电力人工智能多模态大模型创新技术及应用

西安交通大学XI'ANJIAOTONGUNIVERSITY电力人工智能多模态大模型创新技术与应用教授西安交通大学电气工程学院2025年2月目录1、研究背景2、关键技术3、应用案例4、未来展望01研究背景背景1————人工智能的概念及发展人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；其在历史上经过多个发展时期，形成了不同的技术流派；深度学习是目前主流。1950s—1970s1970s中期1980s-2000s早期2000s-2010s2010s-2018s2018s-现在推理期知识期统计学习时期集成方法时期早期神经网络时期大模型时期依赖统计学和人工通过模型组合提升神经网络在多个领基于海量数据与设计特征构造算法；预测精度；域取得初步应用；大规模预训练；代表算法：代表算法：代表算法：代表算法：以符号逻辑为核心，依赖人工规则与推理系统(如专家系统)，强解释性但泛化能力弱。聚焦知识工程与专家系统构建，通过人工整理知识库驱动决策，受限于知识获取成本与规模瓶颈。支持向量机(SVM)随机森林卷积神经网络DeepSeek系列决策树梯度提升决策树循环神经网络Qwen系列朴素贝叶斯算法图神经网络GPT系列神经网络深度学习机器学习人工智能人工智能领域迭代迅速、多种技术流派蓬勃发展，在多个领域已有广泛应用。4/37背景1————人工智能的概念及发展在人工智能领域，数据、算力与算法构成发展基石————数据驱动模型训练，算力支撑复杂计算，算法优化技术路径，三者协同推动人工智能向更高阶形态演进。数据算力算法人工搜集、标注图像分类英伟达GPU谷歌TPUAMD芯片NRNNLSTM有监督数据目标检测芯片单任务模型成本高昂、扩展性差华为昇腾海光DCU寒武纪MLUSVM决策树GNN…互联网爬取、规模大LLM预训练多维并行算法状态监测、任务调度语言通用模型:DeepSeek-R1等无监督数据图像生成集群通用模型无需人类专家标注高效互某著名企业讯:NVLINK、HCCL(华为)多模态通用模型:Qwen2-VL等…利用模型、仿真生成虚拟现实PyTorchTensorFlowMindScope无监督预训练强化学习合成数据自动驾驶生态训练算法前沿探索阶段底层计算库:CUDA、CANN(华为)有监督微调对比学习…如何提高数据的规模与质量英伟达仍然是最主流的算力平台；通用模型是当下研究热点与未来趋势；是当前人工智能领域的关键问题。国产算力平台快速崛起，生态逐渐成熟。研究高效训练算法具有重要创新意义。5/37背景1-————人工智能的概念及发展早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传播算法，显著提升了模型的学习能力。随后，基于注意力机制的Transformer架构改变了自然语言处理的范式，使大规模预训练成为可能。近年来，大模型凭借超大规模参数和海量数据学习，在多模态学习、推理和通用人工智能方向取得重要进展，为人工智能的发展开启了新的阶段。经典神经网络Transformer架构大模型注意力机制多模态融合模态扩展能力扩展多层感知机文本OutputToken

Vectors检索增强FFNNDecoderBlockDecoderBlockLayerNormDecoderBlock图像/视频工具学习PositionEmbedding大规模基础模型MaskedSettantionInputToken

