想象一下，通過智能視頻讓傳統巡檢工作從戶外變成室內，不僅大大降低高空作業、天氣惡劣等作業風險，還實現了巡檢工作效率越來越高，發現的缺陷越來越準確……這樣的場景，不僅大大改善了一線巡線員的工作環境，還能為電企的效益提升帶來明顯的價值。
平穩用電背后的辛酸往事
500千伏烏里托輸電線路全長288千米，有鐵塔404基，是滿足廣東及云南電網負荷增長及云電外送的重要線路。線路完工后，云南電網公司云南送變電工程公司迪慶工作站的員工要爬上線路進行逐檔驗收。也就是線路有多長，他們就要走多遠。作為該公司線路巡檢員，鄭小雄的日常工作就是徒手攀登巡檢電塔，檢查每一根線路是否有隱患，以確保每一根線路安全穩定運行。通常，攀登100多米的鐵塔需要40分鐘，因為每次攀爬都會消耗大量體力，鄭小雄通常會在懸空的塔線上持續4個小時以上工作。全部完成烏里托線路的巡檢，鄭小雄的團隊需要40天時間。他與同事感嘆，雖然行走于高空云端的照片氣勢磅礴，但真正站在塔線上卻總讓人驚心動魄。每年鄭小雄和他的同事每個人都會有260余天在偏僻的野外作業。
即便不是在荒郊野外，人工現場巡視值守用電量高達907億千瓦時的深圳，依然是高強度、高風險的工作。目前，深圳市供電局管轄桿塔7770個，線路5742千米。沿襲傳統輸電方式巡檢，巡檢員每年巡線行走路程約2500千米。這個距離相當于，徒步從深圳走到了北京。
根據國網統計的數據顯示，巡檢工作的高強度與高風險，使這個工種缺員率高達30%至40%。受限于現場情況及帶電危險，人工巡檢不僅安全風險大，而且巡檢不全面，人力成本高，工作效率有限。
現網巡檢方式可分為“人工”和“視頻”兩種。當前主流方案是“人工+視頻”的疊加方式，但該方案仍存在諸多困難和挑戰。
比如在輸電線路場景下，為了及時發現問題，桿塔固定攝像頭需要拍攝大量圖片或者視頻回傳到主站，通過主站分析查找故障。因此導致大量的無效圖片及視頻回傳，給通信帶寬帶來較大壓力?，F實是往往在很多偏遠的桿塔場景中，如何獲取通信資源是最大的難題。
在通信條件具備的場景(如變電站、部分配電房、部分桿塔等)，雖然可以做到實時視頻，但是發現故障還是依賴人，僅能夠解決“看的見”但“看不懂”，故障識別不及時，效率低。
又如目前的無人機或巡檢機器人等應用，大量圖片或視頻分析仍然依賴中心側人工分析。無論是攝像頭還是無人機，這種大量的低效原始圖片及視頻，都給后端帶來了巨大工作量，查障和排障難，巡檢效率低。
視頻智能巡檢方案及價值
科技創新的浪潮拍打著世界的角角落落。以人工智能、云計算、大數據、物聯網、5G為代表的新一代ICT技術已經成為科技創新最為活躍的領域，是驅動社會和經濟轉型升級的重要引擎。在網絡持續演進、技術創新升級、應用日漸豐富的背景下，創新ICT技術正在不斷滲透到社會生活和工業生產的各個領域，加速與實體經濟融合發展。
作為影響國計民生的電力行業，也在積極探索創新ICT技術的行業應用場景和方案。如國網提出了泛在電力物聯網戰略，南網提出了數字南網戰略，積極開展創新科技與電力生產的融合創新，并取得了豐富的成果。
作為全球領先的信息與通信技術解決方案供應商，華為肩負著提供數字化技術與ICT基礎設施的使命，始終積極參與電力產業科技創新，用高科技助力電力企業提速降本增效，為電力企業發展插上科技騰飛的翅膀。華為一直致力于把最先進的技術、方案、產品應用到電力行業，助力電力企業提高生產管理效率，保障供電安全，實現電力行業數字化轉型。
聯接、計算和云將成為構成智能世界的基礎設施。華為希望以AI賦能電力智慧，打造“云邊協同”創新電網智能視頻巡檢解決方案，讓電網巡檢不再成為高危的代名詞。
針對電網巡檢的現狀，電網企業和華為、電力專業ISV等ICT公司合作，通過引入人工智能、云計算、大數據等創新ICT技術，目前已經探索出一系列經過實踐檢驗的視頻智能巡檢方案。
為了更好適配不同的巡檢業務場景和對象，他們提供出架空線路在線監測、 架空線路無人機巡檢、變電站監測、配電房監測、輸電隧道管廊監測共計5種相應的視頻智能巡檢方案。
