摘要：基于精确时空位置、点云和全景图像的电网时空信息管理平台可以呈现出电网的数字化模型，结合特定的人工智能算法就能够实现电网的自动化巡检、电力的智能化调度、电网的优化规划。

电网时空信息是指组成电网的杆塔、线路、变电站等实体的位置、高程、时间、状态信息。我国幅员辽阔，电网分布广泛、拓扑结构复杂，电网的巡检投入大，故障的定位和预测难度大。基于地理信息系统和时空大数据技术构建电网时空信息系统，实现电网的数字化和智能化管理成为当前的迫切需要。

一、 建立电网时空信息采集处理系统

构建电网时空信息管理系统首先要采集电网实体的时空信息，当前主要使用定位+惯性导航设备获取采集系统的绝对时空位置信息，使用激光雷达获取电网实体的相对位置和反射率信息，使用全景相机获取电网实体和环境的图像信息。然后，对采集的电网时空数据进行处理。

图1.电网时空信息采集系统

1. 位置信息处理

使用北斗终端获取的位置数据结合惯性导航设备的轮速数据可解析出精度在10CM以内的精确位置信息，将这些位置信息通过地理信息平台标注在地图上，形成电网实体的二维仿真体系。

图2.位置信息处理结果

2. 点云信息处理

激光雷达采集的相对位置和反射率信息可以通过点云信息解析系统呈现出三维点云信息。点云数据以（x，y，z，d）形式记录每个反射点的相对空间坐标和反射率信息，通过OpenGL或VTK等三维渲染库均可以实现点云数据的呈现。反射率信息可以转换为点的相对色彩信息，使呈现的效果更加真实，具体呈现效果如下：

图3.点云信息处理结果

3. 图像信息处理

全景相机输出的数字全景照片需要通过时间和位置信息与点云信息匹配，以便进行三维建模。

图4.全景图像信息处理结果

二、 生成电网时空信息三维模型

电网时空信息三维模型是基于电网时空信息采集和处理后的数据生成的电网实体三维仿真体系，首先使用机器学习算法自动生成网格模型，然后使用深度学习算法自动完成全景图像向网格模型的贴图，最终形成电网实体的三维仿真体系。

1. 机器学习助力点云数据分析生成网格模型

使用机器学习聚类分析的方法提取出点云共面数据，然后输入网格化处理软件后即可重建出电网实体的网格模型。机器学习K-Means算法作为一种经典的“原型聚类”算法，其原型选择的是“K个聚类中心”，迭代求解的方式是以相邻两次求解的“质心”变化程度而进行的。初始化原型，也就是指定K值和K个聚类中心。这其中聚类中心的指定可以人为的输入、也可以随机选择或者其他方式，不过尽量保证聚类中心之间的距离不要选的太近。具体计算过程如下：遍历所有数据点，计算每个数据点到这K个聚类中心的距离，将每个数据点分配给距离该点最近的聚类中心所属的类别，直到最后一个数据点。更新聚类中心，也就是计算每一类的质心，并将本次计算出的聚类中心与上一次的聚类中心进行比较，如果所有的聚类中心都没有变化，则停止；如果有所变化，则将本次的聚类中心作为新的聚类中心，重复上述过程，直到所有的聚类中心都没有变化时停止该过程。点云聚类后生成的网格模型效果如下：

图5.电网空间信息网格模型

2. 深度学习助力全景图像分析生成三维模型

使用基于AI的图像识别技术将全景图像中的实例进行分割提取，将提取出的元素实体贴图到时间和位置信息对应的网格模型并进行渲染。图像实例分割可以分解为两个子任务：局部形状预测和全局显著性生成。两个分支的输出被组合起来形成最终的实例掩码。具体实现中，可以通过MCG算法为每个图像生成2k个候选区域，联合训练两个网络，从区域bbox和区域前景提取特征，基于CNN最后的特征训练SVM区分每个类别对许多重复覆盖的区域进行非最大压制（NMS）。贴图渲染后效果如下：

图6.电网空间信息三维模型

三、 基于AI的电网时空数据分析

AI除了能助力电网时空信息三维模型的生成过程，还能广泛应用于电网时空数据分析，提升线路巡检、电力调度、电网规划的效率和智能化水平。

1. AI助力线路巡检

输电线路在正常的情况下符合标准的悬垂曲线方程，在线路老化或腐蚀导致介质分布不均匀或者质心变化时，线路就会偏离标准方程。通过图像识别可以快速判断线路各段的健康状况，如果严重偏离标准方程，可能是线路已经损坏或者多股线路并线，需要发出告警。

2. AI助力电力调度

基于三维模型结合线路的能量负载数据，AI能够判断电力调度意图的较佳路径和分配方式。随着新能源、分布式光伏项目爆发式增长地“接入”电网，电网运行受到诸多不确定因素影响。借助人工智能，可以通过电网拓扑结构和用电需求信息，以数据驱动改进传统物理建模方式，预测电网运行状态。

3. AI助力电网规划

基于三维模型及其环境信息，AI能够分析出每个电网设备的安装、运维、运营成本，优化电网建设规划。电网规划的复杂性不仅在于设备的多样性和数量庞大，还在于要关心许多难以用数学模型精确描述的不确定性因素，将电网空间信息及AI方法引入配电网规划问题研究，结合了时空数据分析及网络分析的拓扑特性和人工智能方法的鲁棒性及高效性优势。

四、 结束语

电网时空信息管理是实现电网数字化、智能化的有效方法，基于精确时空位置、点云和全景图像的电网时空信息管理平台可以呈现出电网的数字化模型，结合特定的AI算法就能够实现电网的自动化巡检、电力的智能化调度、电网的最优化规划。

展望未来，电网时空信息管理平台加上各类电力物联网终端及传感器采集的数据，可以实现电网数字孪生体，在数字空间中实现对电网运行状态的映射，可视化地将电力调度和电网维护指令下发到每一个末端设备和控制系统。电网数字孪生体结合各类电网AI模型后能够实现各类巡检、调度、规划业务的模拟仿真。例如，对于电网巡检，可以模拟各类巡检参数对电网运维的价值；对于电力调度，可以模拟夏季用电高峰来临时的电网负荷和区域分布情况，提前规避瓶颈和风险；对于电网规划，可以模拟规划中的新建电网的运营情况，提前预知收益、避免亏损。