VectorsLayerNorm音频Alagent卷积神经网络行业应用序列处理高效并行(模态扩展电力大模型医疗大模型金融大模型6/37背景2-———-人工智能大模型引领新一轮科技革命大模型井喷式发展自从ChatGPT在2022年问世以来，全球大模型发展迅速，百种大模型竞相发布，推动性能、规模和应用的全面突破，成为科技进步的重要动力源。T5mT5PanGu-α本课题组工作2019Ernie3.020202021CPM-2FLANGPT-3Codex1-8inspurYuan1.0Uni-PerceiverWebGPT9-10Uni-Perceiver-MoEErnie3.0Titan11-12AlphaCodeGopher(InstructGPT2022UL2MistralSmall3YaLMFLAN-T5InternLMNemotron-4-340BAI主播小雨GLaMMT-NLGa3-miniHTVI|=[+Baichuan2Llama3.1-405BOPT(FLAN-PaLMMPTphi-314B杭州新闻联播2024.2.14-21-24QWENLlama3-70BClaude3.5SonnetDeepResearchLaMDALLaMABaichuan行业应用赋能层GLM11ChatGPTPaLM2FLMGrok-2Qwen2.5-MaxBardClaude3Opus搜索对话推荐医疗WeLMCodeGen2Aquila2Janus-ProBLOOM12PanGu-∑Gemini1.5DeepSeek—v3SparrowLLaMA2SkyworkOperator遥感基础科学元宇宙某省市dumT02023XVERSESoraolNLLB00GalaticaClaudewithStep-loVision12GPT-45-8puteruseDeepSeek—RI基础算法平台层Uni-PerceiverV29-122024计算机视觉多模态14自然语言处理大模型测评开源社区5-89-122025开发平台电力专家与客服系统多模态运维安全助手多模态电力设备状态感知助手电力时序数据分析监测模型算法框架底层服务支撑层大模型发展历程图芯片数据服务背景3————人工智能赋能新型电力系统发展传统某著名企业：传统电力系统人工依赖度高，存在资源配置低效和故障响应不及时等问题。新型某著名企业：人工智能赋能后，通过实时调度优化、智能维护和精确能源管理，可大幅提升某著名企业的运行效率、稳定性与可持续性。借助人工智能赋能新型电力系统可持续蓬勃发展8/42背景4-自研电力大模型意义重大从数据上讲，通用数据分布与电力领域多模态数据差异过大，专业程度低、关联性弱；从模型上讲，开源通用模型缺乏电力专业预训练(缺乏专业电力知识注入)，多模态支持不足；从应用上讲，现有国产化电力大模型在真实电力任务上性能不够高、与实际需求仍存在差距。数据角度模型角度应用角度电力负荷曲线图设备故障诊断图开源训练数据电力数据开源部分代码o1精准性差差异巨大、闭源化分布差异大日GPT-2无法使用开源部分权重通用数据✗文本数据理解有误图像数据分析偏差<模型趋于闭源化现有的数据类型开源通用模型现有单任务算法模型关联性差无法原生支持可靠性不足标注位置目标检测模型训练专业程度低不支持多模态可靠性不足视频数据面片、处理0标注文本文字识别模型训练Gasdiscrimination✗通用大模型电气信号红外图像气体组分电力复杂场景下数据的智能识别方法电力安全是国家安全问题，电力人工智能多模态大模型核心技术必须自主可控9/37背景4-自研电力大模型意义重大(数据层面)文本数据电气信号图像与视频现状需求电力行业需要具备高质量、多场景覆盖、多模态、多维度集成的数据集需要支持复杂工况下智能模型的多模态、多维度综合协同处理与通用数据差异大数据构建难度大痛点模型训练数据与电力任务场景数据差异大；难以直接应用于电力场景模型训练电力数据获取难度高、质量差异大、覆盖模态多，因而数据集构建难度大研发电力通用大模型开发需要大规模、高质量、多维度的数据集10/37背景4--自研电力大模型意义重大(模型层面)传统电力AI模型基于特定任务开发，大多为单模态算法，综合成本高、智能性与泛化性不足；开源AI大模型缺少电力领域预训练，专业知识缺失，处理实际电力任务能力差。要根据任务场景定制开发和训练对应的模传统模型泛化性不足型，成本高昂输电线路运维目标检测算法隔离开关状态监测实例分割算法SVM故障分类算法电力设备运维专家问答算法处理多模态数据能力较差，无法必须自造电力川多模态大模型处理多场景结合无法处理的的复杂任务用户重图是图置信度高且必填增值都已填满对话策略模块智能性不足，开源大模型适配性差对话终止意图或编号无法根据用户原图城理论置信架低指令给出对应缺乏行业数据缺少专业知识任务适应性差的专业回答11/37背景4--自研电力大模型意义重大(应用层面)电力通用大模型的开发需要基于国产计算集群开展软硬件协同优化，满足电力大模型的应用要求；电力场景需要基于边缘计算的大模型部署方法，亟需开发相应的应用技术。