邊/端通感融合技術(shù)云/邊端感算融合技術(shù)電網(wǎng)通感算一體化應(yīng)用架構(gòu)設(shè)計(jì)研究背景

電力智能化作業(yè)對(duì)通感算一體化服務(wù)的需求

隨著電網(wǎng)建設(shè)規(guī)模擴(kuò)大

，無(wú)人機(jī)巡檢、

電力設(shè)備本質(zhì)安全監(jiān)測(cè)等作業(yè)數(shù)量持續(xù)增長(zhǎng)

，傳統(tǒng)作業(yè)模式面臨設(shè)備環(huán)境時(shí)空等多模態(tài)信息感知融合不足、

作業(yè)綜合風(fēng)險(xiǎn)認(rèn)知有待提升等問(wèn)題

，

同時(shí)算網(wǎng)資源利用集約度低且缺乏通信、

感知

、

計(jì)算服務(wù)評(píng)估標(biāo)準(zhǔn)

，

制約了作業(yè)智能化發(fā)展進(jìn)程。電力巡檢無(wú)人機(jī)輸電通道可視化作業(yè)安全監(jiān)護(hù)人工智能平臺(tái)一、研究背景在電網(wǎng)作業(yè)時(shí)空信息感知方面：

僅依靠單一的北斗高精度定位

，

面臨著動(dòng)態(tài)變化環(huán)境高精度環(huán)境感知能力不足，全域場(chǎng)景多源連續(xù)高精度定位維持難的問(wèn)題。

亟需研究基于通信+感知融合的多源定位技術(shù)和基于環(huán)境上下文的空間

理解能力

，

實(shí)現(xiàn)“全域連續(xù)、

高精度、

高可靠”時(shí)空信息感知。北斗地基增強(qiáng)定位服務(wù)故障

環(huán)境、

網(wǎng)絡(luò)導(dǎo)致終端定位精度低或不穩(wěn)定一、研究背景在電網(wǎng)作業(yè)綜合風(fēng)險(xiǎn)認(rèn)知方面：

智能研判計(jì)算依賴于云端AI平臺(tái)

，

部分實(shí)時(shí)業(yè)務(wù)、

安監(jiān)視頻業(yè)務(wù)對(duì)通信網(wǎng)絡(luò)的要求較高

，感知數(shù)據(jù)的遠(yuǎn)程傳輸與診斷效率較低。

亟需研究基于感算融合的電網(wǎng)作業(yè)算力模型輕量化應(yīng)用技術(shù)

，研發(fā)電網(wǎng)智能作業(yè)分析模型及邊端壓縮部署工具

，

開發(fā)面向邊端硬件的加速算子庫(kù)

，構(gòu)建面向多任務(wù)并發(fā)的電力全域異構(gòu)算力動(dòng)態(tài)調(diào)度策略

，提升智能作業(yè)場(chǎng)景巡視及檢修質(zhì)效。一、研究背景近年來(lái)

，

隨著多模態(tài)AI、

6G、

算力網(wǎng)絡(luò)等新興技術(shù)發(fā)展

，感算、

通感、

通算協(xié)同機(jī)制

，

正推動(dòng)自動(dòng)駕駛、

語(yǔ)義通信、

人形機(jī)器人等更高階智能應(yīng)用邁向規(guī)?；瘧?yīng)用。

有必要明確電網(wǎng)作業(yè)智能化發(fā)展需求并針對(duì)性地提出通感算應(yīng)用架構(gòu)

，攻關(guān)關(guān)鍵技術(shù)難題

，形成支撐保障作業(yè)智能化與安全化發(fā)展的有效解決方案。一、研究背景本項(xiàng)目分析了電網(wǎng)智能化作業(yè)信息處理業(yè)務(wù)演變特征

，形成電網(wǎng)智能化作業(yè)通感算一體化應(yīng)用需求及總體技術(shù)架構(gòu)；

以高階智能作業(yè)模式為牽引

，確立多模態(tài)數(shù)據(jù)感知融合、

空天地一體網(wǎng)絡(luò)、

自主認(rèn)知等核心技術(shù)攻關(guān)方向

，形成整體解決方案。研究方向3：電網(wǎng)智能化作業(yè)云/邊端感算融合技術(shù)研究時(shí)空多模態(tài)信息融合的電網(wǎng)作業(yè)風(fēng)險(xiǎn)智能認(rèn)知模型構(gòu)建電網(wǎng)作業(yè)風(fēng)險(xiǎn)認(rèn)知模型邊端壓縮部署技術(shù)研究構(gòu)建電網(wǎng)作業(yè)風(fēng)險(xiǎn)認(rèn)知模型及云邊協(xié)同輕量化部署方案

