移至主內容

南方電網:聯手香港生產力促進局等,推進港澳台「戰略性科技創新合作」

2021年9月,南方電網科學研究院有限責任公司(簡稱「南網科研院」)牽頭,香港生產力促進局(簡稱「生產力局」)及天津大學、香港中文大學(深圳)共同參與的國家重點研發計劃「戰略性科技創新合作」項目——「聯邦學習框架下基於小樣本學習的典型電網設備小弱缺陷識別關鍵技術研究」正式啓動。

該項目是南方電網公司首個港澳台「戰略性科技創新合作」重點項目,2021年同時獲得香港科技創新署創新及科技資金「內地與香港聯合資助計劃」的支持。

項目負責人、南方電網公司高級技術專家李銳海近日接受筆者採訪時表示,生產力局作為世界級的先進技術和創新服務主體,南網科研院作為南方電網公司中央研究院,雙方長期保持良好的聯繫互動,在科技創新、技術研發、成果轉化等方面也多次交流學習。

他說:「本次國家重點研發項目是雙方首次共同開展國家級項目聯合攻關,雙方從項目申報至今,克服了疫情等困難,在項目實施管控、關鍵技術研討方面密切聯繫,按計劃切實推動項目順利推進。」

強強聯合,助力大灣區電網安全運行

南方電網東西跨度近2000公里,為廣東、廣西、雲南、貴州、海南五省區和港澳地區提供電力供應服務保障,供電人口超2.5億人,供電客戶1.07億戶。

據李銳海介紹,由於電網設備長期戶外運行,老化、外部破壞等因素引發的缺陷會影響電網安全運行,因此必須要及時找到這些缺陷並處理。隨著無人機、機器人、視頻監控等手段的運用,採集的圖像數據越來越多,對於其中表現弱、不規則的設備缺陷,僅靠人力無法及時、高效、準確地分析和應用,所以需要通過人工智能等手段幫助工作人員減少工作量並提高工作效率。

此次南方電網與生產力局等合作的「聯邦學習框架下基於小樣本學習的典型電網設備小弱缺陷識別關鍵技術研究」項目,聚焦「智能輸變電」與「人工智能」交叉學科領域,重點研究基於圖像數據研究電網設備缺陷的自動識別技術,針對在圖像中呈現的電網設備主要缺陷普遍具有尺度小、對比弱的特點,當前各類識別方案難以檢出有效的問題,從數據採集、模型優化、多方協同、終端部署四個方面出發,提出高效、高可靠的電網故障智能診斷辦法,實現端到端的小弱缺陷識別技術。

這一「能源+AI」項目不僅有助於減少工作人員在野外巡線等相對危險的工作,讓人從重復性的繁重勞動中解脫出來,而且可以更好地保障民生、工業用電安全,為粵港澳大灣區電網安全運行和工業「智」造奠定堅實的理論和技術基礎,長遠來看,也可以解決更大範圍內同行業存在的共性難題。

李銳海表示,正是因為該項目的意義重大,南網科研院、生產力局、香港中文大學(深圳)、天津大學積極協作,發揮各自優勢,組成了數十人的聯合攻關團隊。南網科研院多年來科研投入大,積累了多項關鍵核心技術,且蒐集有大量樣本數據,對項目實際需求的分析透徹,對項目目標把握準確;生產力局的應用科技研究能力強,在工業應用方面有多年經驗;天津大學團隊與南方電網有合作經驗,在算法方面有豐富積累;香港中文大學(深圳)在前瞻性算法方面有優勢,而且在機器人等硬件研發領域有專長。

他說,一直以來,南方電網與香港多家電力公司保持密切交流,並在廣東省科技廳等單位的支持下,與生產力局等港方單位開展技術交流。生產力局作為香港的法定機構,致力於世界級的先進技術和創新服務,全力促進香港成為國際創新科技中心及智慧城市,並通過產品創新和技術轉移,成功讓研發成果商品化,製造商機,其多年來的研發成果獲得廣泛肯定。南網科研院致力於能源領域科技創新、技術服務、成果轉化等,也多次獲得國家、省部級科技獎勵,雙方的合作可謂「強強聯合」。

香港生產力促進局與香港土木工程拓展署合作,成功研發利用無人機搭載人工智能邊緣端技術對該署在建隧道進行實時缺損檢測。香港生產力促進局與香港土木工程拓展署合作,成功研發利用無人機搭載人工智能邊緣端技術對該署在建隧道進行實時缺損檢測。

