电力大数据分析

基于智能电网建设及其他已有系统发展完善所积累的数据基础，融合电力内外部数据，运用机器学习和人工智能算法，解决大数据处理阶段所面对的数据规模剧增与数据多模态问题。

电力知识图谱

利用自然语言识别技术，基于专业知识、运行操作规则、调度指令和报告、营销档案等语料，分领域构建电力知识图谱，支撑电力调度机器人、电力智能运维和智能客服等应用，最终形成新一代电力智能搜索和问答解决方案，为电网自主自控运行打下基础。

电力设备识别与缺陷检测

基于输、变、配、用以及可再生能源业务场景影像及标注数据，构建电力运检影像库；通过电力影像智能标注与检测识别，构建电力设备智能检测与缺陷识别模块；研究轻量化模型设计与边缘计算关键技术，使得检测终端单独具备检测识别能力，为电网本质安全提升提供智能电网解决方案。

智能机器人自主感知

将人工智能技术整合应用于电力巡检、电网巡查、营业服务等场景，提升电力机器人智能水平。

边缘计算

在靠近物或数据源头的网络边缘侧，通过传感器等设备完成数据的初次处理，即称为“边缘计算”。它可以作为联接物理和数字世界的桥梁。

轻量级终端智能算法

由于硬件资源的限制，边缘设备难以支持大型软件的运行，因此在边缘设备上部署应用，需要选择合适的深度学习框架和神经网络模型，根据现实需求选用消耗更少计算和存储资源的轻量级库和算法。

边缘计算迁移策略

在网络边缘处，将海量边缘设备采集或产生的数据进行部分或全部计算的预处理，过滤无用数据，即“边缘计算迁移”。边缘计算迁移可以降低传输带宽，但也应当在能耗、计算延时和传输数据量等指标之间寻找最优平衡。

边云协同

“边”指边缘计算，“云”指云端数据处理。边云协同系统包含四部分功能：架构、算力在线分配、协同通信网、迭代进化。架构依赖于云服务器的性能与智能终端的应用需求；算力在线分配实现边云协同性能最优化，平衡系统效率与安全等各方面的因素；协同通信网实现业务的快速传输，算力的快速分配；迭代进化根据终端提供的数据，不断优化边缘计算参数，实现在线升级。

物联接入与管控

建设电力物联网巡检平台，支撑传感设备、智能终端、物联网关的统一接入与管控，实现电网运行、电力设备、周边环境的全面感知与实时分析预警，形成物联数据的采集、通信、接入、管理、服务的一体化解决方案。

大数据管理分析

建设大数据平台，通过统一的控制接口与数据交互规范，整合流式采集、批量采集等数据集成框架技术，搜索引擎技术和存储引擎技术，实现对数据加速访问及分析挖掘；同时提供各类型数据存取、数据加工处理、算法模型服务，支持定制化开发。

人工智能服务

整合主流AI计算框架，提供丰富的深度学习算法和模型库，利用容器技术实现对基础资源的统一调度管理及环境快速部署，并支持模型从数据集选择、开发、训练到发布成服务全流程一站式的管理，通过建立面向对电网领域的人工智能服务平台，为电网多领域的业务应用提供算法、模型及服务的支撑，打造“平台+应用+服务”生态链条。

声明：以上内容来源于网络转载，出于传递信息及学习之目的，不代表本网站的观点、立场，本网站不对其真实性负责