摘  要：為推進(jìn)電力企業(yè)生產(chǎn)業(yè)務(wù)數(shù)字化轉(zhuǎn)型，提高基層班組數(shù)字化運(yùn)維水平。本文通過(guò)一線班組對(duì)變電站視頻巡視、設(shè)備故障判斷應(yīng)用場(chǎng)景需求分析，結(jié)合 RPA+AI 技術(shù)優(yōu)勢(shì)，開展了變電站視頻監(jiān)控?cái)z像頭故障巡視和設(shè)備缺陷判斷架構(gòu)模型設(shè)計(jì)，在不改變?cè)袠I(yè)務(wù)系統(tǒng)基礎(chǔ)上，通過(guò) RPA 自動(dòng)化技術(shù)和 AI 圖像識(shí)別技術(shù)的綜合應(yīng)用，賦能傳統(tǒng)業(yè)務(wù)，解決了基層班組變電站攝像頭故障巡視和設(shè)備缺陷判斷耗時(shí)多、重復(fù)操作、人工判斷等痛難點(diǎn)問(wèn)題，極大提升了運(yùn)維巡視效率，助力基層班組數(shù)字化轉(zhuǎn)型和減負(fù)增效。

關(guān)鍵詞：RPA 技術(shù)；AI 技術(shù)；智能巡視；重復(fù)操作

引言

隨著電力行業(yè)數(shù)字化轉(zhuǎn)型工作的推進(jìn)，大數(shù)據(jù)、人工智能（AI，Artificial Intelligence）、機(jī)器人流程自動(dòng)化（RPA，Robotic Process Automation）等技術(shù)在電力行業(yè)數(shù)字化轉(zhuǎn)型中發(fā)揮著重要作用，讓一線員工從大量單一、重復(fù)、繁瑣的事務(wù)性工作中解放出來(lái)，促進(jìn)了電力行業(yè)的降本增效。

RPA、AI 技術(shù)的融合可以對(duì)電力行業(yè)中存在的重復(fù)、跨系統(tǒng)操作、人工判斷的問(wèn)題提供完美的解決方案。RPA 通過(guò)模擬人工在計(jì)算機(jī)等數(shù)字化系統(tǒng)或設(shè)備中的操作，實(shí)現(xiàn)業(yè)務(wù)流程的再造，極大的減少了高重復(fù)性、邏輯確定、大批量的工作任務(wù)，做到了生產(chǎn)業(yè)務(wù)的流程自動(dòng)化；AI通過(guò)算法模型的構(gòu)建，利用機(jī)器人學(xué)習(xí)和深度學(xué)習(xí)，不斷對(duì)算法模型的迭代優(yōu)化，實(shí)現(xiàn)代替人工的分析決策判斷能力。所以將 RPA、AI 技術(shù)的綜合應(yīng)用，可以為電力行業(yè)業(yè)務(wù)賦能，加快電力行業(yè)數(shù)字化進(jìn)程。

01 電力企業(yè) RPA+AI 發(fā)展現(xiàn)狀及趨勢(shì)

當(dāng)前電力行業(yè)在數(shù)字化轉(zhuǎn)型應(yīng)用實(shí)踐中，RPA技術(shù)已經(jīng)是基層班組應(yīng)用的數(shù)字手段之一，如在RPA在營(yíng)銷業(yè)務(wù)中的應(yīng)用幫助基層員工解決低壓批量用戶新裝換表，解決了大量系統(tǒng)操作流程重復(fù)、流程復(fù)雜，助力營(yíng)銷班組提質(zhì)增效。在AI技術(shù)方面，重點(diǎn)聚焦人工智能在電力行業(yè)中的應(yīng)用分析包括智能機(jī)器巡檢、設(shè)備智能化監(jiān)測(cè)、智能寫作等領(lǐng)域應(yīng)用，幫助基層開展管理決策分析，支撐一線班組精益化管理的提升。

