导语
看完全文之后你可以全面了解以下几个问题？
为什么全国都要搞AI？
为什么电力行业要搞AI?
AI是个什么东西？
什么是机器学习？
什么是深度学习？
在哪里可以免费学习AI？
目前电力行业有哪些AI实际应用案例？
AI在运营商有哪些实际的应用案例？
电力行业IT先行者信通公司该从哪些方面进行AI探索？
为什么全国都要搞AI？
2019年以前国家推行的是“互联网+”战略，也可以理解为信息化，2020年以后开始推行的是数字化，数字化跟信息化最大的不同就是引入了AI，也就是人工智能。
打个比方：你在地图上查看到埃菲尔铁塔的具体位置和影像资料，这叫信息化。你问地图，我去埃菲尔铁塔该怎么走，他给你规划出了N种方案，可飞可骑可行可各种各样，而且还有最优推荐，这叫数字化。
为什么电力行业要搞AI?
图中红圈部分就是所谓的数据中台，数据中台需要具备数据汇聚整合、数据提纯加工、数据服务可视化、数据价值变现４个核心能力，让企业员工、客户、伙伴能够方便地应用数据。
业务部门生产能源和数据，信通公司提供通信服务、信息服务、数据服务。
智能电网未来的变化是新能源的加入，智能调度是必然，也是这次国网调度举办人工智能竞赛的原因。
2019年我参加过公司举办的大数据竞赛，在当时也就仅仅只要求学到了简单的机器学习算法而已。
而这次人工智能竞赛已经上升到了深度学习的高度。
外部赛道甚至吸引了很多相关专业在读博士参加。
四道赛题分别涉及目前AI应用最成熟的四个领域，他们分别是：
图像识别：特斯拉自动驾驶技术全靠图像识别，而国内的自动驾驶技术还要大量依靠数字地图。
自然语言处理：这个大家非常熟悉了，小度、小爱，小讯飞。
深度神经网络：模拟人的神经元，主要功能是预测。
强化学习：围棋阿尔法狗就是强化学习。
AI是个什么东西？
中国电力科学研究院副院长王继业提出，电力人工智能是人工智能的相关理论、技术和方法与电力系统的物理规律、技术、知识融合形成的专用人工智能。数据驱动的人工智能技术是支撑新一代电力系统的重要手段。电力人工智能核心技术方向包括智能传感、人工智能平台、大数据、机器学习、计算机视觉、自然语言处理、智能机器人等7部分。
什么是机器学习？
简单理解机器学习就干两件事儿：回归和分类（当然还有聚类）
这个地方讲得不好的话很容易把人讲睡着
强烈建议想了解的朋友去B站搜李宏毅机器学习
这位老师讲课经常用宝可梦（宠物小精灵）举例，生动形象
比如他这样解释回归：
给一堆他参数，预测他的攻击力。
再比如他这样解释分类：
给函数一堆参数，然后输出是哪一类的小精灵
你简单理解就是机器学习可以完成回归和分类任务。
什么是深度学习？
深度学习可以模仿人的神经。
循环神经网络，可以分类，也可以回归，也可以用来处理自然语言。例如语音识别、语言建模、机器翻译。
深度学习还可以模仿人的眼睛。
卷积神经网络，主要用于计算机视觉，仿造生物的视知觉机制构建，可以对像素和音频进行学习。
这就是我对机器学习和人工智能最人性化的解释了，如果你觉得不过瘾，你可以搜李永乐老师讲机器学习和神经网络，但是我友情提示，李永乐老师可是数学老师。
简单对比一下机器学习和深度学习，这里我想强调的是：机器学习和深度学习需要大量标识的数据集和海量的数据集。这里一定要加深印象，最后面要考。
在哪里可以免费学习AI？
这张图里有答案，本次比赛是百度赞助的，其实是为了推他的人工智能平台：https://aistudio.baidu.com/
但不可否认在这里可以免费学到你想学习的所有相关知识。
省公司人工智能平台其实就是本地化部署的百度AI Studio平台，所以平时自己在自己电脑上练习百度那个平台就可以了，一模一样。
这里提到的两库是样本库和模型库。
样本：语音、图像、文字、数据。
模型：一个超级大的，参数超级多的函数。
人工智能平台其实也可以理解为中台。中台最简单的理解是处于系统中间，融合业务，赋能业务。对数据中台取数训练模型，对业务平台提供预测分类等服务。
百度的AI平台，百度搜索：AI Studio，用百度账号进入。
这是我的账号，可以看到平时我们做的练习题都是新能源发电量的预测。天天做负荷预测，我就在想，那学生的成绩能不能预测。
我就搜到了这篇博士论文，机器学习已经可以预测学生的成绩了。看论文也是我们学习人工智能在电力应用的一个重要手段。
