3月24日，国网浙江电科院自主研发的输电线路“挂点金具红外图像发热缺陷智能识别算法”在国网浙江公司无人机自主巡检平台正式上线。该算法作为第五个上线的智能识别系统，标志着浙江电网输电线路五大关键部件(复合绝缘子、瓷质绝缘子、压接金具、引流线及挂点金具)全面实现发热缺陷AI智能识别模块，为电网安全运行装上“红外大脑”。
输电线路作为能源体系的“大动脉”，其复合绝缘子、金具等关键部件长期暴露于沿海盐雾、极端温湿度等复杂环境中，易因老化腐蚀引发绝缘性能下降、机械强度衰减，威胁电网稳定。2020年以来，我省输电线路五大类关键部件引起的故障80余起，对保障电力供应的稳定性和可靠性带来极大挑战。
图：无人机自主巡检。
传统人工巡检面临红外图像分析效率低、专业依赖度高、误判率高等瓶颈，全省每日12000张巡检图像需3人耗时20天完成，人力成本与技术压力巨大。
为突破这一难题，浙江电科院创新地将人工智能技术与设备专业缺陷机理相融合，自主研发多模态融合算法模型。该算法可在复杂环境的红外图片中，自动识别发热缺陷。经实战验证，系统平均检出率超81%，误检率低于1.7%，分析效率较人工提升百倍——单日12000张图像仅需1小时即可完成智能诊断，疑似缺陷能及时通报运维部门复核并消除发热缺陷，有效保障电网安全，真正实现“算法代人”的智慧运维。
该技术已在浙江全省超高压输电线路中实战应用，截至目前，“红外大脑”已先后发现五大类关键部件37起发热缺陷，并支撑运维单位完成消缺，获得国网浙江省公司安全生产特殊贡献奖。
近期，浙江电科院已将“红外大脑”小型化，形成了边缘算力检测装置，后续将打通边缘装置与省侧平台，构建“云边协同”的红外分析体系，实现红外无人机巡检“边飞边识别”，现场发现缺陷，现场复测复核，进一步提高巡检效率。
下一步，国网浙江电科院将继续深入基于大模型的输电线路发热缺陷智能识别算法研发，利用大模型的理解、生成能力，探索红外图像拍摄质量判别、发热缺陷判断及复测、消缺运检策略推送等一站式能力建设，推动电力运维从“被动响应”转向“主动预防”，为新型电力运维建设提供浙江方案，为区域经济发展提供可靠电力保障，助力共同富裕示范区建设。
(供稿：国网浙江电科院：姜凯华 郑纲 李泽宇) |
