【西安交通大学】2025年电力人工智能多模态大模型创新技术及应用报告

电力人工智能多模态大模型

创新技术与应用报告人：王小华教授西安交通大学电气工程学院2025年2月目

录1、研究背景2、关键技术3、应用案例4、未来展望2/3701研究背景3/3背景1——人工智能的概念及发展人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科

学；其在历史上经过多个发展时期，形成了不同的技术流派；

深度学习是目前主流。1980s-2000s早期统计学习时期依赖统计学和人工

设计特征构造算法；代表算法：支持向量机(SVM)

决策树朴素贝叶斯算法2010s-2018s早期神经网络时期神经网络在多个领

域取得初步应用；代表算法：卷积神经网络循环神经网络图神经网络1970s中期知识期聚焦知识工程

与专家系统构建，

通过人工整理知

识库驱动决策，受限于知识获取

成本与规模瓶颈。1950s—1970s推理期以符号逻辑为

核心，依赖人工

规则与推理系统(如专家系统),

强解释性但泛化能力弱。2000s-2010s集成方法时期通过模型组合提升

预测精度；代表算法：随机森林梯度提升决策树2018s-现在大模型时期基于海量数据与

大规模预训练；代表算法：DeepSeek系列

Qwen系列GPT系列神经网络

深度学习机器学习人工智能

人工智能领域迭代迅速、多种技术流派蓬勃发展，在多个领域已有广泛应用。4/37在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化

技术路径，三者协同推动人工智能向更高阶形态演进。人工搜集、标注图像分类英伟达GPU谷歌TPUAMD芯片CNNRNNLSTM有监督数据目标检测芯片单任务模型成本高昂、扩展性差华为昇腾海光DCU寒武纪MLUSVM决策树GNN…背景1——人工智能的概念及发展数据

算力

算法PyTorchTensorFlowMindScope底层计算库：CUDA、CANN(华为)多维并行算法

状态监测、任务调度高效互联通讯：NVLINK、HCCL

(华为)语言通用模型：DeepSeek-R1

等多模态通用模型：Qwen2-VL

等英伟达仍然是最主流的算力平台；国产算力平台快速崛起，生态逐渐成熟。通用模型是当下研究热点与未来趋势；

研究高效训练算法具有重要创新意义。如何提高数据的规模与质量

是当前人工智能领域的关键问题。利用模型、仿真生成前沿探索阶段互联网爬取、规模大无需人类专家标注虚拟现实自动驾驶

生态LLM预训练图像生成…无监督预训练有监督微调强化学习对比学习无监督数据通用模型合成数据训练算法集群5/37早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传