據生產力局機械人及人工智能部總經理兼香港科技大學-生產力局工業人工智能與機器人聯合研究中心聯席主任葛明博士介紹,生產力局近五年來與南方電網交流較多,對其需求有深入理解,同時,生產力局在利用無人機搭載人工智能技術進行實時隧道缺損檢測擁有豐富經驗,與此次聯合項目中南方電網的需求關聯密切。

今年8月,生產力局研發的兩個項目在有「創科界奧斯卡」美譽的2022年「百大科技研發獎」(R&D 100 Awards),其獲獎項目之一就是利用無人機搭載人工智能邊緣端技術進行實時隧道缺損檢測。該獎項的獲獎機構還包括麻省理工學院林肯實驗室、勞倫斯伯克利國家實驗室、美國航空航天局格倫研究中心等,生產力局成為香港獲獎最多的機構之一。

「在我們四方合作的這個項目中,既有需求又有研發,既有軟件又有硬件,既有理論研究又有工程應用研究,保證了項目能夠成為一個以落地應用為目標、真正能夠應用項目。」李銳海表示,該項目將通過內地和香港科技機構深化合作,進一步提升電網智能運維技術和缺陷自動識別技術的成熟度、就緒度,打造粵港澳大灣區創新協同發展的先進示範樣本。

已在深穗等地開展跨域分布式聯邦學習測試

儘管受疫情影響,「聯邦學習框架下基於小樣本學習的典型電網設備小弱缺陷識別關鍵技術研究」項目組成員一年來主要通過線上溝通,項目仍在按計劃順利推進。

該項目有兩個最為關鍵的詞,即「聯邦學習」和「小弱缺陷」。

據李銳海介紹,目前項目組已經構建了10余萬張電力巡檢圖像數據集,提出了基於多感受野融合的高分辨率神經網絡設計方案,在參數大量縮減的同時,預測精度上具有顯著提升;結合元學習的思想設計小樣本學習的技術方案,提出了基於元學習的小樣本缺陷識別模型,從而實現對輸電線路導線損壞缺陷、導線及母線異物飄掛缺陷、配電絕緣子受損缺陷的識別。

輸電線路容易被異物懸掛、纏繞,一些小弱缺陷在圖像中佔比小、對比度低,常規方法難以識別。輸電線路容易被異物懸掛、纏繞,一些小弱缺陷在圖像中佔比小、對比度低,常規方法難以識別。

同樣值得關注的是,項目組已完成聯邦學習演示系統基本功能搭建,實現了複雜視覺任務上分布式橫向聯邦學習,並在深圳、天津、廣州三地開展了跨域分布式聯邦學習測試,性能達到預期。

據李銳海介紹,「聯邦學習」本質上是一種分布式機器學習框架,意味著不需要將原始數據流轉到數據中心去訓練,而是將數據中心的模型帶到數據那裡去,實現「數據不動模型動」「數據可用不可見」,從而有利於數據的隱私保護,也可以減少數據的傳輸。此外,在聯邦學習框架下,不同應用單位可以共同訓練、共同擁有數據模型。

他說:「聯邦學習框架最適合電力部門使用,數量龐大的供電局如果都能成為聯邦的團隊成員,就可以用共享的模型訓練,而且訓練越多識別的精度就越高。」

該項目的順利推進,離不開各方的良好協同。

李銳海表示,合作以來,生產力局作為項目的參與方之一,與項目各參與單位均保持密切聯繫和良好互動,在方案制定、技術攻關、實施協調等方面都積極貢獻力量,為項目的順利實施提供了重要保障和堅實基礎。

他認為,生產力局具有豐富的成果轉化和企業服務經驗,在科技成果從1到N的落地方面,既能豐富項目成果的應用及示範落地場景,同時也對科技成果到產品產業化的推進提供了重要的經驗和寶貴的意見。

隨著粵港澳大灣區的融合發展,他期待生產力局能夠加強與大灣區更多城市的相關企業進行技術交流與合作,也期待該局依託香港國際化優勢,吸引外部先進技術輸入內地,同時推動內地科技成果向國際輸出。

他表示:「本次國家重點研發計劃項目是一個新起點,後續我們將結合雙方優勢,對接國家有關產業政策和粵港澳大灣區市場需求,促進產學研深度融合,加速人工智能、電網能源等領域科研成果轉化落地,並通過科技項目策劃申報、聯合實驗室共建、人才交流培養等多種形式,推動關鍵核心技術研發及成果轉化落地,促使創科產業成為經濟增長新引擎。」

來源:南方+