但是隨著電力業(yè)務(wù)系統(tǒng)的不斷增多，報(bào)表統(tǒng)計(jì)跨系統(tǒng)操作也越來(lái)越明顯，RPA+AI 在辦公領(lǐng)域的應(yīng)用需求日益凸顯。將 RPA 和 AI 技術(shù)中臺(tái)化并利用各自的技術(shù)優(yōu)勢(shì)，基于 RPA+AI 的數(shù)字員工技術(shù)的應(yīng)用，讓傳統(tǒng)電力業(yè)務(wù)向更加自動(dòng)化、智能化、智慧化方向發(fā)展，是未來(lái)電力行業(yè)數(shù)字轉(zhuǎn)型的重要數(shù)字技術(shù)手段。

02 基于 "RPA+AI"融合技術(shù)模型設(shè)計(jì)與應(yīng)用

2.1 基于 RPA+AI 模式的視頻監(jiān)控狀態(tài)巡視模型設(shè)計(jì)與應(yīng)用

2.1.1 問(wèn)題分析

在電力生產(chǎn)管理工作中，變電站視頻監(jiān)控在監(jiān)視變電站生產(chǎn)運(yùn)行環(huán)境的基礎(chǔ)上，還提供了遠(yuǎn)程指導(dǎo)現(xiàn)場(chǎng)作業(yè)、遠(yuǎn)端設(shè)備故障判斷等功能，是變電運(yùn)維人員在電網(wǎng)生產(chǎn)工作中的“千里眼”。隨著電網(wǎng)高清視頻巡檢體系的深度建設(shè)，電網(wǎng)的視頻監(jiān)控體系逐步擴(kuò)張，作為基礎(chǔ)監(jiān)控單元的視頻監(jiān)控?cái)z像頭數(shù)量呈現(xiàn)快速的增長(zhǎng)趨勢(shì)。日常巡視“看得見”、關(guān)鍵時(shí)刻“能回播”成為了當(dāng)前視頻監(jiān)控系統(tǒng)的內(nèi)在要求。然而快速增加的視頻監(jiān)控規(guī)模與當(dāng)前的人員運(yùn)維體系發(fā)展嚴(yán)重不匹配，基層班組當(dāng)前管理能力難以實(shí)時(shí)、精準(zhǔn)關(guān)注到龐大視頻監(jiān)控體系中各個(gè)監(jiān)控單元的運(yùn)行狀態(tài)，在精準(zhǔn)化監(jiān)測(cè)和管控視頻監(jiān)控系統(tǒng)的在線率和可用率方面短板逐步凸顯。目前，電網(wǎng)行業(yè)中的大多數(shù)視頻監(jiān)控平臺(tái)不具備完善的自動(dòng)巡檢、分類統(tǒng)計(jì)功能，且由于系統(tǒng)平臺(tái)差異，不僅難以進(jìn)行個(gè)性化數(shù)據(jù)接口定制，更難以實(shí)現(xiàn)多個(gè)平臺(tái)的統(tǒng)一性運(yùn)行狀態(tài)研判，導(dǎo)致往往只能靠人工對(duì)視頻監(jiān)控平臺(tái)中的海量攝像頭進(jìn)行狀態(tài)研判，存在跨平臺(tái)繁瑣操作、重復(fù)性點(diǎn)擊查看、視覺疲勞嚴(yán)重、效率低下等問(wèn)題。

2.1.2 解決方案

基于當(dāng)前電網(wǎng)視頻監(jiān)控體系狀態(tài)的維護(hù)管理現(xiàn)狀，通過(guò)運(yùn)用 RPA+AI 融合技術(shù)，融入機(jī)器視覺的人工智能輔助工具，構(gòu)建視頻監(jiān)控平臺(tái)監(jiān)控單元故障巡視模型，實(shí)現(xiàn)對(duì)含攝像頭在內(nèi)的所有監(jiān)控單元運(yùn)行狀態(tài)的自動(dòng)巡檢，自動(dòng)分類統(tǒng)計(jì)視頻監(jiān)控單元模塊情況，減少人工重復(fù)性操作，提升巡視故障判斷準(zhǔn)確度，自動(dòng)將巡視結(jié)果報(bào)表推送到指定位置，巡視效率大幅度提升。