基于国产计算设备的电力大模型训练技术开发面向电力场景的大模型边缘计算技术开发HYGON大量电力设备终端互联更高的数据安全要求国产计算电力设备设备场景边缘计算要求海光DCU华为昇腾天数智芯多种传感器数据协同处理更快的响应要求电力大模型要求应用要求数据模态多任务形式多样专业性要求高电力大模型推理加速技术真实电力场景部署应用要求技术体系基于国产计算设备与电力大模型应用要求开发针对性的高效训练算法国产边缘计算设备推理框架电力大模型轻量化技术开发基于国产硬件设备搭建电力大模型应用体系12/4202关键技术实现电力大模型全流程关键技术体系1数据生成：大规模高质量电力专业数据集构建2模型构建：电力通用大模型研发1.数据采集2.数据清洗多模态数据统一编码器电力通用大模型提供注重力量软数据去重多模态统一编码多场景协同增强注意力机制特殊符号过滤目标提供统基础算子图像裁剪过滤敏感词去除关键特征抽取真实数据感知深层特征提取书籍网页公开数据现场数据专家编写一的多模态数自研高性能电力大语言模型基座3.数据生成训练图像编码算法电气信号编码据表示技术数据体系动态分辨率高维特征映射图像描述生成自动化生成人类评估模态对齐模块工具调用模块检索增强模块实时交互模块视频关键帧感知电气词表扩充能力扩展检测数据增强多样化问答数据反馈优化提供模型4部署应用：电力大模型轻量化与边缘计算部署3模型训练：电力大模型分布式训练关键技术预训练：基础模型能力训练支持分混合立体并行训练方案目标蒸馏模型知识目标解决传统量化缺陷目标高效模型部署布式并提供技术数据并行模型并行Transformer架构体系减少信息损失保持模型性能云边一体高效协作纯文本行训练行流水线并行预训练纯文本数据自回归预测特征关系保留的知识蒸馏方案梯度精度分析的模型量化技术边缘计算+云边协同高效率压缩支持分布式并行训练姓部署提供电后训练：能力增强与偏好对齐技术技术技术统一编码-解码架构力多模知识空间映射梯度精度分析量化硬件算子优化模型多模态体系体系体系预训练统一预训练框架态基础技术指令微调技术有监督训练多模态数据特征关系保留量化增量训练统一数据网关模型体系人类反馈强化学习人类偏好对齐电力通用任务14/371、数据生成：纯文本数据制作管线预训练语料库制作大规模、自动化的语料筛选清洗管线为预训练提供充足的专业领域知识注入原始数据搜集质量过滤去重隐私保护A.B.MD1MD1MD2关键词过滤句段层面移除含身份信息数据语种过滤文档层面指令微调数据集制作为下游任务提供场景丰富、任务多样的高质量指令数据调整自动标注策略提示词指令数据++标注质量考核数据清洗回答种子数据提供高质量数据提供自动化标注存储高质量数据构建高效的半自动化数据制作管线，为预训练和下游任务微调提供大规模、高质量的电力领域文本数据支撑15/371、数据生成：多模态数据制作管线(多模态)预训练/指令微调数据集制作来源：多模态数据搜集、清洗人工标注原始标注信息电力场景真实图像电力设备监测信号……类别&坐标：变压器:[0.3,0.6,1.0,0.9](变压器)目标检测器标注油污:[0.25,0.7,0.35,1.0]YOLO!DETR描述：多场景任务：头脑风暴、任务设计变压器左下角是一片油污。变压器左下角有明显的油污痕迹。开关设备状态监测输电线路异物检测电气软件标注在变压器的左下角可以观察到油污的存在。Ansys多模态数据构建多类别数据：生成数据反馈，流程更新。多轮对话详细描述用户：图中是什么设备?模型：图中是一个变压器。深度推理……多轮详细深度模型：图中变压器左下角有油污痕迹，可能存在油箱泄漏问题；同时运行日志显示过去一异常升高，超过安全阈值。推测可能是变压器油箱泄漏导致油量不足，引起散热不良。模型：这显示的是一个变压器。表面有明显的磨损和锈迹，表明已经使用了相当长的时间。图片中左下角的黑色污渍和不规则的形状与油污的特征相符…对话用户：该设备是否存在故障?推理描述模型：是的，变压器可能存在…构建层次丰富、多样性好、知识粒度细的电力场景大规模多模态数据集，构建了8大类数据量超100万条，为多模态大模型在多场景、多任务的训练提供数据支持16/372、模型构建：多模态编码器-特征对齐电力图像编码器电力视频编码器分块线性映射层图像编码器统一的特征序列统一的特征序列电力文本编码器电气信号编码器昆明:455MW)预定义词表抽翻请点把1582个mo棍20%072MW1“绝缘”:20822…“由”:30265…“组成”:62034…向量映统一的特征序列采样模块文本编码器统一的特征序列原始文本按照词表对应射绝缘子是由绝缘材料、金属。90002500300040005000100070005000[20822,…,30265,…,62034]层时间/h固定件和接地装置组成的{(x₁,y₁),(x₂,y₂),…,(xn,yn)}将不同模态数据转化为统一的序列形式，映射至同一个特征空间内17/372、模型构建：电力通用多模态大模型为电力领域多模态、多场景任务处理提供统一、通用的解决方案为电力领域多模态、多场景任务处理提供统一、通用的解决方案XizhouZhu,JinguoZhu,HaoLi,XiaoshiWu,HongshengLi,XiaohuaWang*,JifengDai.Uni-perceiver:Pre-training

