2023年12月11日发(作者：梁嘉运)
基于AI芯片的电力边缘智能终端:结构框架及其应用场景
摘要：随着电网的发展和能源的数字化转型，电力边缘智能终端的应用范围也在不断扩大。AI芯片作为一种具有智能分析和并行运算的能力，已经成为了电力系统中的关键设备，因此，如何针对不同的应用场合，对其进行系统的划分，以确定使用合适的AI芯片。本文通过对智能电网的技术体系和优缺点的比较，给出了基于智能电网的智能感知需求的电力边缘智能终端体系结构，详细分析了其中的关键技术，并针对典型的电网应用情况，给出了一种可替代的AI芯片的定制方案。本文提出的基于AI芯片的电力边缘智能终端能够为设计、研发和应用提供参考，同时也具有一定的理论和实践意义。
关键词：AI芯片；电力边缘智能终端；结构框架
引言
本文从技术架构、典型产品、性能指标等方面入手，针对电网的特征和智能感知需求，给出了基于AI芯片的电力边缘智能终端的基本思想和体系结构，并对其所涉及的关键技术和典型的应用场景进行了分析，针对不同的场景特征，给出了可替代的国产AI芯片的选择和解决方案。本文提出的基于AI芯片的电力边缘智能终端，对于开发具有智能感知和分析处理功能的智能终端，将会对推动电力系统的发展、能源的数字化转型起到积极的作用。
1、AI芯片及其技术架构
1.1图形处理单元
GPU是一种单指令、多数据处理、大量计算单元和超长流水线的计算单位，目前主要应用在图像处理中。GPU不能独立运行，需要CPU来调用和发布命令。由于CPU采用的是串行运算方式，因此不能完全利用CPU的运算能力，GPU是一种高并行架构的CPU，它的运算能力要优于CPU。CPU在结构上以控制器和寄存器为主，GPU具有更多的运算逻辑（ALU)，它更适用于高密度的数据并行处理。GPU在算法训练上表现出更好的性能，但是其在单输入推理中的优越性却没有得到充分的体现。
1.2现场可编程门阵列
FPGA是以硬件为核心的软件算法，在FPGA中包含大量的数字电路、基本门电路以及内存。使用者可以设定门电路与记忆体之间的连线，藉由烧录或更新FPGA组态，并且此烧录不是一次。FPGA相对于CPU具有两个突出的特点：①FPGA没有存储器，没有控制，可以快速地进行数据的存储和读出；②FPGA无读指令操作，功耗小。FPGA与GPU相比，它具备了硬件流水线的并行处理和数据并行处理的能力，适用于以流水线方式进行数据处理，且具有很好的整数运算性能，因而经常被应用于人工智能算法的推理阶段。
1.3专用集成电路
ASIC是特别针对特殊场合的特殊应用要求而设计的，特别是在高性能、低功耗的手机上。FPGA不像FPGA，在编写完代码后，可以利用厂商提供的软件进行硬件加速，但ASIC的设计还需要经过大量的验证和物理设计，而且ASIC的电路也是固定的，不能更改。在同一制程下，ASIC的计算速度是FPGA的5-10倍，并且在功耗方面优于GPU。
2、电力边缘智能终端的基本概念及结构框架
在AI芯片的帮助下，电力边缘智能终端具备了对局部分析和处理的智能能力。嵌入式系统是基于计算机技术的一种特殊的计算机系统，它基于对功能、可靠性、成本、体积和功耗的严格要求，对软件和硬件进行了自定义，可以独立地执行具体的工作。嵌入式系统分为软硬件两部分：硬件部分包含了嵌入式处理器和外部设备，而软件部分则包含了嵌入式操作系统和应用程序。目前，在智能电网中，传统的嵌入式系统已经得到了广泛的应用，包括微机保护、电能计量、数据采集、监控系统、抗电磁干扰以及自动化设备。 与传统的嵌入式系统相比，基于AI芯片的电力边缘智能终端能够对电网中的各种设备进行复杂的AI计算，并将其分析和处理的结果及时反馈到云端。目前市场上有华为Atlas、英伟达Jetson、Mobile等智能嵌入式系统。然而，由于电网非线性、高维、互联、强电磁干扰等复杂的特性，使得智能嵌入式系统在电网中的应用尚属空白。基于嵌入式系统结力构的特性，将其划分为嵌入式AI芯片、嵌入式外围设备、网络嵌入式操作系统以及嵌入式应用软件四大类。在边缘端，由于面积、功耗成本等因素的制约，AI芯片的主要功能是完成对运算能力要求不高的智能推理。目前，在电网物联网中，已经接入了5.4亿部的各类电表、摄像头等终端，在原有的终端设备上安装了内置的AI芯片，形成了一种电力边缘智能终端，能够全面感知、高精度地检测、实时数据分析与处理[1]。
