特约主编寄语

推动能源革命，建设清洁低碳、安全高效的现代能源体系，是我国能源技术创新的行动计划。智能电网是将先进的传感量测技术、信息通信技术、分析决策技术、自动控制技术与能源电力技术以及电网基础设备高度集成的新型现代化电网，是围绕能源效率提升目标提供智慧能源技术支撑的重点发展方向之一。基础设施和装备、信息通信、智能调控是现代电网关键技术创新的3个战略方向，先进输/变/配电装备技术、现代复杂大电网安全稳定技术两大技术已被纳入现代电网关键技术创新的10个创新行动。

物联网是指通过传感器、射频识别技术和全球定位系统等信息传感设备，实时获取物体的声、光、热、电、位置、环境等信息，利用各种方式将物体接入互联网，在物体间进行信息的交流和传送，以达到对物体感知、定位、监控、管理等目的的网络。物联网的输/变/配电及用户端设备具有感知能力、通信能力，能够被识别，可以被控制。

人工智能在图像识别、数据挖掘、深度学习等多个领域已逐步走进了电力设备的真实应用场景。已发展了20多年的输/变/配电设备状态及环境信息监测/检测技术为我国电网的智能化建设积累了海量数据。大数据、大计算能力为基于多层神经网络的机器学习模型的深度学习提供了大展身手的机会。以近年来快速发展应用的架空线路机巡，电缆、GIL、变电站的机器人巡检等为代表的新技术，开始发挥出人工智能真正的价值。而提供电力设备大数据的封装微小传感器组网的高可靠性、环保安全、低损耗、紧凑化和智能化电气设备对先进材料、结构设计、制造工艺、传感模型等基础研究提出新要求。电力设备电气性能、机械性能和环境适应能力等研究从实验室向运行数据人工智能化应用的扩展出现了新问题，如基于真实、运行缺陷/故障小样本数据，对电力设备如何优化材料结构，如何实现准确诊断状态、准确预警故障，甚至准确预测使用寿命。

在能源革命和人工智能技术革命的双重背景下，《广东电力》编辑部组织了“人工智能物联网技术在输配电领域中的应用”专刊，旨在共同研讨相关领域的新理论、新技术、新应用，共同促进我国电网的智能化发展。我们荣幸地受邀担任此次专刊的特约主编，本次征稿共计征得五十余篇文章，经过严格审核，最终收录22篇，内容涵盖了输/变/配电领域人工智能和物联网技术以下4个主要方面。

1 设备感知技术

华南理工大学郝艳捧团队证明了利用表面光纤光栅检测复合绝缘子温升的可行性，实现了复合绝缘子轴向、周向温升等时间、空间演化的同时检测，为复合绝缘子异常温升研究提供了一种实验室检测方法。哈尔滨理工大学赵洪团队依据声传播基本理论和声场有限元仿真方法设计了可通过固体介质耦合声波的法-珀传感器结构，提出了在固体介质表面安置法-珀传感器进行局部放电检测的方法。华北电力大学万书亭团队提出了一种基于振动响应多维度联合特征的变电站瓷支柱绝缘子故障判别方法，能够有效全面地提取绝缘子振动信号的特征，从而识别瓷支柱绝缘子的内部故障。华南理工大学季天瑶团队提出了基于自编码器和门控循环单元神经网络构建故障分类器，能够准确地从多种扰动信号中检测和识别电缆早期故障。华中科技大学彭小圣团队、广东电网中山供电局刘文浩等提出了基于可变噪音的高压电缆局部放电样本扩充方法，有效提高基于随机森林、支持向量机与逻辑回归电缆局部放电模式识别模型的识别精度。中国核电工程有限公司郑州分公司王旭东、许继集团有限公司王雷涛等提出了基于LoRa、电力综合数据网、4G/5G联合组网的配电网巡检通信架构，利用最新的LoRa无线通信网络技术完成前端所采集数据的可靠传输，解决配电网设备采样点分散、数据分布式处理要求较高以及传统无线传感器网络带宽不够的缺点。广东电网电力调度控制中心王乃啸、清华大学深圳国际研究生院王希林团队研究了自然污秽特性对LIBS光谱结果的影响，建立基于BP神经网络算法的绝缘子污秽成分定量检测模型，有助于实现运行绝缘子表面自然污秽沉积状况的在线监测和分析。

