https://caozuohua.github.io/tags/%E6%99%BA%E8%83%BD%E8%BF%90%E7%BB%B4/Recent content in 智能运维 on CAO ZUOHUAHugozh-cnTue, 15 Sep 2026 14:00:00 +0800https://caozuohua.github.io/posts/2026-09-15-transmission-industry-ai-research/Tue, 15 Sep 2026 14:00:00 +0800https://caozuohua.github.io/posts/2026-09-15-transmission-industry-ai-research/<h1 id="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</h1> <blockquote> <p>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。<br> 检索日期：2025-06-01。<br> 说明：已将检索式、来源和结构化记录落盘至：</p> <ul> <li><code>research/transmission/search_index.json</code></li> <li><code>research/transmission/scenarios.json</code></li> </ul> </blockquote> <h2 id="一核心结论">一、核心结论</h2> <p>输电行业 AI 应用的主线可以归纳为六类：</p> <ol> <li><strong>无人机/机巡智能巡检</strong></li> <li><strong>输电线路和通道缺陷识别</strong></li> <li><strong>设备状态监测与预测性维护</strong></li> <li><strong>无人机自主航迹、避障与自适应拍摄</strong></li> <li><strong>停电计划、故障处置与调度辅助</strong></li> <li><strong>作业票审核、安全风险与违章识别</strong></li> </ol> <p>总体上，输电行业更适合采用：</p> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-text" data-lang="text"><span style="display:flex;"><span>边缘小模型负责快速感知 </span></span><span style="display:flex;"><span> + </span></span><span style="display:flex;"><span>云端/中心大模型负责复杂理解 </span></span><span style="display:flex;"><span> + </span></span><span style="display:flex;"><span>规则引擎负责安全边界 </span></span><span style="display:flex;"><span> + </span></span><span style="display:flex;"><span>人工负责最终确认 </span></span></code></pre></div><p>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。</p> <hr> <h2 id="二重点应用场景与方案">二、重点应用场景与方案</h2> <h3 id="场景-1无人机机巡多模态缺陷识别">场景 1：无人机/机巡多模态缺陷识别</h3> <h4 id="1-业务痛点">1. 业务痛点</h4> <p>输电线路通常具有以下特点：</p> <ul> <li>线路长、杆塔分散；</li> <li>山区、森林、河流和高原等复杂环境较多；</li> <li>无人机采集图像数量大；</li> <li>绝缘子、金具、导线、杆塔和通道缺陷类型复杂；</li> <li>红外图像、可见光图像和历史检修数据尚未完全融合；</li> <li>小样本缺陷和新型缺陷容易漏检；</li> <li>大量图像仍需要人工逐张复核。</li> </ul> <h4 id="2-方案-a边缘视觉模型--云端多模态大模型--工单-agent">2. 方案 A：边缘视觉模型 + 云端多模态大模型 + 工单 Agent</h4> <p><strong>推荐度：高。</strong></p> <h5 id="参考架构">参考架构</h5> <div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"><code class="language-text" data-lang="text"><span style="display:flex;"><span>无人机可见光/红外/视频 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>图像质量校验与目标定位 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>边缘轻量模型快速初筛 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>云端多模态模型复核与缺陷解释 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>关联 GIS、设备台账和历史缺陷 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>风险分级与检修建议 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>人工复核 </span></span><span style="display:flex;"><span> ↓ </span></span><span style="display:flex;"><span>PMS/EAM 缺陷单和工单 </span></span></code></pre></div><h5 id="agent-分工">Agent 分工</h5> <ul> <li><strong>边缘检测 Agent</strong>：快速识别绝缘子破损、异物、金具缺失等固定类别；</li> <li><strong>多模态诊断 Agent</strong>：融合可见光、红外、历史图像和设备信息；</li> <li><strong>通道风险 Agent</strong>：识别树障、施工、烟火、漂浮物和外破风险；</li> <li><strong>运检 Agent</strong>：引用规程，生成缺陷等级、复核清单和检修建议；</li> <li><strong>工单 Agent</strong>：生成缺陷单、派工单和复检任务。</li> </ul> <h5 id="接入数据">接入数据</h5> <ul> <li>无人机可见光和红外图像；</li> <li>机载视频；</li> <li>GIS 和线路台账；</li> <li>杆塔、导线、绝缘子、金具资产编码；</li> <li>历史缺陷和检修记录；</li> <li>气象、雷电、覆冰和山火数据；</li> <li>PMS/EAM 系统。</li> </ul> <h5 id="关键人工介入点">关键人工介入点</h5> <ul> <li>AI 输出必须保留原始图片和定位信息；</li> <li>高风险缺陷必须人工确认；</li> <li>低置信度结果转专家复核；</li> <li>AI 不能直接决定停电、检修或线路退出运行；</li> <li>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。</li> </ul> <h4 id="3-方案-b边缘小模型--规则引擎">3. 方案 B：边缘小模型 + 规则引擎</h4> <p><strong>推荐度：高，适合作为先导项目。</strong></p>