3、典型应用场景及AI芯片选型
3.1输电线路及变电站巡检
电力监控智能终端通常使用电池或者太阳能板进行联网，为了完成对电力可视图像的网络处理，必须使用具有高运算能力和低功耗的AI芯片。结合表从国内的替代性的出发，可以选择寒武纪Cambricon-1M系列、地平线旭日系列、华为Atlas200等AI芯片，构建电力监控智能终端。
3.2变电站作业安全管控
变电所是连接电力、输电、变配电、用电与调度的重要环节，它直接影响着电力系统的安全和稳定。变电站员工安全意识、技能水平参差不齐，在操作过程中容易出现各种问题，如果不能及时发现并加以制止，将会造成重大的安全隐患，从而影响到以后的生产。当前，变电所设备运行与维护的安全，一方面要靠各岗位负责人履行职责，另一方面还要靠现场监督检查。然而，作业人员和管理者都容易受外界环境的影响，从而发生安全事故。因此，必须采取先进的技术措施，以确保变电站运行的安全，避免操作人员进入危险区域、超出操作区域、擅自改变或扩大操作范围、操作行为不规范等，从而消除安全隐患。随着深度学习技术和视频监控技术的不断发展，电力设备的监控系统逐步向网络化、智能化方向发展，对视频图像的分析技术也越来越有效、越来越精确。应用前端嵌入式边缘智能终端，实现了高实时性，通过配备AI芯片的智能视频监控设备，对进出变电站的员工进行身份验证、着装检查、路线跟踪、安全范围和行为识别，对危险行为进行预警，并将识别结果上传到云端平台。智能视频监控设备通常采用工频交流电源和固定的电源，它要求有很多种算法，如人脸识别、目标检测、目标跟踪、语义分割以及行为姿态识别，所以必须选用具有高运算能力的AI芯片。从国内市场上的替代性出发，可以选择华为Atlas200、Atlas300I、BittorSSE5、SM5等AI芯片组成的智能视频监测设备。
3.3电能分析与电网状态监测
当前，电力计量设备和电力系统的状态监控设备通常将所感知到的电力数据上传到云端进行负荷预测、电能质量分析、设备状况监控等，这对云端负荷的影响很大，同时也难以对负荷进行精确的预测和实时的设备状况。通过AI芯片的功率边缘智能终端的运算能力的提高，能够在智能电网的边缘完成对负荷的预测和对电网状态的监控，通过在现有的电能测量设备和电网状态监控设备上安装AI芯片，对用户进行负荷分析、异常用电分析、停电分析、设备状态分析以及电能质量干扰的识别和分类。由于电力系统中存在着大量的故障检测设备，所以在电力系统中，要进行电力系统的实时监控，必须采用非线性拟合、支持向量机、信号分析等方法，所以必须选用具有较小运算能力和较小功耗的AI芯片[2]。
4、结语
本文比较分析了AI芯片的技术体系和优势，分析了电力边缘智能终端的体系结构和关键技术，并针对典型的电网应用场景，给出了可替代的国产AI芯片的选型方案，为电力终端的设计、研发和应用提供了参考。智能芯片与电力边缘终端的集成是一个新的研究方向，但在电力系统中的应用尚处在实验阶段，需要进一步对其关键技术和实际应用进行深入的探索。随着嵌入式技术的发展，AI芯片的性能不断提高，在现有的无人机、巡检机器人、视频监控设备、电能计量设备、电网状况监控设备上安装AI芯片，可以实现对当地的数据进行实时的分析和处理，从而促进了电力物联网的智能化建设。因此，基于AI的边缘智能终端在电力系统中的应用是非常有前途的。 参考文献
[1]周胤宇,王波,朱丹蕾,等.基于AI芯片的电力边缘智能终端:结构框架及其应用场景[J].电力信息与通信技术,2021,19(9):77-85.
[2]刘海涛,段敬,王艳花,等.基于RPA+AI的数字员工在电力行业的应用分析与架构设计[J].电力信息与通信技术,2022,20(4):88-93.