，研發(fā)輸變電作業(yè)安全監(jiān)測(cè)原型系統(tǒng)

，提升智能作業(yè)場(chǎng)景風(fēng)險(xiǎn)有效管控能力研究方向1：電網(wǎng)智能化作業(yè)通感算一體化應(yīng)用架構(gòu)研究多維異構(gòu)資源聯(lián)合編排和管控云邊交互數(shù)據(jù)隱私保護(hù)技術(shù)提出面向電網(wǎng)智能化作業(yè)通感算一體化架構(gòu)及協(xié)同機(jī)制

，

形成多維異構(gòu)資源編排方案

，

提升云邊端數(shù)據(jù)安全可靠性2研究方向2：電網(wǎng)智能化作業(yè)邊端通感融合技術(shù)研究空天地一體化多模融合組網(wǎng)技術(shù)構(gòu)建

“通信-感知-定位-安全”

四位一體的智能韌性時(shí)空服務(wù)底座

，賦能特殊作業(yè)場(chǎng)景電網(wǎng)智能化作業(yè)

動(dòng)態(tài)變化環(huán)境高精度環(huán)境感知能力不足

全域場(chǎng)景多源連續(xù)高精度定位維持難

作業(yè)智能化發(fā)展需求與通感算應(yīng)用架構(gòu)不明確，

缺乏資源高效利用及安全防護(hù)方案

全局風(fēng)險(xiǎn)認(rèn)知不足

邊端模型資源適配不足

軟件自主可控有待加強(qiáng)一、研究背景基于機(jī)器視覺和北斗融合的安全監(jiān)測(cè)技術(shù)研究面向邊端硬件的加速算子庫(kù)開發(fā)場(chǎng)景驅(qū)動(dòng)的多源感知定位技術(shù)通感算一體化架構(gòu)與協(xié)同機(jī)制控制業(yè)務(wù)通信需求適配分析電力時(shí)空信號(hào)內(nèi)生安全技術(shù)3構(gòu)建電力智能化作業(yè)通信、

感知、

計(jì)算一體化服務(wù)智能化作業(yè)類型多維度信息處理輔助人工階段(2010s-2020)部分智能階段(2020至今)完全智能階段（2025-遠(yuǎn)期）輸電無(wú)人機(jī)智能巡檢感知數(shù)據(jù)采集人工控制無(wú)人機(jī)采集無(wú)人機(jī)按預(yù)定航線采集①多模態(tài)數(shù)據(jù)感知融合（自主規(guī)劃路徑采集

，可見光/紅外攝像頭、

激光雷達(dá)多光譜數(shù)據(jù)采集）通信接入與傳輸U(kuò)盤拷貝或人工上傳數(shù)據(jù)無(wú)線遠(yuǎn)程+本地機(jī)巢回傳②多模異構(gòu)網(wǎng)絡(luò)高效傳輸（陸地、

空間遠(yuǎn)程通信

，本地通信異構(gòu)網(wǎng)絡(luò)）電力設(shè)備本質(zhì)安全監(jiān)測(cè)感知數(shù)據(jù)采集人工記錄或操控設(shè)備采集數(shù)據(jù)設(shè)備傳感器自動(dòng)采集①多模態(tài)數(shù)據(jù)感知融合（多傳感器采集融合）通信接入與傳輸同上無(wú)線遠(yuǎn)程+本地通信②多模異構(gòu)網(wǎng)絡(luò)高效傳輸（陸地、

空間遠(yuǎn)程通信

，本地通信異構(gòu)網(wǎng)絡(luò)）電力智能安全監(jiān)察感知數(shù)據(jù)采集人工現(xiàn)場(chǎng)巡視部署AI攝像頭/環(huán)境傳感器

，實(shí)現(xiàn)局部自動(dòng)化采集①多模態(tài)數(shù)據(jù)感知融合（融合視頻/傳感器/無(wú)人機(jī)數(shù)據(jù)