播算法，显著提升了模型的学习能力。随后，基于注意力机制的Transformer

架构改变了自然语言处理的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、

推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。Transformer架构注意力机制

多模态融合OutputTekenWactorsFFNNDecodsrBbckDecnderDecoderPosion

EmbedingMaskod

Snt-AHantionInputTokenVoctorLaye

Nom序列处理

高效并行

模态扩展大模型能力扩展文本检索增强工具学习大规模基础模型Al

agent金融大模型背景1——人工智能的概念及发展经典神经网络多层感知机

卷积神经网络图像/视频音频电力大模型

医疗大模型_-行业应用模态扩展bosk

二Bock6/37大模型井喷式发展自从ChatGPT

在2022年问世以来，全球大模型发展迅速，百种大模型竞相发布，推动性能、规模和应用

的全面突破，成为科技进步的重要动力源。背景2——人工智能大模型引领新一轮科技革命本课题组工作G

FLANnspurYuan

L.0行业应用赋能层甲对话

推

荐基础科学

元宇宙基础算法平台层自然语言处理开发平台算法框架底层服务支撑层9-12

20245.82025多模态电力设备状态感知助手

5电力时序数据分析监测模型大模型发展历程图

回芯片

山数据服务Uni-Perceiver9-10WebGPT⑤

Uni-Pereiver-MoEErnie

3.0

Titan

T1-12

AlphaCodeGopher

InstructGPT

鹰

2022GLaMG

MT-NLGOPTXL

GGLMUni-Perceiver

V2电力专家与客服系统Nemotron-4-340BLlama3.1-405BClaude3.5SonnetGrok-2DeepSeek-v3

olClaudewith

computeruseMistral

Small303-miniDeepResearchQwen2.5-MaxJanus-ProOperatorStep-loVision

DeepSeek-RIGPT-4⑤多模态运维安全助手phi-314B00

Llama3-70B

米

Claude3

Opus!GGeminil.5Sora搜

索的遥感计算机视觉+

医

疗晶城市多模态T520192020GPT-35CodexInternLMMMPTli

Baichuan

G

PaLM2CodeGen20LLaMA2G

UL2YaLM

G

FLAN-T5FLAN-PaLMli

Baichuan2QWENAFLM0

Aquila2开源社区

大模型测评SChatGPT2023XLLaMAG

Bard些PanGu-2WeLMCSparrowNLLBABLOOMmTO〇GalaticaXPanGu-Ernie

3.0CPM-220211-8

SkyworkXVERSEGmTSGaMDA>

传统电网：传统电力系统人工依赖度高，存在资源配置低效和故障响应不及时等问题。>

新型电网：人工智能赋能后，通过实时调度优化、智能维护和精确能源管理，可大幅提升电网的运行效

率、稳定性与可持续性。新型电网发电智能调度&输电网络优化损耗低

配电灵活管控&变

电精准检修响

应快

用户负荷预测&

用电科学管理体验佳m传统电网电力生产和分配

相对低效

×人工监控与巡检

成本较高

×设备故障响应全天候实时响应差×背景3——人工智能赋能新型电力系统发展借助人工智能赋能新型电力系统可持续蓬勃发展中华人民共和国工业和信息化部MisyetphorymdskermetoFedickswfrePepesFtukotoh国务院常务会议研究部署推动人工智丝2件技前假城这是一我人工智能首酒油论的啦，香州恋怀发，度学习尔等齐关半作质，

立装失，当生图形，a

,am

省兴道牛教地所中华人民共和国国民经济和社会发展第十四个五年规划和

2035年远景目标纲要第四章强化国家战略科技力量多项针对人工智能的专项政策出台电力系统现状中华人民共和国中央人民政府国家发展和改革委员会National

Development

and

Reform

commission电力系统发展工业和信息化部中央网络安全和信息化委员会办公室国家发展和改革委品会国家标准化

管理要员食关于印发国家人工智能产业综合标准化体系建设指南(2024版)的通如能财第三条定期梳理好风险识

控制、风握和化解8/42>

从数据上讲，通用数据分布与电力领域多模态数据差异过大，专业程度低、关联性弱；>

从模型上讲，开源通用模型缺乏电力专业预训练(缺乏专业电力知识注入),

多

模态支持不足；

>从应用上讲，现有国产化电力大模型在真实电力任务上性能不够高、与实际需求仍存在差距。数据角度电力负荷曲线图

设备故障诊断图电力数据差异巨大、

无法使用通用数据现有的数据类型关联性差T应用角度文本数据理解有误

图像数据分析偏差现有单任务算法模型可靠性不足模型趋于闭源化开源通用模型无法原生支持C

热

。

Gasdiscrimination电气信号

红外图像

气体组分电力安全是国家安全问题，电力人工智能多模态大模型核心技术必须自主可控9/37自研电力大模型意义重大岛

南通用大模型背景4——开源训练数据

×开源部分代码

×

开源部分权重

×精准性差

可靠性不足标注位置图片，处理标注文本闭源化不支持多模态分

布

差

异

大

②

专业

程

度

低

②××目标检测模型训练文

字

识

别

模

型××电力复杂场景下数据的智能识别方法模型角度鑫GPT-2视频数据背景4——自研电力大模型意义重大(数据层面)文本数据

电气信号

图像与视频电力行业需要具备高质量、多场景覆盖、

多模态、多维度集成的数据集与通用数据差异大模型训练数据与电力任务场景数据差异大；难以直接应用于电力场景模型训练需要支持复杂工况下智能模型的多模态、

多维度综合协同处理数据构建难度大电力数据获取难度高、质量差异大、覆盖模态多，因而数据集构建难度大研发

电力通用大模型开发需要大规模、高质量、多维度的数据集需求痛点1.

份电满、温泉贴湘三11kV

备自发装置，温区

站合上Iav

桃线开关，滋柱活彩开

Y

在to开关，我入村站110kv

备自投装置……2、IV

从新乙线久确聘1aV

从的甲线供吧，3.

传电期件发有v吃网风助，发

iV温线

.