2023年12月11日发(作者：梁嘉运)
基于AI芯片的电力边缘智能终端:结构框架及其应用场景
摘要：随着电网的发展和能源的数字化转型，电力边缘智能终端的应用范围也在不断扩大。AI芯片作为一种具有智能分析和并行运算的能力，已经成为了电力系统中的关键设备，因此，如何针对不同的应用场合，对其进行系统的划分，以确定使用合适的AI芯片。本文通过对智能电网的技术体系和优缺点的比较，给出了基于智能电网的智能感知需求的电力边缘智能终端体系结构，详细分析了其中的关键技术，并针对典型的电网应用情况，给出了一种可替代的AI芯片的定制方案。本文提出的基于AI芯片的电力边缘智能终端能够为设计、研发和应用提供参考，同时也具有一定的理论和实践意义。
关键词：AI芯片；电力边缘智能终端；结构框架
引言
本文从技术架构、典型产品、性能指标等方面入手，针对电网的特征和智能感知需求，给出了基于AI芯片的电力边缘智能终端的基本思想和体系结构，并对其所涉及的关键技术和典型的应用场景进行了分析，针对不同的场景特征，给出了可替代的国产AI芯片的选择和解决方案。本文提出的基于AI芯片的电力边缘智能终端，对于开发具有智能感知和分析处理功能的智能终端，将会对推动电力系统的发展、能源的数字化转型起到积极的作用。
1、AI芯片及其技术架构
1.1图形处理单元
GPU是一种单指令、多数据处理、大量计算单元和超长流水线的计算单位，目前主要应用在图像处理中。GPU不能独立运行，需要CPU来调用和发布命令。由于CPU采用的是串行运算方式，因此不能完全利用CPU的运算能力，GPU是一种高并行架构的CPU，它的运算能力要优于CPU。CPU在结构上以控制器和寄存器为主，GPU具有更多的运算逻辑（ALU)，它更适用于高密度的数据并行处理。GPU在算法训练上表现出更好的性能，但是其在单输入推理中的优越性却没有得到充分的体现。
1.2现场可编程门阵列
FPGA是以硬件为核心的软件算法，在FPGA中包含大量的数字电路、基本门电路以及内存。使用者可以设定门电路与记忆体之间的连线，藉由烧录或更新FPGA组态，并且此烧录不是一次。FPGA相对于CPU具有两个突出的特点：①FPGA没有存储器，没有控制，可以快速地进行数据的存储和读出；②FPGA无读指令操作，功耗小。FPGA与GPU相比，它具备了硬件流水线的并行处理和数据并行处理的能力，适用于以流水线方式进行数据处理，且具有很好的整数运算性能，因而经常被应用于人工智能算法的推理阶段。
1.3专用集成电路
ASIC是特别针对特殊场合的特殊应用要求而设计的，特别是在高性能、低功耗的手机上。FPGA不像FPGA，在编写完代码后，可以利用厂商提供的软件进行硬件加速，但ASIC的设计还需要经过大量的验证和物理设计，而且ASIC的电路也是固定的，不能更改。在同一制程下，ASIC的计算速度是FPGA的5-10倍，并且在功耗方面优于GPU。
2、电力边缘智能终端的基本概念及结构框架
在AI芯片的帮助下，电力边缘智能终端具备了对局部分析和处理的智能能力。嵌入式系统是基于计算机技术的一种特殊的计算机系统，它基于对功能、可靠性、成本、体积和功耗的严格要求，对软件和硬件进行了自定义，可以独立地执行具体的工作。嵌入式系统分为软硬件两部分：硬件部分包含了嵌入式处理器和外部设备，而软件部分则包含了嵌入式操作系统和应用程序。目前，在智能电网中，传统的嵌入式系统已经得到了广泛的应用，包括微机保护、电能计量、数据采集、监控系统、抗电磁干扰以及自动化设备。 与传统的嵌入式系统相比，基于AI芯片的电力边缘智能终端能够对电网中的各种设备进行复杂的AI计算，并将其分析和处理的结果及时反馈到云端。目前市场上有华为Atlas、英伟达Jetson、Mobile等智能嵌入式系统。然而，由于电网非线性、高维、互联、强电磁干扰等复杂的特性，使得智能嵌入式系统在电网中的应用尚属空白。基于嵌入式系统结力构的特性，将其划分为嵌入式AI芯片、嵌入式外围设备、网络嵌入式操作系统以及嵌入式应用软件四大类。在边缘端，由于面积、功耗成本等因素的制约，AI芯片的主要功能是完成对运算能力要求不高的智能推理。目前，在电网物联网中，已经接入了5.4亿部的各类电表、摄像头等终端，在原有的终端设备上安装了内置的AI芯片，形成了一种电力边缘智能终端，能够全面感知、高精度地检测、实时数据分析与处理[1]。
