王耀南院士：智能无人系统技术应用与发展趋势
随着前沿科技加速应用于军事领域，智能无人系统成为现代战争的重要组成部分，世界主要军事强国均高度重视智能无人系统技术在军事领域的应用，在未来，智能无人系统将深刻影响作战方式，颠覆战争规则。而智能无人系统作为前沿科学技术（如人工智能、智能机器人、智能感知、智能计算等）的集大成者，其代表了一个国家科技实力的最高发展水平。所以，在智能无人系统领域开展研究能极大地推动现有军事、民生领域的发展。
当前，无人系统装备已在军事冲突中崭露头角，例如，在土耳其与叙利亚的冲突中，土耳其利用空军装备的安卡-S型长航时无人机和巴拉克塔TB-2察打一体型无人机，对叙利亚政府军进行了打击；俄罗斯国防部也曾公布叙利亚境内的武装分子利用载有爆炸物的无人机对其军事基地展开了集群式攻击；2020年，美国利用一架MQ-9“收割者”无人机袭击了伊朗高级军事指挥官并使其当场毙命。无人作战正在到来，智能无人系统作为未来战场的关键利器，将决定整个战争的胜利归属。
发展智能无人系统不仅会推动现有军事科技的升级与进步，还将带动民用科技的智慧性发展，包括智能交通系统、智慧家居系统、智能制造系统与智能医疗系统等。为了更加科学、快速地发展智能无人系统，各科技大国纷纷出台了一系列有关智能无人系统发展的规划与路线，力求在智能无人系统领域的发展中抢得先机，夺取制高点。相关的有美国的自主无人系统综合路线图、俄罗斯的国家武器装备计划、英国的国防创新技术框架、中国的新一代人工智能发展规划以及日本的中长期技术规划等。
近年来，从空中到空间、从陆地到海洋，各种类型的智能无人系统大量涌现，世界各强国已经逐步将智能无人系统部署到军队中，并且在一些地区冲突、反恐战场中，智能无人系统的关键作用日益增加。因此，本文将重点从未来战场的军事需求出发，基于未来战场面临的实际复杂环境的挑战，分析智能无人系统发展与应用所需的关键技术，并从军事角度分析个体增强与集群增强关键技术，阐述智能无人系统的发展趋势。
一、国内外研究现状
智能无人系统概念才提出不久，目前其研究尚处于初级阶段，国际上也未形成统一的定义，暂且将其定义为：由无人平台及若干辅助部分组成，具有感知、交互和学习能力，并且能够基于知识进行自主推理、自主决策，从而达成目标的有机整体。智能无人系统依据其作用的空间范围，可以划分为陆地无人系统、空中无人系统和海洋无人系统三大部分。其中，陆地无人系统主要包括侦察无人车、运输无人车、作战无人车、破障无人车、排爆无人车、无人车编队与指挥系统等；空中无人系统主要包括侦察无人机、作战无人机、后勤运输无人机以及无人机编队等；海洋无人系统主要包括侦察无人艇、作战无人艇、后勤运输无人艇、巡逻搜救无人艇、侦察无人潜航器、作战无人潜航器以及岸基支持系统等。本节将从以上3个部分来对国内外智能无人系统的研究现状进行阐述。
1.国外智能无人系统研究现状
⑴陆地无人系统
陆地无人系统主要用于情报搜集、侦察巡逻、扫雷除障、火力打击、战场救援、后勤运输、通信中继以及电子干扰等领域，随着陆地无人系统在战斗中的优势愈发凸显，针对其的研究愈发受到各国的广泛关注。
美国曾于1993年11月启动“联合战术无人车”项目，也即“角斗士”无人作战平台项目的前身。2006年，美国完成了“角斗士”无人作战平台全系统的设计，并于2007年正式装备海军陆战队。“角斗士”战术无人作战平台是世界上第1款多用途作战无人平台，搭载的传感器系统有日/夜摄像机、GPS定位系统以及声学与激光搜索系统等，并装备有机枪、冲锋枪、催泪弹、狙击系统、生化武器探测系统等，可以在不同的天气和地形下执行侦察、核生化武器探测、突破障碍、反狙击手、火力打击与直接射击等任务。
“角斗士”无人作战平台搭载有高机动与高生存底盘，针对该平台，还开发了便携式手持控制系统，并围绕该控制系统的抗干扰性、网络互操作性、小型化与操纵简便化等技术问题完成了一系列开发工作。但因“角斗士”无人作战平台的装甲防护能力较弱，执行任务的隐蔽性差，导致其远程侦察与控制系统面临的干扰较多。除此外，美国陆军也服役了一些其他的陆地无人系统，如“蝎子”机器人、“魔爪”机器人等。2017年，美国陆军制定了《机器人与自主系统（RAS）战略》，为开展无人作战能力建设提供了顶层规划。图1所示为美国陆地无人系统。
图1美国陆地无人系统
以色列、俄罗斯、英国和德国也相继进行了陆地无人系统的研制工作，并研发出了一系列先进的产品，产品列表如表1所示。例如，以色列研发的“守护者”系列自主无人车可以结合搭载的传感器与融合算法，自主侦察与识别危险障碍，执行巡逻、监视与小规模的火力打击任务；俄罗斯研制的MARSA-800无人车可以执行运输和后勤保障以及跟踪监视等任务，并可以在执行任务的过程中实现自主路径规划，规避障碍，该无人车已在叙利亚战场进行部署。英国和德国对陆地无人系统的研究也开展得较早，英国于上世纪60年代就推出了手推车排爆机器人，后来又推出HarrisT7触觉反馈机器人，用于执行拆弹、排爆等危险任务；德国莱茵金属公司开发的“任务大师”地面武装侦察无人车主要用于执行战术监视、危险物检测、医疗后送、通信中继以及火力支援任务。
表1 各国陆地无人系统
⑵空中无人系统
空中无人系统主要以单个无人机平台和无人机集群为主。无人机由于具有视野开阔、飞行自由、设备搭载性好等优点，被广泛应用于军事领域，并在近年来的军事冲突中起到了极大的作用。空中无人系统的主要功能包括：情报搜集、侦察监视、诱饵靶机、目标跟踪、战术打击与空中救援等。
美国空军研究实验室于2000年提出了针对无人机自主作战的概念，并对无人机的自主程度进行了量化定义，制定了发展规划。无人机自主程度量化内容与发展阶段如图2所示。
图2 自主控制水平与无人机自主化趋势
2003年，美国将空军和海军的无人作战飞机系统项目合并，启动了“联合无人作战系统”（J-UCAS）项目，开始了对无人作战飞机X-47B的研究。2006年，美海军提出了“海军无人作战航空系统”(N-UCAS)项目，旨在为航母舰载机联队引入无人作战飞机，并继续对X-47B开展研究。在2012—2014年间，又多次完成了航母弹射、着舰、触舰复飞等试验，并于2015年完成了自主空中加油试验。X-47B攻击型无人机是一款可以自主操纵、隐身性能好且适用于陆基和舰载的无人作战飞机，具备高航程和高航时的特点，装备有照射雷达、光电制导系统和孔径雷达等先进的传感器，主要功能包括情报侦察、目标追踪、电子战干扰、火力打击等。美国研制的其他空中无人系统，如“全球鹰”、“捕食者”、“猎人”和“大乌鸦”等也已在军队服役，如图3所示。
以色列研制的“哈比”无人机配备有反雷达感应器、光电制导系统和导弹，可自主攻击敌方雷达系统，如图3所示。
图3 各国空中无人系统
单个空中无人系统在执行任务时容易被干扰和打击从而导致任务失败，而空中无人系统集群则可以弥补这一缺陷，更大程度地发挥空中无人系统的优势。美国国防先进研究计划局（DARPA）针对空中无人系统集群先后启动了“小精灵”低成本无人机项目、低成本无人机集群项目、“山鹑”（Perdix）微型无人机机载高速发射演示项目、进攻性蜂群使能战术（OFFSET）项目等，通过开发和测试用于无人系统集群的体系架构、通信系统以及分布式控制算法，发展了无人机集群自主控制系统，并利用人工智能、态势感知、虚拟现实及增强现实等前沿科学技术，提升了空中无人系统集群在战场上的综合作战能力。
⑶海洋无人系统
海洋无人系统包括水面无人系统和水下无人系统2类。其中，水面无人系统主要指水面无人艇（以下简称“无人艇”），主要用于执行海上搜救、侦察监视、火力打击、巡逻安防、电子干扰、后勤保障和诱饵靶船等任务；水下无人系统主要指无人潜航器，与载人潜艇相比，其具有无人员伤亡、高隐蔽性与高自主性等优点，主要用于执行情报搜集、目标监测、战力威慑火力打击等任务。2018年，美海军发布了《海军部无人系统战略路线图》，2019年，又发布了《海军人工智能框架》，为海军作战与海洋无人系统的发展提供了路线规划与指南。
在水面无人系统方面，美国提出了“美国先进概念技术演示项目”（ACTD），其重要任务之一便是开展“斯巴达侦察兵”无人艇的研究。该项目已于2007年完成，并在伊拉克战区进行了试验。“斯巴达侦察兵”无人艇搭载有无人驾驶系统与视距/超视距通信系统，并搭载有电光/红外搜索转塔、高清摄像机、导航雷达、水面搜索雷达、全球定位系统接收机等先进传感器，以及舰炮、反舰导弹及反潜感应器等武器，主要用于执行情报搜集、目标监视、信息侦察、反水雷和海上安防等任务，具有一定的自主能力。美国研制的“海上猎人”无人艇搭载有声呐与光电传感器，以及近距、远程雷达探测系统与可扩展模块化声呐系统，主要用于执行识别、监测可疑目标，引导火力打击等任务。美国海洋无人系统如图4所示。以色列研制的“保护者”无人艇主要用于执行情报侦察、可疑目标辨别、战术拦截、电子干扰和精确打击等任务（图4）。俄罗斯研制的无人水面侦察艇可以在母舰的指挥下执行快速巡逻任务并检查、监视指定区域，搜寻情报。
图4 各国海洋无人系统
在水下无人系统方面，俄罗斯研制的核动力无人潜航器“波塞冬”，可携带常规以及核弹头，执行侦察与战略核打击任务，如图4所示。美国研制的“刀鱼”无人潜航器，可以通过发出低频电磁波来扫描可疑物体，搜寻情报；研制的“金枪鱼”-9无人潜航器可携带多种标准载荷，可用来执行近海勘探、反水雷、监视和侦察（ISR）等任务。
2.国内智能无人系统研究现状
近年来，我国军用智能无人系统发展迅速，本文将从陆地无人系统、空中无人系统和海洋无人系统3个方面进行阐述。
在陆地无人系统方面，国防科技大学与三一重工股份有限公司联合开发了“沙漠苍狼”陆地无人轻型平台，其以履带为动力，搭载榴弹发射器和机枪等武器系统，可以用来执行后勤运输、伤员运送、侦察监测、火力打击等任务。山河智能集团研制的“龙马”系列无人车，具有强大的运输与越障能力。南京理工大学研制的“神行-III”军用地面智能机器人系统，具有较强的自主导航与情报侦察能力。国防科技大学与哈尔滨工业大学等单位联合研制的无人驾驶核化侦察车，具有较高的机动能力与装甲防护能力，搭载的武器系统可以执行火力打击并具备一定的自主能力。
在空中无人系统方面，成都飞机工业集团研制的“翼龙”系列无人机具有全自主水平起降能力、巡航飞行能力、空地协同能力与地面接力控制能力等，搭载有多型光电/电子侦察设备以及小型空地精确打击武器，可以执行情报侦察、目标跟踪、火力打击等任务。我国研制的“彩虹”系列无人机具有中空长航时的航行能力，可以搭载电子干扰系统与多种武器系统，能执行火力打击、情报侦察、通信干扰、电波干扰等任务；研制的攻击11型无人机具有极强的隐身能力，可以搭载精确的制导导弹，用于执行对地攻击任务。我国空中无人系统如图5所示。
图5 我国空中无人系统
在海洋无人系统的水面无人系统方面，由哈尔滨工程大学牵头研制的“天行一号”无人艇，采用油电混合动力，最高航速超过92.6km/h，最大航程1000km，为目前世界上最快的无人艇。该艇融合了自主感知、智能控制、自主决策等技术，可以实现对周围复杂环境的快速态势信息认知与危险规避，可以用于执行气象信息监测、地貌测绘、警戒巡逻、情报侦察、火力攻击等任务。由上海大学研制的“精海”系列无人艇具有半自主与全自主的作业能力，可以执行目标侦察、海洋测绘、水质检测等任务。由上海海事大学研制的“海腾01”号智能高速无人艇，搭载有毫米波雷达、激光雷达、前视声呐等传感器，可以执行可疑目标监视、水下测量、海上搜救等任务，具备全自主与半自主航行能力。江苏自动化研究所研发的JARI智能无人作战艇，搭载有光电探测器、四面相控阵等探测设备，同时，还搭载有导弹鱼雷等武器系统，可以执行情报搜集、敌情侦察、精准火力打击等任务。由珠海云洲智能科技有限公司等单位联合研制的“瞭望者Ⅱ”无人导弹艇，搭载有全自主无人驾驶系统及导弹等武器，可以执行敌情侦察、情报搜集、精准火力打击等任务。我国海洋无人系统如图6所示。
图6 我国海洋无人系统
在海洋无人系统的水下无人系统方面，西北工业大学研制的“魔鬼鱼”无人潜航器为仿生蝠鲼无人潜水器，已完成了1025m的深海测试。哈尔滨工程大学研制的“悟空”号全海深无人潜航器，成功完成了10896m的深潜和自主作业试验。我国研制的“潜龙一号”、“海马”号等深海潜水器均已成功完成深海探测任务。
3.技术现状总结
目前，智能无人系统已逐步应用于军事应用的各个领域，且随着前沿科学技术的发展，智能无人系统在军事领域的应用将日益增多。但在智能无人系统的使用方面，尚未完全实现自主化与智能化。当前，智能无人系统技术在军事领域的应用现状主要分为以下3个部分：
①从作战任务的角度：作战任务从执行简单的侦察监视向主流对抗作战方向发展；战场对抗由人人对抗向人机对抗，再向机机对抗方式转变；应用环境由结构化环境、实验室环境向真实战场环境转变，并在未来逐步发展成真实环境与虚拟现实相结合的增强现实环境。
②从指挥控制的角度：控制方式从单机简单遥控、程控方式向人机智能融合交互控制方向发展，不过尚未完全实现自主控制；体系结构由专用化、单一化向通用化、标准化、互操作性方向发展。
③从感知决策的角度：决策方式由单一依靠人来决策向以人为主，人机智能交互决策为辅的方式转变；感知方式由单一依靠传感器获取特征信息，由人来判断目标属性向基于人工智能的目标识别、特征信息获取的方式转变。
二、智能无人系统关键技术
智能无人系统作为多学科领域的集大成者，涉及的技术众多，执行的任务多样，且应用场景复杂多变。例如，空中环境多雨、多雾，能见度低，有大风、光照干扰等；陆地环境地形复杂，有障碍物遮挡干扰和危险污染区域等；海上环境有风浪干扰、船舶摇摆、目标不显著、海岸线不规则等。不同的环境及用途给智能无人系统技术研究和性能的发挥提出了巨大挑战。为适应受限的多变环境，可将智能无人系统关键技术归纳为复杂环境下自主感知与理解技术、多场景自主技能学习与智能控制技术、多任务集群协同技术、人机交互与人机融合技术、决策规划技术与导航定位技术，本节将主要以海洋无人系统为案例对智能无人系统关键技术进行详细阐述。
⒈复杂环境下自主感知与理解技术
在复杂环境下对环境进行自主感知与场景理解是智能无人系统能够自主作业并形成作战能力的前提，将直接影响任务能否成功完成。针对实际环境的复杂多变，尤其是海面环境的风浪干扰及船舶摇晃等困难，智能无人系统需要完成目标自主选择感知，获取多模态信息，并对信息抽象完整理解等目标。因此，复杂环境下的智能无人系统环境自主感知与理解技术需突破多模态传感器融合自主感知技术，以及复杂场景目标识别与理解技术。
⑴多模态传感融合自主感知技术
目前，智能无人系统搭载的信息获取传感器主要包括导航雷达、毫米波雷达、激光雷达、光电载荷等。单一传感器无法直接获取高精度、稠密的场景三维信息，需研究多传感器融合的环境自主感知技术，从而为场景理解提供支撑。多传感器融合是将各种传感器进行多层次、多空间的信息互补和优化组合处理，最终产生对观测环境的一致性解释。在此过程中，要充分利用多源数据进行合理的支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、多方面组合导出更多有用的信息。通过利用多个传感器相互协同操作的优势，综合处理所有信息源的数据，从而提高整个传感器系统的智能化。海洋自然环境相比陆地与空中环境更为复杂，面临船舶的剧烈摇摆、风浪干扰、光照不均、目标不显著等特殊的挑战，海洋智能无人系统需要依据每种传感器的独特属性来对指定目标进行多传感器信息融合处理，然后结合无人系统内部导航单元与岸基支持系统的电子海图信息，构建海面环境多维立体态势图，执行对指定目标的跟踪、检测、识别与认知任务，最终实现海洋智能无人系统对海面环境的自主感知与完整理解。
⑵复杂场景目标识别与理解技术
智能无人系统具备作业自主性的关键在于能有效理解场景与目标信息，而准确理解场景信息主要包括目标语义信息构建与场景文本信息描述。相比陆地与空中环境，海洋自然环境面临风浪干扰、船体剧烈摇摆等独特的困难，这为智能无人系统完整地理解环境信息与准确识别指定目标带来了挑战。利用智能无人系统搭载的激光雷达与高清摄像机等传感器，可以获得海洋环境场景的原始点云信息及图像特征信息，利用基于点云、点云与图像融合的三维目标检测方法与三维场景语义分割方法等，可以实现智能无人系统对场景信息的完整认知及对指定目标的准确识别。
基于点云的方法主要包括2种：基于网格或者体素的方法，以及基于点的方法。基于网格或体素的方法是利用体素或者鸟瞰图来将获取的海面不规则的点云转换成规则的表征方式，然后提取点云特征。基于点的方法则是直接在获取的海面原始点云中提取目标特征。基于点云与图像融合的三维目标检测方法，是将激光雷达获得的海面场景中目标的精确坐标与海面图像提供的环境纹理和颜色信息相结合，这样更加有助于智能无人系统对海洋场景目标的精确识别与准确、完整的理解。
⒉行为决策与轨迹规划技术
在实际的、复杂的战争场景中，对于智能无人系统面临的复杂任务环境与多重任务，必须突破多源异构环境下的行为决策技术、动/静环境下的轨迹规划技术与复杂场景下的轨迹跟踪技术。
⑴多源异构环境下的行为决策技术
行为决策是智能无人系统实现自主控制的关键。在无人艇不同速度、不同相对距离、不同数据类型的复杂环境下，需要准确提取有效信息来为无人艇下一时刻的决策做出安全可靠的控制指令。首先，提取出具有代表性的环境特征信息，建立足够数量与精确标定的学习数据集；然后，构建基于深度神经网络的决策器，并利用建立的数据库进行学习；最后，利用机器学习算法对构建的决策器进行优化，进一步提高决策精度。
⑵动/静环境下的轨迹规划技术
轨迹变换是无人艇与无人潜航器最基本的行为。在复杂的战场环境下，根据不同的环境状况规划出一条可行、可靠的轨迹是无人艇与无人潜航器实现智能行驶的关键。该技术主要包括基于多项式的轨迹规划技术、基于多目标约束的轨迹规划技术与基于正、反梯形侧向加速度的轨迹规划技术。
⑶复杂场景下的轨迹跟踪技术
对规划出的理想轨迹进行跟踪是无人艇与无人潜航器的重要任务，其关键在于解决无人艇或无人潜航器进行目标轨迹跟踪时的高精度与高稳定性控制难题。主要解决方法为：根据无人艇与无人潜航器的运动学与动力学模型，输出对应的执行器控制量来实现对指定目标的实时、准确跟随，在保证跟踪精度的前提下，实现无人艇与无人潜航器的自主智能转向与各个驱动模块多执行器之间的协调控制。
⒊自主导航定位技术
导航定位系统是智能无人系统的关键组成部分，其可以提供精准、可靠的有关无人艇或无人潜航器的速度与位置等信息。导航系统一般由陀螺仪、加速计、卫星接收器等组成，部分辅以视觉模块，或是基于实际复杂的环境情况搭载先验空间位置图与物理信息传感器等。智能无人系统要实现任务的精准执行，必须突破基于惯性/卫星深度信息融合导航定位技术、基于惯性/天文信息融合导航定位技术、基于视觉跟踪的导航技术与地球物理辅助导航技术。
⑴基于惯性/卫星深度信息融合的导航定位技术
该技术是将无人艇的惯性信息引入卫星载波/码环路，然后利用全自主、短时、高精度的惯性信息辅助卫星接收机信号的更新，从而实现无人艇的惯性导航与卫星导航的优势互补及最优融合。
⑵基于惯性/天文信息融合的导航定位技术
基于天文的导航系统具有高自主性与不易受干扰的优势，通过利用天文导航输出的信息与初始位置提供的信息，可以推算出无人艇的位置。将惯性导航信息与天文导航信息相融合，可以提高天文导航定位的鲁棒性。基于天文导航辅助的惯性/天文组合定位技术已成为无人系统自主导航领域的关键部分。
⑶基于视觉跟踪的导航技术
由于实际战场环境的复杂性，无人艇会处于复杂的工作环境中，容易受到外界干扰而出现GPS拒止的情况，从而使导航系统无法处于组合状态。单独的惯性导航系统精度较低，容易积累误差，长时间的纯惯性导航会使无人艇失去执行任务的能力。而基于视觉的方法却没有时间的误差积累，只需提取到高清相机所获得图像的关键特征，即可通过视觉算法与先验知识获得无人艇与无人潜航器的位置信息。基于视觉的导航算法不易受到干扰，鲁棒性较强，且能弥补在GPS拒止环境下由纯惯性导航带来的误差积累，被广泛应用。