視頻監(jiān)控單元故障巡視模型，包括了RPA模塊、AI模塊、報(bào)表分析模塊等內(nèi)容。在模型的流程設(shè)計(jì)方面，通過(guò)開發(fā)配置 RPA 流程，模擬人工操作點(diǎn)擊監(jiān)控?cái)z像機(jī)，將當(dāng)前攝像頭頁(yè)面圖片存儲(chǔ)，通過(guò)AI技術(shù)中臺(tái)圖像處理技術(shù)將圖片上的時(shí)間和名稱進(jìn)行提取，通過(guò)時(shí)間判斷該攝像頭是否在線。若設(shè)備在線則順利獲取圖片顯示時(shí)間，并將監(jiān)控裝置的站點(diǎn)信息與名稱進(jìn)行關(guān)聯(lián)對(duì)應(yīng)，同步寫入模板表格。若設(shè)備裝置不在線或監(jiān)控圖像異常，則無(wú)法獲取圖片的時(shí)間狀態(tài)信息，判斷該攝像機(jī)離線或者故障，并將畫面上的無(wú)網(wǎng)絡(luò)、無(wú)頻畫面等故障信息寫入表格；AI模塊通過(guò)AI技術(shù)中臺(tái)的圖片模糊度、圖片對(duì)比判斷算法模型判斷監(jiān)控裝置是否存在模糊和位置偏移，將異常結(jié)果輸出到異常報(bào)表中；統(tǒng)計(jì)分析模塊根據(jù)報(bào)表統(tǒng)計(jì)結(jié)果，統(tǒng)計(jì)出故障裝置的數(shù)量、站點(diǎn)分布、總在線率、各站點(diǎn)在線率等指標(biāo)。

  視頻故障巡視架構(gòu)模型

2.2 基于 RPA+AI 的變電類設(shè)備故障缺陷識(shí)別模型設(shè)計(jì)

2.2.1 問(wèn)題分析

精準(zhǔn)化、高清化的設(shè)備遠(yuǎn)程監(jiān)控需求，大力促進(jìn)了高清視頻巡檢體系的建設(shè)。為精準(zhǔn)化獲取站端變電類設(shè)備的儀器儀表讀數(shù)、設(shè)備運(yùn)行狀態(tài)、溫度等參數(shù)，高清視頻監(jiān)控體系在建設(shè)時(shí)采取了多點(diǎn)位、定制定位部署的方式。盡管覆蓋面廣、監(jiān)控點(diǎn)位完善的高清視頻監(jiān)控體系已經(jīng)建立，但在端設(shè)備運(yùn)行狀態(tài)的智能化識(shí)別功能當(dāng)前正處于逐步演進(jìn)的過(guò)程，當(dāng)前主要是依靠人工方式對(duì)視頻流、視頻圖片等信息進(jìn)行逐一判斷。通過(guò)高清視頻監(jiān)控系統(tǒng)遠(yuǎn)程獲取到絕緣子裂紋、絕緣子破裂、異物掛空懸浮物、呼吸器硅膠變色、開關(guān)柜壓板合、開關(guān)柜壓板分、鳥巢等多種一次設(shè)備運(yùn)行圖像數(shù)據(jù)后，變電運(yùn)維人員結(jié)合自身運(yùn)維經(jīng)驗(yàn)，逐一對(duì)圖片或視頻數(shù)據(jù)進(jìn)行判斷，發(fā)現(xiàn)異常后人工標(biāo)注異常信息，并根據(jù)隱患缺陷的分類進(jìn)行報(bào)表統(tǒng)計(jì)，最后反饋于變電一線運(yùn)維班組進(jìn)行現(xiàn)場(chǎng)確認(rèn)。該項(xiàng)巡視工作具有工作經(jīng)驗(yàn)要求高、重復(fù)性操作、工作時(shí)間長(zhǎng)、視覺高度疲勞等問(wèn)題，且準(zhǔn)確度偏低。基于當(dāng)前高清視頻巡檢體系的工作現(xiàn)狀，設(shè)備隱患缺陷的高效化、精準(zhǔn)化、智能化識(shí)別成為了電網(wǎng)變電運(yùn)維人員的迫切需求。

