为实现对电力输送故障进行预判、快速定位故障，保障电网安全稳定运行的目的，百度智能云创新性的在故障诊断领域引入知识图谱产品，综合运用AI技术，建立面向输电系统的运维专业知识管理体系，构建针对输电设备及区域输电系统的有监督学习的ML/DL故障诊断模型，实现故障的智能预先感知以及故障原因的快速定位，助力电力稳定供应。
典型场景与挑战
典型场景
电网公司、发电企业以及大型工业企业，均有各自的输电线路和输变电系统。但即使有专业人员负责运维，也有严格的作业标准和操作规程，仍会因为各种内外部原因发生输电设备故障，从而导致输电中断的事故发生。
业务挑战
输电系统地域跨度大、专业设备多、环境复杂；
依靠专家经验和既有标准去识别设备的健康度，或故障位置；
识别效率低且判断不全面，知识缺乏沉淀和传承；
遇到问题后的处置措施主要依赖人员经验。
主要趋势
设备健康度评估是重资产企业运维专业重点关注的方向。电力企业作为重资产企业的典型代表之一，更是对设备的健康度评价投入了大量的人力物力，如何保障设备健康稳定运行是未来一段时期内需要重点解决的问题。
解决方案
知识传承和赋能
基于设备标准、技术规范、作业标准库、运维策略库、专家经验库等专业知识，构建面向电力运维专业的智能电力运维知识库。
基于电力运维知识库，面向运维、抢修人员提供知识搜索、问答和知识推荐服务。
设备健康度评价
应用知识图谱的知识抽取和构建能力，基于技术标准、作业标准、专家经验等，构建设备健康度诊断规则库；结合设备实时运行指标，对设备健康度进行智能评价。
电力故障智能定位
应用小样本机器学习技术，基于历史故障案例，构建电力故障诊断模型。结合故障发生时电力设备状态、系统录波数据等，对电力故障原因进行智能分析，并提供建议结论。
故障处置建议推荐
基于既有告警信息或故障表现、故障原因，结合专家经验和运维策略等，面向运维、抢修人员推荐故障处置建议。
方案优势
知识沉淀和传承
创新性的引入知识图谱产品
实现电力运维体系的知识沉淀和传承
故障智能诊断
应用知识图谱和大数据AI技术
智能学习和构建诊断规则和模型
全方位的运行保障
对设备健康度进行评价
智能故障定位并推荐处置建议
