摘  要：为推进电力企业生产业务数字化转型，提高基层班组数字化运维水平。本文通过一线班组对变电站视频巡视、设备故障判断应用场景需求分析，结合 RPA+AI 技术优势，开展了变电站视频监控摄像头故障巡视和设备缺陷判断架构模型设计，在不改变原有业务系统基础上，通过 RPA 自动化技术和 AI 图像识别技术的综合应用，赋能传统业务，解决了基层班组变电站摄像头故障巡视和设备缺陷判断耗时多、重复操作、人工判断等痛难点问题，极大提升了运维巡视效率，助力基层班组数字化转型和减负增效。

关键词：RPA 技术；AI 技术；智能巡视；重复操作

引言

随着电力行业数字化转型工作的推进，大数据、人工智能（AI，Artificial Intelligence）、机器人流程自动化（RPA，Robotic Process Automation）等技术在电力行业数字化转型中发挥着重要作用，让一线员工从大量单一、重复、繁琐的事务性工作中解放出来，促进了电力行业的降本增效。

RPA、AI 技术的融合可以对电力行业中存在的重复、跨系统操作、人工判断的问题提供完美的解决方案。RPA 通过模拟人工在计算机等数字化系统或设备中的操作，实现业务流程的再造，极大的减少了高重复性、逻辑确定、大批量的工作任务，做到了生产业务的流程自动化；AI通过算法模型的构建，利用机器人学习和深度学习，不断对算法模型的迭代优化，实现代替人工的分析决策判断能力。所以将 RPA、AI 技术的综合应用，可以为电力行业业务赋能，加快电力行业数字化进程。

01 电力企业 RPA+AI 发展现状及趋势

当前电力行业在数字化转型应用实践中，RPA技术已经是基层班组应用的数字手段之一，如在RPA在营销业务中的应用帮助基层员工解决低压批量用户新装换表，解决了大量系统操作流程重复、流程复杂，助力营销班组提质增效。在AI技术方面，重点聚焦人工智能在电力行业中的应用分析包括智能机器巡检、设备智能化监测、智能写作等领域应用，帮助基层开展管理决策分析，支撑一线班组精益化管理的提升。

但是随着电力业务系统的不断增多，报表统计跨系统操作也越来越明显，RPA+AI 在办公领域的应用需求日益凸显。将 RPA 和 AI 技术中台化并利用各自的技术优势，基于 RPA+AI 的数字员工技术的应用，让传统电力业务向更加自动化、智能化、智慧化方向发展，是未来电力行业数字转型的重要数字技术手段。

02 基于 "RPA+AI"融合技术模型设计与应用

2.1 基于 RPA+AI 模式的视频监控状态巡视模型设计与应用

2.1.1 问题分析

在电力生产管理工作中，变电站视频监控在监视变电站生产运行环境的基础上，还提供了远程指导现场作业、远端设备故障判断等功能，是变电运维人员在电网生产工作中的“千里眼”。随着电网高清视频巡检体系的深度建设，电网的视频监控体系逐步扩张，作为基础监控单元的视频监控摄像头数量呈现快速的增长趋势。日常巡视“看得见”、关键时刻“能回播”成为了当前视频监控系统的内在要求。然而快速增加的视频监控规模与当前的人员运维体系发展严重不匹配，基层班组当前管理能力难以实时、精准关注到庞大视频监控体系中各个监控单元的运行状态，在精准化监测和管控视频监控系统的在线率和可用率方面短板逐步凸显。目前，电网行业中的大多数视频监控平台不具备完善的自动巡检、分类统计功能，且由于系统平台差异，不仅难以进行个性化数据接口定制，更难以实现多个平台的统一性运行状态研判，导致往往只能靠人工对视频监控平台中的海量摄像头进行状态研判，存在跨平台繁琐操作、重复性点击查看、视觉疲劳严重、效率低下等问题。

2.1.2 解决方案

基于当前电网视频监控体系状态的维护管理现状，通过运用 RPA+AI 融合技术，融入机器视觉的人工智能辅助工具，构建视频监控平台监控单元故障巡视模型，实现对含摄像头在内的所有监控单元运行状态的自动巡检，自动分类统计视频监控单元模块情况，减少人工重复性操作，提升巡视故障判断准确度，自动将巡视结果报表推送到指定位置，巡视效率大幅度提升。