1iaV

从蚕平线为重要设备…"4.工作结束后

西口品愧复由I从面甲乙线

供电，其它方式哲不依复一现状1d37>

传统电力Al模型基于特定任务开发，大多为单模态算法，综合成本高、智能性与泛化性不足；

>

开

源Al大模型缺少电力领域预训练，专业知识缺失，处理实际电力任务能力差。要根据任务场景定制开发和

训练对应的模型

，成本高昂处理多模态数据能力较差，无法处理多场景结合的复杂任务智能性不足，无法根据用户

指令给出对应

的专业回答背景4——自研电力大模型意义重大(模型层面

)缺少专业知识市

粉些置他高且|

e

址对场建略块对适终止的或信号图或性[纸必

须

自

造

电

力

Al多

模

态

大

模

型输电线路运维目标检测算法

隔离开关状态监测实例分割算法

SVM故障分类算法

电力设备运维专家问答算法任务适应性差传统模型开源大模型泛化性不足

适配性差缺乏行业数据11737无法批的

户

图i>电力通用大模型的开发需要基于国产计算集群开展软硬件协同优化，满足电力大模型的应用要求；

>电力场景需要基于边缘计算的大模型部署方法，亟需开发相应的应用技术。开发基于国产硬件设备搭建电力大模型应用体系12/42HYGON海光DCU

华为昇腾

天数智芯数据模态多

任务形式多样

专业性要求高大量电力设备终端互联

更高的数据安全要求多种传感器数据协同处理

更快的响应要求要求背景4——自研电力大模型意义重大(应用层面)要求基于国产计算设备与电力大模型应用要求开发针对性的高效训练算法基于国产计算设备的电力大模型训练技术开发

面向电力场景的大模型边缘计算技术开发电力大模型推理加速技术国产边缘计算设备推理框架真实电力场景部署应用电力大模型轻量化技术电力设备场景边缘计算要求技术体系国产计算设备电力大模型应用要求02关键技术实现13/3提供模型3模型训练：电力大模型分布式训练关键技术预训练：基础模型能力训练

支持分

混合立体并行训练方案布式并

技

术

数据并行

模型并行纯文本

Transformer架构行训练体

系

张量并行

流水线并行预训练

自回归预测高效率压缩

支

持

分

布

式

并

行

训

练=======

·

提供电

后训练：能力增强与偏好对齐预训练统一预训练框架

态基础

技术

指令微调技术

有监督训练电力通用任务

模型

体系

人类反端强化学习

人类偏好对齐特征关系保留的知识蒸馏方案目

标技术体系蒸馏模型知识减少信息损失知识空间映射特征关系保留梯度精度分析的模型量化技术目标技术体系解决传统量化缺陷

保持模型性能梯应精度分析量化

量化增量训练边缘计算+云边协同高效模型部署目标云边一体高效协作技术体系

硬件算子优化统一数据网关目

标技术体系多模态统一编码关键特征抽取图修编码算法动态分辨率视频关睡帧感知多场景协同增强真实数据感知电气信号编码高维特征映射电气词表扩充提供统

一的多

模态数

据表示基础算子基

座注京力机制深层特征掘取自研高性能电力大语言模型实时交互模块检

索

增

强

模

块

一工具调用模块模态对齐模块能力扩展1数据生成：大规模高质量电力专业数据集构建1.数据采集

2.数据清洗电力大模型全流程关键技术体系2模型构建：电力通用大模型研发多模态数据统一编码器

电力通用大模型提供训练

数据提供部署

模型4部署应用：电力大模型轻量化与边缘计算部署</>书籍

网页

公开数据

现场数据专家编写多模态

统一编母

解玛架构

力多模自动化生成多样化问答数据图像描述生成检测数据增强特殊符号过滤图像裁剪过滤数据去重敏感词去除纯文本数据

多模态数据人类评估反馈优化3.数据生成14/371、数据生成：纯文本数据制作管线预训练语料库制作

大规模、自动化的语料筛选清洗管线为预训练提供充足的专业领域知识注入原始数据搜集质量过滤

去重隐私保护MD¹

A.

MD¹

B.

