世界快資訊：“電力版GPT”讓安全隱患告警有效率提升6倍

◎本報記者 葉 青 通訊員 楊晶晶

將ChatGPT用在電力行業，會產生什么樣的效果?9月7日，記者在南方電網深圳供電局(以下簡稱深圳供電局)見到，工作人員輕點鼠標，某施工工地上一張吊車吊臂與輸電線路相鄰的隱患畫面隨即出現;繼續點擊該圖片，該系統就會像ChatGPT一樣給出文字，描述隱患。

(資料圖片僅供參考)

這是深圳供電局上線的電力行業首個多模態預訓練大模型——“祝融2.0”，它讓傳統的電網AI技術擁有了類似ChatGPT的邏輯推理能力和文字表達能力，使電網安全隱患告警有效率提升了6倍。

使電力巡檢系統會推理

“傳統的電網AI技術通過顏色、形狀、紋理等表征來識別物體，但很難判斷該物體對電力設施的危險程度。對于形態相近的物體，傳統的電網AI技術也很難對其準確區分。”深圳供電局技術專家張云翔介紹，“比如在傳統模式下，系統雖然能篩選出線路附近有亮光的告警畫面，但仍需要巡視人員進一步判斷亮光到底是火災造成的，還是路燈發出的。”如果亮光是路燈發出的，則該告警就是無效的。

針對存在的問題，深圳供電局于去年初發布了電力行業首個基于昇騰生態的AI預訓練模型——“祝融”，為電網人工智能轉型升級奠定基礎。去年底，該局運用類似ChatGPT的新型人工智能模型，將“祝融”升級為2.0版本，使電力巡檢系統不僅會看、會記錄分析、會預警，而且能看得懂、會推理、會表達。

“祝融2.0”是一個圖文雙模態模型，它分別利用圖像模型和語言模型，將圖像特征和文字特征提取后進行融合，效果比傳統圖像單模態模型更好。語言模型的加入使圖像模型有了邏輯推理能力，從而提高了判斷的準確率。

以電網的山火監控場景為例，在夜間，燈光與火光的圖像形態非常相似，僅靠圖像模型難以將二者區分，這容易產生大量誤報;如今有了語言模型的加持，系統就會對圖片整體進行解讀。比如當模型發現光亮是整齊排列且在道路一側時，就能推測出這是燈光，而非山火。“現在巡檢系統能通過圖片和文字兩種形式傳遞告警信息，并準確描述出隱患及其對電網設備的危險程度，不需要人工進一步排查。這大大提升了告警有效性，為電網的安全運行增添了一道有力的防線。”張云翔說。

進一步推廣應用潛力巨大

目前，單模態模型很難在電網行業的諸多場景下取得較好的效果。例如在人員進行攀爬作業時，需要檢查作業人員是否在攀爬梯子時佩戴安全繩索，是否有人幫忙扶梯子。僅使用圖像模型無法對上述同時發生的多個動作進行邏輯判斷，必須疊加語言模型對照安全規范，進行綜合分析。此外，在營銷領域，對用電需求等因素的分析也需要用到電流、電壓等其他模態的數據。利用不同模態的數據給出綜合判斷或預案，是“祝融2.0”下一步的發展方向。

據介紹，“祝融2.0”可在電力生產和營銷領域進一步推廣。

目前，深圳供電局已對輸電山火煙霧、外部破壞隱患、安監違章行為等場景完成多模態預訓練大模型的研發，預計每年可減少無效告警30萬條，節省125人一天的工作量。

深圳供電局還與云南電網信息中心、昆明供電局聯合開展了輸電山火煙霧模型驗證工作，并初步將該技術用于兩地輸變電山火煙霧、外部破壞隱患等巡檢任務，識別準確率高達98%。

此外，該供電局還與云南電網建立了聯合攻關合作機制，加快“祝融2.0”在輸變配、安監、營銷等領域的有效落地。下一步，深圳供電局計劃研發能辨別聲音的預訓練大模型，為外部破壞等隱患的排查工作增添新助力，推動電網戶外復雜環境下數字化巡檢效率的提升。