一种开放式的电力AI应用平台制造技术

本发明专利技术公开的属于电力应用平台技术领域，具体为一种开放式的电力AI应用平台，包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层，所述硬件资源层、所述操作系统层、所述算法层、所述用户层、所述算法接入层、所述数据库层、所述通信层和所述管理层之间电性串联，该种开放式的电力AI应用平台，集成了多个厂家、多种神经网络框架、多种算法模型的输电类、变电类、作业行为类等电力人工智能算法，支持算法厂家迭代更新，可对算法进行验证并给出科学评价结果，同时支撑多用户在线使用和下载本平台的算法，满足用户对输电、变电、作业行为等多类算法使用、检测、验证的需求。

【技术实现步骤摘要】
一种开放式的电力AI应用平台
本专利技术涉及电力应用平台
，具体为一种开放式的电力AI应用平台。
技术介绍
电网是电力系统中各种电压的变电所及输配电线路组成的整体，称为电力网。它包含变电、输电、配电三个单元。电力网的任务是输送与分配电能，改变电压。随着国家经济的快速发展，输变电业务也加速扩展，不断增长的输电线路长度和变电站数量使得运维工作责任重大、任务繁重，变电站（尤其无人值守变电站）数量和输电线路长度显著增加，运检工作日渐繁重，但人员配置有限，运检工作量与人员数量的矛盾日益突出。传统运检模式中的大量工作仍采用人工就地操作、手动抄录、现场频繁往返等形式，缺乏对设备、设施、部件状态的有效监控手段，对各类异常状况的响应不及时，随着AI技术的逐步成熟和实用化推进，提出了“更安全、更可靠、更智能”输变电运检要求。目前，传统依靠人工巡视的运检模式，无法及时有效的掌握变电站内设备和输电线路及设施的运行状态，基于人工智能技术的各类输变电设备、设施、部件的缺陷识别算法的应用，使得输电业务运检业务的工作效率得到了较大提升，减轻了运维人员的工作量，可电力AI算法的识别率距离实际的应用需求尚存在一定的差距，亟需加快迭代更新速率以促进真正的实用化，基于人工的缺陷图片的收集、模型的训练及算法应用效率较低，无法跟进人工智能技术的快速发展。
技术实现思路
本专利技术的目的在于提供一种开放式的电力AI应用平台，以解决上述
技术介绍
中提出的电力AI算法的识别率距离实际的应用需求尚存在一定的差距，亟需加快迭代更新速率以促进真正的实用化，基于人工的缺陷图片的收集、模型的训练及算法应用效率较低，无法跟进人工智能技术的快速发展的问题。为实现上述目的，本专利技术提供如下技术方案：一种开放式的电力AI应用平台，包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层，所述硬件资源层、所述操作系统层、所述算法层、所述用户层、所述算法接入层、所述数据库层、所述通信层和所述管理层之间电性串联，所述管理层包括开放式使用、配置管理、版本管理、更新管理、验证管理和统计管理，所述硬件资源层采用GPU服务器集群的方式，以GPU卡为粒度分配资源形成GPU资源池，支持多种硬件组成的混合集群统一管理，具备硬件资源状态监控管理、负载均衡和平滑扩容的功能，支持多机多卡任务，所述用户层包括网络用户、算法开发者和算法厂家。优选的，所述算法接入层提供算法统一接入规范，可接入不同算法厂家、不同网络模型的电力人工智能算法。优选的，所述数据库层包括商用数据库和根据平台管理层功能设计了相应的数据库表结构及其关联关系。优选的，所述通信层采用RabbitMQ多语言通信。优选的，所述算法层包括输电类、变电类和作业行为类算法。优选的，所述操作系统层包括Linux操作系统。与现有技术相比，本专利技术的有益效果是：该种开放式的电力AI应用平台，集成了多个厂家、多种神经网络框架、多种算法模型的输电类、变电类、作业行为类等电力人工智能算法，支持算法厂家迭代更新，可对算法进行验证并给出科学评价结果，横向对比有助于针对该识别目标的不同神经网络架构、算法模型之间的优劣选择，逐步推进针对同一识别目标找到最优神经网络架构和算法模型，同时支撑多用户在线使用和下载本平台的算法，满足用户对输电、变电、作业行为等多类算法使用、检测、验证的需求，促进了算法厂家之间的交流与合作，为人工智能算法在电力行业的应用提供了更为开放和共享的平台。附图说明图1为本专利技术平台设计方案框图；图2为本专利技术平台工作流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供一种开放式的电力AI应用平台，通过配件组合运用，便于方便用户使用各类输变电算法，并加快算法应用和效果反馈速度，推动人工智能技术在电力行业的发展，请参阅图1-2，包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层；请再次参阅图1，各系统层之间相互串联，具体的，包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层，硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层之间电性串联，管理层包括开放式使用、配置管理、版本管理、更新管理、验证管理和统计管理，硬件资源层采用GPU服务器集群的方式，以GPU卡为粒度分配资源形成GPU资源池，支持多种硬件组成的混合集群统一管理，具备硬件资源状态监控管理、负载均衡和平滑扩容的功能，支持多机多卡任务，用户层包括网络用户、算法开发者和算法厂家，管理层可对算法参数进行配置，对算法更新、版本进行管理，利用算法验证功能实现算法更新前后的效果比对，对算法从漏报率、误报率、AP值等多维度进行评价，明确算法提升效果的纵向对比，另可针对同一算法进行多厂家间的横向对比，为用户选择算法厂家提供科学依据，支持用户在线使用和免费下载，便于用户体验算法效果；在具体的使用时，首先部署到互联网，用户通过域名即可访问，访问后需注册才可使用本平台的功能，平台对用户进行了分级管理，根据用户是否管理员区分可见功能，若用户具有管理员权限，则可以查看平台中的各类算法的状态、使用各类算法对待检测图片进行在线检测或算法验证功能，算法在线检测和算法验证功能的区别在于，是否有对于此次检测图片的标准结果答案，若有则为验证任务；用户发起一个检测任务时，首先选择算法类型，算法类型包括输电类、变电类、作业行为类以及其他类算法，部分算法在使用前需要进行参数设置，例如电子周界算法，需要提前设置好周界的区域坐标，上述工作完成后，下一步选择待检测的对象，该对象可以是图片也可以是视频，此外，检测对象的来源可以是在本地也可以来自网络，选定待检测对象后，则可以启动检测任务，在检测过程中用户可以看到检测任务的进度，可以对已检测完的部分图片和视频的检测结果进行查看，待全部检测对象检测完成后，平台会对检测结果进行统计，包括此次算法的误报率、漏报率、AP值等反应算法效果的指标。本专利技术对于检测图片或视频按照检测任务进行管理，作为对该算法进行客观评价的基础数据，若算法进行了优化或者采用了新的神经网络架构，可有针对性的采用同一批检测图片或视频进行测试，明确算法优化的效果和提升率。请再次参阅图1，为了实现算法厂家、算法类型的动态扩展，具体的，算法接入层提供算法统一接入规范，可接入不同算法厂家、不同网络模型的电力人工智能算法。请再次参阅图1，为了对平台的管理层提供了数据支撑，具体的，数据库层包括商用数据库和根据平台管理层功能设计了相应的数据库表结构及其关联关系。请再次参阅图1，为了实现算法快速接入和灵活配置，具体的，通信层采用RabbitMQ多语言通信。本文档来自技高网...