MD2构建高效的半自动化数据制作管线，为预训练和下游任务微调提供大规模、高质量的电力领域文本数据支撑15/37指令微调数据集制作调整自动标注策略质量考核：数据清洗存储高质量数据>

为下游任务提供场景丰富、任务多样的高质量指令数据数据标注

提供自动

化标注·

移除含身份信

息数据·

关键词过滤

·

语种过滤·

句段层面

·

文档层面提示词十种子数据提供高质

量数据指令回答构建层次丰

富、多样性好、知识粒度细的电力场景大规模多模态数据集，构建了8大类数据量超

100万条，为多模态大模型在多场景、多任务的训练提供数据支持原始标注信息类别&坐标：变压器：[0.3,0.6,1.0,0.9]油污：[0.25,0.7,0.35,1.0]描述：变压器左下角是

一

片油污。变压器左下角有明显的油污痕迹。在变压器的左下角可以观察到油污的存在。来

源

：电力场景真实图像

电力设备监测信号多场景任务：开关设备状态监测

输电线路异物检测1、

数据生成：多模态数据制作管线多轮

对话用户：图中是什么设备?模型：图中是一个变压器。用户：该设备是否存在故障?模型：是的，变压器可能存在….模型：这张图片显示的是一个变压器。表面

详细有明显的磨损和锈迹，表明已经使用了相当

描

述长的时间。图片中左下角的黑色污渍和不规则的形状与油污的特征相符….(多模态)预训练/指令微调数据集制作人工标注目标检测器标注YoLO

DETR电气软件标注多模态数据搜集、清洗(变压器)头脑风暴、任务设计模型：图中变压器左下角有油污痕迹，可能存在

深

度油箱泄漏问题；同时运行日志显示过去一周温度

推理异常升高，超过安全阈值。推测可能是变压器油箱泄漏导致油量不足，引起散热不良。多类别数据：多轮对话详细描述深度推理

…生成数据反馈，

流程更新。多模态数据构建16/37电力图像编码器分块线性映射层统一的特征序列电力文本编码器预定义词表…“绝缘”:20822

…“由”:30265…

“组成”:62034

...电力视频编码器图像编码器统一的特征序列电气信号编码器2、模型构建：多模态编码器——特征对齐将不同模态数据转化为统一的序列形式，映射至同一个特征空间内绝缘子是由绝缘材料、金属固定件和接地装置组成的向量映射层{(x₁,y₁),(x₂,y₂),…,(xn,yn)}文本编码器采样模块224swwi副许共+52个m20N077MM统一的特征序列统一的特征序列按照词表对应[20822,…,30265,…,62034]原始文本000

2000

3000

00的间/h17/37N

M

/

南

9002、模型构建：电力通用多模态大模型多模态输入

→多模态特征对齐_二

(非线性)特征运算

多模态特征重构

→

多模态输出电力文本编码[

Attention

layer文本

重构电力图像编码电力视频编码图像

重构电气信号编码多模态编码器

多层Transformer架构为电力领域多模态、多场景任务处理提供统一、通

用的解决方案多模态重构器Xizhou

Zhu,Jinguo

Zhu,Hao

Li,Xiaoshi

Wu,Hongsheng

Li,XiaohuaWang*,JifengDai.Uni-perceiver:Pre-trainingunifiedarchitectureforgenericperceptionforzero-shotand

few-shot

tasks[C]//CVPR.2022:16804-16815.18/373、模型训练：预训练技术——多模态模型预训练电力领域多模态大模型预训练方案多模态统一预训练框架a)

在多模态交错序列上应用统

一的自回归预测优化目标；b)

统一多模态数据的理解与生成

任

务

。多模态交织输出图像分词编码器文本分词编码器多模态交织输入图像编码器-解码器框架a)

图片编码为连续的特征向量b)在像素空间中重建RGB

图像图像重构模块文本重构模块多模态序列大规模多模态Transformer

模型多模态序列实现电力场景中的文本、图像等数据类型的统一建模、统一理解、统一生成第一步：训练多模态分词编码器与重构模块(图像模态为例)视觉编码器因果Transformer图像分词编码器Transformer

解码器扩散解码器图像重构模块第二步：预训练电力领域多模态大模型单模态序列19/373、模型训练：后训练技术——指令微调+强化学习步骤1:有监督指令微调

步骤2:训练奖励模型

步骤3:PPO

调整策略>有监督指令微调增强模型在特定场景下理解和遵循人类指令的能力>人工反馈强化学习显式地将人类反馈引入训练过程>通过人类反馈将模型输出对齐到人类的价值观和偏好，提高模型的回答质量与可靠性回答1