，構(gòu)建全場(chǎng)景感知網(wǎng)絡(luò)）通信接入與傳輸基本同上（紙質(zhì)記錄或U盤拷貝）無(wú)線遠(yuǎn)程+本地通信②多模異構(gòu)網(wǎng)絡(luò)高效傳輸（陸地、

空間遠(yuǎn)程通信

，本地通信異構(gòu)網(wǎng)絡(luò)）（三者相同）智能分析與決策人工分析決策

：人工分析數(shù)據(jù)、

無(wú)法實(shí)現(xiàn)多維度數(shù)據(jù)關(guān)聯(lián)分析、

決策依賴經(jīng)驗(yàn)輔助分析決策：

人工智能算法分析+人工復(fù)核④

自主認(rèn)知與決策

：具備特定場(chǎng)景應(yīng)用認(rèn)知能力、能夠自動(dòng)生成決策方案構(gòu)建了針對(duì)典型電網(wǎng)智能化作業(yè)感知數(shù)據(jù)采集、

通信接入與傳輸、

智能分析與決策等“三維度”信息處理業(yè)務(wù)特征分析框架

，分析了輔助人工、

部分智能到完全智能“三階段”信息處理特征

，得出作業(yè)智能化發(fā)展方向：

面向電網(wǎng)智能作業(yè)場(chǎng)景

，解決多模態(tài)數(shù)據(jù)感知融合、

多模異構(gòu)網(wǎng)絡(luò)傳輸、

自主認(rèn)知等通感算核心關(guān)鍵技術(shù)。二、通感算一體化應(yīng)用架構(gòu)以無(wú)人機(jī)巡檢智能化作業(yè)為例

，對(duì)其信息處理特征發(fā)展趨勢(shì)進(jìn)行分析：

整體呈現(xiàn)從輔助人工到智能自主的階梯式演進(jìn)路線

，技術(shù)架構(gòu)逐步升級(jí)至多模態(tài)數(shù)據(jù)感知融合、

多模異構(gòu)網(wǎng)絡(luò)高效傳輸和自主認(rèn)知等前沿能力。完全智能模式

無(wú)人機(jī)自主采集數(shù)據(jù)（可見光、紅外等）

本地局域網(wǎng)+遠(yuǎn)程回傳網(wǎng)+邊緣計(jì)算異構(gòu)組網(wǎng)

云邊大小模型協(xié)同、多模態(tài)綜合分析

構(gòu)建“采集-傳輸-分析”閉環(huán)

，全專業(yè)區(qū)域化無(wú)人機(jī)協(xié)同作業(yè)模式部分智能模式

無(wú)人機(jī)受控采集圖像

本地局域網(wǎng)支撐飛控及圖傳、北斗支撐預(yù)定航線飛行

，無(wú)線APN支撐遠(yuǎn)程回傳

深度學(xué)習(xí)模型研判設(shè)備缺陷

作業(yè)流程線上流轉(zhuǎn)輔助人工模式

無(wú)人機(jī)受控采集圖像

本地局域網(wǎng)支撐飛控及圖傳

，手動(dòng)將存儲(chǔ)卡數(shù)據(jù)導(dǎo)入內(nèi)網(wǎng)

人工審核圖像、研判設(shè)備缺陷

作業(yè)流程線下人工流轉(zhuǎn)二、通感算一體化應(yīng)用架構(gòu)支撐調(diào)用能力層資源層面向電網(wǎng)智能化作業(yè)的“三元四層”通感算一體化架構(gòu)

，

充分調(diào)用電力通信、感知和計(jì)算資源及電網(wǎng)數(shù)字化平臺(tái)服務(wù)

，

實(shí)現(xiàn)數(shù)據(jù)-功

能-應(yīng)用-業(yè)務(wù)之間的智能聯(lián)動(dòng)

，提升電網(wǎng)巡檢作業(yè)、

在線監(jiān)測(cè)、

安監(jiān)管控等業(yè)務(wù)的智能化水平。電力光纖電力

衛(wèi)星骨干網(wǎng)

APN網(wǎng)絡(luò)電力本地有線及無(wú)線專網(wǎng)

