二、闻（气味识别、声音识别）
闻”就是听声音和嗅气味。中医会听病人说话声音、咳嗽声、闻口气、体味、伤口气味等判断病情。也适合电力企业对设备的内部故障和易燃易爆气体的泄漏进行检查和诊断。听设备异常放电声，电力企业常用局方测试仪，这是比较成熟的技术这里就不过多介绍。我们主要针对比较少接触的“闻”。每样事物都有其独特的味道，电力设备由各种零部件构成，这些零部件有金属的、塑料的，还有橡胶的，在不正常的磨损和消耗时，会发出不同的气味，比如焦煳味、臭味、塑料味等等，根据这些发出来的气味，我们很多老师傅用鼻子就可判断出特定的故障。各种电机及电气元件线圈烧毁；煤气、天然气等可燃气管路泄漏等等都是外观看不出来的但是能够产生或大或小的异常声音或气味。通过这些声音和气味，我们就能顺藤摸瓜找到出问题的地方。如过热、短路、击穿故障，则有可能闻到烧焦味，火烟味和塑料、橡胶、油漆、润滑油等受热挥发的气味。
1. 橡胶塑煳味：这种气味最容易分辨，出现这种气味首先要检查橡胶制品（绝缘皮等）是否松弛打滑或者过热。这种情况大多是电器的线路过热所致，由于电线的塑料外包皮较薄，所以气味不是很大。但当电线短路时，多伴有局部冒烟或发热的现象，时间长了，容易引起燃烧，引发火灾。
2. 烧机油味：变压器漏油时能闻到。
3. 蓄电池臭味：出现这种情况大多是电力设备电解液泄漏或亏损，这种现象多发生在湿式电瓶上，因为该种电瓶需要由电解液来完成电能的储存和转化，但当电解液泄漏时就会产生一种刺鼻的味道
图五：极简模型（气味判断故障）
封闭的电力设备柜体内，有A和B两个设备。A故障烧毁发出的气味是香的。B故障烧毁发出的气味是臭的。那么通过气味识别即可判断烧毁的故障设备是哪个。和警犬缉毒、酒精测试判断酒驾的原理是一致的。期待电力企业引入新型高精度气味探测器和人工智能深度学习来研判封闭式设备的故障，这将是一个革命性的突破。
技术难点：电力企业面临的一个共同挑战是需要获取足够的数据来训练气味分类和识别算法，并且气味识别的预处理可能占用整个解决方案一半以上的时间。
三、“问”（生产厂家、投运日期、运行环境等）
“问”，在中医诊断中就是问病人哪里不舒服、年龄、病情病史、家族遗传、生活环境、饮食习惯、作息规律、人际关系等。在电力设备故障诊断中就是了解设备的生产厂家（家族遗传）、生产批次、投运时间（对应中医的年龄，有一些厂家同一批次设备可能存在同一设备质量问题，是否老化损坏）。运维水平（对应中医问生活习惯、电力企业中对应运维周期和是否及时更换易耗部件）、运行环境【大风、雷电、湿度、泡水、污秽、树障碍、现场处于施工地段施工车辆进出频繁（施工外破问题）、地理位置是否在局部最高点（发现雷击问题）、施工人员（发现施工质量问题）】。
图六：诊断方法借鉴对比
在国网PMS系统中加入天气、地理、设备投运时间、厂家、施工人员等信息。透过大数据深度学习可以发现很多故障的本质问题。
图七：污闪发生的浓雾小雨天气和故障绝缘子
案例：中国沿海某城市10条10kV线路同时跳闸，查无异常试送成功。在传统的故障处理中我们巡视找不到故障点，试送成功后就完成故障处理。通过大数据的分析发现这10条线路在同一个高盐污辖区内，同时天气是小雨天。之前该地区连续长时间无雨，连续绝缘子表面的盐污囤积到一定程度被小雨淋后形成放电回路（大雨会冲刷掉污盐）污闪放电。
四、“切”（温度、电流值、电压值、电阻值等）
“切”中医就是把脉、感知温度（发烧没有）、用手按压病灶等。在电力故障诊断中就是用仪器感知设备温度、电压、电流、电阻、局放测试、耐压测试等等。
图八：万用表测量电压、电流、电阻值
举例：设备在正常工作时发热量是很低的，但是当设备在超负荷工作或润滑条件不好的情况下，有可能会造成内部零部件变形、磨损甚至破裂的严重后果。这些零件损坏后，运转过程中产生的摩擦阻力会大大增加，摩擦产生的热量能够使机体的外壳温度明显上升，高于正常温度。目前电力企业主要使用的温度探测器是红外探测仪（也可转换为图像识别技术）。
电压、电流的测量目前是电力企业故障诊断的主流判断方法，具体不过多介绍，希望能融入人工智能深入学习进行更深的挖掘数据潜藏的高价值信息。
总而言之，针对电力设备故障，仿照中医师“望闻问切”的看病方法融入最新的AI深度学习原理、研究查找和解决故障的新方法。提供一个从前端数据采集，到后端深度网络训练与方案生成，整合了测量工具，人工智能算法，高性能计算平台，形成了一个完整的人工智能电力架空设备巡视及故障解决方案。都可以在熟悉的 CPU 平台上，简单高效的按需开发，让 AI 的开发和应用更简单，更实用。也恰恰是这种高性能的通用 AI 计算平台，以及它实际应用于工程和产品的能力，将会帮助电力企业 在AI 应用的领域大胆突破，实现世界一流电网建设的目标。
这就像腾讯开发的微信革了银行的“命”（支付方式变革），还革新了工作方式（微信工作群的普及）。垄断企业若不从内部革新突破，也会被外部技术革命被动推动变革。AI深度学习已经在深入各行各业，目前仅仅靠电力企业内部的AI技术研发力量是远远不足的，我们积极拥抱新技术的同时，更应加快和国内顶尖的AI技术力量BTA（百度、阿里巴巴、腾讯）的技术合作。甚至是和国际顶尖AI技术力量（英特尔、脸谱网、谷歌）进行协作。才能凤凰磐涅，浴火重生。（作者系国网泉州供电公司运检部员工）
