3月24日，國網浙江電科院自主研發的輸電線路“掛點金具紅外圖像發熱缺陷智能識別算法”在國網浙江公司無人機自主巡檢平臺正式上線。該算法作為第五個上線的智能識別系統，標志著浙江電網輸電線路五大關鍵部件（復合絕緣子、瓷質絕緣子、壓接金具、引流線及掛點金具）全面實現發熱缺陷AI智能識別模塊，為電網安全運行裝上“紅外大腦”。

輸電線路作為能源體系的“大動脈”，其復合絕緣子、金具等關鍵部件長期暴露于沿海鹽霧、極端溫濕度等復雜環境中，易因老化腐蝕引發絕緣性能下降、機械強度衰減，威脅電網穩定。2020年以來，我省輸電線路五大類關鍵部件引起的故障80余起，對保障電力供應的穩定性和可靠性帶來極大挑戰。

圖：無人機自主巡檢。

傳統人工巡檢面臨紅外圖像分析效率低、專業依賴度高、誤判率高等瓶頸，全省每日12000張巡檢圖像需3人耗時20天完成，人力成本與技術壓力巨大。

為突破這一難題，浙江電科院創新地將人工智能技術與設備專業缺陷機理相融合，自主研發多模態融合算法模型。該算法可在復雜環境的紅外圖片中，自動識別發熱缺陷。經實戰驗證，系統平均檢出率超81%，誤檢率低于1.7%，分析效率較人工提升百倍——單日12000張圖像僅需1小時即可完成智能診斷，疑似缺陷能及時通報運維部門復核并消除發熱缺陷，有效保障電網安全，真正實現“算法代人”的智慧運維。

該技術已在浙江全省超高壓輸電線路中實戰應用，截至目前，“紅外大腦”已先后發現五大類關鍵部件37起發熱缺陷，并支撐運維單位完成消缺，獲得國網浙江省公司安全生產特殊貢獻獎。

近期，浙江電科院已將“紅外大腦”小型化，形成了邊緣算力檢測裝置，后續將打通邊緣裝置與省側平臺，構建“云邊協同”的紅外分析體系，實現紅外無人機巡檢“邊飛邊識別”，現場發現缺陷，現場復測復核，進一步提高巡檢效率。

下一步，國網浙江電科院將繼續深入基于大模型的輸電線路發熱缺陷智能識別算法研發，利用大模型的理解、生成能力，探索紅外圖像拍攝質量判別、發熱缺陷判斷及復測、消缺運檢策略推送等等一站式能力建設，推動電力運維從“被動響應”轉向“主動預防”，為新型電力運維建設提供浙江方案，為區域經濟發展提供可靠電力保障，助力共同富裕示范區建設。（國網浙江電科院：姜凱華 鄭綱 李澤宇）