【技术保护点】
1.一种开放式的电力AI应用平台，其特征在于：包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层，所述硬件资源层、所述操作系统层、所述算法层、所述用户层、所述算法接入层、所述数据库层、所述通信层和所述管理层之间电性串联，所述管理层包括开放式使用、配置管理、版本管理、更新管理、验证管理和统计管理，所述硬件资源层采用GPU服务器集群的方式，以GPU卡为粒度分配资源形成GPU资源池，支持多种硬件组成的混合集群统一管理，具备硬件资源状态监控管理、负载均衡和平滑扩容的功能，支持多机多卡任务，所述用户层包括网络用户、算法开发者和算法厂家。/n

【技术特征摘要】
1.一种开放式的电力AI应用平台，其特征在于：包括硬件资源层、操作系统层、算法层、用户层、算法接入层、数据库层、通信层和管理层，所述硬件资源层、所述操作系统层、所述算法层、所述用户层、所述算法接入层、所述数据库层、所述通信层和所述管理层之间电性串联，所述管理层包括开放式使用、配置管理、版本管理、更新管理、验证管理和统计管理，所述硬件资源层采用GPU服务器集群的方式，以GPU卡为粒度分配资源形成GPU资源池，支持多种硬件组成的混合集群统一管理，具备硬件资源状态监控管理、负载均衡和平滑扩容的功能，支持多机多卡任务，所述用户层包括网络用户、算法开发者和算法厂家。


2.根据权利要求1所述的一种开放式的电力AI应用平台，其特征在于：所...

【专利技术属性】
技术研发人员：杨可军，张令意，张可，茆骥，张庚生，黄文礼，王柳，康伟东，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
类型：发明
国别省市：安徽;34