6月20日，在中国电科院人工智能应用学术研讨会上，来自科研院所、高等院校、企业的人工智能和电力领域的院士、专家齐聚一堂，面向人工智能技术前沿，际会思想、砥砺智慧，为国家电网公司人工智能技术发展建言献策。

　　当前，人工智能加速发展，已经具备在各领域落地应用的条件。党中央、国务院高度重视人工智能技术的发展，将其上升为国家战略。2017年7月，国务院印发《新一代人工智能发展规划》，国家科技部公布首批人工智能开放创新平台，推进人工智能创新和规模化应用，促进人工智能与实体经济深度融合。人工智能技术作为新一轮产业变革的核心驱动力、经济发展的新引擎，将带动各行业形成智能化新需求，催生一大批智能化新技术、新产品、新产业，推动社会从数字化、网络化向智能化飞跃。

智能电网的发展，也为人工智能技术应用提供了广阔的平台。基于数据驱动的电力人工智能技术将发挥越来越重要的作用，并将成为电网发展的重要战略方向和电网智能化发展的必然解决方案。

　　人工智能技术是助力新一代电力系统建设的重要支撑，是推动电网管理方式创新的重要引擎

　　人工智能技术在电网建设、经营、决策、管理等领域中具有广阔的应用前景，将对提高大电网驾驭能力、保障能源安全，更好地服务经济社会发展发挥积极的作用。

　　研讨会上，国家电网公司副总经理、党组成员杨晋柏表示，公司全力推动人工智能与电网生产运营的深度融合，形成了总部统一规划、直属科研产业单位提供技术和装备支撑、省(市)电力公司落地应用的人工智能创新体系布局，明确由中国电科院负责人工智能在电网中的应用技术研究。这是公司加强人工智能应用领域研发力量、完善人工智能创新体系布局的重要举措，表明了公司支持人工智能技术发展的信心和决心。

　　中国电科院作为国家电网公司直属科研单位，30多年来，持续开展电力领域人工智能应用技术研究，在输变电工程智能巡检、电网运行辅助决策、配用电数据智能挖掘与模式识别等方面取得了阶段性成果。

　　中国电科院副总经理(副院长)王继业在题为《人工智能重点研发方向及发展规划》的主旨报告中提出，与传统电网相比，能源互联网不再是源、网、荷构成的工业系统，而是开放共享的，包含社会因素和人的意愿的互联系统，具有广泛互联、平等接入的特点和互联网的特征与效应。而与传统互联网相比，能源互联网也有着本质不同。传统的互联网是模式驱动，而能源互联网则是以技术为核心。采取数据驱动的人工智能技术，是支撑新一代电力系统的重要手段。

　　主旨报告阐述了电力人工智能的七个核心技术方向的分层架构。其中，智能传感以构建全业务泛在电力物联网为目标，集成先进技术、创新研究，突破先进感知、边缘智能、网络连接、微源取能等核心技术;人工智能平台将提供丰富的算法和模型库，并形成人工智能应用研发的全流程一站式服务;大数据将继续研究数据驱动的研究方法，重点开展大数据统一平台、数据分析挖掘、统一数据模型等技术研究和应用需求及业务模型研究;机器学习构建面向电力系统的机器学习算法库并研发针对特定电力业务场景的机器学习应用模型;计算机视觉将重点研发电力影像资源库、电力影像智能辅助标注技术、电力设备检测与缺陷识别算法，形成设备级电力视觉模块，实现实时设备识别和缺陷检测;自然语言处理将构建电力主题词表，研究电力文本特征提取、本体建模、知识加工和推理等技术，构建调控、运检和营销等领域知识图谱，并最终形成新一代电力智能搜索和问答解决方案;智能机器人将重点突破智能算法封装、自主识别、自主行为、自主学习、人机协作等核心技术，实现电力机器人的自主和智能化。

　　研讨会展望了电力人工智能技术在新能源消纳、大电网安全和稳定、新兴负荷感知与预测、电力资产管理与智能化运维等四大领域的应用场景，提出打造能源电力系统的AlphaGo、实现能源电力系统的无人驾驶，最终形成电网的数字与物理双平面的发展目标。

　　人工智能的关键技术与发展趋势表明，电力人工智能前景广阔

　　研讨会邀请了中国工程院院士谭建荣，介绍国内外智能机器人的研究现状和发展趋势。他提出，智能机器人的本质是和人一起协同工作，提高机器人智能化程度的关键在于人工智能技术的发展和应用。制造业是支撑人类生存和发展的基础产业，世界各国对制造业都是高度重视。而智能制造的核心在于提高机器的智能化程度，即人工智能技术的结合与应用。人工智能应该以知识库和知识工程为基础。“离开了知识，人工智能就空洞了，变成无源之水、无本之木。”谭建荣说，人之所以有智能，是因为人是有知识的，现在搞人工智能技术应用的核心就是知识工程。

　　谭建荣认为，过去，智能制造以机器为中心;现在，要强调人机和脑机交互。过去，强调个体智能，现在，要强调基于网络的群体智能。

　　此外，谭建荣还梳理了智能装备与智能机器人的十大关键技术，一是基于视觉的环境三维感知识别技术，二是多源头多数通道传感异构数据融合技术，三是基于环境理解的全局精确定位技术，四是多机协同的集群华交互与控制技术，五是大数据驱动故障诊断，六是大数据驱动的多模式融合学习，七是多约束下机器人运动路径规划，八是多任务自适应协同的群智决策技术，九是产品知识图谱与知识网络构建，十是机电液一体化云平台知识服务技术。

　　清华大学计算机系教授李涓子所作的《知识工程及其领域知识图谱构建》学术报告，阐述知识工程是人工智能非常重要的一个分支，是我们从看到数据、理解数据、转化知识和形成智能的转换过程，可以帮助我们做决策，让我们有更好的生活或者生产的方式。她总结了知识工程的三个关键技术，一是知识引导和数据驱动相结合的知识表示和计算;二是知识图谱技术平台化、建立知识引擎;三是知识图谱应用多样化、创新知识应用。

　　北京大学大数据科学研究中心特聘研究员朱占星介绍了机器学习的流程，指出决定其学习效果的因素主要是目标函数和训练方法。他展示了其研究团队近期在交通标志识别中进行稳健学习的尝试，并指出在深度学习领域仍没有很好的数据工具能实现对目标函数的精细刻画，后续深入的研究还需要数学分析、几何、统计学、统计物理、博弈论等多学科的共同努力。

　　在本次研讨会上，与会专家、学者从各自的研究领域深度解读了人工智能的关键技术与发展趋势，共同探讨了人工智能支撑能源互联网发展中的难题。研讨会向人们传递出一个信息——电力人工智能前景广阔,在各方的共同努力下，一定会取得丰硕成果。