無(wú)線匯聚網(wǎng)無(wú)人機(jī)智能作業(yè)電網(wǎng)設(shè)備本質(zhì)安全監(jiān)測(cè)電網(wǎng)作業(yè)安全智能研判精準(zhǔn)時(shí)空信息服務(wù)加速算子庫(kù)通感算一體化服務(wù)評(píng)測(cè)多模通信資源調(diào)度模型蒸餾

通感算資源編排算力資源調(diào)度二、通感算一體化應(yīng)用架構(gòu)電網(wǎng)智能作業(yè)通感算一體化服務(wù)架構(gòu)多模網(wǎng)絡(luò)自適應(yīng)網(wǎng)絡(luò)資源調(diào)度模型訓(xùn)練訓(xùn)練算法算力存儲(chǔ)云端數(shù)據(jù)計(jì)算中心電網(wǎng)資源中臺(tái)算網(wǎng)融合節(jié)點(diǎn)邊緣物聯(lián)代理數(shù)據(jù)確定性傳輸電力北斗系統(tǒng)無(wú)人機(jī)平臺(tái)時(shí)空信息感知物聯(lián)管理平臺(tái)設(shè)備狀態(tài)感知環(huán)境狀態(tài)感知感知服務(wù)通信服務(wù)計(jì)算服務(wù)應(yīng)用層服務(wù)層基于通感算一體化架構(gòu)

，通過(guò)多維異構(gòu)資源聯(lián)合調(diào)度充分利用電網(wǎng)多模異構(gòu)網(wǎng)絡(luò)和分布式算力設(shè)施的數(shù)智化服務(wù)能力

，

實(shí)現(xiàn)云邊協(xié)同的通算融合；

整合多模態(tài)數(shù)據(jù)空間位置感知數(shù)據(jù)及終端視覺信息實(shí)現(xiàn)感算融合

，應(yīng)用北斗+電磁

波融合定位技術(shù)實(shí)現(xiàn)通感融合

，支撐高精度定位應(yīng)用（如無(wú)人機(jī)巡檢）

。?通算協(xié)同機(jī)制：

?算網(wǎng)融合技術(shù)?

多維資源調(diào)度管控技術(shù)?

知識(shí)蒸餾及模型輕量化技術(shù)?

邊緣AI與云邊協(xié)同技術(shù)?

通感協(xié)同機(jī)制：

?

北斗+電磁波融合定位技術(shù)?

感算協(xié)同機(jī)制：?

多模態(tài)數(shù)據(jù)感知融合技術(shù)（如：

北斗+視覺融合定位

，

電網(wǎng)設(shè)備、

環(huán)境智能感知技術(shù)）算數(shù)據(jù)處理感數(shù)據(jù)采集二、通感算一體化應(yīng)用架構(gòu)通數(shù)據(jù)傳輸提升電力智能化作業(yè)時(shí)空信息感知能力針對(duì)異構(gòu)網(wǎng)絡(luò)高效傳輸、

多模態(tài)數(shù)據(jù)時(shí)空感知需求

，研究“空天地一體”組網(wǎng)方案

，深刻理解環(huán)境并生成環(huán)境上下文

，基于多源位置信息感知數(shù)據(jù)融合

，

實(shí)現(xiàn)邊端通感融合“智能協(xié)作定位”

，為“全域連續(xù)、

高精度、

高可靠”電網(wǎng)智能化作業(yè)賦能。電力抗干擾防欺騙多級(jí)抗干擾技術(shù)l

四陣元多天線陣列l(wèi)

自適應(yīng)Notch濾波l

INS輔助抗干擾北斗欺騙檢測(cè)技術(shù)l

PVT完好性技術(shù)l

矢量架構(gòu)檢測(cè)技術(shù)模組研制l

FPGA_DSP架構(gòu)l

小型化陣列天線北斗+低軌l

定位、

導(dǎo)航、

授時(shí)l

星基PPP-B2b增強(qiáng)l

LEO通導(dǎo)增強(qiáng)l

北斗短報(bào)文通信無(wú)人機(jī)l

空中

移

動(dòng)

基

站

和感知平臺(tái)l

搭

載

通

信

設(shè)

備

和攝像頭5G/LORA/UWBl

5G/4G專網(wǎng)節(jié)點(diǎn)l

LORA局域一帶多l(xiāng)

UWB組網(wǎng)技

術(shù)