回答2回答奖励模型PPO回答1指令微调模型

回答2收集人工选择数据文本图像…

人工标注

收集人工标注多模态数据

指令微调模型提示A奖励值奖励模型微调

参数更新=9提示词指令微调

模型指令微调

模型预训练模型预训练模型指令微调参数同步20/37大模型训练流程电力运维通用模型窖层0层

层2

悬n-1层N训练适配高效训练算法适配

…国产平台海光DCU国产集群适配训练数据集支持功能3、模型训练：混合立体并行训练方案并行策略适配海光CPU基于国产计算集群搭建大模型训练软硬件体系

21/3781612

20流水线并行干卡并行训练高效数据读写精度对齐任务自动恢复大模型混合立体并行训练方案综合考虑国产化集群单个计算节点子数

据集子数

据集增加数据批大小2428数据并行04基于特征关系保留的知识蒸馏技术教师模型nT特征向量厂O00-基准关系问鞋R

时世提失△△△梯度向量g学生模型口特

征

向

量⁵00O基准关系向量

对比街失M⁷S槐度向

量g符空关系科品F5基于梯度精度分析的模型量化技术搜集每层梯度信息、估计量化敏感度基于量化敏感度确定量化步长使用确定的比例和级别进行量化反量化方法将推理结果转换回浮点数

w=s

·

(q-2)现有AI大模型对于计算资源需求较高，难以在资源受限的边侧设备进行部署；高质量轻量化技术是DeepSeek成功

要素之

一。基于提出的基于特征关系保留的知识蒸馏技术与基于梯度精度分析的模型

量化技术，有效地解决了Al

大模型模型参数高、推理复杂度高的问题。4、部署应用：大模型轻量化全流程方案Jinguo

Zhu,Shixiang

Tang,DapengChen,ShijieYu,YakunLiu,MingzheRong,Aijun

Yang,Xiaohua

Wang*.Complementaryrelationcontrastivedistillation[C]//CVPR.2021:9260-9269.22/37(BF16)(BF16)(Int4)大模型轻量化流程教师模型

大参数

(>70亿)

高精度量化模型

小参数

(<10亿)

低精度学生模型

小参数

(<10亿)

高精度特往关系计算

子网络M'Ms间关系向特征关系计算

子网络M²云边协同中心服务器集群自适应负载均衡与资源管理

支持

调整优先级动态任务调度算法提供优先策略

要求

下发

同步实时性评估与

增量数据同步与优先级分配

边缘缓存策略边缘计算设备边缘系统边缘计算载入并构建计算图Torch模型计算图分析、优化、融合数据类型转换TMFile模型后端算子接入与硬件运行CUDA

推理框架APIKernels推理框架RuntimeFPGAKernelsX86Kernels完善的算子支持，包括CPU、NPU

等多种后端实现

推理SDK

开发简单、

新算子、后端扩充技术门槛低单设备状态感知与运维任务可由边缘计算技术本地高效完成；对于变电站层的状态数据处理，需要云边协同技术，

各边缘终端在中心服务器的统一调度下，将云端所需数据上传并在云端实现战级状态综合的感知、诊断与预测。4、部署应用：边缘计算+云边协同推动高性能多模态大模型在真实电力场景大规模落地应用

23/37任务调度

高效执行算子描述、计算图解析

Block重构、数据重载量化/反量化访存优化ARMKernelsNPUKernels算子融合子图划分TMFile

模型TMFile

模型XPU

Kernels寒武

纪华为

昇腾瑞芯

微Kernel选取Arm

芯片03电力装备多模态大模型的应用24/3>随着用户规模和业务复杂度的提升，电网公司面临海量客服需求，传统人工客服难以满足高效响应

和全天候服务的要求。而现有通用模型缺乏电力领域的专业知识，处理用电客户实际问题能力较弱。现有通用模型缺乏电力领域知

识，处理实际问题能力较弱我位于××市，我的电费欠费了，该如何缴费?