⑷地球物理辅助导航技术
由于海洋独特的环境，无人潜航器需长时间在水下航行，导致无法获取实时、准确的卫星信号与天文信息。另外，由于水下光照弱等问题，基于视觉的导航方法也受到限制。因此，通过获得海洋内部的先验空间位置图，并利用无人潜航器搭载的物理传感器获取的实地场景信息并进行匹配，可以实现无人潜航器的高精度自主导航。
可以利用勘测的海洋固有的地球物理属性的时空分布特征，来制作地球物理导航空间位置图，通过将无人潜航器所搭载的物理属性传感器实地获取的物理特征信息与预先搭载的空间位置图相匹配，可以获得无人潜航器的高精度定位，实现无人潜航器的高精度自主导航。
4.多场景自主技能学习与智能控制技术
多场景智能控制技术是智能无人系统解决复杂、多变和控制对象不稳定等问题的关键技术，是智能无人系统适应复杂任务需求的有效工具。在复杂的海洋环境下，智能无人系统要完成实时、准确的区域监控、目标跟踪、信息获取与精准打击，就必须突破任务的自主技能学习技术、自主作业交互控制技术，以及类人智能控制的无人系统运动控制技术。
⑴任务的自主技能学习技术
自主技能学习是指在无人系统与外界交互的过程中，基于先验知识或规则进行学习以完成任务的过程。无人系统作业技能的自主学习本质是模拟人学习认知的部分过程。智能无人系统利用基于深度强化学习的技术，将深度学习的感知能力与强化学习的决策能力相结合，可实现在海面复杂环境下从高纬度的原始数据信息输入到决策输出的直接控制。智能无人系统自主技能学习主要包括3个方面：一是对海洋表面与海洋内部的复杂环境进行描述，并获得周围环境的初始状态数据信息；二是基于智能无人系统与海洋表面和内部复杂环境的描述方式，进行深度强化学习的数学建模，获得自主技能学习过程的状态价值函数与控制策略函数等关键信息；三是利用智能无人系统与海洋表面和内部复杂环境交互所获得的数据信息，对状态价值函数及控制策略函数进行更新，以使海洋智能无人系统学习出更优的控制策略。
⑵自主作业交互控制技术
智能无人系统在任务的自主学习与控制过程中，需要与海洋表面和内部复杂环境接触形成良好的耦合系统，以保证对海洋表面与内部复杂环境信息的实时、准确获取，并正确、快速进行无人艇、无人潜航器的航行规划、自主航行控制与自主规避碰撞等。智能无人系统自主作业交互控制技术的任务主要包括：智能无人系统交互规则与控制策略的设计；海洋表面与内部复杂环境的建模方法；无人艇、无人潜航器与作业对象的动力学在线建模及修正；海洋表面与内部复杂环境中虚拟力约束的动态生成及共享控制方法。
⑶类人智能控制的无人系统运动控制技术
类人智能控制的无人系统运动控制技术是将人工智能与传统控制方法相结合，以解决在实际复杂的海洋战场环境下，无人艇与无人潜航器的稳定精确控制问题，主要包括无人系统智能控制算法的设计与无人系统智能控制策略的设计2个方面。无人系统智能控制算法设计主要包括：分层的信息处理和决策机构；在线的特征辨识与特征记忆；开/闭环控制、正/负反馈控制以及定性决策与定量控制相结合的多模态控制；启发式直觉推理逻辑的运用。无人系统智能控制策略设计则是设计合理的无人艇或是无人潜航器的方案，以满足实际的任务需求。
5.无人集群协同控制技术
在实际的作战场景中，由于战场环境的复杂性与任务的多样性，单艘无人艇或是无人潜航器通常都无法满足实际任务的需求。单艘无人艇或无人潜航器搭载的设备数量有限，感知视角与区域范围不够全面，导致在执行完整的情报探测、目标跟踪、战场环境感知与全面火力打击任务时不够精确与彻底，因此，由多艘无人艇与无人潜航器组成的智能无人系统集群协同执行任务就成为必然的趋势。要完成对智能无人系统集群的控制，需要突破智能无人系统集群局部规则控制技术、智能无人系统集群软控制技术、智能无人系统集群领航控制技术以及智能无人系统人工势场控制技术。
⑴智能无人系统集群局部规则控制技术
基于局部规则的控制技术是智能无人系统针对无人艇、无人潜航器集群控制的基本方法，主要在于对无人艇、无人潜航器集群内部个体局部控制规则的指定。局部规则控制技术在一定程度上实现了对海洋无人系统集群的智能控制，但是对于海洋无人系统集群行为与集群模型之间的参数，需要进行大量的实验来获得，并且对参数的取值也非常敏感。所以，要实现对智能无人系统完全的智能控制，还需辅助以其他技术。
⑵智能无人系统集群软控制技术
智能无人系统集群的软控制技术主要基于2点需求：一是在智能无人系统集群中，个体之间的控制规则很重要，例如每艘无人艇、无人潜航器的控制与内部作用是整个海洋智能无人系统集群出现群体行为的必要条件；二是智能无人系统集群采用的是局部通信策略，随着集群系统内无人艇、无人潜航器的增加，不会影响到整个智能无人系统集群的状态。
软控制方法是在不破坏智能无人系统集群内部无人艇、无人潜航器个体规则的前提下，加入一个或多个新的无人艇或是无人潜航器，这些无人艇或无人潜航器按照同样的局部规则来参与整个智能无人系统集群的行动，但本身可控，可以接收外部指令。在接收指令后，这些无人艇或无人潜航器将独立完成相应的任务。智能无人系统集群的软控制方法是在无人系统局部控制规则的基础上，加入一个可以控制的无人艇与无人潜航器，使其对整个无人系统集群产生影响，最终完成对整个智能无人系统群体的控制。
⑶智能无人系统集群领航控制技术
智能无人系统集群领航控制技术的基本内容是：在整个海洋智能无人系统集群个体保持局部规则的前提下，令集群中少数无人艇与无人潜航器拥有更多的信息量和更强的信息处理能力，并与其他无人艇和无人潜航器通过局部信息交互来起到领导者的作用，从而达到控制整个智能无人系统集群的目的。
⑷智能无人系统人工势场控制技术
在智能无人系统集群控制中，只基于局部规则的控制技术难以完成对战场准确、实时的感知，以及对情报信息的搜集获取、对可疑目标的跟踪识别和对敌方区域的精准打击。人工势场控制技术是将物理学中的势能场概念引入智能无人系统集群的控制中，利用势函数来模拟影响单艘无人艇或无人潜航器的内、外作用，而系统集群中的单艘无人艇或无人潜航器则在势函数的作用下行动，最终通过势函数实现对整个智能无人系统的控制。
6.自然人机交互技术
在实际的战场环境中，智能无人系统面临着操作任务复杂、操作智能化水平低、训练风险大且成本高、设备使用与维修效率低等问题，在这种情况下，就需要提高智能无人系统设备的可操控性与智能化，需要突破智能无人系统人机交互技术、智能无人系统增强现实与混合现实技术以及智能无人系统脑机接口技术。
⑴智能无人系统人机交互技术
智能无人系统人机交互技术是指指挥平台通过图像和语音传感器获取指战员的图像与语音信息，然后利用图像分割、边缘检测、图像识别等算法提取出指战员的手势与眼势等关键信息，随后利用基于深度学习的算法获得指战员的语音信息并传递给指挥平台，从而将指战员的指令下发给下级作战单位。智能无人系统的人机交互技术可以提高任务操作的智能化以及操作过程的容错率与鲁棒性，从而使指战员的指令能够更加稳定、有效地下发给作战单位。
⑵智能无人系统增强现实与混合现实技术
智能无人系统增强现实技术是将计算机生成的图像叠加在真实的复杂作战环境中，智能无人系统混合现实技术则是通过在实际作战场景中呈现虚拟场景的信息，在真实的作战环境下在虚拟世界与指战员之间搭起一个交互反馈的信息回路，从而增加指战员对作战环境体验的真实感。智能无人系统虚拟现实与增强现实作为沉浸式人机交互技术的重要发展方向，已有多种不同的真实作战应用场景，可以有效降低训练时的成本与风险，提高作战时设备的使用与维修效率。
⑶智能无人系统脑机接口技术
脑机接口的主要功能是捕捉人脑在进行思维活动时产生的一系列脑电波信号。在实际作战环境中，智能无人系统脑机接口技术通过对指战员的脑电波信号进行特征提取、功能分类，从而辨别出指战员的意图而做出相应的决策，以此应对复杂的作战任务与突发情况。智能无人系统脑机接口技术可以增强指战员的认知与决策能力，大幅提升脑机交互与脑控技术，赋予指战员在借助思维的同时具有能操控多艘无人艇与无人潜航器等无人作战设备的能力。
三、智能无人系统未来的发展趋势
智能无人系统由于其无人化、自主性、智能性等优点，将出现在未来战场的各个角落，而随着其承担战场任务的增多，将会参与不同的战争场景，导致智能无人系统将面临多项关键性的难题，使其发展受到制约。智能无人系统面临的关键性难题主要有：
①环境高度复杂。智能无人系统具体的应用环境将面临越来越多的要素，非结构化环境下遮蔽物众多、感知视点及范围受限等对智能无人系统的环境感知能力提出了更高的要求。
②博弈高对抗。智能无人系统的战场博弈是取得战场优势的重要手段，作战双方激烈的机动对抗，以及因敌方和战场环境带来的诸多干扰对智能无人系统的机动决策能力提出了新的挑战。
③响应高实时。在未来战场中，作战态势变化剧烈，交战方式将更加灵活多变，需及时应对战场突发事件，这就对智能无人系统的实时响应能力提出了新的要求。
④信息不完整。在未来战场中，受战场环境的限制以及敌方干扰的存在，智能无人系统的信息获取能力将会受到制约，从而造成态势感知不完备、战场态势信息数据丢失与衰减，导致无法完整获取敌我双方的信息。
⑤边界不确定。智能无人系统的无人作战方式颠覆了传统作战模式，未来无人作战的陆海空天一体化，以及通过与社会高度交融带来的社会舆情，都将对智能无人系统的无人作战产生影响，从而造成作战边界的不确定性。
基于以上将会面临的各种难题，未来智能无人系统的发展将集中在个体能力增强与集群能力增强2个方面。个体能力增强主要体现在个体认知智能、个体自主作业与算法芯片化等方面；集群能力增强则主要体现在通过通用化架构提升互操作性，以及跨域协同作战、网络安全与人机混合智能等方面。
⒈认知智能适应复杂任务环境
为提高智能无人系统在高度复杂环境下的适应能力，需要增强智能无人系统的个体认知智能。个体认知智能增强主要体现在从个体感知智能向认知智能的转变方面，综合获取的多源传感信息使得智能无人系统具备人类的语义理解、联想推理、判断分析、决策规划、情感理解等能力。智能无人系统个体认知智能的发展将以脑科学和仿生学等为基础，通过结合知识图谱、人工智能、知识推理、决策智能等技术来实现获取信息的智能理解与准确运用，从而提升智能无人系统对突发事件的高实时响应能力。
⒉自主作业提升单机任务能力
为解决智能无人系统在高度复杂环境下面临的高度复杂任务的难题，需要提高单机的自主作业能力。包括开发基于深度强化学习的决策方法、基于视觉及其他传感器多源信息的自主环境感知与交互方法、基于神经动力学的机器人自主运动规划方法，以及基于人工智能的自主作业方法等，以提升智能无人系统个体的自主环境建模与定位能力、自主决策能力、自主规划能力及自主控制能力，使智能无人系统能够适应复杂的环境并开展自主作业任务。
⒊算法芯片化实现高实时响应
智能无人系统面临的复杂环境对算法、算力提出了较高要求，需要能实时加速计算，实现对战场突发事件的高实时响应。为解决此问题，需要提高智能无人系统个体算法的芯片化水平，即开发新型架构的存算一体芯片，以提高芯片的算力与算法芯片化水平。可研究基于人工神经技术的新型芯片，通过改变数字芯片的二进制计算方式，交换梯度信号或权重信号来使芯片以模拟神经元的方式进行工作，模拟大脑有效处理大数据量的并行计算流，获得超级计算机的并行计算能力，从而极大地提升芯片的算力与算法芯片化水平，解决智能无人系统的高实时响应难题。
⒋通用化的架构提升集群互操作性
为提高智能无人系统面临高度复杂环境的适应能力，以及智能无人系统的维修保障效率，未来智能无人系统将继续发展标准化的指控框架，提高人机协作的智能性并提高系统的模块化程度。主要体现在：
①开发通用式的人工智能框架，支持人与机器之间自主、精确、实时的良好耦合与协作关系；
②提高智能无人系统的模块化与部件互换性，以支持在未来战场中对智能无人系统及其成员进行的快速维修与配置升级；
③提高数据传输一体化水平，以及在未来战场上数据传输的抗干扰能力，降低数据的被截获率。
⒌跨域协同打破集群应用边界
为提高智能无人系统在高度复杂环境下的适应能力，解决作战时的边界不确定难题，需要提高智能无人系统的跨域协同作战能力，以弥补单一作战域能力的不足。可通过智能无人系统的跨域协同作战，将各个组件进行优势互补。即利用空中无人系统的搜索范围大、通信距离远等优点，以及陆地无人系统与海洋无人系统续航时间长、稳定性强等优点，将不同组件的优势进行组合，以增加智能无人系统的多维空间信息感知能力，构成异质多自主体协同系统，从而提高智能无人系统完成复杂任务的能力。
⒍安全网络保障集群可靠应用
智能无人系统在未来战场上面临着信息不完整与博弈高对抗的难题，因此需要提高智能无人系统在高对抗环境下的网络安全保障能力，提高在应对高复杂、高变化任务时的灵活性与面临高强度网络攻击时的稳定性。对抗环境下网络安全保障能力的提升主要体现在以下几个方面：
①规划合理的数据权限，以保证数据的安全性与任务执行的灵活性；
②提高信息保障能力，开发并升级智能无人系统的信息保障产品，备案信息爆炸情况的应对决策；
③增加网络的深度防御能力，统一网络安全的标准与等级，构建网络防御的自主性，提高网络攻击下网络的抗打击能力。
⒎人机混合智能提升对抗能力
为解决在未来战场上面临的高实时响应的难题，提高智能无人系统在高度复杂环境下的适应能力，需要将人类与机器的优点进行结合，构成一种新的人机协作的混合智能方式，即发展智能无人系统的人机混合智能。智能无人系统人机混合智能是一种由人、机、环境系统相互作用的新的物理与生物相结合的智能科学体系。针对智能无人系统在未来战场上面临的高复杂环境与高实时响应的难题，未来人机混合智能的发展主要体现在以下几方面：
①信息智能输入。在获取信息的输入端，将无人系统设备传感器客观采集的信息数据与作战指挥人员的主观感知信息相结合，构成一种多维的信息获取与信息输入方式。
②信息智能融合。获取到多维的数据信息后，通过将计算机的计算数据与作战指挥人员的信息认知相融合，构建一种新的数据理解途径。
③信息智能输出。将数据信息进行融合处理之后，将计算机的计算结果与作战指挥人员的价值决策相互匹配，从而形成有机结合的概率化与规则化的优化判断。
四、结语
智能无人系统由于其自主性、智能性与无人化的特点，在未来战场上将起着日益重要的作用，智能无人系统的发展也将带动智能计算、智能交通、智能制造、智慧医疗、类脑科学等学科领域的发展。今后，应以实际复杂环境战场的任务需求为导向，结合人工智能等前沿学科的先进技术，对智能无人系统进行总体顶层规划；在陆地、空中以及海洋无人系统中不同的无人系统作战平台上，验证可靠的机载智能感知与智能计算设备，并开发可靠、稳定的无人系统自主控制、智能感知、智能决策与智能交互等关键技术，攻克智能无人系统的关键难题，不断提高智能无人系统的自主控制、智能感知与智能决策能力。
来源：《中国舰船研究》
作者：王耀南安果维王传成莫洋缪志强曾凯
变电设备智能传感与状态感知技术及应用
LIPeng,BIJiangang,YUHao,XUYuanChinaElectricPowerResearchInstitute,Beijing100192,China
李鹏(通信作者)1975—,男,博士,教授级高工,从事特高压输电、输变电设备绝缘与运行方面的研究工作E-mail:lipeng@epri.sgcc.com.cn
毕建刚1977—,男,硕士,教授级高工,从事电力设备状态检测、智能传感和故障预警技术方面的研究工作E-mail:bijg@epri.sgcc.com.cn
于浩1987—,男,博士,工程师,从事智能传感及电力设备状态监测方面的研究工作E-mail:yuhao@epri.sgcc.com.cn
许渊1981—,男,博士,高工,从事输变电设备状态检测与故障诊断技术方面的研究工作E-mail:xuyuan@epri.sgcc.com.cn
基金项目：国家电网公司科技项目(输变电设备无源无线智能传感器关键技术研究及应用)(5500-202018068A-0-0-00);ProjectsupportedbyScienceandTechnologyProjectofSGCC(ResearchandApplicationofKeyTechnologiesofPassiveWirelessIntelligentSensorforPowerTransmissionandTransformationEquipment)(5500-202018068A-0-0-00);
摘要变电设备的可靠性是电网安全运行的基础,其运行状态感知是电网设备运维和运行控制的重要支撑。近年来变电设备状态感知技术向数字化和智能化方向快速发展,新技术不断涌现,有效提升了设备智能化水平。论文首先介绍了目前常用的基于电、声、光、化、热物理量监测的设备状态感知技术,及其在变电设备状态感知中的应用情况,分析了该技术为电网运维带来的积极作用;然后介绍了变电设备新型感知技术研究,并提出了新型感知技术在电力设备状态感知领域的应用趋势;最后展望了未来的发展方向,指出了变电设备状态感知在智能感知、人工智能、大数据、立体巡检及传感性能校验方面的发展趋势。
关键词:变电设备;状态感知;新型传感;设备融合;传感可靠性;人工智能;智能传感;
DOI：10.13336/j.1003-6520.hve.20200939
ABSTRACTThereliabilityoftransformationequipmentisthebasisforthesafeoperationofapowergrid,anditsperceptionofoperatingstatusisanimportantsupportinthemaintenanceandoperationofpowergridequipment.Inrecentyears,theperceptionofoperatingstatustechnologyfortransformationequipmenthasdevelopedrapidlytowardmoredigitizationandintellectualization,andnewtechnologieshavecontinuouslyemerged,promotingtheintellectualizationofdeviceseffectively.Firstly,weintroducedthecommonly-usedperceptionofoperatingstatustechnologyformonitoringbasedonelectricity,sound,light,chemicalcharacteristics,andthermophysicalquantityatpresent,anditsapplicationinthestatussensingoftransformationequipment.Thenweanalyzedthepositiveeffectofthistechnologyonpowergridoperationandmaintenance,andputforwardtheapplicationsanddevelopmenttrendofnewsensingtechnologies.Finally,wepointedoutthefuturedevelopmentdirection,andanalyzedthedevelopmenttrendofstateperceptionoftransformationequipmentintheaspectofintellisense,artificialintelligence,bigdata,stereoscopicpatrol,anddetectionofsensingperformance.