方

案電網(wǎng)智能化作業(yè)場(chǎng)景厘米級(jí)協(xié)作定位方案研

制

模

組研制抗干擾防欺騙電力北斗授時(shí)定位模組環(huán)境上下文基于環(huán)境上下文的協(xié)作高精度定位技術(shù)環(huán)境上下文理解

多源協(xié)作定位二、邊端通感融合技術(shù)無(wú)線電磁波感知l

北斗信號(hào)

：

偽距

、載波、

載噪比等l

5G信號(hào)：

信號(hào)強(qiáng)度融合感知智能定位機(jī)器視覺感知l

視覺：

視頻

、

圖像、

色彩、

紋理l

雷達(dá)

：點(diǎn)云數(shù)據(jù)l

弱通訊場(chǎng)景l(fā)

大氣活躍場(chǎng)景l(fā)

多徑/NLOS場(chǎng)景l(fā)

障礙物遮擋場(chǎng)景l(fā)

時(shí)空基準(zhǔn)統(tǒng)一l

松耦合/緊耦合l

因子圖融合框架l

NRTK柔性切換天

基

空基

地基多源融合的空間感知技術(shù)空天地組網(wǎng)安全保障先驗(yàn)環(huán)境融合互補(bǔ)策略/指令下發(fā)策略/指令下發(fā)5G、

光線、

微波等回傳空天地網(wǎng)絡(luò)連接：

提出“天基衛(wèi)星（北斗+低軌）

為骨干、

空基無(wú)人機(jī)為機(jī)動(dòng)延伸、

地基5G/LoRa等專網(wǎng)為高效接入”的分層立體架構(gòu)

，通過(guò)“云邊端一體化智能管理中心”實(shí)現(xiàn)全網(wǎng)資源統(tǒng)一調(diào)度與業(yè)務(wù)按需保障

，為電網(wǎng)智能作

業(yè)提供全域覆蓋與可靠連接。云邊端智能協(xié)同與管理中心l

全局態(tài)勢(shì)感知：

實(shí)時(shí)監(jiān)控全網(wǎng)資源狀態(tài)（衛(wèi)星帶寬、

無(wú)人機(jī)位置、

基站負(fù)載等）l

業(yè)務(wù)智能編排：

根據(jù)業(yè)務(wù)需求自動(dòng)計(jì)算最優(yōu)的端到端通信路徑l

大數(shù)據(jù)分析：

分析網(wǎng)絡(luò)性能

，

預(yù)測(cè)故障

，

優(yōu)化網(wǎng)絡(luò)規(guī)劃l

本地業(yè)務(wù)閉環(huán)：

對(duì)時(shí)延敏感的業(yè)務(wù)（如變電站機(jī)器人視覺分析）

在邊緣節(jié)點(diǎn)處理

，

無(wú)需回傳云端

，極大降低時(shí)延l

區(qū)域協(xié)同：

控制本區(qū)域內(nèi)的無(wú)人機(jī)集群進(jìn)行協(xié)同組網(wǎng)l

自主決策：

在網(wǎng)絡(luò)中斷時(shí)

，

具備本地決策和自組網(wǎng)能力

，維持局部通信無(wú)人機(jī)集群多源作業(yè)感知信息天基廣域覆蓋空基機(jī)動(dòng)覆蓋地基高效接入通信設(shè)備通感算

邊緣設(shè)備實(shí)時(shí)控制、

信息交互各類終端二、邊端通感融合技術(shù)環(huán)境感知l

視

頻

l

圖

像

l

點(diǎn)

云

l

多

徑

l

NLOS

l

坐

標(biāo)

l

溫

度

l

濕

度

l

振

動(dòng)

l

局

放

l

…

…高軌中軌低軌指令下發(fā)信息增強(qiáng)云中心邊緣計(jì)算節(jié)點(diǎn)終端智能體感知數(shù)據(jù)策略/指令電力專

網(wǎng)安

全

接

入

平臺(tái)天基空基地基輕量化5G中繼站回傳短報(bào)文、

低軌通道回傳策略/指令下發(fā)多鏈條回傳空天地協(xié)同定位：

重點(diǎn)針對(duì)山區(qū)、

沿海等網(wǎng)絡(luò)RTK差分?jǐn)?shù)據(jù)不可用的典型弱通信場(chǎng)景

，提出星地協(xié)同云-邊（北斗差分路由器）

-端三級(jí)協(xié)作本地差分增強(qiáng)技術(shù)