2.2.2 解決方案

為提升站端設(shè)備隱患缺陷識(shí)別的精準(zhǔn)率，縮短人工在線研判時(shí)間，提升變電運(yùn)維質(zhì)效，技術(shù)人員構(gòu)建了基于 RPA+AI 融合技術(shù)的變電類設(shè)備故障缺陷識(shí)別模型，在不改變?cè)邢到y(tǒng)架構(gòu)的情況下，解決了變電一線運(yùn)維人員人工巡視變電站設(shè)備故障缺陷的難題。

圖 2   變電站設(shè)備故障缺陷模型設(shè)計(jì)

設(shè)備隱患缺陷智能識(shí)別模型包括 RPA 模塊、AI模塊、統(tǒng)計(jì)分析模塊等內(nèi)容，RPA 模塊通過(guò)巡視流程的標(biāo)準(zhǔn)定制，結(jié)合變電站高清監(jiān)控裝置定時(shí)定點(diǎn)拍攝的圖片信息，將圖片下載歸類存儲(chǔ)，自動(dòng)批量化傳輸至AI 平臺(tái)進(jìn)行計(jì)算，將計(jì)算返回的結(jié)果進(jìn)行標(biāo)注，并將存在缺陷的設(shè)備圖片按站點(diǎn)、設(shè)備類型分類存儲(chǔ)；AI模塊包括絕緣子裂紋、絕緣子破裂、異物掛空懸浮物、呼吸器硅膠變色、構(gòu)架爬梯未上鎖、呼吸器硅膠變色等25種設(shè)備的隱患缺陷識(shí)別算法，實(shí)現(xiàn)了對(duì)設(shè)備隱患缺陷的智能化判斷；統(tǒng)計(jì)分析模塊根據(jù) AI 模塊的結(jié)果數(shù)據(jù)進(jìn)行分類匯總，反饋于值班監(jiān)控人員。

03 基于 "RPA+AI"融合技術(shù)應(yīng)用成效分析

3.1視頻監(jiān)控運(yùn)行狀態(tài)巡視成效分析 

基于 RPA+AI 技術(shù)的視頻監(jiān)控狀態(tài)巡視模型的應(yīng)用解決了對(duì)于海量視頻監(jiān)控裝置單元運(yùn)行狀態(tài)難以實(shí)時(shí)精準(zhǔn)把控的痛難點(diǎn)問(wèn)題，實(shí)線了自動(dòng)統(tǒng)計(jì)故障巡視報(bào)表等功能，滿足了一線班組的業(yè)務(wù)需求。

在傳統(tǒng)工作模式下，工作員每天登錄各類型監(jiān)控平臺(tái)，系統(tǒng)切換平均耗時(shí)0.5小時(shí)，逐一點(diǎn)擊視頻監(jiān)控裝置，人工研判視頻監(jiān)控裝置運(yùn)行狀態(tài)，平均單個(gè)監(jiān)控裝置耗時(shí)30秒，各類型裝置合計(jì)約2000余個(gè)，完成單次巡視檢查任務(wù)需耗時(shí)33.33小時(shí)。利用RPA+AI 融合技術(shù)巡視模型后，對(duì)于視頻監(jiān)控體系的巡視全部演變?yōu)楹笈_(tái)程序化執(zhí)行，不再需要人工干預(yù)和操作，工作人員每天可在固定時(shí)間點(diǎn)查看視頻監(jiān)控平臺(tái)的總體巡視結(jié)果，便于更加及時(shí)發(fā)現(xiàn)并處置視頻監(jiān)控體系中的任何運(yùn)行隱患或缺陷。