KEYWORDS:transformationequipment;stateperception;newsensor;equipmentfusion;sensorreliability;artificialintelligence;intelligentsensing;
0引言当前电网形态正在发生深刻变化,电网规模不断扩大,设备容量不断提升,变电设备故障会造成电网停电和重大经济损失,电网运行控制迫切需要对设备状态进行全面感知。变电设备自身由于功能、用材不断改进,结构日趋复杂,传统的传感技术和设备故障诊断技术已不能满足电网应用需求。在应用层面,由于运行环境恶劣、电磁干扰,许多设备状态监测装置现场应用性能不稳定,监测装置本身存在故障率、误报率高及数据可信度存疑等问题,变电设备状态感知技术研究与应用面临严峻挑战。
变电设备在正常运行时和故障前后,通常伴有“电、声、光、化、热”等多种特征信息,通过对设备不同的特征信号开展带电检测或在线监测,感知和分析设备状态,可以发现和消除很多类型的设备缺陷和隐患,进而避免设备故障及由此引发的电网安全事故。
带电检测、在线监测技术在我国起步较晚,针对重要电力设备状态感知技术应用规模不断扩大的现状,油中溶解气体检测、电容型设备介损、泄漏电流、局部放电、红外和紫外检测等技术应用愈加广泛,也取得了较好的效果。目前国内外都在加强新型传感技术的研究和应用,但针对近年来频发的变压器套管、分接开关、气体绝缘开关(gasinsulatedswitchgear,GIS)等设备的突发性故障,仍然缺乏有效可靠的感知预警手段。同时,国内在原创技术、基础材料、融合设计等方面与国外的差距明显,高精度器件目前还主要依靠进口,存在技术短板,也缺乏体系化的感知装置性能评估等公共平台。总体上,设备状态感知还需要在传感基础研究与状态感知智能化方面开展深化研究,以适应不断提高的安全可靠性需要[1-2]。
智能传感与状态感知技术是电网数字化、物联网、大数据、智能化的基础,而各类感知传感器及终端是电网运行状态的神经末梢,各个维度的感知数据支撑着电网生产指挥决策体系,是电网可靠运行的重要保障。随着大、云、物、移、智、链等技术在电网中的深度应用,电力设备状态感知技术也正在向智能化设备融合的方向转变。
鉴于此,本文对目前以电、声、光、化、热物理量为监测对象的感知技术及其在变电设备状态感知中的应用情况进行了总结,分析了相应的参数性能和优缺点,然后介绍了有助于提升变电设备状态感知能力并亟待推广的新型感知技术,最后针对电网发展情况,展望了变电设备状态感知和决策体系的发展趋势。
1变电设备状态感知技术及应用现状随着设备状态检修策略的全面推进和智能电网建设的加速发展,变电设备状态监测及故障诊断技术得到了广泛应用。变电设备状态监测系统的安全性、可靠性、稳定性以及测量结果的准确性,直接影响状态检修策略的有效开展以及设备状态的可视化和有效监控。目前各类传感技术应用繁多,效果参差不齐。表1列出了目前推荐的变电设备典型传感技术。
本章主要介绍能够反应变电设备状态的电、声、光、化、热物理量的感知技术。
1.1电气量感知技术电气量是感知变电设备绝缘问题的有效手段。通过电压、电流的检测,可以获取变压器铁芯、夹件的接地电流、电缆护层接地电流、套管末屏电流值等,从而判断设备内部的绝缘状态。
1.1.1容性设备相对介损及电容量容性设备介损及电容量可反映套管等电容型
表1变电设备典型传感装置Table1Typicalsensingdevicesoftransformationequipment
设备的状态,通过测量被试设备的电压、电流及相角,可得到绝对介损和电容量的比值。由于绝对介损值大多在0.001~0.01rad范围,现场测试易受到杂散信号干扰[3],因此目前多采用相对介损,即通过比较同一变电站的多台同类或同型号设备的末屏接地电流信号的幅值比和相角差,来获取相对介损差值和电容量比值。
国内已针对容性设备开展了相对介损测量法的研究,并根据历史数据,利用3δ准则确定了介损的正常变化范围,减小了数据随机波动的影响[4]。为了提高测量精度,矩阵约束法[5]、加窗离散傅里叶变换(discreteFouriertransform,DFT)法[6]、相关函数法[7]等方法也相继被提出,另外基于深度学习的介损相对变化辨识方法也提供了一种抗噪思路,其分辨率可达0.001%[8]。
介损及电容量变化趋势为设备运维工作提供了有效支撑。文献[9]给出了受潮情况下的介损变化趋势,建议电容量超过出厂值30%或介损超范围时,应及时进行进一步检测;而文献[10]表明,由于缺少有效监测手段,无法对套管初期故障进行检测,直到变压器轻瓦斯动作之后才推断出套管故障。
近年来变电站现场应用案例表明,采用相对介损及电容量实时感知技术,可以及时发现套管缺陷、套管受潮、电容屏缺陷等故障,但是对于套管底座脱落、内部产气等缺陷故障还不敏感。实际运维中,也存在套管末屏监测引起接地不良的风险[11],因此进一步推动多种感知手段与一次设备融合设计,对于提高设备的可靠性尤为重要。
1.1.2避雷器泄漏电流目前无间隙氧化锌避雷器广泛使用[12],泄漏电流在线监测是避雷器内部受潮、阀片劣化等设备状态的重要感知手段[13]。
避雷器泄漏电流是指施加持续运行电压下流过避雷器本体的全电流,由阻性电流和容性电流组成。全电流与阻性电流是感知避雷器运行状态的主要监测对象,通常使用全电流法、三次谐波法、容性电流补偿法、阻性电流基波法等方法进行检测,随着嵌入式计算技术的发展,数字波形分析法得到了应用,各方法的优缺点见表2。
结合现场应用,普遍推荐使用的方法是数字波形分析法,也称为谐波法,该方法通常依托于高性能数字信号处理器(digitalsignalprocessor,DSP)或现场可编程门阵列(fieldprogrammablegatearray,FPGA),使用优化的快速傅里叶变换(fastFouriertransform,FFT)分析法,能够有效降低频谱泄露以及干扰给谐波分析带来的不利影响[14]。
近年来的案例也表明,通过泄漏电流检测可以有效发现避雷器的密封失效和阀片受潮等问题[15-16]。随着监测装置可靠性的不断提升和成本控制,避雷器泄漏电流监测技术会得到进一步推广应用。
1.1.3变压器铁芯接地电流铁芯接地电流能够直接反映出变压器铁芯多点接地故障[17]。铁芯多点接地会造成铁芯局部过热甚至烧毁,还可能造成接地片熔断,形成悬浮电位,从而产生放电故障。
运行中变压器铁芯接地电流一般不大于0.1A,目前大部分特高压换流站都已安装铁芯接地电流在线监测装置,量程为10mA~5A,精度可达1%。
但是,铁芯接地电流容易受到变压器漏磁场的干扰,因此必须强化监测设备的抗电磁干扰能力,优化测量布置接线。另外,铁芯接地电流结合油色谱分析和铁芯振动声纹等感知手段,能够有效判断变压器铁芯、夹件的故障原因[18-20]。
1.1.4高频局部放电局部放电是导致变电设备绝缘系统破坏和引发电力故障的主要原因[21],通常是通过带宽为3~30MHz的高频电流传感器检测设备接地引下线上的放电脉冲电流信号来进行测量。
表2避雷器泄漏电流监测方法比较Table2Comparisonofmonitoringmethodsforleakagecurrentofarrester
目前高频电流传感器(highfrequencycurrenttransformer,HFCT)多采用罗格夫斯基线圈(Rogowskicoils)结构,并利用高磁导率的磁芯作为线圈骨架增加灵敏度,但又需要考虑工频磁场所造成的磁芯饱和问题。该方法具有灵敏度高、安装简单等优点,并可量化描述局部放电强度,已广泛应用于电力电缆、变压器、电抗器等设备的局部放电检测,成为提前发现潜在缺陷的有效手段之一。
1.2声振感知技术1.2.1局部放电超声波电力设备内部发生局部放电时,通常会产生超声波信号。通过在设备外壳或附近安装的超声波传感器,可以耦合到局部放电产生的超声波信号,进而判断设备状态。其原理是利用压电效应检测设备内部局部放电时产生的20~200kHz的声信号,可应用于变压器、GIS、高压电缆、开关柜等设备的局部放电检测。与电测法相比,超声波的传播速度较慢,对检测系统的要求较低,且其空间传播方向性强,主要用于局放定位,定位精度在10cm以内。同时,超声波信号受电磁干扰程度小,对振动性缺陷特别是自由颗粒引起的非放电缺陷具有较好感知效果[22]。
目前,超声波法通常与特高频法联合使用,文献[23]采用声电联合法对放电源进行了定位,并对局放信号进行了有限元仿真,验证了该方法在变压器局放定位中的有效性和准确性。此外,将超声波与特高频法、光测法结合的声、光、电联合的多维度局部放电检测技术具有一定的发展前景。
但是,超声波局部放电感知技术也存在对内部缺陷不敏感,易受机械振动干扰,放电类型识别难度较大及检测范围小等缺点。
1.2.2振动声纹设备振动包含了变压器机械状态的大量信息。采用振动信号的分析对变压器故障诊断有重要意义[24]。
目前大多数振动监测设备均采用有源加速度传感器采集振动或声音信号,其频率响应范围为20Hz~1MHz。振动分析法通过检测传递到箱壁的振动信号,来对变压器的绕组及铁芯状态进行检测,其本质是通过绕组机械特性的变化反映绕组状态的变化。振动检测法利用传感器监测变压器的振动信号,提取出其时域、频域信息,然后通过信号频谱特征的横向和纵向分析对比来评估变压器的工作状态。
目前振动声纹监测技术主要应用于变压器和高抗振动检测、开关设备振动声纹检测、绝缘子振动探伤等方面。国外和国内正在开展基于振动声纹的分接开关监测技术研究。
1.2.3变电站噪声利用声级计对变压器/电抗器的振动噪声以及变电站的环境噪声进行检测,可对带宽为10Hz~10kHz、声压级为30~130dB的声音信号进行采集。近年来,基于声成像技术的噪声检测系统得到了一定的应用,可有效识别变电站电力设备的噪声源,对查找噪声源、故障源及提出降噪措施具有积极意义[25]。
声学传感器阵列及异响成像定位效果图如图1所示。声成像系统基于传感器阵列测量技术,通过测量一定空间内声波到达各传感器的信号相位差,依据相控阵原理确定声源位置,从而根据声源特征信息来诊断设备的运行状态[26],能够及时发现设备机械部件的异常。
1.3光电感知技术1.3.1红外成像通过红外热像仪可以获取设备表面的温度。能够有效感知接触不良、绝缘劣化、循环不畅、泄漏电流增大等原因引起的设备发热。红外检测具有不停电、不接触、灵敏度高、技术成熟等优点,检测精度为±2℃,可及时有效地发现设备缺陷[27],图2展示了基于深度学习的输变电设备异常发热点红外图片目标检测方法[28],将13层卷积层、13层Relu层、4层池化层构成的Zeiler＆Fergus(ZF)深度卷积网络作为输入层,得到共享卷积特征图,再由候选区域网络得到坐标及分类信息,同时融合感兴趣区域(regionofinterest,ROI)池化层,提取区域建议特征,最终得到输入红外图片故障点识别与定位的结果。
图1声学传感器阵列及异响成像定位效果Fig.1Acousticsensorarrayandlocationeffectofabnormalsoundimaging图2红外成像在设备温度感知的应用Fig.2Applicationofinfraredimagingintemperaturesensingofequipment目前,红外成像技术已广泛应用在巡检机器人、无人机中,红外图片内容识别也已率先应用人工智能算法,进一步也向标准化、数字化、智能化方向发展。但同时也面临着伪彩色类型多样、背景干扰复杂、拍摄角度不一、红外图像叠加图形字符等多种因素的干扰[28]。
1.3.2紫外成像电力设备因设计、制造、安装等原因造成的局部场强集中会导致电晕放电。紫外成像技术利用特殊仪器接收电晕放电所激发出的波长小于280nm的日盲区紫外波段光信号,能够实现对电力设备电晕放电的检测。紫外成像检测内容包括电晕放电强度、放电形态和频度范围,可应用的场景包括金具连接、污秽放电、绝缘子局部缺陷检测、局放背景检测等。国内多数电科院和供电公司都已配有紫外成像仪器,并积极开展了设备电晕及表面放电检测工作。文献[29]以紫外图像中放电光斑面积的大小作为紫外成像的量化参量,分析得到了观测距离为9m和紫外成像仪在几种典型增益下的光斑面积与脉冲电流的峰值及脉冲电流平均值之间的关系,其成像及测量效果如图3所示。
1.4化学感知技术1.4.1油中溶解气体充油和油纸绝缘设备内部发生过热、放电故障时,会产生多种气体,表3中给出了不同故障类型产生的典型气体。
油中溶解气体的主要检测方法有气相色谱、光声光谱、红外光谱、拉曼光谱和阵列气敏传感器法等。气相色谱法是一种物理分离方法,它利用混合物中各组分在两相间分配系数的差别,使各组分得到分离,是目前应用最广泛的油中溶解气体在线监测技术,但是仍存在检测周期较长(普遍≥2h)、维护量较大(需定期更换色谱柱、载气和标气)等问题。光声光谱法基于光声效应,特定气体在吸收特定波长的红外线后,温度会升高,释放出的热能使气体产生成一定比例的压力波,压力波的频率与光源的斩波频率一致,可通过高灵敏微音器检测压力波的强度,而压力波的强度又与气体的浓度成比例关系;光声光谱法的优点是不需要载气、标气,降低了维护量,检测周期缩短至1h以内,但采用该方法时,需要解决实际工况中环境有机气体、振动和湿度干扰等问题。红外光谱和拉曼光谱技术同样具有维护量小、检测周期短等优点,但红外光谱无法检测氢气,拉曼光谱也正处于研究阶段,尚未形成成熟的产品。阵列式气敏传感器可实现多组份气体的同时检测,但灵敏度尚不确定,且存在交叉敏感问题[30]。
目前油中溶解气体在线监测或离线检测的应用已覆盖变压器、电抗器、电流互感器、电压互感器及油纸套管等设备的制造、安装和运行的全寿命周期监测。油中溶解气体在线监测装置通常存在运行后准确度不足、稳定性差、元器件耐用性差等问
图3紫外图像中图像的量化参数定义Fig.3QuantityparametersdefinitionintheUVimage表3不同故障类型产生的气体组分Table3Gascomponentsproducedbydifferentfaulttypes
题,取油回路复杂,一般为多组分监测,成本较高,可靠性和智能化还需进一步提升,小型化、低成本的单组分监测技术也亟需突破。
1.4.2SF6气体状态六氟化硫(SF6)气体作为开关设备和母线的绝缘介质得到了广泛的应用。运行设备的SF6气体湿度、分解产物等参数,以及SF6的泄漏情况,是判断设备状态的重要指标。
SF6气体湿度检测技术包括质量法、电解法、阻容法和露点法等,其中露点法应用最广。通常采用20℃情况下水蒸气与SF6气体体积比值(10-6)作为水分含量的标准[30]。为了避免受温度限制和吸附效应的影响,文献[31]提出了基于“吸附势-吸附空间”特性曲线的不同温度下湿度之间互相换算的公式,有效摆脱了监测温度的限制。
基于电化学传感器的SF6气体分解产物在线监测,利用被测气体在高温催化剂作用下发生的化学反应改变传感器的输出信号,从而确定被测气体的成分及含量,具有检测速度快、数据处理简单等优点,SO2和H2S检测精度可达±0.5×10-6,CO检测精度达±2×10-6,但需要解决传感器在不同气体之间的交叉干扰问题。文献[32]基于气敏元件阵列和遗传神经网络,为解决交叉敏感问题提供了新思路。
SF6泄漏检测主要像利用SF6光谱特性,在红外成像仪中可观测到漏点位置及泄漏浓度,从而实现实时监测,该方法应用广泛,但对红线监测精度要求较高。文献[33]结合开放式长光路结构和可调谐激光吸收光谱技术,实现了GIS大区域环境下泄漏SF6的在线监测,气体体积分数探测下限可达1.8×10-6。
SF6泄漏及气体状态感知技术已广泛应用于运行设备中气体的质量监督管理、运行设备的状态评价及设备故障定位等方面,且已发现了多起断路器水分超标、纯度不足等现象,并推断出吸附剂缺陷、操纵机构缺陷、悬浮放电及绝缘沿面放电等故障类型。但由于受吸附剂和灵敏度的影响,该技术较难发现设备早期故障,目前还主要用于故障定位。
1.5热学感知技术过热故障一直是设备运行管理的重要关注点之一。测温需求比较大的设备有电容器、电抗器和开关柜等。红外成像方法存在温度监控死区,红外摄像头往往只能监控外侧部分设备的表面温度,对内侧设备和设备内部温度无法有效监测。
早期多采用埋设热电偶进行设备局部温度的监测,但多应用在实验室或厂内,现场应用不便。近期,小型的芯片温度传感技术已经在开关柜等设备温度监测中得到了试点应用,温度传感信号和供电电源合二为一可实现传感器布置的灵活性,正在逐渐提升其长期运行可靠性,应用前景较广。
近年来,光纤测温技术在变压器绕组温度监测、电缆隧道监测等方面已有试点应用,其原理为利用光纤中传输的光波特性参数的改变来实现温度感知,包括干涉式、光栅、光纤荧光温度传感器等。光学传感器具有抗电磁干扰、灵敏度高、本质安全等优点[34],能够安装至狭小区域。未来,如果光纤传感技术如果能够和变电设备实现深度融合设计,进一步提高气长期可靠性,降低成本,将有更为广阔的应用范围。
2变电设备新型感知技术与应用趋势现有的设备传感技术在电网运维状态监测、故障预警方面发挥了重要作用,提升了设备的运维水平。但随着电网运行对变电设备可靠性要求的提升,设备管理向数据化、智能化发展,现有的设备感知技术还存在以下问题：
1）感知终端安装数量有限,体积大、功耗大、成本高,导致有效感知数据的数量和全面性不足,传感器间相互隔离,数据缺乏共享贯通,难以支撑电网运行管理“全面感知”的应用需求。
2）感知层基础研究不够深入,已有感知方法得到的传感量无法有效反映设备运行的真实状态,存在感知盲区。如GIS绝缘子沿面闪络故障、套管故障和有载分接开关(on-loadtap-changer,OLTC)故障,这些故障的原因和机理目前尚不清楚,使得传感和检测技术的研究缺少针对性,因此需要加强设备故障机理与有效传感量之间关联关系的研究。
3）感知传感器、装置可靠性及可信性仍然存在不足,装置检测校验体系还不够完善。
变电设备新型感知技术研究与应用趋势如图4所示。结合各类感知新技术的研究现状,从以下3个方面介绍目前正在积极研究、亟需提升性能的新型感知技术,探索其应用策略。
2.1新型通用传感技术研究目前感知传感器存在成本高、体积大、安装不便等问题,需要研究小型化、低成本、安装方便的感知终端和布置方案,如微型电场、磁场传感器,从而使电压、电流等通用电气量的检测更加便捷。
2.1.1微型电场传感技术传统的介损、局放监测往往需要以一次电压信号作为参考,通常由互感器或电容式分压得到,不可避免地存在角差,也需要额外布线。微型电场传感技术能够在非接触的条件下进行一次电压测量,可以降低电压测量的成本。
图4变电设备新型感知技术研究与应用趋势Fig.4Newsensingtechnologyandapplicationtrendoftransformationequipment微机电系统(micro-electro-mechanicalsystem,MEMS)电场传感器具有体积小、空间分辨力高、功耗低、成本低、易批量生产等优点[35]。图5展示了一种可以用来测量高压直流线路电场的MEMS传感器[36],可随外部电场的变化而输出交变的感应电流,再利用低噪声前置放大电路将微弱电流转化为输出电压信号;文献[37]也提出了磁驱动悬臂梁式结构电场传感器,功耗可降至17.75mW,灵敏度可达9.87mV/(kV·m-1);文献[38]提出了一种扭转谐振式MEMS电场传感器,提高了微型电场传感器的灵敏度,在增益电阻为100MΩ的情况下,传感器灵敏度可到4.55mV/(kV·m-1),其扫描电镜(scanningelectronmicroscope,SEM)图如图6所示。图7展示了一种基于压电效应和压阻效应耦合的复合结构的高频电压传感器及其频响曲线,图7(a)所示为其结构示意图,图7(b)所示为传感器的相频响应曲线和幅频响应曲线[39]。MEMS电场传感器目前主要处于实验室试验阶段,实际应用还需进一步解决电磁干扰等关键技术问题。
另外一种方式是利用泡克耳斯效应、克尔效应等电光效应测量电场,其基本原理是：在外加电场作用下,透明物质的折射率会发生改变,通过测量折射率的变化测量电场。基于电光效应的电场传感器有集成M-Z干式和电容分压型光学、全电压型光学电压传感器,显著特点是无源、动态范围大、频带宽,但成本相对较高[40]。