，通過(guò)邊緣數(shù)據(jù)研判、

本地差分、

質(zhì)量分析保持方法；

當(dāng)?shù)鼗鰪?qiáng)差分

信息傳輸網(wǎng)絡(luò)不可用時(shí)

，采用星基增強(qiáng)方式解算邊緣精密位置并倒算本地差分?jǐn)?shù)據(jù)

，基于LORA廣播實(shí)現(xiàn)“一帶多”應(yīng)

用

，解決了弱通信場(chǎng)景覆蓋難題。星地協(xié)同連續(xù)定位“一帶多”實(shí)測(cè)效果：

23個(gè)終端1Hz并發(fā)工作星基PPP-B2b增強(qiáng)信號(hào)云

邊（北斗路由器）二、邊端通感融合技術(shù)不可用l

數(shù)據(jù)研判l(wèi)

本地差分l

質(zhì)量分析可用啟用本地差分直接轉(zhuǎn)發(fā)服務(wù)端差分?jǐn)?shù)據(jù)端安全帽測(cè)溫終端安全圍欄桿塔監(jiān)測(cè)4G/5G公網(wǎng)RTCM差分?jǐn)?shù)據(jù)電力北斗平臺(tái)地基解算當(dāng)前路由器坐標(biāo)編碼本地差分?jǐn)?shù)據(jù)軌道鐘差DCB等星基視覺感知衛(wèi)星混合機(jī)器學(xué)習(xí)感知衛(wèi)星+雷達(dá)-視覺多源感知技術(shù)方案空間深度信息感知（衛(wèi)星電磁波+視覺）

：針對(duì)單一傳感器（如視覺易受光照影響

，

雷達(dá)缺乏語(yǔ)義信息）

在復(fù)雜

環(huán)境下感知能力弱乃至失效的挑戰(zhàn)

，通過(guò)引入多維特征優(yōu)選與場(chǎng)景分類的思路

，采用雷視多模態(tài)數(shù)據(jù)對(duì)齊與決策層融合方法

，構(gòu)建衛(wèi)星信號(hào)機(jī)器學(xué)習(xí)感知+激光雷達(dá)-視覺深度融合感知的技術(shù)方案。二、邊端通感融合技術(shù)天氣、光照等對(duì)視覺的影響激光雷達(dá)的語(yǔ)義漏檢問(wèn)題雷達(dá)感知環(huán)境上下文感知——北斗可用環(huán)境：

提出了基于網(wǎng)絡(luò)RTK的星地協(xié)同與電離層加權(quán)柔性切換技術(shù)。

在廣域開闊環(huán)境

，

以北斗高精度定位為主體的技術(shù)路線

，通過(guò)星地協(xié)同的定位模式柔性切換機(jī)制

，

實(shí)現(xiàn)地基RTK與星基PPP

-

B2b模式的無(wú)縫銜接

，確保弱通信網(wǎng)絡(luò)場(chǎng)景高精度定位連續(xù)性；

同時(shí)引入電離層不確定度加權(quán)的解算模型柔性切換技術(shù)

，動(dòng)態(tài)抑制空間天氣擾動(dòng)影響。

通過(guò)“定位模式和解算模型”雙重柔性切換保障機(jī)制提升了網(wǎng)絡(luò)RTK的可靠性與

環(huán)境適應(yīng)性。定位模型柔性切換：電離層加權(quán)切換前后平穩(wěn)過(guò)渡網(wǎng)絡(luò)RTK柔性切換連續(xù)高精度定位效果軟切換策略大氣延遲、PPP-B2b常數(shù)偏差星基PPP-RTK

（網(wǎng)絡(luò)長(zhǎng)時(shí)中斷）二、邊端通感融合技術(shù)定位模式柔性切換：星地協(xié)同SBAS-RTK（網(wǎng)絡(luò)短時(shí)中斷）網(wǎng)絡(luò)RTK

