“针对部分缺陷模型样本少、发现率低等问题，我们采用模拟布置拍摄、深度学习和对抗神经网络、人工智能生成大模型等方法生成样本，同时利用精细化标注、图像增强等技术开发绝缘子破损、螺母安装不规范、螺母锈蚀等三类常见缺陷隐患的识别算法，服务无人机自主巡检规模化应用。”国网冀北电力数字化部副主任杨峰介绍。

目前，国网冀北电力已建成10万张级具有区域特色的无人机巡检缺陷样本库，完成7大类35小类的无人机巡检算法模型训练，实现无人机巡检缺陷发现率在85%以上。

如今，无人机巡检已成为输电专业巡检的常用手段，但对于环境复杂、设备多、安全性要求高的变电专业，无人机巡检仍有进步的空间。国网冀北电力将加快攻关变电设备缺陷识别模型储备，探索无人机多场景巡检应用。

配网计算推演 满足管理运维业务需求

“功率、电压、电流等数据无异常变动，设备运行正常。”8月30日，国网冀北智能配网中心值班人员通过营配贯通数据可视化平台实时监测配网设备运行情况。

为了提升营配基础数据质量、推动营配业务融合发展，2022年10月，国网冀北电力启动智能配网计算推演应用场景建设，充分利用企业级量测中心和电网资源业务中台跨专业数据归集及融合能力，基于人工智能、知识图谱等技术，完成了“站-线-变-户”配网网架拓扑与量测数据的匹配工作。

“准确完整的拓扑、参数以及量测数据是配网计算的基础。然而配网点多面广，容易出现拓扑、参数维护错误，量测数据没有及时传送等问题。”国网冀北智能配网中心数字技术应用研究中级师王冲介绍。

“为了夯实营配贯通数据可视化平台数据基础，今年按照数字化转型三年登高行动方案要求，我们以多源融合的配网网架拓扑图为基础，利用高斯混合聚类和双向长短期记忆神经网络等人工智能技术，构建数据智能辨识模型，对10千伏及以下配电变压器、开关、集中器等关键设备的实时量测数据缺失进行智能识别并实时补全相关数据，进一步提升配网计算推演能力，满足台区自治等新业务的数据采集要求。”杨峰介绍。

目前，数据智能辨识模型识别精度达到91.51%，可实时补全设备三相电流、三相电压、功率等量测数据，将国网冀北电力配网量测数据可计算率提升至95%以上，进一步满足配网规划、建设和运行要求。

在满足新业务形态数据采集要求的同时，国网冀北电力持续优化数据智能辨识模型，推进业数融合应用，支撑开展冀北全域配网数据采集量测点布局优化、分布式光伏出力预测及影响分析、新型负荷报装容量预测、可开放容量预测分析、配网停电智能识别推演、配网线路异常区间推演等计算场景建设。