微型电压传感器一定程度上解决了电磁干扰、传输损耗、带宽受限等问题,但目前仍存在检测精度不高、抗干扰能力较弱等问题,还处在实验室验证阶段,未来性能提升后,将在非接触式电压测量、设备状态监测、继电保护、电磁环境测量方面具有广阔应用前景。
2.1.2磁阻电流传感技术磁阻传感器是感知器件的电阻值随所处磁场变化而变化的一类传感器,其发展历程如图8所示,包括各向异性磁电阻效应(anisotropicmagnetoresistance,AMR)、巨磁电阻(giantmagnetoresistance,GMR)和隧道磁阻(tunnelmagnetoresistance,TMR)传感器。
GMR传感器具有体积小、功耗低等特点,理论带宽达吉赫兹级别,电流测量范围可达千安培级,精度达0.1级。而TMR传感器具有更高的灵敏度、更低的功耗特性和更优良的温度特性[41-45],电流测
图5MEMS电场传感器敏感芯片感应原理Fig.5InductionprincipleofsensitivechipofMEMSelectricfieldsensor图6传感器芯片的扫描电镜(SEM)图Fig.6SEMimageofsensorchip图7一种基于压电-压阻耦合的MEMS电场传感器及其频率相应Fig.7Piezoelectric-piezoresistivecouplingmemssensorsanditsfrequencyresponse量范围由微安培级至千安培级[46-47],其理论带宽达2GHz[48-49]进一步为电网普遍需求的宽频电流检测提供了技术基础。文献[50-51]研究了基于GMR传感器的DC/DC用和电力系统矩形母线排用电流传感器,成功检测了带宽为1MHz的电流信号;文献[52-53]进行了一系列巨磁阻技术的非接触式瞬态、宽频电流测量应用探索,对变电设备运行状态的宽频感知具有重要意义。
磁阻电流传感易受到磁芯、线圈漏磁的影响,为了减少干扰,可采用阵列式磁传感器的方式。文献[54]通过使用多个磁传感器对通电导线周围空间的电磁场分布进行测量,然后经过信号处理,实现了电流的测量。文献[55]基于磁传感器的电流测量,提出利用磁传感器阵列和卡尔曼滤波算法消除干扰电流的影响,研究了磁传感器的布置方式,建立了磁传感器阵列测量大电流的传感器拓扑优化数学模型。目前,环形阵列传感器电流测量频带可达1MHz以上,精度达0.1%FS,侧量范围为0.5A~1kA。环形阵列磁传感器原理及的多因素测量误差模型如图9所示,基于环形磁传感器阵列的电流测量结构中考虑了串扰、偏心、偏角和阵列初始角对其测量误差的影响[56-58],为该传感器的进一步深化应用提供了理论基础。
目前磁阻电流传感器在变电设备状态感知中的应用较少,但随着变电物联网的发展,其低功耗、高灵敏度、高带宽等优势逐渐突显,具备应用潜力。
2.1.3局部放电空间定位传感技术目前变电设备局部放电监测系统一般针对单一设备设计,无法在站域层面满足准确的局放定位需求,过多的局放传感器布置也会增加维护成本。基于特高频(ultrahighfrequency,UHF)传感器阵列的空间局部放电感知技术正在开展,已进行了UHF信号时延精确测量、定位算法、UHF在变电站传播特性等方面的研究[59-60]。
文献[61]利用4个天线组成的天线阵列接收特高频电磁波,并定义三维坐标系对变电站全站范围内进行局放定位。该团队设计了一种球面锥形结构的新型特高频传感器,在500~2000MHz带宽内具有驻波比低、全向、高灵敏度及群时延一致性好等特点,方位角误差小于2°[62]。文献[63]采用了可移动式UHF天线阵列,并对去噪方法、天线阵列优化布置及定位算法进行了研究。
同时,一些局放定位算法也相继被提出,文献
图8磁传感器件技术的发展历程Fig.8Thedevelopmentofmagneticsensortechnology图9环形阵列磁传感器原理及其多因素测量误差模型Fig.9Principleofcirculararrayofmagneticsensorsanditsmultifactormeasurementerrormodel[64]将相控阵原理应用到局放定位算法中,能够采用多重信号分类算法进行信号测向,经过优化,实现了2°的测量误差;文献[65]精确估计了到达时间差(timedifferenceofarrival,TDOA),实现了20m范围内小于20cm的定位精度;针对多源局部放电,文献[66]采用了K均值法对天线阵列的TDOA向量进行了聚类,实现了多源UHF信号的分离,同样得到了接近单个放电源的定位精度。
空间局部放电传感技术具有快速、高效、准确等特点,非接触式测量使检测范围更大、更便捷、更安全,放电可视化也为现场检测人员提供了一种更直观的检测手段,降低了对操作人员的技术要求,具有很好的应用前景。
2.2关键设备典型故障状态感知技术前面探讨了几种新型的变电设备通用传感技术。通过对电网公司近10年变压器、开关设备运行情况的分析发现,套管故障、分接开关故障、变压器绕组短路损坏、GIS绝缘子缺陷已成为影响变电设备可靠运行的主要原因,严重影响了电网的安全稳定运行。现有的感知技术还没有办法对上述典型故障进行全面感知和提前预警,目前国内一些单位正在针对上述问题开展技术研究。
2.2.1OLTC机械故障在线感知装置有载分接开关(on-loadtap-changer,OLTC)是变压器/换流变压器的唯一可动部件,发挥着稳定电网电压、增加电网灵活度、改善电能质量等重要功能。然而,近年来发生的多起由于分接开关故障导致的变压器故障,造成了严重后果[67]。
分接开关属于高精密机电一体化设备,机械动作时序和电气可靠性要求高,换流变有载分接开关动作频次可达4000次/(台·年)。当分接开关机械动作时序出现偏差、真空灭弧室出现故障时,油室中会产生特征气体,严重时会造成极间短路,引发换流变故障起火。目前分接开关油色谱分析还只能进行停电取油离线分析,无法实现在线监测。而通过振动传感器可以感知OLTC在档位切换过程中的机械状态信息,目前已得到了国内外相关单位的关注。图10是测得的分接开关振动信号U,但该信号易受到现场环境的干扰,需要开展振动特征提取的研究[68-71]。驱动电机电流信号也可以在一定程度上反映OLTC切换的部分状态信息,再结合振动信号,可分析OLTC相关部件的劣化趋势[72-76]。文献[77]提出了一种基于卷积神经网络(convolutionalneuralnetworks,CNN)的变压器OLTC故障识别方法,其识别流程如图11所示,但该方法缺乏换流站现场应用效果的检验。
分接开关故障主要分机械故障和电气故障,对其状态监测需要做到动作时序分析精度在毫秒级,而现有的在线振动监测无论是在检测精度,还是在故障识别方法方面都存在许多不足。除了振动信号,仍需要就真空OLTC切换过程中各种特征量的感知特性和传播特性开展研究,针对不同型号分接开关结构和切换时序,分析其不同的故障特征,进一步开发出换流变OLTC的在线监测装置。
2.2.2变压器绕组变形在线感知装置传统的频响法变压器绕组变形检测技术在电力行业已经普遍应用,但必须停电检测,无法对在运变压器进行动态监测,迫切需要研发在线绕组变形监测技术。
一种技术路线是将传统的离线频响法升级为在线频响法,面临的最大问题是如何在不影响变压器安全运行的前提条件下向带电运行的绕组注入激励扫频信号,并测量响应信号。文献[78]利用套管次屏抽头或者末屏引出线向运行变压器绕组注入扫
图10有载分接开关操作机械振动信号波形Fig.10MechanicalvibrationsignalwaveformofOLTCoperation图11OLTC故障识别流程图Fig.11FlowchartoffaultrecognitionforOLTC频信号,并且从套管末屏引出线获取响应信号,以实现在线获取绕组的频响曲线,但该方法改变了末屏接地方式,存在套管运行风险。文献[79]提出了一种非侵入式电容传感器,通过该电容传感器以电场耦合方式向套管内部的高压引线注入激励信号或测量引线上的响应电压信号来实现信号的测量;文献[80]又进一步通过该方式向绕组注入脉冲信号,经过短时Fourier变换[81]或连续小波变换[82]得到绕组的频响曲线。目前,更易于现场安装使用的基于罗氏线圈的磁耦合信号注入方式正在探索中,同时,变压器绕组变形在线感知频响信号传播特性、信号提取及诊断技术的研究也正在开展,有望推动在线绕组变形感知装置的广泛应用。
另一种技术路线是振动检测分析法。通过对变压器绕组固有正频率振动分布特性的研究,可得到振动信号与绕组变形的相关关系,进而实现绕组变形的在线感知[83-85]。同时,振动指纹概念也被提出,即对正常运行状态下的振动特征向量,包括铁芯、绕组振动信号的频谱、功率谱、能量谱等,建立原始指纹库,通过特征向量的变化感知绕组的故障[86-87]。由于变压器结构及运行工况十分复杂,变压器短路后绕组的变形情况多样,因此振动信号传递分析和指纹故障识别存在较大困难。
此外,基于分布式光纤传感的变压器绕组变形监测技术可以实现对绕组轻微变形的有效测量,并可将变形故障精确至绕组线圈饼级[88],但光纤传感器在变压器绕组内部的融合设计和可靠性影响限制了这种技术的推广应用。
2.2.3高压套管多参量在线感知装置套管末屏监测技术研究较多,鉴于套管末屏必须安全接地,运行中容易受到电磁干扰的影响,因此需要实现传感一体化集成,以解决传统在线监测装置在对套管末屏改造后不能就近接地和密封不良的问题。
文献[89]通过在末屏接地线上安装高频电流互感器(highfrequencycurrenttransformer,HFCT)、特高频电流互感器(ultrahighfrequencycurrenttransformer,UHFCT)和介损电流互感器一体化的传感器,实现了高压套管局部放电和介质损耗的一体化传感和测量。文献[90]将局部放电、雷电过电压、工频泄漏电流传感器集成在同轴圆柱外壳内,实现了多种套管状态的感知。
目前,套管监测正在完善多功能一体化设计,可以对工频、高频信号进行同步测量,分析介损、电容量、压力和局放信号,实现对套管典型缺陷故障的提前预警。对套管进行单一组分气体监测的技术也在研究中,随着相关技术的不断完善,可以有效提升套管类设备的运行管控水平。
2.2.4GIS绝缘子沿面缺陷状态感知系统GIS绝缘子缺陷监测一直是GIS研究领域的热点和难点,已经开展了大量绝缘子表面金属微粒闪络特性和局放特性的研究。文献[91]在实验室建立了灵敏度可达0.02pC的综合局放测量和运动观测系统,观测获得了GIS绝缘子表面不同数量亚毫米级金属颗粒的运动特性和放电特性。文献[92]建立了GIS绝缘子表面金属颗粒运动和高灵敏脉冲电流局放观测实验平台,如图12所示,实验观测到运行工况下金属颗粒运动诱发沿面闪络的现象,并观测到其局放发展过程。
图12126kVGIS实验装置结构Fig.12Structureof126kVGIStestdeviceGIS绝缘子缺陷监测技术实际应用较少,效果不明显。后续亟需结合实际故障案例,深入研究不同绝缘子表面微粒的运动、放电、闪络特性和试验技术,找出故障诱因,研究绝缘劣化过程与声、电、光、热等传感量的关联关系及检测有效性,开发适用于GIS绝缘子缺陷检测的传感技术。
2.3感知传感器及装置性能提升及检测校验技术随着变电设备感知终端的大量部署,感知数据已经成为主设备状态评价的重要依据,传感装置的可靠性及有效性也已成为变电设备安全运行管控的重要基础。一方面,在设计上,传感器要强化需要全周期全要素的可靠性设计,加强可靠性数据收集;另一方面,在检测上,传感器要突出场景性能的校验,需要根据传感器应用中存在的问题,加强感知装置的针对性性能检测验证。
2.3.1可靠性设计传感器的可靠性对电力设备状态感知成效至关重要,根据现有应用经验,传感器仍然存在一致性、稳定性、可靠性差的问题。已投入使用的传感器存在着误报警、数据漂移、故障率高等突出问题。电力系统应用环境复杂,除了一般传感器面临的自然环境问题(温度、湿度、紫外、高海拔等),还面临着电力应用特有的电磁环境问题。同时传感器复杂度和智能化程度日益增加,主设备故障危害后果严重,对传感器的可靠性要求更高。
设计是传感器可靠性管理的基础,传感器可靠性受到材料、工艺、环境等多方面因素的影响,考虑到主设备安全监控要求高,设备传感器在设计上要进一步提升可靠性要求,充分考虑健壮设计、冗余设计、容错设计、简化设计、环境适应设计和电磁兼容设计等。
传感器可靠性设计理念需贯穿整个产品周期,在方案设计阶段,要充分收集同类传感器的运行情况和可靠性数据,根据电力设备功能需求和环境特点,进行针对性的评估和设计;在装置研制阶段,要开展功能性试验和环境试验,分析研制试验数据,找出薄弱环节,不断改进;在设计定型或确认时,除了定型试验,也应开展加速寿命试验,评估传感器可靠性水平是否达到要求;在批量生产时,要持续监控制造过程和出厂试验数据,确保传感器可靠性和工艺水平稳定;在应用阶段,还应结合使用环境,广泛收集应用效果,持续改进传感器设计和制造工艺,不断提升传感器的长期运行可靠性。
2.3.2性能检测校验为了保证设备传感器的长期可靠性,电力用户需要对应用的传感器进行性能检验。针对电力设备状态检修及在线监测装置,目前中国电科院已经建立了一系列检测标准,相应实验室已具备全面检测能力。重点针对环境适应性、通信协议、电磁兼容特性、性能参数等进行测试。但是,针对输变电物联网传感器,特别是无源无线、低功耗传感器和汇聚节点,还需建立并完善取电性能、电池性能、低功耗特性、组网及通讯一致性等检测验证平台和测试规范。鉴于此,中国电科院已实施物联网传感器性能检测平台扩建计划,平台框架如图13所示。
3展望随着能源互联网建设的不断推进,电网资产和业务不断数据化,电网运行决策日趋精益化,输变电设备运维日趋智能化。在传统在线监测技术提升性能的同时,新型感知技术也在加速发展。可以看到,一方面,物联网技术正逐渐与电力设备状态感知技术深度融合,形成全方位、多维度的感知体系,提升了设备的现场感知能力;另一方面,随着感知数据的积累和智能传感器的大量推广,设备感知数据不断积累完善,大数据与人工智能技术在设备状态分析中将会得到深化应用,设备管理的智能化水平将得到有效提升。
3.1基于物联网的设备本体智能化感知体系在设备本体自身感知方面,依托各类设备状态传感器、在线监测装置等,可构建电网设备物联网系统,实现设备信息互联互通,系统结构如图14所示。建立带电检测和在线监测技术标准体系,建立统一的数据模型,实现设备识别、状态感知、状
图13物联网传感器性能检测平台框架Fig.13ConstructionframeworkofsensorperformancetestingplatformintheInternetofthings图14基于物联网的变电设备智能化感知系统Fig.14Intelligentperceptionsystemoftransformationequipmentbasedoninternetofthings态分析无缝衔接,从而为管控系统全面设备状态分析提供技术基础。
传感器与设备本体一体化融合设计成为发展趋势。变电站重要设备如变压器、开关设备等在设计时,在器身预留传感窗口或内置高可靠性传感器,可提升设备的自感知、自诊断能力,实现设备状态的可知、可控。根据电力设备重要程度进行智能化分级,分别针对“海量”、“常用”、“主要”设备标准化典型设计需求,推行设备模块化设计,可大幅降低物联网传感器大量部署所带来的检修工作难度。
同时,设备感知与传感装置向全面感知、低功耗、模块化、标准化、安全高效通信和高可靠性发展。设备的全面感知包括自身运行状态感知、环境感知、空间感知、实时感知等全方位感知能力。随着MEMS传感器的发展,其低功耗、模块化、低成本优势将会使其在电力系统中得到广泛应用。
3.2基于智能装备的立体巡检体系除了设备本体感知技术外,基于站内其他面向非单一设备的智能巡检装置也成为变电设备智能感知体系中的一个重要组成部分。
搭载红外热像仪、可见光采集、声学传感等感知设备的巡检机器人,在集成综合导航、机器视觉、机械性能、电磁兼容性及续航方面都取得了长足进步,显著提高了机器人巡检的稳定性和数据采集质量,正逐步在电力系统中得到推广应用[93]。随着巡检机器人数量及数据量的不断增加,对智能化分析算法提出了更高的要求,采用自充电的方式还存在一定的风险,自主导航及定位也还需要进一步突破。
未来,应建立基于智能装备的立体巡检体系,应用直升机、无人机、巡检机器人等智能装备,开展多维度线路、变电站立体化巡检工作,建立巡检数据中心,实时/定期接入管控系统,实现日常巡检工作无人化,巡检信息收集自动化,巡检结果处理智能化,从而逐步减少甚至替代传统人工巡视。
3.3基于人工智能及大数据的决策体系由于设备故障机理复杂、运行环境多样,针对不同设备的差异性难以建立完善、精确、统一的评估和诊断模型。感知装置积累的海量状态数据,若采用专家人工进行分析诊断,则效率将无法得到保障[94-95]。人工智能及大数据技术为突破变电设备状态感知瓶颈带来了全新的解决思路和技术手段。
文献[96]研究了基于大数据挖据分析的设备评估诊断,运检大数据规划建模技术,及数据跨平台抓取与异构数据量化融合转换技术等,总结了大数据关键技术及研究思路;文献[97]针对电力变压器状态检修,总结了基于人工智能驱动的分析技术应用,充分说明专家系统、不确定性推理、机器学习及智能优化计算技术,能够在多源异构数据的处理与挖掘、全面准确的运行状态评估与预测以及综合检修决策的建模与优化等应用场景发挥重要作用;文献[98]回顾了人工智能在输变电设备运维检修业务中的关键技术和应用现状,总结了各类典型运维场景中的人工智能应用进展与困难。
在电网业务人工智能辅助决策中,诸多问题仍需解决。数据质量、壁垒、不均衡问题突出,缺乏统一标准的感知数据管理流程[96]。通过大、云、物、移、智、链等信息技术,强化管控平台信息集成、数据分析及信息流转能力,建立基于管控平台的生产指挥决策体系,可以实时掌握设备状态,全面管控运检资源,实现决策指令、现场信息在运检管控中心和生产现场实时交互,从而大幅提高运检指挥决策与现场执行效率。通过云边协同,提高边缘计算能力,实现数据的实时、动态分析和优化控制。采用差异化保护策略、危机缺陷就地处理,最终形成资源协同、数据协同和业务协同的局面。
3.4智能传感器性能检测校验体系电力系统智能传感器的使用环境严酷,大大提高了对其性能和可靠性的要求,为保证感知设备及装置感知的有效性及准确性,需开展检测性能、取电性能、可靠性、通信一致性等一系列性能测试工作。
但是,多数电力智能传感器无法沿用已发布的在线监测装置检测标准,智能传感器标准体系仍需完善;智能传感器种类繁多,检测项目繁杂,检测效率无法得到保证,检测流程需要更加自动化、智能化;检测环境需贴近应用场景,可通过真型变电设备试验平台模拟实际运行条件下的典型缺陷,从而验证变电设备物联网技术各个功能模块的有效性。
完善感知装置检测标准体系,完善完整的可靠性评估与试验方法,实现智能传感器检测校验,全面建设实验室检测能力,是提升状态感知性能的必然趋势。
4结论当前电网规模不断扩大,设备可靠性要求不断提升,运维人力投入总量受限,资产管理效益要求越来越高,变电设备状态感知策略在不断发展演变,各类感知技术也不断扩展,逐渐向电力应用场景全面覆盖方向发展。通过本文的研究,得到以下结论：
1）电、声、光、化、热等物理量的感知技术在电网设备运维已广泛应用多年,设备感知系统的安全性、可靠性、稳定性直接影响着设备运维策略的有效性。目前各类传感技术应用繁多,效果参差不齐,变电设备故障频发,智能传感技术有广阔的应用需求和发展前景。
2）现有的设备感知终端安装数量总体有限,传感器间数据缺乏共享贯通,装置功耗大、成本高、可靠性不高,感知层基础研究不够深入,难以支撑电网运行管理“全面感知”的应用需求。
3）传感器与设备本体一体化融合设计成为发展趋势,感知装置向全面感知、低功耗、模块化、标准化、安全高效通信和高可靠性发展。融合无人机、机器人等智能装备的巡检技术,将和一体化的设备传感一起形成设备的全方位、立体智能感知体系。