（網(wǎng)絡(luò)正常）環(huán)境上下文感知——北斗拒止環(huán)境：

提出遮擋環(huán)境下高精度地圖輔助的多源協(xié)作定位技術(shù)。

在城市峽谷/管廊等衛(wèi)星信號(hào)受遮擋的復(fù)雜場(chǎng)景中

，

以高精度地圖匹配為基準(zhǔn)進(jìn)行多源協(xié)作定位

，將環(huán)境地圖作為全局強(qiáng)約束融入因子圖框架

，

并結(jié)合激光雷達(dá)與視覺里程計(jì)作為局部增強(qiáng)手段

，

實(shí)現(xiàn)全局絕對(duì)定位和局部相對(duì)定位融合

，

實(shí)現(xiàn)在弱衛(wèi)星信號(hào)條件下的連續(xù)、

穩(wěn)定、

高精度定位。二、邊端通感融合技術(shù)不同場(chǎng)景下地圖點(diǎn)權(quán)值分布雷達(dá)點(diǎn)云地圖匹配效果地圖輔助的多源定位光亮、

特征稀疏特征豐富昏暗、

特征稀疏提升電力智能化作業(yè)協(xié)同計(jì)算能力融合環(huán)境、

人員、

設(shè)備、

時(shí)空等多模態(tài)信息

，研究感算融合高精度定位、

風(fēng)險(xiǎn)智能認(rèn)知數(shù)字視網(wǎng)膜技術(shù)

，

實(shí)現(xiàn)全局風(fēng)險(xiǎn)智能認(rèn)知；

以“邊端模型高效適配、

AI應(yīng)用自主可控”為原則

，

開展邊端模型及其輕量化、

分布式推理與算力動(dòng)

態(tài)調(diào)度等技術(shù)

，最終感算融合應(yīng)用技術(shù)體系。四、

云/邊端感算融合技術(shù)針對(duì)電網(wǎng)作業(yè)場(chǎng)景中目標(biāo)高精度坐標(biāo)主動(dòng)感知需求

，提出一種基于北斗/慣導(dǎo)/機(jī)器視覺的多源異構(gòu)傳感器深度融

合定位方法

，

以差分北斗、

慣導(dǎo)組合為基礎(chǔ)

，動(dòng)態(tài)加入機(jī)器視覺位移參數(shù)

，形成基于機(jī)器視覺的監(jiān)測(cè)目標(biāo)高精度定位方法

，輔助提升電網(wǎng)作業(yè)風(fēng)險(xiǎn)研判精度。四、

云/邊端感算融合技術(shù)視覺慣導(dǎo)北斗該方法以監(jiān)測(cè)終端為基準(zhǔn)建立坐標(biāo)系

，通過(guò)標(biāo)定攝像頭位姿傳感器、

相機(jī)內(nèi)參分別獲取監(jiān)測(cè)目標(biāo)俯仰角、

方向角，結(jié)合機(jī)器視覺測(cè)距

，獲取監(jiān)測(cè)目標(biāo)相對(duì)終端設(shè)備坐標(biāo)

，

融合終端設(shè)備經(jīng)緯度坐標(biāo)實(shí)現(xiàn)監(jiān)測(cè)目標(biāo)高精度定位。四、

云/邊端感算融合技術(shù)機(jī)器視覺->單目測(cè)距距離

終端定位->拍攝設(shè)備坐標(biāo)

T=(x,

y,z)監(jiān)測(cè)目標(biāo)相對(duì)終端坐標(biāo)終端坐標(biāo)攝像頭夾角->俯仰角被測(cè)物體坐標(biāo)Ls

=

αKL(ys,

yt)

+

(1

—α)c(ys,

y)

針對(duì)邊端設(shè)備算力受限與云端模型部署成本高的矛盾

，提出一種基于響應(yīng)式多級(jí)蒸餾及對(duì)抗蒸餾式互學(xué)習(xí)的模型輕量化方法（

MLKD）

，通過(guò)響應(yīng)式層級(jí)蒸餾捕捉云端多模態(tài)數(shù)據(jù)多層次特征

，結(jié)合對(duì)抗蒸餾式互學(xué)習(xí)實(shí)現(xiàn)云-邊模型雙向知識(shí)交互

，

高效完成云端特征向邊緣側(cè)的壓縮傳遞

，

顯著優(yōu)化邊緣設(shè)備對(duì)電網(wǎng)多源數(shù)據(jù)的實(shí)時(shí)解析效率。四、

云/邊端感算融合技術(shù)MLKD在多種基準(zhǔn)數(shù)據(jù)集上的精度顯著超越11種主流知識(shí)蒸餾方法。

此外

，在邊端模型上應(yīng)用MLKD算法時(shí)

