“数字员工”何以成为生产运行多面手？｜大模型冲击波

“帮我找一张玻璃绝缘子自爆的示范图片。”对话框在输入这句话后，马上弹出一张范例图片。在南方电网人工智能科技有限公司（以下简称“人工智能公司”），员工们已经越来越接受这种一呼百应的“数字员工”。

近日，人工智能公司上线自主研发的电力系统多模态大模型，在电力系统多任务场景指示学习（Instruct Learning）、故障缺陷小样本训练、模型精度提升和电力数据自动化标注等方面展示了突出能力，也为南方电网节省了时间和人力成本。

问答：掌握电力系统大模型的微调技术让准确率提升一成

上线大模型后，人工智能公司得以实现“有事不决问模型”。

人工智能公司开发负责人董召杰介绍，电网图片缺陷库数据多，覆盖了好几十种类型，以前是靠人对着图片找相应类型的精确图片，而现在直接通过对话来找，既省时又省力。

再比如，在对话框输入，“找一个有鸟巢的图片”，系统可以自动检索出来。鸟儿喜欢在电网上筑巢，对电力行业来说并不是什么好事——遇上下雨天可能会倾覆，引发短路，影响电力供应。

算法专家赵必美演示用大模型自动检测图片，输入“帮我看一下这张图片有哪些部件，以及存在哪些缺陷。”很快，大模型便给出了检测结论，在图片中一块非常不起眼的地方，缺失了一块玻璃绝缘子。

电力系统作为重要基础设施，输电通道损坏少，所以缺陷样本稀少，过去的AI模型通常需要几百张的缺陷样本才能完成训练，而计算机视觉大模型仅需要数十张照片就可以完成训练。

传统的AI模型到达一定程度后，准确率很难继续提高，而使用大模型相关技术后，模型的准确率比以往提升了10%，能够更好地识别电线、电房、电站的缺陷。

传统的AI模型往往需要重复和枯燥的大量的数据标注工作，而大模型可实现数据自动化标注，让员工有时间做更有价值的工作。

“电力系统大模型是语义大模型和视觉大模型的融合，电力系统的场景非常复杂，我们为此做了大量的微调（FineTune）工作，按照指示学习的技术原理，以适应多任务的操作。”人工智能公司副总经理、南方电网公司高级技术专家梁寿愚也表示，这意味着，训练出来的电力系统大模型既要懂专业知识，还要能生成解决方案及其步骤。

电力调度：极端情况下秒级出方案胜过老师傅

除了图片检索外，大模型在电力系统中的另一大应用就是电力调度。

在防误操作中，如果遇上线路停电，按照传统的流程机制，要先断开中开关，再拉开边开关，再由程序员将代码“锁定”，这适用于日常已形成流程化的工作。

大模型的不同之处在于，它会针对操作指令做语义分析，结合知识图谱，找到相应任务和设备的操作，因此可以针对一些新的突发状况做灵活处理。

大模型深入产业，也使得企业的知识与经验的传承模式发生深刻的变化：在电力调度中，老师傅将掌握规程的经验，沉淀成为电脑中的模型，通过一段文字呈现出来，大模型根据这句话做语义分析，能够理顺不同主体之间的关联关系。

“AI调度机器人目前比较适合平稳状态下的电力调度，但在极端天气、遭遇攻击、故障处理等情况以及预案演练等场景下如何实现智能决策，还需要进一步研究。”梁寿愚说。电网操作是实时的，绝大多数是秒级完成处理，大规模电网对象接入后，新型电力系统的秒级实时调控是一个世界性难题，调度员在调度台上，常用危险断面控制就有五六百个，不常用的则有上千个，如此庞大的控制指令需要借助大模型拟合快速出策略。

人工智能公司提供了不少特定场景下的小模型，如智能巡检、三维建模等，也由此建设了行业人工智能基础设施，并开始提供大模型的训练基础设施、算法、训练和微调服务，服务于电力的发输配变用调等各个方面。

AI在电力调度上的成效，也确实让人眼前一亮。今年年初，由南网总调和电机工程学会电力系统自动化专委会主办的第四届电力调度AI应用大赛上，基于电网实时运行数据，22支参赛队伍开发、训练及部署了的AI在线调度员，前三名在计算时间、危险断面控制、清洁能源消纳、系统运行成本等维度都超过了人工。

变革：以大模型为入口向终端应用扩散

悄然间，大模型带来的不仅是工作效率的提升，还是工作方式的变革：过去，年轻的工程师拿了一张图片，得找人问一下，或者上传图片到系统上找专业人士来咨询。但实际上这有一定的壁垒——上传到指定线路，专业人士也要有权限、登陆账号，做完一系列操作才能得到结果。

接下来，各业务系统将与电力大模型结合，大模型可以理解为一个大底座，不同的业务系统就像插件一样放上来。比如说，云景系统，是一个全网生产运行的平台，集成了电量、负荷、充电桩工作情况等实时数据，通过插件或接口方式，接入到大模型后，在一个“框里”就能查看，不需要再登陆云景系统。

伴随着技术的进步，大模型的广泛应用能够以较低成本解决好困扰能源行业多年的问题，为行业的进一步发展起到推动作用。同时，大模型在认知智能上的突破，可以让AI比以前更好、更深度地掌握行业知识，成为行业专家，以更高效、更容易理解的方式辅助人类工作。

随着各家科技公司纷纷入局大模型，梁寿愚对此认为，这不意味着大模型门槛就低，行业数据依然是最大的痛点，特别是在搜集文档形成提示样本方面还需要下功夫。以人工智能公司为例，负责整理文档、数据和撰写提示（prompt）这些“脏活”的劳务团队就超过40人，与OpenAI这方面的劳务投入是对应一致的，否则大模型会“学不到电力系统知识，或者学到不应该学的”的东西。

更多的技术公司则陷入“拿着锤子找钉子”的误区——拿着技术去找场景，这显然是一种本末倒置的行为；技术应该帮助提高人的技能并实现降本增效，正如工业场景中的缺陷检测，首先应该是帮助员工，而不是取代员工。

内容链接

动嘴即可改设计，人人都能做“甲方” 大模型冲击波

不争一时的腾讯，为何一口气发布50多个方案？ 大模型冲击波

我有一个分身，可以和“自己”聊天 大模型冲击波

【文字】南方+记者 郜小平 实习生 郭峻豪

【海报】吴颖岚 谭唯

【统筹】程鹏 郜小平

【策划】陈韩晖

【出品】南方产业智库

【作者】 郜小平；吴颖岚；谭唯

南方产业智库