4）针对电网设备安全管控、效益提升等多元综合目标,基于统一数据平台,采用云边协同、人工智能算法的设备运维决策体系成为发展方向。新一代设备智能管控体系应满足设备状态的全面感知、业务数据的相互贯通、信息传输的安全高效、运行风险的主动预警等应用需求,实现多目标优化下的设备管理智能决策。
参考文献[1]国家电网公司运维检修部.电网设备带电检测技术[M].北京:中国电力出版社,2014:1-10.OperationandMaintenanceDepartmentofStateGridCorporationofChina.Onlinedetectiontechnologyofpowergridequipment[M].Beijing,China:ChinaElectricPowerPress,2014:1-10[2]刘有为,王晓华,高文胜,等.智能高压设备[M].北京:中国电力出版社,2019:1-4.LIUYouwei,WANGXiaohua,GAOWensheng,etal.Smarthighvoltageequipment[M].Beijing,China:ChinaElectricPowerPress,2019:1-4.[3]梁英,律方成,李成榕,等.两种高精度FFT算法在介损测量中的应用[J].华北电力大学学报,2004(2):12-15.LIANGYing,LÜFangcheng,LIChengrong,etal.Applicationoftwohigh-accuracyFFTalgorithmstomeasuredielectricloss[J].JournalofNorthChinaElectricPowerUniversity,2004(2):12-15.[4]李妍,王庭华,朱立位,等.基于相对测量法的容性设备故障定位研究[J].绝缘材料,2015,48(5):69-72.LIYan,WANGTinghua,ZHULiwei,etal.Faultlocationstudyofcapacitiveequipmentbasedonrelativemeasurementmethod[J].InsulatingMaterials,2015,48(5):69-72.[5]董爽,李天云,王永,等.在线检测介质损耗角的矩阵束方法[J].电工技术学报,2015,30(18):229-236.DONGShuang,LITianyun,WANGYong,etal.Anon-linedetectionmethodofdielectriclossanglebasedonmatrixpencilalgorithm[J].TransactionsofChinaElectrotechnicalSociety,2015,30(18):229-236.[6]孙鹏,杨永越,刘黎明,等.基于Hanning卷积窗的DFT介质损耗角测量算法[J].电测与仪表,2014,51(16):73-77.SUNPeng,YANGYongyue,LIULiming,etal.ADFTdielectriclossanglemeasurementalgorithmbasedonHanningconvolutionwindow[J].ElectricalMeasurement&Instrumentation,2014,51(16):73-77.[7]龚林发,林瑞全,叶永市.一种基于改进相关函数法的介质损耗测量方法[J].电气技术,2020,21(3):108-112.GONGLinfa,LINRuiquan,YEYongshi.Amethodofmeasuringdielectriclossbasedonimprovedcorrelationfunctionmethod[J].ElectricalEngineering,2020,21(3):108-112.[8]王晓辉,朱永利,王艳,等.基于深度学习的电容器介损角在线辨识[J].电工技术学报,2017,32(15):145-152.WANGXiaohui,ZHUYongli,WANGYan,etal.Onlineidentificationmethodofpowercapacitordielectriclossanglebasedondeeplearning[J].TransactionsofChinaElectrotechnicalSociety,2017,32(15):145-152.[9]陈思凡,陈灏泽,付正洲,等.一起220kV变压器高压套管末屏绝缘数据异常事件分析与处理[J].通信电源技术,2020,37(5):283-284.CHENSifan,CHENHaoze,FUZhengzhou,etal.Analysisandtreatmentofanabnormaleventofinsulationdataoftheendshieldofthehighvoltagebushingof220kVtransformer[J].TelecomPowerTechnology,2020,37(5):283-284.[10]许广虎,郑义,苑龙祥,等.一起750kV电抗器高压套管故障的处理与分析[J].变压器,2018,55(5):72-76.XUGuanghu,ZHENGYi,YUANLongxiangetal.Analysisandtreatmentof750kVreactorbushingfailure[J].Transformer,2018,55(5):72-76.[11]黄育龙,黄绪煜,陈志平.高压穿墙套管带电测试及典型缺陷分析[J].电工材料,2019(6):20-22.HUANGYulong,HUANGXuyu,CHENZhiping.Livetestandtypicaldefectanalysisofhighpressurewallbushing[J].ElectricalEngineeringMaterials,2019(6):20-22.[12]李国富,樊力.无间隙氧化锌避雷器电阻片电压分布的计算[J].电网技术,1998,22(7):31-34.LIGuofu,FANLi.ComputationofvaristorvoltagedistributionforMOAs[J].PowerSystemTechnology,1998,22(7):31-34.[13]颜湘莲,王文华.氧化锌避雷器阻性电流提取算法探讨[J].电力设备,2006(2):61-63.YANXianglian,WANGWenhua.DiscussiononextractionalgorithmofresistancecurrentforMOA[J].ElectricalEquipment,2006(2):61-63.[14]黄海宏,颜碧琛,赵常威,等.氧化锌避雷器泄漏电流检测的优化FFT分析[J].电子测量与仪器学报,2019,33(4):87-94.HUANGHaihong,YANBichen,ZHAOChangwei,etal.OptimizedFFTanalysisforleakagecurrentdetectionofzincoxidearrester[J].JournalofElectronicMeasurementandInstrument,2019,33(4):87-94.[15]葛亮,郝明杰,王宇,等.一起500kV金属氧化物避雷器异常分析及处理[J].现代工业经济和信息化,2016,6(21):54-56.GELiang,HAOMingjie,WANGYu,etal.Abnormalanalysisandtreatmentofa500kVmetaloxidearrester[J].ModernIndustrialEconomyandInformationization,2016,6(21):54-56.[16]王湛鈞.一起110kV氧化锌避雷器泄露电流超标的原因分析[J].通信电源技术,2018,35(8):269-270.WANGZhanjun.Analysisonthereasonofexceedingtheleakagecurrentfor110kVzincoxidearrester[J].TelecomPowerTechnology,2018,35(8):269-270.[17]雷战斐,柴斌,武嘉薇,等.一起换流变压器铁芯泄漏电流异常分析及处理[J].宁夏电力,2019(2):46-50.LEIZhanfei,CHAIBin,WUJiawei,etal.Analysisandtreatmentofabnormalleakagecurrentinaconvertertransformercore[J].NingxiaElectricPower,2019(2):46-50.[18]崔闻雯.变压器铁芯接地电流在线监测装置的设计[D].大连:大连交通大学,2018.CUIWenwen.Designofon-linemonitoringdeviceforgroundingcurrentoftransformercore[D].Dalian,China:DalianJiaotongUniversity,2018.[19]张重远,罗世豪,岳浩天,等.基于Mel时频谱-卷积神经网络的变压器铁芯声纹模式识别方法[J].高电压技术,2020,46(2):413-423.ZHANGZhongyuan,LUOShihao,YUEHaotian,etal.PatternrecognitionofacousticsignalsoftransformercorebasedonMel-spectrumandCNN[J].HighVoltageEngineering,2020,46(2):413-423.[20]陈孝信,钱勇,许永鹏,等.基于脉冲源的高频电流传感器传输阻抗测量新方法[J].电力自动化设备,2019,39(3):120-124.CHENXiaoxin,QIANYong,XUYongpeng,etal.Anovelpulse-source-basedmethodformeasuringtransferimpedanceofhighfrequencycurrentsensor[J].ElectricPowerAutomationEquipment,2019,39(3):120-124.[21]王晓文,钟晓宇.电气设备局部放电检测方法综述[J].沈阳工程学院学报(自然科学版),2017,13(4):331-339.WANGXiaowen,ZHONGXiaoyu.Reviewonpartialdischargedetectionmethodsforelectricalequipment[J].JournalofShenyangInstituteofEngineering(NaturalScience),2017,13(4):331-339.[22]杨海龙,谢怡,高超,等.多种局放检测技术对220kVGIS设备内部放电缺陷的综合诊断与实例分析[J].电工技术,2018(5):84-86.YANGHailong,XIEYi,GAOChao,etal.Comprehensivediagnosticandcaseanalysisof220kVGISinternaldischargedefectsbasedonvariousPDdetectiontechniques[J].ElectricEngineering,2018(5):84-86.[23]刘彦琴,刘君,周波,等.声电联合法在主变局放缺陷定位中的现场应用[J].高压电器,2018,54(11):239-244.LIUYanqin,LIUJun,ZHOUBo,etal.Fieldapplicationofacoustic-electricalcombinationmethodinthePDdefectlocationofmaintransformer[J].HighVoltageApparatus,2018,54(11):239-244.[24]余长厅,黎大健,陈梁远,等.基于声纹及振动的变压器故障诊断技术研究[J].高压电器,2019,55(11):248-254.YUZhangting,LIDajian,CHENLiangyuan,etal.Transformerfaultdiagnosistechniquebasedonvoiceprintandvibration[J].HighVoltageApparatus,2019,55(11):248-254.[25]张磊,黎大健,余长厅,等.基于声成像技术的变电站电力设备噪声源识别[J].广西电力,2019,42(3):62-64.ZHANGLei,LIDajian,YUZhangting,etal.Thenoisesourcesidentificationofsubstationpowerequipmentbasedonacousticimagingtechnology[J].GuangxiElectricPower,2019,42(3):62-64.[26]罗超,查智明,姚为方.基于声成像技术的变电站主变噪声识别及其特性研究[J].变压器,2013,50(11):51-53.LUOChao,ZHAZhiming,YAOWeifang.Noiseidentificationandcharacteristicsresearchofmaintransformerinsubstationbasedonacousticimagingtechnology[J].Transformer,2013,50(11):51-53.[27]王昌长,李福祺,高胜友,等.电力设备的在线监测与故障诊断[M].北京:清华大学出版社,2006:133-136.WANGChangchang,LIFuqi,GAOShengyou,etal.On-linemonitoringanddiagnosisforpowerequipment[M].Beijing,China:ChinaElectricPowerPress,2006:133-136.[28]刘云鹏,裴少通,武建华,等.基于深度学习的输变电设备异常发热点红外图片目标检测方法[J].南方电网技术,2019,13(2):27-33.LIUYunpeng,PEIShaotong,WUJianhua,etal.Deeplearningbasedtargetdetectionmethodforabnormalhotspotsinfraredimagesoftransmissionandtransformationequipment[J].SouthernPowerSystemTechnology,2019,13(2):27-33.[29]律方成,戴日俊,王胜辉,等.基于紫外成像图像信息的绝缘子表面放电量化方法[J].电工技术学报,2012,27(2):261-268.LÜFangcheng,DAIRijun,WANGShenghui,etal.Studyofinsulatorsurfacedischargequantificationmethodbasedonultravioletimagingimageinform[J].TransactionsofChinaElectrotechnicalSociety,2012,27(2):261-268.[30]张勇,李昕,刘君华,等.数据融合新技术在识别变压器油中四种特征气体的研究[J].中国电机工程学报,2001,21(8):11-15.ZHANGYong,LIXin,LIUJunhua,etal.Anewdatumfusiontechniqueforpatternrecognitionoffourcharacteristicgasesintransformeroil[j].ProceedingsoftheCSEE,2001,21(8):11-15.[31]王海蓉,徐阳,赵俊磊.基于SF6气体状态分析的SF6断路器在线监测和故障诊断[J].电气开关,2011,49(3):44-47.WANGHairong,XUYang,ZHAOJunlei.On-linemonitoringandfaultdiagnosisofSF6circuitbreakersbasedongasstateanalysis.ElectricSwitchgear[J].ElectricSwicthgear,2011,49(3):44-47.[32]吕超.SF6断路器状态监测与故障诊断的研究[D].哈尔滨:哈尔滨工业大学,2007.LÜChao.ResearchonthemonitoringandfaultdiagnosisforSF6circuitbreakers[D].Harbin,China:HarbinUniversityofTechnology,2007.[33]唐峰,刘顺桂,吕启深,等.基于量子级联激光的大区域SF6泄露实时检测[J].光子学报,2019,48(10):193-202.TANGFeng,LIUShungui,LÜQishen,etal.Real-timedetectionofSF6leakageareabasedonquantumcascadelaser[J].ActaPhotonicaSinica,2019,48(10):193-202.[34]林金梅,潘锋,李茂东,等.光纤传感器研究[J].自动化仪表,2020,41(1):37-41.LINJinmei,PANFeng,LIMaodong,etal.Researchonopticalfibersensors[J].ProcessAutomationInstrumentation,2020,41(1):37-41.[35]仝杰,雷煜卿,刘国华,等.微型电场传感器在工频电场测量中的应用研究[J].电子与信息学报,2018,40(12):3036-3041.TONGJie,LEIYuqing,LIUGuohua,etal.Power-frequencyelectricfieldmeasurementusingamicromachinedelectricfieldsensor[J].JournalofElectronics&InformationTechnology,2018,40(12):3036-3041.[36]MAQ,HUANGK,YUZ,etal.AMEMS-basedelectricfieldsensorformeasurementofhigh-voltageDCsyntheticfieldsinair[J].SensorsJournalIEEE,2017,17(23):7866-7876.[37]王德才.电线电压与电流非接触检测技术研究[D].重庆:重庆大学,2018.WANGDecai.Studyonnon-contactdetectingtechnologyforelectricpowerline-voltageandcurrent[D].Chongqing,China:ChongqingUniversity,2018.[38]储昭志,彭春荣,任仁,等.一种扭转谐振式MEMS电场传感器[J].传感器与微系统,2019,38(6):83-85.CHUZhaozhi,PENGChunrong,RENRen,etal.AMEMS-basedelectricfieldsensorwithtorsionalresonance[J].TransducerandMicrosystemTechnologies,2019,38(6):83-85.[39]XUEF,HUJ,GUOY,etal.Piezoelectric-piezoresistivecouplingMEMSsensorsformeasurementofelectricfieldsofbroadbandwidthandlargedynamicrange[J].IEEETransactionsonIndustrialElectronics,2019:67(1):551-559.[40]杨庆,孙尚鹏,司马文霞,等.面向智能电网的先进电压电流传感方法研究进展[J].