适用于电力场景的人工智能中台技术研究与探索

目前电力人工智能技术在电力各业务领域都有一定的应用成果,但大多在业务应用层面,缺少对人工智能技术系统级的解决方案。文中对人工智能在电力行业应用落地存在的问题进行探讨,给出了解决办法。针对样本收集面临数据分散、收集困难的情况,一方面建设统一平台进行样本收集,使得各地样本收集快速、简便;另一方面引入数据回流思想,将推理侧检测的数据传回样本收集平台,实现样本筛选、收集流程自动化。对于数据标注工作量大的问题,提出了主动交互式标注技术,实现样本数据智能标注。对于模型训练样本量少的问题,引入迁移学习的思想,采用预训练模型,在不影响模型效果的同时,还减少模型训练时间。对于模型迁移至边端设备,因边端设备架构、模型框架造成模型移植性差的问题,基于开放神经网络交换（ONNX）实现不同目标架构的模型转换,解决硬件兼容的问题,提升模型的复用性。