如何从零基础开始学，百度AI Stdio也给出了完整的学习资料。
学完就可以上手实操了。因为我们主要是应用层面，所以对其中的数据逻辑不用太深入研究。
B站也有大量的学习视频，主讲人也全是百度人工智能专家。
如果不喜欢百度，阿里也有大数据平台和学习资料，阿里人工智能平台是天池，用支付宝账号登陆。
目前电力行业有哪些AI实际应用案例？
先谈一个发生在我身边的AI应用的例子。
这是我朋友圈的真实案例。
可以得到本场比赛的所有数据。
心率和速度的实时统计。
传球，跑动，拦截数据。
大数据 = 用户的数据采集+数据汇聚+数据分析+数据呈现给用户
AI=用大数据去预测、分析（你适合打哪个位置？你适合哪只队伍？你面对对手应该怎么踢？你会不会有受伤风险？）
为了实现这个目标，运动员要带肩章，球有芯片儿，球场四周还有仪器采集数据。
为了收集大数据，现在的变压器已经被传感器五花大绑了。
收集来的大数据如何做可视化呢？各大厂都提供了可视化的服务。
我最熟悉的就是这个pyecharts。
因为我用他做过一个基层班组数据可视化项目，效果很明显，但唯一的缺点就是当时我不知道如何应用AI，徒有其表。
各大厂也都有他们付费的数据可视化服务。
人工智能在电力行业的应用主要集中在发电端、变电端、输电端、配电端四种场景，发电端是负荷预测，其他端是智能巡检。
除了能源流还有信息流，同样的逻辑可以用来思考信通公司的应用场景，后面会有很多相关案例讲解。
电力的常见AI应用场景也包含了所有电力生产环节：发电、变电、输电、配电、用电。
可以看出目前比较成熟的AI应用主要集中在变电和输电两个专业，应用的AI技术主要集中在CV（计算机视觉）领域，主要包括：图像识别，目标检测。
泉州公司是信通领域目前AI应用和宣传做得最好的公司。
未来通信系统运维势必引入AI，并且各地的AI决策库（模型库）可以共享共建。甚至运营商和电力通信相同的场景可以共享。
摄像头的配备是为了实现大量图像识别，目标监测的应用。
摄像头的配备是为了实现大量图像识别，目标监测的应用。
机房数字孪生。数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。TMS的目标就是数字孪生，但是现在还远远达不到数字孪生水平，更多像一个信息系统。
望=图像识别
闻=气味识别。神经网络用电子元器件实现气味识别
问=设备的所有特征，去预测标签（设备是否会坏）
切=常规的设备故障诊断。远程切（真实的AI医疗已经可以远程切了）
AI在运营商有哪些实际的应用案例？
电力公司里面的链接和计算就是信通公司要负责的，信通公司是支撑电力企业数字化的关键所在。
5IABCDE=5G、云计算、边缘计算、区块链、大数据、人工智能。
AI要在行业落地，必须是既懂业务，也懂大数据和AI的人才能给出能落地的方案，定制化的方案。
AI四大要素：数据、算力、算法、场景
必须建立数据仓库或数据中台来存放海量的数据。
必须要把算力灵活用起来，全部压在终端不行，全部压在AI平台也不行，比如省公司的大数据中心，未来会把训练好的模型下沉到站端的边缘设备上应用。
人工智能平台中的模型库，他们只会提供通用型的模型，比如识别安全帽，烟头等，专业化的模型库和样本库，必须要靠自己。
场景是最重要的，也是最需要各个专业部门自己的员工去思考解决的问题，必须要靠自己，任何AI专家都解决不了这个问题。
运营商老大哥们在AI方面确实是实践在前的。
IT行业的老大哥们对于AI的应用也在不断摸索实践中。
最后聚焦到我最熟悉的通信专业应用场景。
回想上文提到的要考的那个问题，目前限制电力行业人工智能应用最大的障碍不是没有好的人工智能平台，也不是没有好的模型，而是没有好的优质的干净的海量数据集。
另外个主要的矛盾是：懂业务场景的不懂人工智能技术，懂人工智能技术的不懂具体业务场景。这两类人必须强强联合，或者花大力气培养既懂业务又懂技术的复合型人才。
希望这100张精选过的PPT已经让你对AI在电力的应用有所了解。
如果你觉得对你有帮助请给我一键三连支持（点赞、再看、转发）。
国家数字化转型任重道远。
愿诸君一起努力前行。
LINK
京公网安备 11010802041100号