用户同时访问同一视频监控点的需求。巡视结果确认.1告警确认满足:告警确认内容包括变电站名称、设备名称、部件名称、间隔名称、实物ID别、告警等级、缺陷或异常图像(已标注出具体缺陷或异常位置)和实时监控画面链接等信息;支持人工核查功能，支持告警信息的实时监控画面连接快捷跳转，实现人工查看告警设备实时监控画面，人工核查告警信息是否属实，录入反馈意见;支持按照预设的设备告警阈值自动告警，设备告警等级包括一般、严重、危急等;支持巡视过程中的危急告警信息实时上送至上级系统。.2巡视结果归档满足:按照区域、间隔、设备、部件归类展示巡视结果，每次巡视任务结果包含每个巡视点位的基本信息、采集数据及阈值;具备巡视结果修正功能，修正值不应覆盖自动识别的原始数据;所有点位的巡视结果均确认后，记录审核人和审核时间。.3异常点位查询具备识别状态异常或无法识别的巡视点位汇总查询功能。.4巡视报告满足:巡视系统在巡视任务完成后自动生成巡视报告;具备通过变电站名称、间隔名称、巡视设备类型、巡视类型、巡视时间段等组合条件，查询历史巡视报告功能;告，将巡视数据上传至上级系统;32/76巡视结果分析.1数据对比分析巡视系统具备巡视数据对比分析、历史曲线生成等功能，并根据需要生成分析报告，如下:a)具备按时间段、设备区域、设备类型、识别类型、表计类型选择及设备树模糊筛选等组合条件查询功能，查询条件可多选;b)c)d)具备按查询条件，生成设定区间内的历史数据曲线功能;具备查询、重置、导出、查看报告功能巡视结果分析.1数据对比分析巡视系统具备巡视数据对比分析、历史曲线生成等功能，并根据需要生成分析报告，如下:a)具备按时间段、设备区域、设备类型、识别类型、表计类型选择及设备树模糊筛选等组合条件查询功能，查询条件可多选;b)c)d)具备按查询条件，生成设定区间内的历史数据曲线功能;具备查询、重置、导出、查看报告功能;具备对红外测温类非同源巡视结果综合分析功能。根据设备类型、部位的热像特征，分析其故障特征及缺陷性质;非同源结果差值超过一定阈值范围，自动推送告警;分析，非同源结果不一致，自动推送告警;源结果不一致，自动推送告警;对指针式表计巡视结果进行分析，非同源结果差值超过一定阈值范围，自动推送告警;一定阈值范围，自动推送告警;具备对同一设备点位在不同时间的巡视结果综合分析。不同时间的巡视结果趋势变化超过一定阈值范围或出现明显异常，自动推送告警。.2生成报表具备按查询结果生成分析报表功能，报表字段可自由选择。报表字段包括但不限于如下字段:识别类型、点位名称、识别时间、设备区域、间隔名称、设备名称、设备类型、表计类型、审核结果、告警级别、采集信息、识别结果。静默监视.1告警类型静默监视点位应覆盖站内变压器、敞开式设备区，宜覆盖主要出入口。在非巡视任务执行期间，对设备外观、运行环境、人员行为进行监视，对异常情况进行告警。33/76.2告警识别满足:a)针对渗漏油、设备变形、设备断裂、设备倾斜四类隐患，宜以每小时不小于1次的频次完成采集与识别;b)针对烟火、挂空悬浮物两类隐患，宜以每2分钟不小于1次的频次完成采集与识别;c)针对小动物入侵、未正确佩戴安全帽、未穿长袖工作服、人员聚集/徘徊四类识别，宜采用智能摄像机进行秒级识别，并将识别出的图片上送至边缘节点，由边缘节点筛选后上送至区域巡视主机。智能联动.2告警识别满足:a)针对渗漏油、设备变形、设备断裂、设备倾斜四类隐患，宜以每小时不小于1次的频次完成采集与识别;b)针对烟火、挂空悬浮物两类隐患，宜以每2分钟不小于1次的频次完成采集与识别;c)针对小动物入侵、未正确佩戴安全帽、未穿长袖工作服、人员聚集/徘徊四类识别，宜采用智能摄像机进行秒级识别，并将识别出的图片上送至边缘节点，由边缘节点筛选后上送至区域巡视主机。智能联动满足:a)边缘节点支持站端主设备遥控预置信号、主设备变位信号、主辅设备监控系统越限信号和主辅设备监控系统告警信号等接收功能，支持站端主辅设备监控系统与边缘节点之间互相发送联动信号功能;b)c)成巡视d)e)巡视主机支持接收边缘节点转发的联动信号以及上级系统下发的联动任务;边缘节点接到联动信号后，支持根据配置的联动信号和巡视点位的对应关系，自动生任务，由机器人或视频设备对需要复核的点位进行巡视;在联动任务执行过程中，边缘节点主动向巡视主机上报任务状态;巡视系统支持通过实时监控画面辅助人工开展核查工作，支持联动信号的实时监控画面跳转功能，联动过程中保持一组画面全景展示联动设备状况;f)g)h)支持机器人或视频完成复核点位巡视后，在巡视主机查看复核结果;主辅设备监控系统联动信号类型，可根据实际应用需求扩充;UDP协议;i)边缘节点通过反向隔离装置，将巡视主机生成的联动任务发送辅助设备监控系统，报文格式应遵循CIM/E语言格式规范。