广州电网是中国最早的区域电网之一,位于广东500千伏主环网中部。作为南方电网交直流混联运行、西电东送的受端负荷中心,这里也是全国供电负荷密度最大的城市电网之一。这一区域拥有110千伏及以上变电站364座,主变容量8661万千伏安,为广州快速发展提供着国际先进水平、安全可靠、优质经济的电力供应。
负责广州电网投资、建设与运营的广州供电局担负着广州市11个市辖区的供电任务,供电面积7434平方公里,供电客户645万户。通过积极践行“万家灯火、南网情深”的核心价值观,他们在广州社情民意研究中心"广州社会心理与情绪追踪调查"中,电力供应已经连续11年位列18项经济类评价指标满意度第一。
随着输电自动化、巡检无人机、变电站巡检机器人、智能配电房等各项工作的深入推进,经过多年的发展,广州供电局视频监控系统已经覆盖到输、变、配电各个环节,为广州电网的安全稳定运行奠定了坚实基础。
但是这一始建于2008年的视频监控技术的应用系统也面临着更多、更深入的挑战。12年来根据需求,逐渐完善输电视频监控系统、变电视频监控系统、配电视频系统,并部署了一系列分散的单兵视频设备,视频规模总体上接近12000路左右,每月将近10PB的数据量;且系统内部,输、变、配相关系统视频均采用分散建设、独立采集,导致功能单一,数据暂时无法实现业务协同。
座拥庞大的千里眼网络,如何才能智慧协同,实现电网智慧化呢?
2019年,广州供电局部署了一套输变配一体化视频监控平台。该解决方案基于一体化平台实现视频数据采集、存储、分析,为视频智能应用提供基础,在一体化视频监控平台基础上安装智能巡视、智能操作、智能安全等应用系统。
该平台的核心部分由视频联网系统,视图库,视频分析以及视频数据服务与门户组成。视频联网平台可实现目前广州局智能配电房、变电站、输电以及安保视频的统一接入及管理,同时包括动力环境监控、设备工况监控等物联网数据接入。平台集成视频数据服务与门户实现基础应用,包括系统管理,资源管理,报警管理,智能运维,视频监控,在线监测,实时报警等功能。
除此以外,广州供电局的输变配一体化视频监控平台还拥有 “智慧大脑”。
在输电环节,通过无人机、机器人、视频装置的自动操作、智能定时巡检、集群作业,以及多机协同联合作业,使巡检准确率、效率大增。
在变电站内,为变电站内的所有10kV以上断路器、隔离开关、线路接地刀闸、开关柜开关小车等一次设备以及关联二次设备的智能操作提供远程操作二次确认。
在配电房,为配电房内的所有10kV开关柜等一次设备以及关联二次设备的智能操作提供远方操作二次确认。
同时还可应用刀闸识别、智能读表等视频智能分析技术,实现对设备运行状态的预警和监控,提升了运维效率。
通过数字化转型升级,广州供电局践行“以系统智能分析为主、人工判断为辅”,努力打造南方电网公司高质量发展的“广供样本”,广州供电局的实践也诠释出了新基建的意义,为广州老城市焕发出新活力。
活动预告
2020年,华为中国生态大会进入第十年。伫立十年关口,本次大会将为您呈现全新的生态篇章。因聚而生 举势而为 ——华为中国生态大会2020,“华为搭台、伙伴唱戏”的 “众筹办会”模式闪亮登场,诚挚邀请您共同参与,把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。