3、典型应用场景及AI芯片选型
3.1输电线路及变电站巡检
电力监控智能终端通常使用电池或者太阳能板进行联网，为了完成对电力可视图像的网络处理，必须使用具有高运算能力和低功耗的AI芯片。结合表从国内的替代性的出发，可以选择寒武纪Cambricon-1M系列、地平线旭日系列、华为Atlas200等AI芯片，构建电力监控智能终端。
3.2变电站作业安全管控
变电所是连接电力、输电、变配电、用电与调度的重要环节，它直接影响着电力系统的安全和稳定。变电站员工安全意识、技能水平参差不齐，在操作过程中容易出现各种问题，如果不能及时发现并加以制止，将会造成重大的安全隐患，从而影响到以后的生产。当前，变电所设备运行与维护的安全，一方面要靠各岗位负责人履行职责，另一方面还要靠现场监督检查。然而，作业人员和管理者都容易受外界环境的影响，从而发生安全事故。因此，必须采取先进的技术措施，以确保变电站运行的安全，避免操作人员进入危险区域、超出操作区域、擅自改变或扩大操作范围、操作行为不规范等，从而消除安全隐患。随着深度学习技术和视频监控技术的不断发展，电力设备的监控系统逐步向网络化、智能化方向发展，对视频图像的分析技术也越来越有效、越来越精确。应用前端嵌入式边缘智能终端，实现了高实时性，通过配备AI芯片的智能视频监控设备，对进出变电站的员工进行身份验证、着装检查、路线跟踪、安全范围和行为识别，对危险行为进行预警，并将识别结果上传到云端平台。智能视频监控设备通常采用工频交流电源和固定的电源，它要求有很多种算法，如人脸识别、目标检测、目标跟踪、语义分割以及行为姿态识别，所以必须选用具有高运算能力的AI芯片。从国内市场上的替代性出发，可以选择华为Atlas200、Atlas300I、BittorSSE5、SM5等AI芯片组成的智能视频监测设备。
3.3电能分析与电网状态监测
当前，电力计量设备和电力系统的状态监控设备通常将所感知到的电力数据上传到云端进行负荷预测、电能质量分析、设备状况监控等，这对云端负荷的影响很大，同时也难以对负荷进行精确的预测和实时的设备状况。通过AI芯片的功率边缘智能终端的运算能力的提高，能够在智能电网的边缘完成对负荷的预测和对电网状态的监控，通过在现有的电能测量设备和电网状态监控设备上安装AI芯片，对用户进行负荷分析、异常用电分析、停电分析、设备状态分析以及电能质量干扰的识别和分类。由于电力系统中存在着大量的故障检测设备，所以在电力系统中，要进行电力系统的实时监控，必须采用非线性拟合、支持向量机、信号分析等方法，所以必须选用具有较小运算能力和较小功耗的AI芯片[2]。
4、结语
本文比较分析了AI芯片的技术体系和优势，分析了电力边缘智能终端的体系结构和关键技术，并针对典型的电网应用场景，给出了可替代的国产AI芯片的选型方案，为电力终端的设计、研发和应用提供了参考。智能芯片与电力边缘终端的集成是一个新的研究方向，但在电力系统中的应用尚处在实验阶段，需要进一步对其关键技术和实际应用进行深入的探索。随着嵌入式技术的发展，AI芯片的性能不断提高，在现有的无人机、巡检机器人、视频监控设备、电能计量设备、电网状况监控设备上安装AI芯片，可以实现对当地的数据进行实时的分析和处理，从而促进了电力物联网的智能化建设。因此，基于AI的边缘智能终端在电力系统中的应用是非常有前途的。 参考文献
[1]周胤宇,王波,朱丹蕾,等.基于AI芯片的电力边缘智能终端:结构框架及其应用场景[J].电力信息与通信技术,2021,19(9):77-85.
[2]刘海涛,段敬,王艳花,等.基于RPA+AI的数字员工在电力行业的应用分析与架构设计[J].电力信息与通信技术,2022,20(4):88-93.