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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。