视频监控单元故障巡视模型，包括了RPA模块、AI模块、报表分析模块等内容。在模型的流程设计方面，通过开发配置 RPA 流程，模拟人工操作点击监控摄像机，将当前摄像头页面图片存储，通过AI技术中台图像处理技术将图片上的时间和名称进行提取，通过时间判断该摄像头是否在线。若设备在线则顺利获取图片显示时间，并将监控装置的站点信息与名称进行关联对应，同步写入模板表格。若设备装置不在线或监控图像异常，则无法获取图片的时间状态信息，判断该摄像机离线或者故障，并将画面上的无网络、无频画面等故障信息写入表格；AI模块通过AI技术中台的图片模糊度、图片对比判断算法模型判断监控装置是否存在模糊和位置偏移，将异常结果输出到异常报表中；统计分析模块根据报表统计结果，统计出故障装置的数量、站点分布、总在线率、各站点在线率等指标。

  视频故障巡视架构模型

2.2 基于 RPA+AI 的变电类设备故障缺陷识别模型设计

2.2.1 问题分析

精准化、高清化的设备远程监控需求，大力促进了高清视频巡检体系的建设。为精准化获取站端变电类设备的仪器仪表读数、设备运行状态、温度等参数，高清视频监控体系在建设时采取了多点位、定制定位部署的方式。尽管覆盖面广、监控点位完善的高清视频监控体系已经建立，但在端设备运行状态的智能化识别功能当前正处于逐步演进的过程，当前主要是依靠人工方式对视频流、视频图片等信息进行逐一判断。通过高清视频监控系统远程获取到绝缘子裂纹、绝缘子破裂、异物挂空悬浮物、呼吸器硅胶变色、开关柜压板合、开关柜压板分、鸟巢等多种一次设备运行图像数据后，变电运维人员结合自身运维经验，逐一对图片或视频数据进行判断，发现异常后人工标注异常信息，并根据隐患缺陷的分类进行报表统计，最后反馈于变电一线运维班组进行现场确认。该项巡视工作具有工作经验要求高、重复性操作、工作时间长、视觉高度疲劳等问题，且准确度偏低。基于当前高清视频巡检体系的工作现状，设备隐患缺陷的高效化、精准化、智能化识别成为了电网变电运维人员的迫切需求。

2.2.2 解决方案

为提升站端设备隐患缺陷识别的精准率，缩短人工在线研判时间，提升变电运维质效，技术人员构建了基于 RPA+AI 融合技术的变电类设备故障缺陷识别模型，在不改变原有系统架构的情况下，解决了变电一线运维人员人工巡视变电站设备故障缺陷的难题。

图 2   变电站设备故障缺陷模型设计

设备隐患缺陷智能识别模型包括 RPA 模块、AI模块、统计分析模块等内容，RPA 模块通过巡视流程的标准定制，结合变电站高清监控装置定时定点拍摄的图片信息，将图片下载归类存储，自动批量化传输至AI 平台进行计算，将计算返回的结果进行标注，并将存在缺陷的设备图片按站点、设备类型分类存储；AI模块包括绝缘子裂纹、绝缘子破裂、异物挂空悬浮物、呼吸器硅胶变色、构架爬梯未上锁、呼吸器硅胶变色等25种设备的隐患缺陷识别算法，实现了对设备隐患缺陷的智能化判断；统计分析模块根据 AI 模块的结果数据进行分类汇总，反馈于值班监控人员。

03 基于 "RPA+AI"融合技术应用成效分析

3.1视频监控运行状态巡视成效分析 

基于 RPA+AI 技术的视频监控状态巡视模型的应用解决了对于海量视频监控装置单元运行状态难以实时精准把控的痛难点问题，实线了自动统计故障巡视报表等功能，满足了一线班组的业务需求。

在传统工作模式下，工作员每天登录各类型监控平台，系统切换平均耗时0.5小时，逐一点击视频监控装置，人工研判视频监控装置运行状态，平均单个监控装置耗时30秒，各类型装置合计约2000余个，完成单次巡视检查任务需耗时33.33小时。利用RPA+AI 融合技术巡视模型后，对于视频监控体系的巡视全部演变为后台程序化执行，不再需要人工干预和操作，工作人员每天可在固定时间点查看视频监控平台的总体巡视结果，便于更加及时发现并处置视频监控体系中的任何运行隐患或缺陷。

总结起来，仅在单个地市应用该成果，年度便可节约人工11774小时，按照人工 500 元/计算，年度可节约人工成本 38 万余元。该成果若铺开推广，将产生十分可观的经济效益。

3.2 变电类设备缺陷缺陷智能识别效益分析

基于 RPA+AI 融合技术的变电设备隐患缺陷智能识别模型，充分利用了 RPA 技术中台和人工智能平台的优势，将两种技术相结合，实现了变电运维人员对于站端一次设备隐患缺陷的智能化识别，解决了变电运维人员难以高效、精准远程研判站端一次设备隐患缺陷的这一难题。