第一，架空線路在線監測。傳統方案是線路桿塔架設固定巡檢攝像頭的場景，攝像頭進行實時監測和定時圖像抓拍，并把視頻和抓拍圖片回傳中心后臺。但這種方法面臨大量無效圖片及視頻回傳，帶來通信帶寬壓力大、后臺分析效率低等問題。華為提供端側AI+云端視頻AI方案，端側AI降低無效圖片回傳，減輕帶寬壓力;主站AI實現后臺精準分析，提高效率。
第二，架空線路無人機巡檢。傳統方案依靠無人機對輸電線和桿塔關鍵部位進行飛行拍照巡檢，大量圖片或視頻依賴中心側人工集中分析，仍然面臨數據傳遞工作量大，后臺人工分析效率低等問題。華為提供端側AI+云端視頻AI的方案，無人機上引入端側AI芯片，可以自動完成視頻和關鍵部位的圖像拍攝，還可以對圖像資料進行故障的實時識別。飛控系統也可以進行自動化升級，實現從人工放飛到自動放飛、自主飛行。主站AI實現后臺精準分析。
第三，變電站監測?？嘤趥鹘y視頻畫面多、故障識別不精準的問題，電網公司開始規劃由傳統視頻向AI演進。華為在該場景下，通過輕量云或AI智能小站、以及1拖N智能攝像頭的多種方案，利舊現網視頻，通過增加邊緣智能實現變電站視頻智能算法，節約客戶投資。輔以主站AI訓練及云邊協同，實現算法遠程下發及管理。
第四，配電房監測。目前大部分配電房普遍處于無監控的盲區狀態，配網設備的故障導致停電事故占比90%以上。要想實現一流的供電可靠性和一流的客戶滿意度，配電房數字化改造勢在必行。華為通過Atlas 500 智能小站或1拖N智能攝像頭方案，匹配不同規格的配電房需求，疊加行業智能算法，實現配電房場景的視頻AI自動識別。
第五，輸電隧道管廊監測。在隧道管廊中，綜合運用了攝像頭、隧道機器人、傳感器等多種監控和數據采集手段，但傳統方案也面臨著數據量大、人工分析效率低等問題。和變電站/配電房方案類似，華為通過輕量云或邊端AI、以及1拖N智能攝像頭的多種方案，利舊現網視頻，實現故障智能實時識別，節約客戶投資。同時通過主站云平臺AI訓練及云邊協同，實現算法遠程下發及管理。
創新的“云邊協同”架構
除了端側的智能升級，華為視頻智能巡檢方案的另一大特點是“云邊協同”的解決方案架構。
在云側：云端大腦以云計算和云資源池為技術底座，實現了資源彈性利用，集成人工智能平臺，能夠完成人工智能算法開發、訓練和優化、向邊側進行算法推送、對邊側設備進行統一管理，改變后臺識別依賴人工的現狀。還可以搭載視頻云平臺、大數據、物聯網等創新技術，實現一體化視頻監控，通過巡檢數據和其他電網數據進行碰撞、分析、挖掘，完成更多的深化應用。
在邊側：在變電站、配電房場景中，增加Atlas 500智能小站或輕量云，實現廠站側的AI升級改造，做到本地故障視頻識別、存儲、及上傳。其中算法倉技術和云邊協同架構，助力客戶輕松實現遠程維護及算法升級迭代。
在端側：智能攝像頭內置華為Atlas 200 AI加速模塊，實現端側AI使能，助力客戶實現攝像頭側AI識別，實時輸出分析結果并回傳關鍵信息，降低通信帶寬壓力。
為了更高的安全可信，方案采用華為研發的芯片，實現端到端構筑普惠AI，適配不同應用場景，提供業界最高能效比和最高密度的算力，構筑全棧全場景AI解決方案。
在“云邊協同”電網智能巡檢解決方案中，華為定位于提供業界領先的ICT軟硬件平臺，由合作伙伴和ISV提供行業算法及定制化應用，共同促進行業發展。
目前，該智能巡檢方案已經在國內數個城市電網完成驗證并進入實際推廣部署階段。
相關數據顯示，深圳供電局應用的人工智能物聯網(AIoT)的視頻巡檢改變傳統的人工巡檢模式，有效保障了輸電線路的安全穩定運行。過去戶外輸電線路傳統人工巡視需要20天才能完成的工作量，利用基于Atlas 200 AI加速模塊的AI邊側視頻巡檢只需要2小時，巡檢效率提升80倍，并且能及時發現傳統人工地面巡視不易發現的隱患點，識別準確率極大提高。
華為希望能與更多同仁一起攜手并進，共同創新，豐富整個行業生態，為電力行業數字化轉型貢獻力量。