總結(jié)起來(lái)，僅在單個(gè)地市應(yīng)用該成果，年度便可節(jié)約人工11774小時(shí)，按照人工 500 元/計(jì)算，年度可節(jié)約人工成本 38 萬(wàn)余元。該成果若鋪開推廣，將產(chǎn)生十分可觀的經(jīng)濟(jì)效益。

3.2 變電類設(shè)備缺陷缺陷智能識(shí)別效益分析

基于 RPA+AI 融合技術(shù)的變電設(shè)備隱患缺陷智能識(shí)別模型，充分利用了 RPA 技術(shù)中臺(tái)和人工智能平臺(tái)的優(yōu)勢(shì)，將兩種技術(shù)相結(jié)合，實(shí)現(xiàn)了變電運(yùn)維人員對(duì)于站端一次設(shè)備隱患缺陷的智能化識(shí)別，解決了變電運(yùn)維人員難以高效、精準(zhǔn)遠(yuǎn)程研判站端一次設(shè)備隱患缺陷的這一難題。

傳統(tǒng)工作方式下，站端設(shè)備隱患缺陷的人工判斷需要針對(duì)數(shù)據(jù)類型進(jìn)行人工識(shí)別，存在人工判斷速度慢、容易出錯(cuò)等問(wèn)題。當(dāng)前，遠(yuǎn)程采集獲取到的站端設(shè)備數(shù)據(jù) 1500 份，按照單次單張素材研判20秒鐘計(jì)算，完成一次設(shè)備隱患缺陷研判耗時(shí)500分鐘，年度人工研判耗時(shí)3041小時(shí)。

基于RPA+AI融合技術(shù)的變電設(shè)備隱患缺陷智能識(shí)別應(yīng)用，徹底將變電運(yùn)維人員從繁重的圖像數(shù)據(jù)研判工作中解脫出來(lái)，工作人員僅需在制定目錄下查看巡視結(jié)果，選擇性對(duì)智能化識(shí)別結(jié)果進(jìn)行校核。更重要的是，該成果的應(yīng)用便于更加及時(shí)、高效發(fā)現(xiàn)站端設(shè)備運(yùn)行的隱患缺陷，可更加有針對(duì)性安排電網(wǎng)檢修計(jì)劃，對(duì)于支撐電網(wǎng)安全運(yùn)行方面具有十分重要的保障作用。

總結(jié)起來(lái)，僅在單個(gè)地市應(yīng)用該成果，年度便可節(jié)約人工380天，按照人工500元/計(jì)算，年度可節(jié)約人工成本19萬(wàn)余元。該成果若鋪開推廣，將產(chǎn)生十分可觀的經(jīng)濟(jì)效益。

04 結(jié)束語(yǔ)

在電力行業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中，重點(diǎn)聚焦一線跨系統(tǒng)、重復(fù)性、效率低、易出錯(cuò)等痛點(diǎn)問(wèn)題，通過(guò)數(shù)字新技術(shù)賦能傳統(tǒng)業(yè)務(wù)，提升基層員工的數(shù)字化運(yùn)維水平，而變電站實(shí)現(xiàn)智能巡視一直是運(yùn)維人員追求的目標(biāo)。

本文圍繞基層班組變電站視頻巡視中批量重復(fù)流程操作、跨系統(tǒng)操作、人工視覺判斷等長(zhǎng)期存在的痛難點(diǎn)問(wèn)題，運(yùn)用RPA和AI技術(shù)構(gòu)建變電站視頻監(jiān)控?cái)z像頭故障巡視和設(shè)備缺陷判斷架構(gòu)模型設(shè)計(jì)，在不改變?cè)行畔⑾到y(tǒng)的情況下，構(gòu)建攝像頭巡視模型、變電站圖片識(shí)別模型，實(shí)現(xiàn)了變電站攝像頭、高清圖片的自動(dòng)化巡視，極大的減少了值班監(jiān)控人員重復(fù)性的操作和人工判斷，節(jié)約了大量的人工時(shí)間，解決了一線運(yùn)維班組日常巡視難題，為后期變電領(lǐng)域其他應(yīng)用場(chǎng)景應(yīng)用，提供了有益借鑒。