一键顺控视频确认采用视频为一键顺控确认判据的，巡视系统满足:站端一键顺控操作时，边缘节点收到联动信号后，调用摄像机进行数据采集，同时转发联动信号至巡视主机，巡视主机收到联动信号后，对相应设备(等)的监控场景在同一页面上进行关联性显示，并显示对该设备的智能分析结果;边缘节点进行数据采集时，主动向巡视主机上报任务执行状态;具有隔离开关分合闸状态自动判别能力，判别结论应包含分闸正常、合闸正常、分合闸异常及分析失败等状态信号，将判别结果传输给主辅设备监控系统;34/76d)主辅设备监控系统通过正向隔离装置，将一键顺控操作信息发送给边缘节点，消息采UDP协议;送给主辅设备监控系统，文件采用CIM/E语言格式。实物ID识别IDd)主辅设备监控系统通过正向隔离装置，将一键顺控操作信息发送给边缘节点，消息采UDP协议;送给主辅设备监控系统，文件采用CIM/E语言格式。实物ID识别IDID备台账、巡视项目等信息，如下:a)定位置b)自动识别实物ID:摄像机按照设定点位巡视时，或机器人按照指定路线巡视行进到指时，能够读取到设备的实物ID信息;巡视数据与实物ID关联:在巡视过程中，将实物ID与巡视数据(包括照片、红外测温图谱和仪表读数等)相关联，生成带实物ID标识的巡视结果;c)主机，设备缺陷与实物ID关联:巡视完成之后，将带实物ID标识的巡视数据传输到巡视在巡视主机完成缺陷识别。台账管理2.1机器人及无人机台账管理满足:息包括设备类型、设备名称、设备型号、生产厂家、生产国家、出厂编号、出厂日期、实物ID、安装位置等;具备按设备类型、设备名称、设备型号、生产厂家等组合条件过滤查询机器人及无人机台账信息功能;录、退出再投运记录。2.2视频设备台账管理满足:盘录像机;具备设备实时状态查询功能，显示设备在线与离线信息;具备按设备类型、设备名称、设备型号、生产厂家等组合条件查询视频设备台账信息功能。35/762.3声纹监测装置台账管理满足:a)b)c)具备以模型的方式向上级系统同步声纹监测装置台账功能;具备设备实时状态查询功能，显示设备在线与离线信息;具备按设备类型、设备名称、设备型号、生产厂家等组合条件查询声纹监测装置台账信息功能。配置管理3.1本地配置支持通过巡视主机配置告警阈值、巡视计划、标准巡视点位库等信息。2.3声纹监测装置台账管理满足:a)b)c)具备以模型的方式向上级系统同步声纹监测装置台账功能;具备设备实时状态查询功能，显示设备在线与离线信息;具备按设备类型、设备名称、设备型号、生产厂家等组合条件查询声纹监测装置台账信息功能。配置管理3.1本地配置支持通过巡视主机配置告警阈值、巡视计划、标准巡视点位库等信息。3.2用户设置3.2.1告警阈值设置具备设备巡视和系统自检信息告警阈值的设定功能，如下:a)b)c)阈值设置应对管理员用户开放;应提供按照同类设备类别模型批量设置功能，并可对单个设备报警阈值进行调整;可按识别类型对阈值范围进行数值或百分比设置。3.2.2告警消息订阅设置具备按告警类别和告警级别设置提醒功能，告警类别包含设备告警和系统告警，告警内容包括告警级别、时间、设备名称、检测值、告警阈值等。3.2.3标准巡视点位库维护具备案设备类型设置标准巡视点位库功能，可进行巡视点位导入、导出、新增、修改、删除等功能。权限管理具备用户权限管理功能，用户分为普通用户和管理员，分别具备如下权限:普通用户:设备告警查询、系统告警查询等模块的功能使用;管理员:包含普通用户所有权限，并可使用用户设置模块。36/76算法更新宜具备以下功能:新信息，巡视系统接收到更新指令后与算法管理平台交互完成算法增量式更新，不同源算法之间具有可替换性，且算法替换后不影响系统正常运行;支持巡视系统向算法管理平台推送缺陷、告警图像样本及结构化数据。