高电压技术,2019,45(2):349-367.YANGQing,SUNShangpeng,SIMAWenxia,etal.Progressofadvancedvoltage/currentsensingtechniquesforsmartgrid[J].HighVoltageEngineering,2019,45(2):349-367.[41]BAIBICHM,BROTOM,FERTA,etal.Giantmagneto-resistanceof(100)Fe/(100)Crmagneticsuperlattices[J].PhysicalReviewLetters,1988,61(21):2472-2475.[42]RIPKAP.Electriccurrentsensors:areview[J].MeasurementScience&Technology,2010,21(11):112001.[43]李忠晶,鞠登峰,周兴,等.基于巨磁电阻传感器的微弱电流测量方法研究[J].电测与仪表,2016,53(15):28-32.LIZhongjing,JUDengfeng,ZHOUXing,etal.Researchonweakcurrentmeasuringmethodbasedongiantmagneto-resistancesensor[J].ElectricalMeasurement&Instrumentation,2016,53(15):28-32.[44]王婧怡,钱政,王现伟.巨磁阻传感器动态特性测量方法的研究[J].电测与仪表,2016,53(1):38-42.WANGJingyi,QIANZheng,WANGXianwei.Researchonmeasurementmethodappliedonthedynamiccharacteristicsofgiantmagneto-resistancesensor[J].ElectricalMeasurement&Instrumentation,2016,53(1):38-42.[45]OUYANGY,HEJ,HUJ,etal.Acurrentsensorbasedonthegiantmagnetoresistanceeffect:designandpotentialsmartgridapplications[J].Sensors,2012,12(12):15520-15541.[46]ELMATBOLYO,HOMAIFARA,ZOLGHADRIM.Giantmagnetoresistivesensingofcriticalpowersystemparameter[C]∥31stAnnualConferenceofIEEEIndustrialElectronicsSociety.NorthCarolina,USA:IEEE,2005:6.[47]REIGC,CUBELLS-BELTRANMD,MUÑOZDR.Magneticfieldsensorsbasedongiantmagnetoresistance(GMR)technology:applicationsinelectricalcurrentsensing[J].Sensors,2009,9(10):7919-7942.[48]DABEKM,WISNIOWSKIP.Dynamicresponseoftunnelingmagnetoresistancesensorstonanosecondcurrentstep[J].Sensors&ActuatorsaPhysical,2015,232:148-150.[49]MICHAD,PIOTRWN,TOMASZS,etal.Sensitivityand3dBbandwidthinsingleandseries-connectedtunnelingmagnetoresistivesensors[J].Sensors,2016,16(11):1821.[50]SINGHRP,KHAMBADKONEAM.Giantmagnetoresistive(GMR)effectbasedcurrentsensingtechniqueforDC/DCconverters[C]∥33rdAnnualConferenceoftheIEEEIndustrialElectronicsSociety.[S.l.]:IEEE,2007:1420-1425[51]SINGHRP,KHAMBADKONEAM.Giantmagnetoresistive(GMR)effectbasedcurrentsensingtechniqueforlowvoltage/highcurrentvoltageregulatormodules[J].IEEETransactionsonPowerElectronics.2008,23(2):915-925[52]何金良,嵇士杰,刘俊,等.基于巨磁电阻效应的电流传感器技术及在智能电网中的应用前景[J].电网技术,2011,25(5):8-14.HEJinliang,JIShijie,LIUJun,etal.Reviewofcurrentsensortechnologybasedongiantmagnetoresistiveeffectandpossibleapplicationsforsmartgrids[J].PowerSystemTechnology,2011,25(5):8-14.[53]OUYANGY,HEJ,HUJ,etal.Acurrentsensorbasedonthegiantmagnetoresistanceeffect:designandpotentialsmartgridapplications[J].Sensors,2012,12(12):15520-15541.[54]BAZZOCCHIR,RIENZOLD.Rienzo.Interferencerejectionalgorithmforcurrentmeasurementusingmagneticsensorarrays[J].SensorsandActuatorsA:Physical,2000,85(1/3):38-41.[55]王敬,耿英三,王建华,等.基于卡尔曼滤波的磁传感器阵列电流测量[J].电力系统自动化,2005,29(24):45-49.WANGJing,GENGYingsan,WANGJianhua,etal.ElectriccurrentmeasurementusingmagneticsensorarraybasedonKalmanfiltering[J].AutomationofElectricPowerSystems,2005,29(24):45-49.[56]HAOY,ZHENGQ,LIUH,etal.Circulararrayofmagneticsensorsforcurrentmeasurement:analysisforerrorcausedbypositionofconductor[J].Sensors,2018,18(2):578.[57]MLEJNEKP,VOPALENSKYM,RIPKAP.AMRcurrentmeasurementdevice[J].SensorsandActuatorsA,2008,141(2):649-653.[58]RIPKAP,CHIRTSOVA.Influenceofexternalcurrentonyokelesselectriccurrenttransducers[J].IEEETransactionsonMagnetics,2017,53(11):1-4.[59]唐志国,李成榕,常文治,等.变压器局部放电定位技术及新兴UHF方法的关键问题[J].南方电网技术,2008,2(1):36-40.TANGZhiguo,LIChengrong,CHANGWenzhi,etal.ThepartialdischargelocationtechnologyofpowertransformerandthekeyissuesofnewlydevelopedUHFmethod[J].SouthernPowerSystemTechnology,2008,2(1):36-40.[60]李沐,冯新岩,蔄晓琨.基于TDOA和TS-PSO的变压器特高频局部放电空间定位方法[J].中国电机工程学报,2019,39(6):1834-1842.LIMu,FENGXinyan,MANXiaokun.AtransformerpartialdischargeUHFlocalizationmethodbasedonTDOAandTS-PSO[J].ProceedingsoftheCSEE,2019,39(6):1834-1842.[61]侯慧娟,盛戈皞,苗培青,等.基于超高频电磁波的变电站局部放电空间定位[J].高电压技术,2012,38(6):1334-1340.HOUHuijuan,SHENGGehao,MIAOPeiqing,etal.Partialdischargelocationbasedonradiofrequencyantennaarrayinsubstation[J].HighVoltageEngineering,2012,38(6):1334-1340.[62]叶海峰,钱勇,刘宗杰,等.一种新型的放电源空间定位用特高频传感器[J].电工技术学报,2015,30(8):333-340.YEHaifeng,QIANYong,LIUZongjie,etal.AnewUHFsensorforspatiallocationofpartialdischargesources[J].TransactionsofChinaElectrotechnicalSociety,2015,30(8):333-340.[63]张冠军,朱明晓,王彦博,等.基于可移动特高频天线阵列的变电站站域放电源检测与定位研究[J].中国电机工程学报,2017,37(10):2761-2773.ZHANGGuanjun,ZHUMingxiao,WANGYanbo,etal.DetectionandlocalizationofdischargesourcesinsubstationareausingmovableUHFantennaarray[J].ProceedingsoftheCSEE,2017,37(10):2761-2773.[64]刘青,朱明晓,王彦博,等.基于特高频相控阵原理的变电站站域局部放电测向方法[J].中国电机工程学报,2017,37(20):6126-6135.LIUQing,ZHUMingxiao,WANGYanbo,etal.Partialdischargeorientationmethodinsubstationbasedonultra-highfrequencyphasedarraytheory[J].ProceedingsoftheCSEE,2017,37(20):6126-6135.[65]刘嘉贻.基于相控阵技术的局部放电空间定位及成像技术研究[D].武汉:华中科技大学,2019.LIUJiayi.Studyonspatiallocalizationandimagingofpartialdischargebasedonphasedarraytechnology[D].Wuhan,China:HuazhongUniversityofScienceandTechnology,2019.[66]朱明晓,刘青,王彦博,等.基于平面相交法的敞开式变电站多源局部放电定位方法[J].高电压技术,2018,44(9):2970-2976.ZHUMingxiao,LIUQing,WANGYanbo,etal.Localizationmethodformultiplepartialdischargesourcesinair-insulatedsubstationbyusingplaneintersectionmethod[J].HighVoltageEngineering,2018,44(9):2970-2976.[67]罗维,金雷,周凯,等.基于单乙炔测量的变压器真空有载分接开关状态监测[J].变压器,2019,56(11):45-48.LUOWei,JINLei,ZHOUKai,etal.ConditionmonitoringofvacuumOLTCoftransformerbasedonmeasurementofacetylene[J].Transformer,2019,56(11):45-48.[68]樊家昊.基于振动分析的有载分接开关机械状态监测研究[D].上海:上海电力大学,2019.FANJiahao.Mechanicalconditionmonitoringofon-loadtap-changerbasedonvibrationanalysis[D].Shanghai,China:ShanghaiUniversityofElectricPower,2019.[69]赵彤,张黎,李庆民.OLTC振动信号的多维空间相轨图几何特征[J].高电压技术,2007,33(8):102-105.ZHAOTong,ZHANGLi,LIQingmin.Featureanalysismethodologyforphaseportraitstructureofmechanicalvibrationsignalsofon-loadtapchangersinmultidimensionalspace[J].HighVoltageEngineering,2007,33(8):102-105.[70]蒋西平,王谦,吴高林,等.基于声振动分析技术的OLTC机械状态特征诊断方法研究[J].变压器,2019,56(1):34-40.JIANGXiping,WANGQian,WUGaolin,etal.Researchonmethodofmechanicalstatecharacteristicsdiagnosisbasedonvibrationanalysistechnologyforon-loadtapchanger[J].Transformer,2019,56(1):34-40.[71]赵彤.有载分接开关机械状态的在线监测与故障诊断技术研究[D].济南:山东大学,2008.ZHAOTong.Studiesonon-linemonitoringandfaultdiagnosticsformechanicalconditionofon-loadtapchangers[D].Jinan,China:ShandongUniversity,2008.[72]徐晨博,王丰华,傅坚,等.变压器有载分接开关振动测试系统设计与开发[J].仪器仪表学报,2013,34(5):987-993.XUChenbo,WANGFenghua,FUJian,etal.Designanddevelopmentofvibrationtestsystemforpowertransformeron-loadtapchanger[J].ChineseJournalofScientificInstrument,2013,34(5):987-993.[73]陈徐晶.电力变压器有载分接开关在线监测技术研究[D].上海:上海交通大学,2013.CHENXujing.Researchonon-linemonitoringandfaultdiagnosistechniquesforon-loadtapchangerscharacteristics[D].Shanghai,China:ShanghaiJiaoTongUniversity,2013.[74]周翔,王丰华,傅坚,等.基于混沌理论和K-means聚类的有载分接开关机械状态监测[J].中国电机工程学报,2015,35(6):1541-1548.ZHOUXiang,WANGFenghua,FUJian,etal.Mechanicalconditionmonitoringofon-loadtapchangersbasedonchaostheoryandK-meansclusteringmethod[J].ProceedingsoftheCSEE,2015,35(6):1541-1548.[75]黄艺娜.基于特征分析的变压器分接开关状态监测系统[J].装备制造技术,2019(6):89-92.HUANGYina.Designandanalysisofon-loadtapchangersconditionmonitoringsystem[J].ElectrotechnicalApplication,2019(6):89-92.[76]王开明,束洪春,曹立平,等.基于相关性分析的OLTC运行状态评价方法研究[J].电力系统保护与控制,2015,43(19):54-59.WANGKaiming,SHUHongchun,CAOLiping,etal.StudyofOLTCrunningstateevaluationmethodbasedoncorrelationanalysis[J].PowerSystemProtectionandControl,2015,43(19):54-59.[77]曾全昊,王丰华,郑一鸣,等.基于卷积神经网络的变压器有载分接开关故障识别[J].电力系统自动化,2020,44(11):1-11.CENGQuanhao,WANGFenghua,ZHENGYiming,etal.Faultrecognitionofon-loadtap-changerofpowertransformerbasedonconvolutionalneuralnetwork[J].AutomationofElectricPowerSystems,2020,44(11):1-11.[78]DERYBELT,SINGHA,VANDERMAARJA,etal.Apparatusforonlinepowertransformerwindingmonitoringusingbushingtapinjection[J].IEEETransactionsonPowerDelivery,2009,24(3):996-1003.[79]SETAYESHMEHRA,AKBARIA,BORSIH,etal.On-linemonitoringanddiagnosesofpowertransformerbushings[J].IEEETransactionsonDielectrics&ElectricalInsulation,2006,13(3):608-615.[80]姚周飞,张思良,尹毅,等.变压器在线频响法关键技术研究与实验分析[J].华东电力,2014,42(6):1164-1167.YAOZhoufei,ZHANGSiliang,YINYi,etal.Keytechnologyresearchandexperimentalanalysisoftransformeronlinefrequencyresponse[J].EastChinaElectricPower,2014,42(6):1164-1167.[81]赵仲勇,姚陈果,李成祥,等.基于短时Fourier变换的变压器绕组变形脉冲频率响应曲线获取方法[J].高电压技术,2016,42(1):241-247.ZHAOZhongyong,YAOChenguo,LIChengxiang,etal.Methodforobtainingtheimpulsefrequencyresponsecurvesofpowertransformerwindingdeformationbasedonshorttimefouriertransform[J].HighVoltageEngineering,2016,42(1):241-247.[82]廖巨成,王晓峰,徐菁,等.基于连续小波变换获取变压器绕组变形脉冲频率响应曲线的方法[J].