Posts

输电行业 AI 应用场景与方案调研

输电行业 AI 应用场景与方案调研

调研范围：输电线路巡检、设备运检、无人机作业、调度运行、安全生产和资产管理。
检索日期：2025-06-01。
说明：已将检索式、来源和结构化记录落盘至：

  • research/transmission/search_index.json
  • research/transmission/scenarios.json

一、核心结论

输电行业 AI 应用的主线可以归纳为六类：

  1. 无人机/机巡智能巡检
  2. 输电线路和通道缺陷识别
  3. 设备状态监测与预测性维护
  4. 无人机自主航迹、避障与自适应拍摄
  5. 停电计划、故障处置与调度辅助
  6. 作业票审核、安全风险与违章识别

总体上，输电行业更适合采用：

边缘小模型负责快速感知
        +
云端/中心大模型负责复杂理解
        +
规则引擎负责安全边界
        +
人工负责最终确认

不建议直接使用通用大模型替代调度员、飞手、运检专家或安全员，更不建议让 AI 未经校核直接执行停电、送电、改变保护定值或调整运行方式。

二、重点应用场景与方案

场景 1：无人机/机巡多模态缺陷识别

1. 业务痛点

输电线路通常具有以下特点：

  • 线路长、杆塔分散；
  • 山区、森林、河流和高原等复杂环境较多；
  • 无人机采集图像数量大；
  • 绝缘子、金具、导线、杆塔和通道缺陷类型复杂；
  • 红外图像、可见光图像和历史检修数据尚未完全融合；
  • 小样本缺陷和新型缺陷容易漏检；
  • 大量图像仍需要人工逐张复核。

2. 方案 A：边缘视觉模型 + 云端多模态大模型 + 工单 Agent

推荐度：高。

参考架构
无人机可见光/红外/视频
          ↓
图像质量校验与目标定位
          ↓
边缘轻量模型快速初筛
          ↓
云端多模态模型复核与缺陷解释
          ↓
关联 GIS、设备台账和历史缺陷
          ↓
风险分级与检修建议
          ↓
人工复核
          ↓
PMS/EAM 缺陷单和工单
Agent 分工
  • 边缘检测 Agent：快速识别绝缘子破损、异物、金具缺失等固定类别；
  • 多模态诊断 Agent：融合可见光、红外、历史图像和设备信息；
  • 通道风险 Agent：识别树障、施工、烟火、漂浮物和外破风险；
  • 运检 Agent：引用规程，生成缺陷等级、复核清单和检修建议；
  • 工单 Agent：生成缺陷单、派工单和复检任务。
接入数据
  • 无人机可见光和红外图像；
  • 机载视频；
  • GIS 和线路台账；
  • 杆塔、导线、绝缘子、金具资产编码；
  • 历史缺陷和检修记录；
  • 气象、雷电、覆冰和山火数据；
  • PMS/EAM 系统。
关键人工介入点
  • AI 输出必须保留原始图片和定位信息；
  • 高风险缺陷必须人工确认；
  • 低置信度结果转专家复核；
  • AI 不能直接决定停电、检修或线路退出运行；
  • 自动生成工单可以，但自动派发高风险作业不建议直接放行。

3. 方案 B：边缘小模型 + 规则引擎

推荐度：高，适合作为先导项目。

read more