电价是多少?很抱歉，我并不了解中国××市的电价情况，也不了解如何进行电费缴纳，详细信息建议电话

…全天候服务×成本高昂BLACKOUT延时解决

多语种支持(

一致性差(应用一：电力专家与客服系统构建

面向

复杂

问题

电力

专家客服

系统人为因素大

数据分析实

时

性

不

足×

历史记录(电力客服专业咨询专业

问题电力专家与客服系统可以对海量客户提供全天候、实时、专业的服务人工客服无法实现高效响应和全天候服务突发

情况紧急

求助延时

解答电费7

725/37我现在位于××市××区，家里突然停电了，是什么原因导致的?我该如何处理?感谢您的咨询，很抱歉给您带来不便。经过使用互联网工具查询，××市××区近期

处于夏季，气温高达35℃以上，并且处于雨季，降水多。在电力系统用电负荷极高

的同时，潮湿的环境也给电力设备带来了额外的压力。因此出现了短时的电力系统

供电不足的情况。您无需担心，正常情况下，几十分钟至几个小时之内电力系统就会恢复供电，具体

的信息请你关注××电网官网(http://www.sn.sgcc.com.cn/

××/)

或者社区公告。

如果您还有任何问题，可以咨询x×电网人工客服热线95588。很抱歉听到您遇到了停电的问题。导致家中突然停电的原因可能有多种，以下是一

些常见的原因及处理建议：●电力公司供电故障：可能是由于电力公司进行设备检修、线路故障或…..●家庭内部电路问题：家中的断路器可能因过载或短路而自动跳闸。

我无法了解到××市具体的情况信息，请你咨询当地的供电公司。很抱歉听到您遇到了停电的问题。我暂时无法分析出停电故障的原因。您可以通过以下的步骤进行排查，找到问题的来源。如果您有任何新问题，请及时告诉我。排查的步骤有：检查是否仅家中停电，检查家中电路，咨询社区人员……

如果以上方法都没有解决您的问题，请你咨询当地的供电公司。中国内大厂模型中国电工技术学会cdhsdhrkalii2024电气人工智能最佳科技创新成果证书项目名称：基于人工智能语言大模型的电力智能客

服原统研究及共应同完成单位；西安交通大学电气工程学院项汗成贤：王小华、荣命哲祝金国，罗海浓。应用一：电力专家与客服系统罗海宸，杨逸舟，柳宇洋，李明轩，杨爱军，荣命哲，王小华

.面向电力设备运维的人工智能大规模语言

模型关键技术及其应用研究

.第十九届中国电工技术学会学术年会

.2024年9月电

C

：中国电上我术会2024年2月07日季明轩。陈晓玄，杨爱牢用户26/37多模态运维安全助手应用案例是否有危险

是监控视频>

电力设备故障易引发人身安全事故，急需开发高效精准的电力运维规划与安全预警模型。变电站危险预警

运维人员路径规划快速预警响应精准定位故障

保障人身安全应用二：多模态运维安全助手历史信息振动信号现场图像多模态运维安全助手

27/37需求多模态感知电力运维助手配电柜爆炸导致人

身伤亡红外图像油色谱>

现有电力人工智能算法大多为单任务算法，针对不同故障诊断任务需要开发不同的算法模型，研发

程序繁琐、成本高、泛化性差；>

现有电力人工智能模型处理多模态数据能力较差，难以处理多场景结合的复杂任务。输入图像X语言指令X₄图像编码器

文本编码器Z!投影WH电力多模态大模型

f语言响应应用三：多模态电力设备状态感知助手多模态电力设备状态感知助手可完成电力设备的多模态数据状态感知任务，并实现与运维人员的实时交互用户咨询电力专家运维人员实时交互支持28/37您好，根据您提供的视频，这是一个三相双臂式隔离开关的运行视频。其中，隔离开关的作用是保证高压电器及装置在检修工作时的安全，起到隔离电压的作用。但是需要注意的

是，其不能用于切断、投入负荷电流和开断短路电流，仅可用于不产生强大电弧的某些切

换操作，即不具备灭弧功能。根据您提供的视频，隔离开关进行了闭合操作，这意味着该部分电路处于闭合状态，无法

进行检修以及运维等相关工作。如需进行运维工作，需要注意遵守相关的规范以及章程、

保障工作人员的人身安全。1.

视频中展示的是一种户外高压隔离开关。隔离开关主要用于在电气设备检修时，切

断

设备与电源之间的联系，确保检修人员的安全。同时，它还可以起到电气隔离的作用以

便在系统发生故障时能快速隔离故障部分。2.

视频中的隔离开关处于“合闸”状态。可以看出隔离开关的触头已经闭合，导电部件

连接在一起，说明电路是通的状态。1.

