“基于大语言模型、图像识别、语音识别、自然语言处理等多模态AI技术能力，电力企业可以进行更加高效的专业化模型训练、智能化分析及诊断服务，涵盖电力系统自动化控制、电力调度、生产安全管控和运维检修等方面，给电力系统装上‘大脑’‘眼睛’和‘嘴巴’”，金现代人工智能专家宗云兵博士这样介绍电力多模态AI。

当前阶段，AI应用正在从C 端逐步向电力、交通等B 端传统行业加速渗透，而多模态理解力与输入输出已然成为AI赋能各行各业的刚需。金现代作为深度参与电力行业信息化建设20余年的高新技术企业，积极推动多模态AI技术在电力行业发输变配用全领域的应用，帮助电力企业实现运维、巡检、供应链等诸多业务场景的“变革式”提升。

多模态AI+巡检：变电设备智能巡检

大电网安全与设备运维监控是电网企业安全生产常抓不懈的焦点，而变电站巡检工作的重要一环就是“发现问题”，传统巡检模式下，巡检人员需要根据下发的巡检工单，记录设备的各项运行数据，如果发现缺陷问题就上报给检修人员，作业过程口传手记、主要依赖个人经验，不仅工作效率低下，还容易发生漏检、错检等问题。

为提高变电站巡视质量和效率，保证电网平稳可靠运行，金现代将语音识别、自然语言处理、检索增强生成、大语言模型、图像识别等多模态AI技术接入巡检业务场景，帮助国家电网实现电力巡检智能化升级。

在巡检作业中，国家电网巡检人员可通过语音识别将语音转化为文本，实现巡检数据的快速录入；如果发现缺陷问题，可通过图像识别将巡查的图像数据自动转化为安全隐患的告警信息，比如绝缘管破损、变压器漏油等跑冒滴漏问题；再通过自然语言处理技术、检索增强生成和大语言模型技术将问题和告警信息输入大语言模型，由大语言模型结合隐患信息，从集聚专家经验的知识库中，提取对于故障问题的智能化回答。

宗云兵博士进一步介绍道：“比如变电站中的电力设备普遍都具备的明显特征，包括颜色、材质和纹理等，利用图像识别、大语言模型等AI技术，可对采集到的设备图像进行智能化处理，从而判断是否出现故障或非正常现象，并找到对应解决方案”。

多模态AI+运维：输电线路智能运维

提起输配电线路运维，很多人想到的是环境复杂的户外作业、高空作业，巨大的铁塔、高耸的电线杆和一眼望不到头的电线，但实际上随着技术的进步，很多电力企业早已开始使用无人机、视频监测装置等采集数据。“智能设备的接入帮我们大大减轻了运维工作量，但数据采集来以后，我们只能用较为原始的目标检测模型+人工复核方式对抓拍图像逐一判别隐患问题，工作效率仍然很低”，南方电网输电运维部门负责人表示。

如何才能让智能运维真正智能？针对南方电网的这一问题，金现代人工智能团队使用Yolov5u、Yoloe+等模型训练目标检测模型，通过图像识别技术自动定位和识别图片上的藤蔓缠绕、基础积水、基础水土流失、基础堆积杂物的位置和类别，解决了传统方式下异常图像识别准确率、发现率和处理速度低的问题，极大地推进了南方电网输电线路塔基运维的智能化。

输电线路塔基异常示例

多模态AI+供应链：采购规范化管理

在电网企业管理体系中，物资管理在整个供应链管理中发挥着重要的作用，而电力物资管理的重要环节就是招标采购。

南方电网物资部负责人指出，“以前，招标文件主要依赖业务人员个人经验手动编写，容易因为对新的招标法律法规、公司新的规章制度了解不及时产生失误，不仅效率低、规范性也难保证。引入了金现代的人工智能技术以后，通过文字识别、自然语言处理等技术即可辅助校验招标文件，解决了我们的‘老大难’”。

金现代使用Erine、Bert等训练文本分类模型以及模型融合算法，对电力采购大数据进行深度挖掘和深度学习，让物资业务人员输入招标文件中的详细评审条款信息，即可通过自然语言处理、文字识别技术实现对“招标人不得以不合理的条件限制、排斥潜在投标人或者投标人”等控标项的校验，并输出校验结果，显著提高招标文件智能化校验水平。

控标项示例

数智化转型趋势下，多模态AI技术应用场景广泛。展望未来，金现代将继续优化算力、算法，推进多模态AI技术与新型电力系统业务需求的深度融合，打造电力行业人工智能的技术策源地和创新高地。同时，公司将推出AI智能边缘分析一体机，加强与百度CV大模型等方面的技术合作，联合上下游相关方建设更好的产业生态，持续探索多模态AI在石化、金融等更多行业场景中的应用。