正所谓千里之堤毁于蚁穴，往往“大危机”都是由“小缺陷”造成的，电力行业的设备规模大、种类多，这就给缺陷的正确识别和及时处理提出了更高的要求。
如何能够快速、及时的“发现问题”？传统方式的人工巡检一般是巡检人员通过经验进行判断。但是随着电网巡检数字化、智能化需求不断升级，利用AI技术实现智能化、自动化、高效化的电力智能巡检逐步代替传统的人工方式是必然趋势。
(资料图片仅供参考)
煜邦电力的智能AI技术全面赋能电力巡检，基于深度学习的缺陷识别方法其精度高、稳定性强，能够大幅降低人工成本和劳动强度，提高巡检效率，进而保障电网安全、可靠运行。
今天，我们就来讲讲煜邦电力智能AI能够在哪些场景快速检测缺陷？
01
输电线路缺陷检测
随着经济高速发展与社会用电需求的与日俱增，超特高压远距离输电技术得到了快速发展，电网规模不断升级扩大。输电线路是电网系统非常重要的一环。
但是，输电线路里程的迅速延伸及走廊环境的日益复杂，线路维护人力、物资成本也不断提高。而且，传统的人工巡检无法将输电线路的运行情况进行及时反馈，这些都给输电线路运维工作带来了巨大挑战。
煜邦电力的缺陷识别系统根据输电线路相关规范，建设了电网精细缺陷库，共计8大类，50余小类电网缺陷；应用AI技术构建了典型缺陷识别模型库，对应不同类缺陷构建缺陷识别算法，改善了细小金具识别率低、误报高的问题；系统依据识别结果自动生成缺陷报告，节省大量人工；模型自我迭代学习，不断提升精度。
煜邦产品优势
1、精细缺陷库
2、AI模型库
3、报告自动生成
4、迭代学习
02
风电缺陷检测
风电场往往地处偏远，风机排布分散，风叶组件在长时间工作时不可避免会出现松动、破损等异常。因此需要定期安排进行巡视、维护和检修。传统人工巡检方式耗时耗力，且巡检难度大、效率低、危险性高。
为提升风电巡检效率，煜邦电力利用AI技术多视角采集，解决传统巡检观测角度有限的问题；自动识别风机朝向和叶片位置；完成风机塔筒、机舱、叶片数据采集。减少运维人员例行巡视工作量，提高巡检效率，实现智能高效的设备数字化、精细化管理。
风电缺陷检测类别
塔筒：锈迹、破损、掉漆、变形
叶片：掉漆、破损、砂眼、横向裂纹、断裂
轴心与叶片连接处：连接脱落、连接螺栓脱落，溢油
主机：零件脱落、掉漆、外界冲击破损
03
光伏缺陷检测
随着光伏发电装机规模的快速增长，传统光伏巡检依赖固定视频监控及人工排查的局限不断凸显，难以跟上飞速增长的光伏电站运维需求。
针对光伏电站组件多、环境复杂等特征，煜邦电力通过图像识别算法自动去掉无效信息（土地、大棚、水面等），图像分割到每个组串，计算所有组串平均温度，找到差异的组串，基于AI算法自动定位热斑位置，并计算每个组件平均温度，有效分析识别各种故障、污损类型，实现光伏板异常自动检测。更高效、更及时地预警、提示下一步动作，实现光伏电站检测区域的快速集中巡检。以及光伏电站施工监理、新建电站验收、电站交易评估。
光伏缺陷检测作业内容
光伏电站巡检
面板组件巡检
缺陷定位缺陷分类
结语：
目前，煜邦电力AI技术产品陆续在安徽、甘肃、海盐等多地进行应用；未来，煜邦电力将携手能源互联、共建数字电网。
