【武汉大学_王波_】2024年边缘智能赋能电力生产安全数字化报告_26页_2mb

边缘智能赋能电力生产安全数字化总结

核心内容概述

本报告探讨了如何利用边缘智能技术提升电力生产安全的数字化防控水平。重点分析了电力生产安全面临的挑战，并提出了一系列基于边缘计算和AI的智能装备解决方案，以实现对作业过程中人员安全行为的实时识别与预警，提高电力系统的本质安全水平。

主要观点

• 电力安全生产风险高：电力作业环境存在高电压、强电流等危险因素，加之人员安全意识淡薄、作业不规范、安全措施不到位等问题，导致事故频发，严重威胁作业人员生命安全。
• 国家政策支持：国家高度重视电力安全生产，出台多项政策与行动计划，推动电力系统向“安全高效”的能源体系转型。
• 边缘智能技术的重要性：通过边缘智能设备实现风险识别与防控，有助于减少对中心服务器的依赖，提升实时性与可靠性。
• 智能装备的应用：提出并研发了三种基于边缘智能的前端安全防护装备，分别针对单目、双目和激光雷达场景，实现对人员行为、安全距离和环境风险的智能识别与预警。

关键信息

电力安全事故现状

• 2017-2022年共发生278起电力事故，平均每起事故死亡1.554人，具有事故频率高、危害大的特点。
• 典型事故案例包括：西安供电局8.15事故、宁德供电局3.7事故、安溪供电局6.7事故等，揭示了电力生产过程中存在的严重安全隐患。

研究思路

• 采用系统思维构建大安全格局，以防范化解安全风险为核心目标。
• 通过边缘智能技术实现生产过程中的风险实时识别与防控，提升作业安全水平。

关键技术

1. 网络轻量化替代

   • 采用深度可分离卷积，减少计算量8至9倍，提升模型在边缘端的适应性。
   • 基于轻量化卷积神经网络进行特征提取，保持较高识别精度。

2. 模型通道剪枝

   • 引入判别力驱动的通道剪枝方法，优化模型结构，减少冗余，提升模型性能。
   • 通过重构误差与判别力损失函数的结合，实现模型的高效压缩与精准识别。

3. 模型量化压缩

   • 采用动态定点量化技术，将模型权重信息转换为低精度（如int8），减少存储空间与推理时间。
   • 在硬件部署中，量化后的模型在边缘端表现出良好的性能。

4. 硬件加速

   • 提出基于多计算卡协同计算的硬件加速方法，解决NPU资源抢占问题，提升模型推理效率。
   • 实验结果显示，模型在边缘端的推理速度和准确率均较高，尤其在吸烟和未佩戴安全帽等类别表现突出。

智能装备

1. 单目防护装置

   • 适用于10kV~110kV变电站及近电作业场景。
   • 可识别人员着装风险、安全标识牌、动态违章动作等，实现可视化违章风险的实时监测。
   • 应用效果包括：未佩戴安全帽识别、围栏倾倒识别、区域闯入识别、明烟明火识别等。

2. 双目防护装置

   • 适用于110kV~220kV变电站及GIS/HGIS近电作业场景。
   • 采用双目立体匹配与场景元素识别，实现安全距离精确测量（精度达分米级）及防碰撞告警。
   • 实际应用效果包括：张北电场现场应用、作业人员与带电体距离检测等。

3. 激光雷达防护装置

   • 适用于330kV及以上电压等级的作业场景。
   • 距离测量范围为50~200米，测量误差小于1%，具备较强的环境感知能力。
   • 实际应用包括：现场部署与测试效果展示。

发展展望

1. 构建大安全分析格局

   • 电力安全问题涉及多种风险主体，需从系统层面综合分析，避免单一场景的风险判别。

2. 跨模态感知手段

   • 针对电力安全问题的多元诱因，研究跨模态数据特征融合方法，以实现更全面的风险研判。

3. 人机混合增强智能

   • 电力生产具有高风险特性，智能识别系统将作为风险管控的辅助手段，未来应加强人机协同，提升风险认知能力。

结语

本报告强调了边缘智能在电力生产安全中的关键作用，提出并验证了多种智能识别与防控技术，为电力系统本质安全提升提供了技术支撑。同时，对电力数字化安全防控的未来发展方向进行了展望，指出需构建大安全格局、加强跨模态感知、推进人机混合增强智能技术。

致谢

本报告的部分PPT由武汉大学人工智能研究院刘菊华教授、西安理工大学马富齐副教授提供，特此感谢。
报告作者：武汉大学 王波
邮箱：whwdwb@whu.edu.cn