“电力版GPT”让安全隐患告警有效率提升6倍

小字号

原标题：“电力版GPT”让安全隐患告警有效率提升6倍

工作人员正运用“祝融2.0”巡检线路、查找隐患。 凌乐陶摄

◎本报记者 叶 青 通讯员 杨晶晶

将ChatGPT用在电力行业，会产生什么样的效果？9月7日，记者在南方电网深圳供电局（以下简称深圳供电局）见到，工作人员轻点鼠标，某施工工地上一张吊车吊臂与输电线路相邻的隐患画面随即出现；继续点击该图片，该系统就会像ChatGPT一样给出文字，描述隐患。

这是深圳供电局上线的电力行业首个多模态预训练大模型——“祝融2.0”，它让传统的电网AI技术拥有了类似ChatGPT的逻辑推理能力和文字表达能力，使电网安全隐患告警有效率提升了6倍。

使电力巡检系统会推理

“传统的电网AI技术通过颜色、形状、纹理等表征来识别物体，但很难判断该物体对电力设施的危险程度。对于形态相近的物体，传统的电网AI技术也很难对其准确区分。”深圳供电局技术专家张云翔介绍，“比如在传统模式下，系统虽然能筛选出线路附近有亮光的告警画面，但仍需要巡视人员进一步判断亮光到底是火灾造成的，还是路灯发出的。”如果亮光是路灯发出的，则该告警就是无效的。

针对存在的问题，深圳供电局于去年初发布了电力行业首个基于昇腾生态的AI预训练模型——“祝融”，为电网人工智能转型升级奠定基础。去年底，该局运用类似ChatGPT的新型人工智能模型，将“祝融”升级为2.0版本，使电力巡检系统不仅会看、会记录分析、会预警，而且能看得懂、会推理、会表达。

“祝融2.0”是一个图文双模态模型，它分别利用图像模型和语言模型，将图像特征和文字特征提取后进行融合，效果比传统图像单模态模型更好。语言模型的加入使图像模型有了逻辑推理能力，从而提高了判断的准确率。

以电网的山火监控场景为例，在夜间，灯光与火光的图像形态非常相似，仅靠图像模型难以将二者区分，这容易产生大量误报；如今有了语言模型的加持，系统就会对图片整体进行解读。比如当模型发现光亮是整齐排列且在道路一侧时，就能推测出这是灯光，而非山火。“现在巡检系统能通过图片和文字两种形式传递告警信息，并准确描述出隐患及其对电网设备的危险程度，不需要人工进一步排查。这大大提升了告警有效性，为电网的安全运行增添了一道有力的防线。”张云翔说。

进一步推广应用潜力巨大

目前，单模态模型很难在电网行业的诸多场景下取得较好的效果。例如在人员进行攀爬作业时，需要检查作业人员是否在攀爬梯子时佩戴安全绳索，是否有人帮忙扶梯子。仅使用图像模型无法对上述同时发生的多个动作进行逻辑判断，必须叠加语言模型对照安全规范，进行综合分析。此外，在营销领域，对用电需求等因素的分析也需要用到电流、电压等其他模态的数据。利用不同模态的数据给出综合判断或预案，是“祝融2.0”下一步的发展方向。

据介绍，“祝融2.0”可在电力生产和营销领域进一步推广。

目前，深圳供电局已对输电山火烟雾、外部破坏隐患、安监违章行为等场景完成多模态预训练大模型的研发，预计每年可减少无效告警30万条，节省125人一天的工作量。

深圳供电局还与云南电网信息中心、昆明供电局联合开展了输电山火烟雾模型验证工作，并初步将该技术用于两地输变电山火烟雾、外部破坏隐患等巡检任务，识别准确率高达98%。