2 数据挖掘分析

华中科技大学李黎团队提出了基于深度文本挖掘模型卷积神经网络-双向门控循环神经网络(CNN-BiGRU)的智能变电站操作票自动化校验方法，较为准确地实现操作票正误判断，从而有效提高校验工作效率。广东电网电力调度控制中心高海翔、华中科技大学林湘宁团队介绍了知识图谱的概念、构建方法和应用，并聚焦电力系统领域，论述知识图谱在现有研究中的应用场景，结合电力系统知识特性，指出知识图谱在电力系统中应用的关键问题和可能的研究方向。华北电力大学刘云鹏团队、国网河北检修分公司武建华以绝缘子红外图像数据为研究对象，提出了一种基于YOLOv3算法的绝缘子红外故障检测方法，具有较高的工程应用价值。武汉大学易本顺团队、国家电网华中分部杨建华等提出了一种基于改进粒子群优化算法优化径向基函数神经网络模型的特高压线损预测方法。江苏电力信息技术有限公司李宝树基于M-BiJOR算法的故障诊断方法构建了一种面向电网的边缘算力优化与分布式数据存储处理模型。广东电网汕头供电局余佳莹提出了一种基于改进粒子群算法的输电网检修计划自动优化方法，有效提高输电网检修计划的日检修操作量均衡度。

3 图像处理分析

华中科技大学叶齐政团队、广东电网江门供电局叶伟玲等基于可见光照片的色度信息，提出一种识别日光下沿面放电状态的新方法。武汉大学王波团队、贵州电网电力科学研究院辛明勇等提出了基于生成对抗网络的输电线路机巡影像去雨滴方法，有效去除巡线无人机图像中的雨滴并修复雨滴覆盖区域背景图像。上海交通大学李喆团队、南方电网超高压输电公司广州局赵航航提出一种输电线路巡检图像检测模型加速与压缩算法，可以较为有效地压缩模型尺寸，加速推理过程。深圳供电局谢有庆提出一种基于分数阶微分的电力系统有雾图像增强方法，有效提升了电力系统视频监控有雾图像的可视性。广东电网广州供电局徐炫东提出基于Bernoulli-Beta共轭先验和Gaussian-Wishart共轭先验的贝叶斯统计模型的变电站巡检图像预处理方法。

4 深度学习算法

华北电力大学程养春团队、广东电网电力科学研究院岳楹超等针对现有弧垂测量方式无法有效消除系统误差的现状，提出一种基于遗传算法的输电线路弧垂计算非线性自修正方法。浙江大学肖俊、国网浙江检修分公司范海兵等提出了基于深度学习模型YOLO与Faster-RCNN模型的电力设备锈迹检测技术。西安电子科技大学杜建超团队、国网陕西电力科学研究院韦汶妍等提出一种基于深度学习网络的输电杆塔智能检测算法，实现无人机监控图像中的杆塔检测。广东电网佛山供电局麦俊佳针对人工查阅输电线路航拍照片作业量大、效率低等问题，提出了一种基于深度学习的输电线路航拍照片综合识别应用系统及方法，从而极大提高输电线路机巡照片处理效率，有效地解决输电专业巡检照片处理方面的实际问题。

本次专题重点收集了设备感知技术、数据挖掘分析、图像处理分析、深度学习算法方面的一些最新成果，期望对我国电网的智能化和安全高效运行提供有益的参考。非常感谢各位专家学者对本次专刊的大力支持，感谢《广东电力》编辑部为本专刊顺利出版所付出的辛勤劳动和认真细致的工作。