传统工作方式下，站端设备隐患缺陷的人工判断需要针对数据类型进行人工识别，存在人工判断速度慢、容易出错等问题。当前，远程采集获取到的站端设备数据 1500 份，按照单次单张素材研判20秒钟计算，完成一次设备隐患缺陷研判耗时500分钟，年度人工研判耗时3041小时。

基于RPA+AI融合技术的变电设备隐患缺陷智能识别应用，彻底将变电运维人员从繁重的图像数据研判工作中解脱出来，工作人员仅需在制定目录下查看巡视结果，选择性对智能化识别结果进行校核。更重要的是，该成果的应用便于更加及时、高效发现站端设备运行的隐患缺陷，可更加有针对性安排电网检修计划，对于支撑电网安全运行方面具有十分重要的保障作用。

总结起来，仅在单个地市应用该成果，年度便可节约人工380天，按照人工500元/计算，年度可节约人工成本19万余元。该成果若铺开推广，将产生十分可观的经济效益。

04 结束语

在电力行业数字化转型过程中，重点聚焦一线跨系统、重复性、效率低、易出错等痛点问题，通过数字新技术赋能传统业务，提升基层员工的数字化运维水平，而变电站实现智能巡视一直是运维人员追求的目标。

本文围绕基层班组变电站视频巡视中批量重复流程操作、跨系统操作、人工视觉判断等长期存在的痛难点问题，运用RPA和AI技术构建变电站视频监控摄像头故障巡视和设备缺陷判断架构模型设计，在不改变原有信息系统的情况下，构建摄像头巡视模型、变电站图片识别模型，实现了变电站摄像头、高清图片的自动化巡视，极大的减少了值班监控人员重复性的操作和人工判断，节约了大量的人工时间，解决了一线运维班组日常巡视难题，为后期变电领域其他应用场景应用，提供了有益借鉴。

未来电力企业将开展更多业务、更多应用、更多场景的探索，将人工智能技术的推理、判断、决策能力，与RPA技术深度融合，实现RPA流程自动化的认知能力，打造智能化的流程机器人，全面赋能电力业务，助推电力企业全业务数字化转型。

▷参考文献

[1] 周娟，周劼翀，倪玉，王辉华，等.RPA 技术自动化运维的研究及应用[J].电脑编程技巧与维护，2022，（03）：132-134

[2] 袁笑寒.机器人流程自动化技术在营销业务中的应用[J].大众用电，2022，37（02）：46-47

[3] 胡全贵，谢可，任玲玲，等.人工智能在电力行业中的应用分析[J].电力信息与通信技术，2021，19（1）：73-80.

[4] 刘子闻.RPA+AI 引领智能办公的机器人时代[J].上海信息化，2020，17（8）31-33.

[5] 刘海涛，段敬，王艳花，顾玮，等.基于RPA+AI 的数字员工在电力行业的应用分析与架构设计[J].电力信息与通信技术.2022，20（04）：88-93

[6] 梁倩云，潘可佳，等. 国网四川省电力公司技术中台小喔 RPA 服务平台应用白皮书[R]，成都：国网四川省电力公司， 2021.

[7] 邹仕富，张颉，等.国网四川省电力公司技术中台人工智能平台应用白皮书[R]，成都：国网四川省电力公司， 2021.

[8] 王姝.基于“RPA+AI”的企业成本决策系统研究[D]，重庆：重庆理工大学，2021.

[9] 尹雁和，贾子然，曾毅，等.变电站巡视中的图像识别技术应用[J].通信电源技术.2020 ，37（03）：141-142.

[10]傅立海.机器视觉的人工智能评标辅助工具研究与实践[J].中国招标.2019，（46）：34-38.

[11]张嘉丰.关于人工智能中图像识别技术的研究[J].电子技术与软件工程.2018，25（23）：250-251.

[12]周志勇.关于图像处理与图形识别技术的发展及应用实践[J].网络安全技术与应用.2020，（06）：144-145.

[13]肖转红.图形图像处理中的计算机技术应用研究[J].数字通信世界.2021，（10）：188-189.

[14]邓镇明.变电站智能运检监控系统及其图像识别技术的研究[D].广州：华南理工大学，2020.

[15]郑敏莹.变电站实现智能巡视的技术改造及应用[J].农村电气化.2020，（11）.47-48.

文章信息来源：电联智造，如有侵权，请联系删除。