，

可將邊端模型的參數(shù)量由14M壓縮至2.61M

，壓縮率為18.64%

，性能損失僅為3.17%

，驗(yàn)證了該方法在電網(wǎng)智能作業(yè)場(chǎng)景

下實(shí)現(xiàn)“高壓縮-低損失”輕量化部署的可行性。四、

云/邊端感算融合技術(shù)針對(duì)電網(wǎng)作業(yè)中涉及到的感知任務(wù)參數(shù)規(guī)模大、

計(jì)算資源需求量大、

設(shè)備能耗高、

實(shí)時(shí)性要求高的問(wèn)題

，研究聚焦云邊資源動(dòng)態(tài)調(diào)整

，提出了一種面向感知任務(wù)自適應(yīng)調(diào)節(jié)的云邊分布式推理技術(shù)

，通過(guò)將云邊模型分割

，

顯著提高了計(jì)算資源的利用率。

并且進(jìn)行參數(shù)規(guī)模壓縮簡(jiǎn)化參數(shù)量以提升計(jì)算效率

，

同時(shí)根據(jù)預(yù)設(shè)條件提前停止訓(xùn)練過(guò)程

，減少計(jì)算負(fù)擔(dān)。四、

云/邊端感算融合技術(shù)模型分割流程針對(duì)邊端資源算力受限問(wèn)題

，通過(guò)資源加速和推理加速手段

，

開發(fā)了圖轉(zhuǎn)換算子、

混合精度算子、

多源融合算子進(jìn)行加速。

算子庫(kù)基于國(guó)產(chǎn)瑞芯微rk3576的“ARM

Cortex-A55CPU

+

Mali-G52GPU”計(jì)算單元進(jìn)行差異化適配

，使

單圖片識(shí)別速度由55ms提升至15m內(nèi)

，推理速度提升超過(guò)70%。四、

云/邊端感算融合技術(shù)基于以上研究開發(fā)了基于機(jī)器視覺和北斗融合的輸變電作業(yè)安全監(jiān)測(cè)原型系統(tǒng)

，該系統(tǒng)可以獲取攝像頭的設(shè)備信息和定位信息

，作業(yè)安全巡視功能可以檢測(cè)出隱患與攝像頭的距離

，結(jié)合北斗定位實(shí)現(xiàn)對(duì)安全隱患定位坐標(biāo)的計(jì)算

，大幅提升輸電線路風(fēng)險(xiǎn)識(shí)別準(zhǔn)確率。四、

云/邊端感算融合技術(shù)試點(diǎn)應(yīng)用研究設(shè)計(jì)基于云/邊端計(jì)算能力的業(yè)務(wù)終端狀態(tài)感知及軌跡跟蹤控制的智能化應(yīng)用方案

，研制支持連續(xù)高精度位置解算、算力輕量化等特點(diǎn)的邊端通感算協(xié)同裝置

，針對(duì)輸電作業(yè)智能巡檢、本質(zhì)安全監(jiān)測(cè)等場(chǎng)景開展通感算一體化

融合應(yīng)用工程示范。五、下一步工作計(jì)劃輸電無(wú)人機(jī)智能巡檢作業(yè)示范應(yīng)用：

擬選取江蘇地市公司兩條500kV輸電線路

，依托本項(xiàng)目研發(fā)的邊端通感算協(xié)同裝置、

壓縮部署工具、

加速算子庫(kù)、

輸變電作業(yè)安全監(jiān)測(cè)原型系統(tǒng)

，

開展輸電無(wú)人機(jī)智能巡檢作業(yè)示范應(yīng)用。輸電安全作業(yè)監(jiān)測(cè)模型加速算子庫(kù)抗干擾防欺騙電力北斗授時(shí)定位模組通信調(diào)度五、下一步工作計(jì)劃云端推理模型輕量化邊端通感算協(xié)同裝置輸變電作業(yè)安全監(jiān)測(cè)系統(tǒng)可見光相機(jī)毫米波雷達(dá)無(wú)人機(jī)吊艙數(shù)據(jù)管理激光雷達(dá)紅外相機(jī)輸電無(wú)人機(jī)智能巡檢作業(yè)示范應(yīng)用