视频展示的是户外高压交流35KV

真空负荷开关。这种类型的产品主要用于电力系统和

工业生产领域，在电路运行过程中进行隔离、切换或保护的功能。2.

在视频中可以看到该开关处于闭合的状态这说明它正在正常工作并且能够有效地控制

电路的通断情况。同时也可以看到一些红色指示灯亮起，表示当前的工作状态是正常的。Power-LLaVAPowr/是一个电力圆文大模型手，你可以咨调他任何有关电力语罪的问题，不桐于挑们另一个工作

电力客BPowerChit,PowenL

可以支持文本和图时两种相态的输入，该损型变持力多场罪的问需咨，中黄文间答、多轮对话，复杂批W等多种功能，上传你的围片和间模型会相据片

和文字内容进行推理与回苔.使用方法：两图检测：点击所提供的制图，拜点击上作，模型将会根据例园和时应的河题给出回苦。本地图片松到：上传你的图片并输入同源，并点出发送输入根型.多轮对话：在模型生成完一次回答酷，你可以续在对话柜内输入内容，模型会根据上下文进行多轮的时话与推理，9

酒应用三：多模态电力设备状态感知助手WANG,Jiahao.

…

.

Wang,Xiaohua*,Power-Llava:Large

Language

and

Vision

Assistant

for

Power

TransmissionLine

Inspection.In:2024

IEEE

InternationalConferenceon

Image

Processing(ICIP).IEEE,2024.p.963-969.

29/37图像输入文本问答请你根据给定的视频，回答以下问题：1.

视频中是什么类型的隔离开关，起

到什么作用?2.

视频中的隔离开关正处于什么状态?视频感知多模协同

(用户5s

10s

15s国内大厂模型电力大模型GPT-4o>时序数据(如电压、电流信号)是电力场景中最基本、最易获取、参考性最大的数据。利用此类数据可以进行电力场景精细化感知与深度分析。多种时序数据度

点里2as问题分析目标：GIS开关任务：分析有无异常情况指令生成指令：获取监测视频、获

取UHF信

号

…

…实时监测数据智能分析分析过程：监测视频中显

示GIS开关表面未有裂痕、

损坏等情况，但UHF

信号显示可能存在悬浮电位缺

陷

…

…决策生成电能使用应用四：电力时序数据分析监测模型电力时序数据分析监测模型可根据人类交互输入生成任务指令并对各类时序数据进行分析与推理

30/37发电控制状态监测危险预警系统调节环境治理损耗估算故障检修电能质量生产监控经济规划电力时序数据分析监测模型电力系统全方面细粒度分析拓展。基于给定的电压-时间二元组序列，

我们无法直接确定GIS

设备是否存在局部放电缺陷及其类别。这些数据点仅表示了UHF

信号幅度的变化，但没有提供足够的信号特征(如波形、

频谱等)来做出准确判断。要确定是否存在局部放电及其类型，需要更详细的UHF1信

号

数据以及专业的电气测试分析。因此，建议进一步收集和分析信号数据，或请专家进行

评

估

。对于这个问题，我作为一个AI

模型，并不具备直接分析实际物理信号(如电压和时间数据):

的能力来诊断GIS设备的局部放电缺陷。然而，通常情况下，局部放电信号会在超高频(UHF)

测量中表现为特定模式：.脉冲或尖峰：如果在某些时刻出现峰值电压对应的时间点异常短且重复，可能是由于..…>

运维通用模型利用API

代码工具，绘制出波形图辅助判断，结合原始数据，准确判断出故障的原因，

并给出相对准确的分析与建议，

展示出专业的行业知识与可靠的

运

维

能

力

。您好，根据您提供的提供的UHF

特征，我首先调用Python

工具绘制了对应的波形曲线如右图所示。根据波形，

UHF曲线具有以下特征：(1)峰值达到了

1.17V。(2)

曲线积分面积为4.87e-10。(3)曲线的

上升时间0.003us,

下降时间0.1644

S。根据以上

特征，该GIS设备对应的缺陷类型为悬浮电位。时序序列可视化绘图(特征提取深度感知应用四：电力时序数据分析监测模型李明轩，王家浩，付雅俊，罗海宸，祝金国，杨爱军，荣命哲，王小华

.基于人工智能多模态大模型的高压断路器在线监测与故障诊断系统

.第十九届中国电工技术学会学术年会

.2024年9月

.