电气应用,2019,38(12):121-127.LIAOJucheng,WANGXiaofeng,XUJing,etal.Methodofobtainingimpulsefrequencyresponsesignatureoftransformerwindingdeformationbasedoncontinuouswavelettransform[J].ElectrotechnicalApplication,2019,38(12):121-127.[83]张重远,胡焕,程槐号,等.基于FEM的频率响应法检测电力变压器绕组变形的仿真研究[J].变压器,2017,54(10):19-27.ZHANGZhongyuan,HUHuan,CHENGHuaihao,etal.SimulationresearchondetectionofwindingdeformationofpowertransformerwithfrequencyresponsemethodbasedonFEM[J].Transformer,2017,54(10):19-27.[84]刘宝稳,马宏忠,李凯,等.大型变压器绕组轴向固有频率振动分布特性与试验分析[J].高电压技术,2016,42(7):2329-2337.LIUBaowen,MAHongzhong,LIKai,etal.Distributioncharacteristicsandexperimentalanalysisofnaturalfrequencyvibrationoflargetransformerwinding[J].HighVoltageEngineering,2016,42(7):2329-2337.[85]丛培杰,曲德宇,易鹭,等.振动分析法在变压器绕组变形检测中的应用[J].变压器,2018,55(11):51-55.CONGPeijie,QUDeyu,YILu,etal.Applicationresearchofvibrationanalysismethodindetectingtransformerwindingdeformation[J].Transformer,2018,55(11):51-55.[86]徐建源,陈彦文,李辉,等.基于短路电抗与振动信号联合分析的变压器绕组变形诊断[J].高电压技术,2017,43(6):2001-2006.XUJianyuan,CHENYanwen,LIHui,etal.Transformerwindingdeformationanalysisbasedonshort-circuitreactanceandvibrationsignalanalysis[J].HighVoltageEngineering,2017,43(6):2001-2006.[87]GARCIAB,BURGOSJC,ALONSOAM.Transformertankvibrationmodelingasamethodofdetectingwindingdeformations-partII:experimentalverification[J].IEEETransactionsonPowerDelivery,2005,21(1):164-169.[88]田源.基于分布式光纤传感的变压器绕组变形检测方法研究[D].北京:华北电力大学,2019.TIANYuan.Researchontransformerwindingdeformationdetectionmethodbasedondistributedopticalfibersensing[D].Beijing,China:NorthChinaElectricPowerUniversity,2019.[89]张显聪,徐洋,王勇,等.电容式套管局部放电的末屏地线UHF传感[J].高压电器,2016,52(2):62-67.ZHANGXiancong,XUYang,WANGYong,etal.UHFsensingofpartialdischargeincondensertypebushingfromendshieldgroundingtap[J].HighVoltageApparatus,2016,52(2):62-67.[90]胡涛.用于变压器在线监测的多功能传感器研究[D].北京:华北电力大学,2016.HUTao.Researchofmultifunctionalsensorusedfortransformeronlinemonitoring[D].Beijing,China:NorthChinaElectricPowerUniversity,2016.[91]许渊,刘卫东,陈维江,等.交流GIS绝缘子表面亚毫米级金属颗粒的运动和局部放电特性[J].中国电机工程学报,2019,39(14):4315-4324,4334.XUNYuan,LIUWeidong,CHENWeijiang,etal.MotioncharacteristicsandpartialdischargecharacteristicsofsubmillimetermetalparticlesonthesurfaceofACGISspacer[J].ProceedingsoftheCSEE,2019,39(14):4315-4324,4334.[92]许渊,刘卫东,陈维江,等.运行工况下交流GIS绝缘子表面微金属颗粒运动诱发沿面闪络的研究[J].电网技术,2020,44(4):1596-1602.XUNYuan,LIUWeidong,CHENWeijiang,etal.StudyonthedevelopmentofsurfaceflashoveriInducedbythemotionofmicro-metalparticleonthesurfaceofACGISspacersunderoperationcondition[J].Powersystemtechnology,2020,44(4):1596-1602.[93]彭向阳,金亮,王锐,等.变电站机器人智能巡检技术及应用效果[J].高压电器,2019,55(4):223-232.PENGXiangyang,JINLiang,WANGRui,etal.Substationrobotintelligentinspectiontechnologyanditsapplication[J].HighVoltageApparatus,2019,55(4):223-232.[94]吕继伟.基于泛在电力物联网的换流站在线监测系统优化综述[J].电力工程技术,2019,38(6):9-15.LÜJiwei.OptimizationsurveyofonlinemonitoringsystemforconverterstationbasedonubiquitouspowerIoT[J].ElectricPowerEngineeringTechnology,2019,38(6):9-15.[95]江秀臣,盛戈皞.电力设备状态大数据分析的研究和应用[J].高电压技术,2018,44(4):1041-1050.JIANGXiuchen,SHENGGehao.Researchandapplicationofbigdataanalysisofpowerequipmentcondition[J].HighVoltageEngineering,2018,44(4):1041-1050.[96]陈敬德,盛戈皞,吴继健,等.大数据技术在智能电网中的应用现状及展望[J].高压电器,2018,54(1):35-43.CHENJingde,SHENGGehao,WUJijian,etal.Applicationstatusandprospectofbigdatatechnologyinsmartgrid[J].HighVoltageApparatus,2018,54(1):35-43.[97]刘云鹏,许自强,李刚,等.人工智能驱动的数据分析技术在电力变压器状态检修中的应用综述[J].高电压技术,2019,45(2):337-348.LIUYunpeng,XUZiqiang,LIGang,etal.Reviewonapplicationsofartificialintelligencedrivendataanalysistechnologyinconditionbasedmaintenanceofpowertransformers[J].HighVoltageEngineering,2019,45(2):337-348.[98]蒲天骄,乔骥,韩笑,等.人工智能技术在电力设备运维检修中的研究及应用[J].高电压技术,2020,46(2):369-383.PUTianjiao,QIAOJi,HANXiao,etal.Researchandapplicationofartificialintelligenceinoperationandmaintenanceforpowerequipment[J].HighVoltageEngineering,2020,46(2):369-383.智能感知工程专业介绍
1、专业概述
智能化是新一代信息技术、新能源、高端装备制造、生物、物联网、节能环保等多个国家战略新兴产业发展的共同趋势。智能感知技术作为人工智能的前端技术，准确快速地获取信息，是后续进行智能运算、信息处理与认知、智能决策的基础。智能感知的核心是先进传感技术。
智能感知工程是仪器科学与技术与人工智能、大数据、云计算等多学科交叉形成高新技术密集型的新专业，主要研究信息的智能获取、智能处理及应用，以培养适应新时代需要，具备智能传感器研制与开发、智能仪器设计与分析，以及复杂智能装备系统集成创新能力的复合型人才。
目前，国内仪器类专业下设测控技术与仪器、精密仪器、智能感知工程三个专业。智能感知工程专业是教育部根据时代发展需要和国家战略性新兴产业需求，于2020年批准新设置的本科专业（专业代码080303T）。仪器类专业以信息获取为主线，研究信息获取方法和实现的技术手段，保证获取信息的准确、可靠及有效利用。国家急需大批掌握新一代信息技术的高素质、复合型仪器类专业人才。重庆大学是重庆市第一所也是目前唯一一所开设“智能感知工程”新工科专业的高校。
重庆大学光电工程学院智能感知工程专业于2021年获得教育部批准建立，本专业从“仪器科学与技术”学科基础出发，突出多学科交叉优势，强化与智能化技术的深度融合，具有“感知、智能与集成”的研究基础和鲜明特色。专业依托“仪器科学与技术”一级学科、“光电技术及系统教育部重点实验室”、“无损检测教育部工程研究中心”和“新型微纳器件与系统技术国防重点学科实验室”等研究平台，师资力量雄厚，具备培养本学科学士、硕士和博士的强大实力，是国内仪器科学与技术领域重要的人才培养基地。“仪器科学与技术”一级学科是国家“211工程”“985工程”重点建设学科，2017年全国学科评估进入A类学科，排名并列全国第四。
2、专业培养目标及培养规格
光电工程学院凭借多学科交叉融合优势新办的智能感知工程专业面向仪器类专业智能化发展和新一代信息技术等国家战略性新兴产业的需要，培养具备良好思想道德与文化素养、身心素质、创新精神与国际化视野、敬业精神和社会责任感、沟通交流与团队协作能力、终身学习能力；具有扎实的数理基础，掌握智能感知理论与方法、智能仪器设计与研制、智能信息处理与网络化等智能感知领域专业基础知识和专业技能；能够在智能传感、智能仪器、智能装备、智慧城市等相关行业领域从事智能感知工程技术应用与系统设计、研发及管理工作，能够解决典型智能感知系统设计、制造及应用中的复杂工程问题的复合型高级工程技术人才。毕业五年后具有本专业相关行业中级工程师或相当职称的任职资格。
3、主要课程
电子技术、信号与系统、智能感知基础、固体物理与半导体物理、信号处理技术、误差理论与数据处理、人工智能基础、智能感知系统设计、传感器调理电路设计、智能微纳系统、智能感知系统设计、智能感知基础综合实践、智能传感器综合实践、智能感知综合课程设计。
人工智能产业发展现状与四大趋势
随着全球新一轮科技革命和产业变革孕育兴起，人工智能等数字技术加速演进，引领数字经济蓬勃发展，对各国科技、经济、社会等产生深远影响，已成为驱动新一轮科技革命和产业变革的重要力量。近年来，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速，正在加快与千行百业深度融合，其“头雁”效应得以充分发挥。此外，全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识。
一人工智能的内涵与产业链
（一）人工智能的内涵
人工智能（ArtificialIntelligence）作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，自1956年首次提出以来，各方对其界定一直存在不同的观点。通过梳理不同研究机构和专家学者提出的相关概念，关于“人工智能”的内涵可总结如下：人工智能是指研究、模拟人类智能的理论、方法、技术及应用系统的一门技术科学，赋予机器模拟、延伸、扩展类人智能，实现会听、会看、会说、会思考、会学习、会行动等功能，本质是对人的意识和思想过程的模拟。
图1：人工智能内涵示意图
来源：火石创造根据公开资料绘制
（二）人工智能的发展历程
从1956年“人工智能”概念在达特茅斯会议上首次被提出至今，人工智能发展已经历经60余年，经历了三次发展浪潮。当前全球人工智能正处于第三次发展浪潮之中。
第一次浪潮（1956－1980年）：训练机器逻辑推理能力。在1956年达特茅斯会议上，以“人工智能”概念被提出为标志，第一次发展浪潮正式掀起，该阶段的核心是：让计算机具备逻辑推理能力。这一时期内，开发出了计算机可以解决代数应用题、证明几何定理、学习和使用英语的程序，并且研发出第一款感知神经网络软件和聊天软件，这些初期的突破性进展让人工智能迎来发展史上的第一个高峰。但与此同时，受限于当时计算机的内存容量和处理速度，早期的人工智能大多是通过固定指令来执行特定问题，并不具备真正的学习能力。
第二次浪潮（1980－2006年）：专家系统应用推广。1980年，以“专家系统”商业化兴起为标志，第二次发展浪潮正式掀起，该阶段的核心是：总结知识，并“教授”给计算机。这一时期内，解决特定领域问题的“专家系统”AI程序开始为全世界的公司所采纳，弥补了第一次发展浪潮中“早起人工智能大多是通过固定指令来执行特定问题”，使得AI变得实用起来，知识库系统和知识工程成为了80年代AI研究的主要方向，应用领域不断拓宽。
第三次浪潮（2006年至今）：机器学习、深度学习、类脑计算提出。以2006年Hinton提出“深度学习”神经网络为标志，第三次发展浪潮正式掀起，该阶段的核心是实现从“不能用、不好用”到“可以用”的技术突破。与此前多次起落不同，第三次浪潮解决了人工智能的基础理论问题，受到互联网、云计算、5G通信、大数据等新兴技术不断崛起的影响，以及核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展跨越了从科学理论与实际应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。
图2：人工智能的三次发展浪潮
来源：火石创造根据公开资料绘制
（三）人工智能的产业链
人工智能产业链分为三层：基础层、技术层以及应用层。基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。
图3：人工智能产业链
来源：火石创造根据公开资料绘制
二全球人工智能产业发展现状
（一）人工智能产业规模保持快速增长
近年来人工智能技术飞速发展，对人类社会的经济发展以及生产生活方式的变革产生重大影响。人工智能正全方位商业化，AI技术已在金融、医疗、制造、教育、安防等多个领域实现技术落地，应用场景也日益丰富。人工智能的广泛应用及商业化，加快推动了企业的数字化、产业链结构的优化以及信息利用效率的提升。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据相关统计显示，全球人工智能产业规模已从2017年的6900亿美元增长至2021年的3万亿美元，并有望到2025年突破6万亿美元，2017－2025年有望以超30％的复合增长率快速增长。
图4：2017－2025年全球人工智能产业规模（单位：亿美元）
数据来源：火石创造根据公开资料整理
（二）全球主要经济体争相布局，中美两国占据领先位置
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。从全球各国人工智能企业数量来看，美国人工智能企业数量在全球占比达到41％，中国占比为22％，英国为11％，以上三个国家的人工智能企业数量合计占到全球的七成以上。
图5：全球人工智能企业数量分布
数据来源：中国信通院，火石创造整理
（三）公共数据集不断丰富，关键平台逐步形成
全球数据流量持续快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，为企业提供海量图片、语音等数据资源和相关服务。公共数据集为创新创业和行业竞争提供优质数据，也为初创企业的发展带来必不可少的资源。优势企业例如Google、亚马逊、Facebook等都加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内已有近40个各类AI学习框架，生态竞争十分激烈。中国的代表企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。
（四）人工智能技术飞速发展，应用持续深入
近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、智能语音、自然语言处理等领域广泛应用，相继超过人类识别水平。人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。AI在医疗、制造、自动驾驶、安防、消杀等领域的应用持续深入，特别是新冠疫情以来，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。
三全球人工智能产业发展趋势
（一）算法、算力和数据作为人工智能产业的底层支撑，仍是全球新一代人工智能产业的核心引擎
算法、算力和数据被全球公认为是人工智能发展的三驾马车，也是推动人工智能发展的重要基础。在算力层面，单点算力持续提升，算力定制化、多元化成为重要发展趋势；计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级，类脑芯片、量子计算等方向持续探索智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业。在算法层面，Cafe框架?CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT－3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，催生了专业的技术服务，数据服务进入深度定制化阶段。
（二）全球新兴技术持续孕育涌现，以人工智能为核心的集成化技术创新成为重点
随着全球虚拟现实、超高清视频、新兴汽车电子等新技术、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术互为支撑。这意味着以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。例如：人工智能与汽车电子领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统；人工智能与虚拟现实技术相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境等。
（三）新基建春风与场景赋能双轮驱动，全球泛在智能时代加速来临