未來(lái)電力企業(yè)將開展更多業(yè)務(wù)、更多應(yīng)用、更多場(chǎng)景的探索，將人工智能技術(shù)的推理、判斷、決策能力，與RPA技術(shù)深度融合，實(shí)現(xiàn)RPA流程自動(dòng)化的認(rèn)知能力，打造智能化的流程機(jī)器人，全面賦能電力業(yè)務(wù)，助推電力企業(yè)全業(yè)務(wù)數(shù)字化轉(zhuǎn)型。

?參考文獻(xiàn)

[1] 周娟，周劼翀，倪玉，王輝華，等.RPA 技術(shù)自動(dòng)化運(yùn)維的研究及應(yīng)用[J].電腦編程技巧與維護(hù)，2022，（03）：132-134

[2] 袁笑寒.機(jī)器人流程自動(dòng)化技術(shù)在營(yíng)銷業(yè)務(wù)中的應(yīng)用[J].大眾用電，2022，37（02）：46-47

[3] 胡全貴，謝可，任玲玲，等.人工智能在電力行業(yè)中的應(yīng)用分析[J].電力信息與通信技術(shù)，2021，19（1）：73-80.

[4] 劉子聞.RPA+AI 引領(lǐng)智能辦公的機(jī)器人時(shí)代[J].上海信息化，2020，17（8）31-33.

[5] 劉海濤，段敬，王艷花，顧瑋，等.基于RPA+AI 的數(shù)字員工在電力行業(yè)的應(yīng)用分析與架構(gòu)設(shè)計(jì)[J].電力信息與通信技術(shù).2022，20（04）：88-93

[6] 梁倩云，潘可佳，等. 國(guó)網(wǎng)四川省電力公司技術(shù)中臺(tái)小喔 RPA 服務(wù)平臺(tái)應(yīng)用白皮書[R]，成都：國(guó)網(wǎng)四川省電力公司， 2021.

[7] 鄒仕富，張頡，等.國(guó)網(wǎng)四川省電力公司技術(shù)中臺(tái)人工智能平臺(tái)應(yīng)用白皮書[R]，成都：國(guó)網(wǎng)四川省電力公司， 2021.

[8] 王姝.基于“RPA+AI”的企業(yè)成本決策系統(tǒng)研究[D]，重慶：重慶理工大學(xué)，2021.

[9] 尹雁和，賈子然，曾毅，等.變電站巡視中的圖像識(shí)別技術(shù)應(yīng)用[J].通信電源技術(shù).2020 ，37（03）：141-142.

[10]傅立海.機(jī)器視覺的人工智能評(píng)標(biāo)輔助工具研究與實(shí)踐[J].中國(guó)招標(biāo).2019，（46）：34-38.

[11]張嘉豐.關(guān)于人工智能中圖像識(shí)別技術(shù)的研究[J].電子技術(shù)與軟件工程.2018，25（23）：250-251.

[12]周志勇.關(guān)于圖像處理與圖形識(shí)別技術(shù)的發(fā)展及應(yīng)用實(shí)踐[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用.2020，（06）：144-145.

[13]肖轉(zhuǎn)紅.圖形圖像處理中的計(jì)算機(jī)技術(shù)應(yīng)用研究[J].數(shù)字通信世界.2021，（10）：188-189.

[14]鄧鎮(zhèn)明.變電站智能運(yùn)檢監(jiān)控系統(tǒng)及其圖像識(shí)別技術(shù)的研究[D].廣州：華南理工大學(xué)，2020.

[15]鄭敏瑩.變電站實(shí)現(xiàn)智能巡視的技術(shù)改造及應(yīng)用[J].農(nóng)村電氣化.2020，（11）.47-48.

文章信息來(lái)源：電聯(lián)智造，如有侵權(quán)，請(qǐng)聯(lián)系刪除。