可靠性指标统计具备可靠性指标统计分析功能，如下:并将结果上送上级系统;支持对摄像机录像完整率进行统计分析，并将结果上送上级系统;算法更新宜具备以下功能:新信息，巡视系统接收到更新指令后与算法管理平台交互完成算法增量式更新，不同源算法之间具有可替换性，且算法替换后不影响系统正常运行;支持巡视系统向算法管理平台推送缺陷、告警图像样本及结构化数据。可靠性指标统计具备可靠性指标统计分析功能，如下:并将结果上送上级系统;支持对摄像机录像完整率进行统计分析，并将结果上送上级系统;并将结果上送上级系统;支持对机器人、无人机等巡视设备累计连续正常运行天数、投运期间累计自检结果正常天数、正常巡检天数、巡检出勤率进行统计分析，并将结果上送上级系统;支持按照日、周、月统计分析巡视任务的巡视点位漏检率，上级系统可主动向巡视主机查询统计分析结果;统计分析结果;支持按照日、周、月统计分析巡视告警人工审核完成率、巡视告警准确率、巡视结果人工审核完成率，上级系统可主动向巡视主机查询统计分析结果。系统自检满足:a)b)c)支持机器人、无人机、视频及声纹设备状态自动检测;支持硬盘录像机录像状态和录像完整性检测;支持摄像机预置位偏移检测，支持自动或手动纠正摄像机预置位。三维应用7.1三维功能宜具备三维浏览、三维交互、三维巡视等功能。37/767.2三维浏览三维浏览功能如下:a)b)c)支持无插件浏览器快速加载三维场景，实现三维场景浏览和漫游;支持设备台账信息及告警异常信息呈现;支持设备模型监测定位及点击设备查看台账信息;d)支持摄像机位置呈现;e)支持机器人、无人机位置呈现;f)支持巡视点位呈现。7.3三维交互三维交互功能如下:7.2三维浏览三维浏览功能如下:a)b)c)支持无插件浏览器快速加载三维场景，实现三维场景浏览和漫游;支持设备台账信息及告警异常信息呈现;支持设备模型监测定位及点击设备查看台账信息;d)支持摄像机位置呈现;e)支持机器人、无人机位置呈现;f)支持巡视点位呈现。7.3三维交互三维交互功能如下:a)b)c)d)支持在三维场景中准确定位告警异常信息;支持在三维场景中空间测量;支持视频资源控制，并能够推送实时视频画面;支持点击三维场景中任意巡视点或观测点，并选择无人机合适的悬停点，自动匹配无人机视频资源，启动特巡。7.4三维巡视三维巡视功能如下:a)支持基于三维模型的无人机巡检路径规划;b)c)d)支持基于三维模型的巡视点编制任务;支持三维模型的巡视点查看历史巡视信息;支持三维模型对无人机巡检路径的展示。10.1.3性能系统性能系统性能如下:a)b)c)d)系统平均无故障工作时间(MTBF)e10000h;系统平均维护时间MTTR<0.5h;在保证网络带宽的情况下，视频控制切换响应时间<2s;在保证网络带宽的情况下，监控画面显示与实际事件发生时间差<2s。巡视主机性能巡视主机性能如下:38/76a)b)c)d)e)最小接入巡视点位数量40000个;系统数据及运行日志数据存储时间1年;图片、缺陷视频等文件存储时间1年;音频、静默监视图片存储时间3个月;巡视结果、告警数据等结构化数据存储时间3年。边缘节点性能满足:a)b)最小接入巡视点位a)b)c)d)e)最小接入巡视点位数量40000个;系统数据及运行日志数据存储时间1年;图片、缺陷视频等文件存储时间1年;音频、静默监视图片存储时间3个月;巡视结果、告警数据等结构化数据存储时间3年。边缘节点性能满足:a)b)最小接入巡视点位6000个;系统数据及运行日志数据存储时间1年。图像识别性能图像识别算法模型性能如下:a)b)c)算法模型检出率不应低于80%;算法模型误检率不应高于30%;算法模型识别每张图像的平均计算时间应小于500ms。图像判别性能图像判别算法模型性能如下:a)b)c)算法模型检出率不应低于80%;算法模型误检率不应高于30%;算法模型识别每张图像的平均计算时间应小于500ms。一键顺控视频确认性能一键顺控视频确认性能如下:a)b)c)隔离开关位置判别准确率>98%;分合异常故障漏报率<0.1%;算法模型平均计算时间应小于10s10.1.4巡视点位设置巡视点位设置原则变电站现场自动巡视任务点位按实际需求设置，如下:39/76a)巡视点位设置满足室内外一次设备、二次设备及辅助设施巡视全覆盖要求，包括设备外观、表计、状态指示、变压器(电抗器)声音、二次屏柜、设备及接头测温、变电站周界、出入口、主控室、蓄电池室、保护室