在新冠肺炎疫情成为全球发展“新常态”背景下，全球主要经济体均面临经济社会创新发展和转型升级挑战，对人工智能的运用需求愈加迫切，纷纷推动人工智能与实体经济加速融合，助力实现新常态下产业转型升级。一方面，全球大力布局智能化基础设施建设和传统基础设施智能化升级，推动网络泛在、数据泛在和应用需求泛在的万物互联生态加速实现，为人工智能的应用场景向更多行业、更多领域、更多环节、更多层面拓展奠定基础；另一方面，AI应用场景建设成为国内外关注和紧抓的关键举措，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地优势和发展特点的人工智能深度应用场景，探索智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式创新和业态创新，同时典型场景建设也吸引了全球资本市场的重点关注，泛在化智能经济发展时代即将到来。
（四）全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识
随着全球人工智能发展步入蓬勃发展阶段，人工智能深入赋能引发的挑战与风险广受关注，并在全球范围内掀起了人工治理浪潮。2019年6月，二十国集团（G20）批准了倡导人工智能使用和研发“尊重法律原则、人权和民主价值观”的《G20人工智能原则》，成为人工智能治理方面的首个政府间国际公约，发展安全可信的人工智能已经成为全球共识。此后，全球各国纷纷加速完善人工智能治理相关规则体系，聚焦自动驾驶、智慧医疗和人脸识别等重点领域出台分级分类的监管措施，推动人工治理从以“软法”为导向的社会规范体系，向以“硬法”为保障的风险防控制度体系转变。与此同时，面向人工智能治理体系建设和打造安全可信生态的相关需求，围绕着安全性、稳定性、可解释性、隐私保护、公平性等方面的可信人工智能研究持续升温，其理念逐步贯彻到人工智能的全生命周期之中，基于模糊理论的相关测试技术、AI结合隐私计算技术、引入公平决策量化指标的算法模型等新技术陆续涌现，产业实践不断丰富，已经演变为落实人工智能治理相关要求的重要方法论。
原文标题 : 全球视野下人工智能产业发展现状与四大趋势
我国自动识别技术发展现状与趋势分析
我国自动识别技术发展现状与趋势分析作者：中国自动识别技术协会发布时间:2023-03-15来源:中国自动识别技术杂志社浏览次数:几十年来，自动识别技术迅猛发展，形成了涉及光、机、电、计算机、等多种技术组合的高新技术体系，并以其鲜亮的技术特点和优势，在不同的应用领域显现出不可替代的作用。
近年来，自动识别技术在中国的发展成绩斐然，在多个领域取得了显著进展。从技术发展到产业应用已显现了广阔的前景，作为新一代信息技术的高度集成和综合运用，自动识别技术渗透性强、带动作用大、综合效益好的特点日益突出，成为我国现代化建设的重要工具之一。同时，我国持续推进企业的数字化转型，企业不断加大对IT投入。自动识别及数据采集技术是物联网感知层的关键技术，一批具有较强实力的国产自动识别与数据采集企业发展迅速，下游行业应用渗透率不断提高。
随着自动识别与数据采集行业的持续发展和商业应用的成熟，我国自动识别与数据采集行业的应用领域不断扩大，特别是在经济全球化趋势的背景下，自动识别技术被广泛应用于物流信息化、企业供应链和社会信息化管理等快速发展的领域，为我国整体信息化建设水平的提高、产品质量追溯等发挥了重要作用。
我国自动识别技术发展现状
随着科技的不断进步和人工智能行业的快速爆发，我国自动识别技术获得了快速发展，基于自动识别技术的应用产品层出不穷，应用场景不断丰富，识别和需求端规模不断扩大。由此可见，自动识别技术已经渗透到生活的方方面面，对人们的生活产生了巨大地影响。
条码识别技术发展现状
条码技术作为一种很重要的信息标识和信息采集应用技术，目前在全球范围内得到了急速发展，而在中国，以条码技术为代表的自动识别技术，更是应用于国民经济各行业，自全球统一的物品编码技术引入我国以来，该技术一直与我国的国民经济发展呈“正相关”，条码技术已经成为信息化建设中的一个重要部分，是建设大市场、搞活大流通、实现国民经济现代化、促进企业参与国际经济大循环、增强国际竞争力不可或缺的技术工具和手段。
当前我国的物品编码技术已经从一维条码向二维码不断变迁。随着移动通信、移动商务的热潮席卷全球，二维码作为一种信息容量大、应用方便的数据载体受到人们的广泛关注。二维码支付、二维码追溯、二维码营销等应用迅速进入千家万户的日常生活，政府、企业、消费者真切地体验到了信息技术带来的便捷，《商品二维码》等相关国家标准也相继制定发布，这一切都标志着我国二维码技术的高度成熟，该技术的发展持续为国民经济提供持续发展的源动力。
我国的零售业是条码识别技术应用最先成熟的应用领域，商品条码用户已达近百万家，全国有上亿种商品印有商品条码。中国零售业产值的提高，促进了物流业的飞速发展。条码识别技术作为物流信息化的核心技术，在我国的应用实现了快速发展。近20年来，条码技术产业除了在商品零售、物流、电商、医疗卫生、食品追溯等领域被广泛应用外，在政府采购、企业生活资料和工业设备采购管理、工业化建造等领域逐步完善并得到应用。
随着应用的深入，条码技术装备也朝着多功能、远距离、小型化、软硬件并举、安全可靠、经济适用的方向发展，出现了许多新型技术装备。具体表现为：条码识读设备向小型化与常规通用设备的集成化、复合化发展；条码数据采集终端设备向多功能、便携式、集成多种现代通讯技术和网络技术的设备一体化方向得到更加广泛和深入的应用。条码生成设备向专用和小批量印制方向发展。未来，条码识别技术行业发展趋势主要体现在四个方面——高速发展、技术更新快、产业应用深化以及与物联网相结合。从市场发展层度，条码技术的创新将推动市场继续保持高增长；从技术发展程度，二维码作为数字经济发展中线上线下融合的关键入口，让商业成本更低廉，增值通道更畅通，将成为未来经济社会数字化转型的重要赋能技术之一；从产业应用深化方面看，条码识别技术与物联网相结合，实质是将IT 技术充分利用在各行各业，将信息化进行到底，其大规模应用能有效促进工业化和信息化“两化融合”，促进传统产业的转型升级。
RFID技术发展现状
中国的无线射频技术经过几十年的发展，现已颇具规模。目前，射频识别（RFID）产业是我国优先发展的产业之一，国内RFID技术的研究及应用重点主要在高频及超高频RFID上。
从技术发展程度上看，中国高频技术已经成熟。核心技术主要包括：防碰撞算法、低功耗芯片设计、UHF电子标签天线设计、测试认证等方面。国内在超高频自动识别技术研发上也形成一批专利技术，从事RFID超高频核心技术开发且具有自主知识产权的国产厂商也持续增加，研发出了一系列相关产品。2023年，中国电科网络通信研究院研发的超高频射频识别芯片陆续交付用户。据悉，该款芯片是国内首款完全符合特定标准的射频识别芯片，已成功应用于标识牌系统中，为个人信息标识、相关信息存储提供安全保障。该芯片在基带、射频、存储器等方面取得大量原始技术创新成果，在灵敏度、可靠性等指标上相较于同类型产品实现较大提升。
从应用范围上看，2014年起，RFID的应用范围不再拘泥于门票、食品等行业，开始进入航空、建筑等领域。2020年至今，随着RFID下游行业应用的不断拓展，对RFID 技术的要求与日俱增，超高频RFID的技术开始在其他领域展开了普及和应用，行业进入高速发展期。后疫情时代，“无接触经济”推动了RFID在无人零售以及医药器械溯源等场景下的快速发展，线上购物的持续走高以及物资流转可视化需求的提升拉动了RFID在仓储物流行业的普及推广，工厂的柔性化生产与数字化运营也在RFID的助力下实现了更加高效的数据采集以及供应链管理，也正是在多点开花的落地应用中，超高频RFID市场得到了长足的发展。
从产业发展上看，近年来，射频识别技术得到了社会各界前所未有的关注。国家有关宏观政策的实施对我国的自主创新、吸收引进再创新、集成创新带来了良好的发展机遇。读写器、标签的研发及制造、中间件及平台的建设也正随着市场需求的不断加大，取得了实质性的推进。不同领域的应用试点、成功的解决方案以及与条码识别技术的集成应用，正在应市场的需求向纵深发展。
未来，在中国市场中，高频RFID技术的应用依然是行业发展的主流趋势，而超高频则是未来发展趋势。随着中国RFID高频技术的持续突破，为响应“一带一路”政策，越来越多的RFID企业将陆续出海，与海外的巨头厂商角逐、抢夺市场份额。而在超高频RFID领域，随着其在鞋服新零售、无人便利店、图书管理、医疗健康、航空、物流、交通等诸多领域的不断普及、发展，也意味着未来超高频RFID将成为行业发展的重点突破口。
生物特征识别技术发展现状
生物特征识别技术包括指纹识别、掌纹识别、声纹识别、人脸识别、虹膜识别、静脉识别、基因识别等。随着经济全球化、信息化进程、城市化进程的加快，社会保障问题日益突出，人类对赖以生存的社会环境提出了更高的安全防范要求，特别是对个人身份的确认。而悄然兴起的生物特征识别技术由于个人的生物特性具有终生不变、因人而异和携带方便等特性，在军队、政法、银行、物业、海关、互联网等领域正发挥着不可替代的作用。
目前，我国的生物识别技术已经相对成熟，并且被广泛应用于智能安防、智能门锁、智能小区、医疗信息、智能考勤系统、金融等领域。智能考勤系统是我国生物特征识别技术的主要应用领域。受2019年开始的新冠病毒等因素影响，许多企事业单位考勤对体温检测、健康码检查、身份验证等提出了新的要求，使得非接触式生物识别考勤产品受到很多公司的青睐。
与此同时，为适应未来发展需要，我国对于生物识别技术的研发与投资力度也在不断加大，从事生物特征识别技术研究的机构也越来越多，诸如指纹、虹膜等技术已达到国际先进水平，尤其在人脸识别技术和虹膜识别技术方面不断出现新的突破。在人脸识别方面，国内已有众多厂商做到了超过99%的准确率。在人脸识别数据库LFW新的排名上，国内的人脸识别厂商大华股份的准确率达高达99.78%，腾讯和平安科技均达到了99%以上的准确率，技术上的进步有望推动生物识别技术应用的进一步普及。
可以说，中国生物识别技术经过过去十几年的发展和演变，技术水平不断完善，核心技术开始普及，产品生产商的门槛逐渐降低，这些因素都使得生物识别产业将以一种较高的增长速度递增。未来，生物特征识别技术在以下四方面仍有待进一步研究。一是将生物识别与量子密码技术相结合，构建二元身份认证体系。前者可实现更为准确可靠的身份认证，保证只拥有相关授权的人才能接触到关键数据，后者则能为这些数据提供更难破解的加密措施，进一步提升用户在数据访问过程中的安全性；二是保证生物识别系统的安全性。与其他信息安全技术一样，生物识别系统也可能受到各种攻击。除了伪造他人的生物特征样本外，其他潜在攻击包括：在采集装置和计算机的通信链路上修改样本数据、修改识别结果、替换匹配程序、攻击生物特征模板数据库等。因此，提高保护系统自身的安全性以及对各种黑客攻击的抵抗能力至关重要；三是进行活体检测研究，即研究出有效区分真人声音与录音、真人面部与照片以及仿造的生物特征的方法，加强系统防骗性；四是探索生物特征识别技术在保障国家安全与侵犯公民隐私和自由之间的平衡，并规定在使用生物特征识别技术时必需的国内或国际的限制。
图像识别技术发展现状
就目前而言，我国图像识别技术其本身具有一定的优势，具体体现在处理精度高、再现性好、灵活性高、适用面宽、信息压缩潜力大等方面。进入21世纪，随着国家对自动化产业的大力支持，以及国内各大高校及各大公司加大对图像识别技术的研究投入，我国图像识别相关技术和理论逐渐成熟；图像识别技术已深入到家庭、社会生活中，并已广泛应用于遥感、医用图像处理、工业、军事、公安、文化艺术等领域。
近年来，图像识别在我国的需求量大幅增加，已然成为我国自动识别产业中不可忽视的一部分，也成为该领域新的经济增长点。我国图像识别近几年来发展速度已经十分迅猛：一方面图像识别技术产业链中原料和供应商的进一步推动有利于产业原端的重组升级，优化产业流程；另一方面图像识别技术的发展、图像识别产品品质与性能的提高、以及产品品种的更新迭代，有利于该技术相关产品的不断升级和质量改进，进一步满足了行业用户在新时代下的新需求，极大丰富了图像识别技术的应用场景，推动了产业的爆发式发展。
可以预见，在21世纪初图像识别技术将经历一个飞跃发展的成熟阶段，为深入人民生活创造新的文化环境，成为提高生产自动化、智能化水平的基础科学之一。图像技术的基础性研究，特别是结合当今的人工智能技术与数据处理新算法，从更高水平提取图像信息的丰富内涵，成为人类运算量最大、直观性最强，与现实世界直接联系的视觉和“形象思维”。这一种技能的模拟和复现是一个艰难而重要的任务。
综上所述，随着自动识别技术与计算机技术、软件技术、互联网技术、通信技术、半导体技术关联程度的日益紧密，自动识别技术正在逐步发展成为我国信息产业的重要组成部分，正迎来前所未有的发展机遇。伴随各种新技术的进一步出现和发展，自动识别技术将会出现更多的分支技术，并将广泛地应用于社会信息化建设及人们的生活中。
我国自动识别技术发展趋势
信息资源已经成为当代和未来社会最重要的战略资源之一，人类认识世界和改造世界的一切有意义的活动都离不开对信息资源的开发、加工和利用。信息技术的突飞猛进，使得它的应用已经渗透到社会的各行各业和科学的各门学科，极大地提高了社会的生产力水平，同时也促进了许多相关技术的飞速发展，其中就包括自动识别技术。
目前，中国的自动识别技术发展很快，相关技术的产品正向多功能、远距离、小型化、软硬件并举、信息传递快速、安全可靠、经济适用等多维度方向发展，出现了许多新型技术装备。其应用也正在向纵深方向发展，面向企业信息化管理的深层集成应用是未来应用发展的趋势。随着人们对自动识别技术认识的加深，其应用领域的日益扩大、应用层次的提高以及中国市场巨大的增长潜力，为中国自动识别技术产业的发展带来了良机。
自动识别技术具有广阔的市场前景，各项技术各有所长，面对各行业的信息化应用，自动识别技术将形成互补的局面，并将更广泛地应用于各行各业。
国家政策支持促进自动识别产业有序发展
近几年来，国务院及相关部门陆续发布了《关于加快培育和发展战略性新兴产业的决定》《物联网发展专项行动计划》《中国制造2025》《深入推进移动物联网全面发展的通知》，“十四五规划”等政策，强调了物联网产业的战略性地位，是政府扶持的重点，也是建设数字中国不可或缺的因素。同时，党的二十大报告做出了加快建设“智造强国、质量强国、数字中国”，支持“专精特新”企业发展、推动经济社会高质量发展的重要指示，要求物联网技术助力制造业快速实现智能化、数字化转型升级，解决“卡脖子”技术难题，由“制造大国”向“智造强国”迈进。从国家层面看，数字经济、数字社会、数字政府无不需要庞大的海量数据资源，而自动识别技术能够自动完成原始数据的采集工作，解决了人工数据输入速度慢、误码率高、劳动强度大、工作重复性高等问题，提高了计算机信息数据处理的效率。随着物联网行业日趋成长，政府近年来也开始重视行业细分领域的发展，进一步细化政策支持，为自动识别及数据采集产业提供了政策保障。
物联网、人工智能(AI)、5G促进自动识别行业技术水平不断提高
近年来，物联网、人工智能、5G等新兴技术的快速发展大大提升了自动识别及数据采集设备行业的技术水平，如物联网技术中的标识技术满足序列化、可追溯性等；人工智能技术促进更高效、更精确的识别效果；5G技术有效提高自动识别与数据采集设备的通信能力。
依托于5G技术的低延时、高可靠性、大宽带特性，在未来技术发展层面，5G技术将被运用到物联网的多个场景中，包括无人驾驶、VR技术、智能制造、智能远程医疗等多个领域，多个行业都将会产生新的应用和商业模式，自动识别技术可以提供快速、精准、低成本的数据采集方法，自动识别技术与5G技术和物联网相融合，可实现海量数据的快速采集与处理。例如，5G智能家居融合自动识别技术，将来会与人们的家居生活息息相关，洗衣机冰箱等家电智能化，自动判别衣服种类，选择洗衣模式，自动识别技术辅助自动识别菜品新鲜程度，并通过网络形式进行反馈……
5G和物联网相辅相成，相互作用共同为人类社会的发展提供技术福利。商用5G的全面使用对物联网产生强大影响的同时，也极大地推动了全球经济产业的深远发展。5G是为物联网服务的，且未来的通信协议和技术的革新都将为物联网技术进行优化和革新，同时利用自动识别技术为数字化转型赋能实现真正的万物互联。
未来，包括物联网、人工智能、5G等新兴技术在自动识别与数据采集设备行业的应用将变得愈加广泛，能进一步高效的采集、整合、管理数据资源，推动企业数字化转型升级，将促进自动识别技术更加广泛的应用。
自动识别技术海外市场潜力巨大
加快建设数字中国，国家提出积极参与数字经济国际合作，推动构建网络空间命运共同体。加快贸易数字化发展，大力发展跨境电商，继续加强跨境电商综试区建设，打造跨境电商产业链和生态圈。务实推进数字经济交流合作，推动“数字丝绸之路”走深走实，拓展“丝路电商”全球布局。鼓励数字经济企业“走出去”，提升国际化运营能力，高质量开展智慧城市、电子商务、移动支付等领域合作，为我们勾画了发展蓝图。
目前，自动识别及数据采集设备在欧美等发达国家已经有较高的渗透率，但在印度、马来西亚、印尼、巴西、泰国等新兴市场国家的普及程度还较低，自动识别及数据采集行业在海外市场仍具有巨大的发展空间。
健全完善自动识别标准体系成为未来规范行业发展重点
近几十年来，新的自动识别技术标准不断涌现，标准体系日趋完善。其应用最广泛、最成功的当属国际物品编码组织（GS1）制定的覆盖全供应链的编码与标识标准、各种形式的载体技术标准和全流程数据共享标准，相关标准帮助条码技术在零售、物流、产品追溯、供应链、电子商务等领域得到广泛应用，其成功经验值得其他类自动识别技术借鉴和学习。射频识别技术无论在国内还是国外，都是自动识别技术中最引人注目的新技术。射频识别技术的标准化工作在国际上正在从纷争逐步走向规范。国内在射频识别的标准化工作也基本上开始远离纷争，走向合作开发的道路，相关的产品标准已经制定了团体标准。但从长远来看，射频识别标准制定工作还远不能满足技术开发和市场应用需求。相关标准体系的建立将是我国射频识别产业面临的重要课题。生物识别技术方面，从技术成熟度看，我国处于世界先进水平。但因缺乏行业应用与关键技术的统一规范与标准，造成了不必要的内耗。目前，国内相关科研机构已认识到此类问题，积极制定生物识别技术类国际和国内标准，促使生物识别技术在全球范围内更安全、更规范地推广应用。
绿色环保激发自动识别产业新增亮点
我国对世界承诺，力争2030年前实现碳达峰，2060年前实现碳中和。“双碳”问题不仅仅是节约能源的问题，人类生活、企业活动的各个环节都存在碳足迹。从原材料到生产销售、从包装标识到物流仓储以及垃圾回收等，都和碳排放密切相关。自动识别技术可以为企业完善产业链、充分实现信息共享、控制运输成本等提供技术支持和数字化服务，帮助更多的传统工厂、企业顺利过渡到现代化、智能化生产模式。关注全过程的优化，推进全面端到端的数字化服务，节约资源、提高产品社会利用率，实现绿色环保。
综上所述，中国自动识别与数据采集技术已经取得了傲人成绩。随着人们对自动识别技术认识的加深，其应用领域的日益扩大、应用层次不断提高，市场潜力的不断增长，中国自动识别技术产业的发展仍然会不断提速。未来十年，中国经济的新标签将会是数字化经济、智能化经济。产业数字化将发生在每一个领域，并渗透进每个人的生活当中。全产业数字化转型更需要各种底层数字化技术的支持。自动识别和数据采集技术是数字化转型进程当中最重要的技术之一。在数据量逐渐爆发、数据采集效率要求逐渐提升的当下，中国自动识别和数据采集行业的发展也将随之加速，行业地位也会越发重要。
中国自动识别技术协会
本文刊登于《中国自动识别技术》杂志2023年第1期总第100期
分享到微信好友QQ好友QQ空间新浪微博人人网腾讯微博相关资讯内蒙古：向现代化畜牧业大步迈进2022-07-03GS1体系在国家疫情防护物资监控中的应用研究2021-07-30GS1标准化商品信息助力进口通关效率化2019-08-26全球二维码迁移计划取得阶段性进展“GM2D在线”在浙江省正式上线2022-08-31国家市场监督管理总局中国自动识别技术协会版权所有关于我们| 联系我们北京市东城区安定门外大街136号皇城国际B座611 邮编：100011电话：010-84295647/48 传真：010-84295652备案号:13010128号-4 京公网安备11010102006147号