unifiedarchitectureforgenericperceptionforzero-shot

andfew-shottasks[C]//CVPR.2022:16804-16815.3、模型训练：预训练技术-————多模态模型预训练电力领域多模态大模型预训练方案第一步：训练多模态分词编码器与重构模块(图像模态为例)图像编码器-解码器框架Transformer视觉编码器解码器a)图片编码为连续的特征向量因果Transformer扩散解码器b)在像素空间中重建RGB图像图像分词编码器单模态序列图像重构模块第二步：预训练电力领域多模态大模型图像图像多模态统一预训练框架分词编码器重构模块大规模多模态a)在多模态交错序列上应用统一的自回归预测优化目标；Transformer模型文本文本b)统一多模态数据的理解与生成任务。分词编码器重构模块多模态序列多模态序列多模态交织输入多模态交织输出实现电力场景中的文本、图像等数据类型的统一建模、统一理解、统一生成19/373、模型训练：后训练技术————指令微调+强化学习步骤1：有监督指令微调步骤2：训练奖励模型步骤3：PPO调整策略文本A=-图像回答1人工标注=提示词指令微调模型收集人工标注多模态数据回答1回答2提示词指令微调模型回答2参数同步收集人工选择数据回答指令微调奖励模型PPO微调参数更新预训练模型奖励值指令微调模型预训练模型奖励模型指令微调模型有监督指令微调增强模型在特定场景下理解和遵循人类指令的能力人工反馈强化学习显式地将人类反馈引入训练过程通过人类反馈将模型输出对齐到人类的价值观和偏好，提高模型的回答质量与可靠性20/373、模型训练：混合立体并行训练方案国产集群适配大模型训练流程训练数据集电力运维通用模型支持功能千卡并行训练精度对齐…层0层1层2层n-1层n高效数据读写任务自动恢复训练适配单个计并行策略适配高效训练算法适配…综合考虑国产化集群算节点子数081624据集国产平台子数据集4122028海光CPU海光DCU增加数据批大小…流水线并行大模型混合立体并行训练方案基于国产计算集群搭建大模型训练软硬件体系21/374、部署应用：大模型轻量化全流程方案现有AI大模型对于计算资源需求较高，难以在资源受限的边侧设备进行部署；高质量轻量化技术是DeepSeek成功要素之一。大模型轻量化流程基于特征关系保留的知识蒸馏技术基于梯度精度分析的模型量化技术搜集每层梯度信息、估计量化敏感度S₁=\frac{∂L}{∂Q(W₁)}基于量化敏感度确定量化步长q₁=\frac{max(|W₁|)}{2ᵇ使用确定的比例和级别进行量化Q(W₁)=round(\frac{W₁}{q₁})×q反量化方法将推理结果转换回浮点数、w-s⋅(q-z)教师模型大参数(>70亿)高精度(BF16)学生模型小参数(<10亿)高精度(BF16)量化模型小参数(<10亿)低精度(Int4)基于提出的基于特征关系保留的知识蒸馏技术与基于梯度精度分析的模型量化技术，有效地解决了AI大模型模型参数高、推理复杂度高的问题。JinguoZhu,ShixiangTang,Dapeng

Chen,ShijieYu,YakunLiu,Mingzhe

Rong,AijunYang,XiaohuaWang*.plementaryrelationcontrastive

distillation[C]//CVPR.2021:9260-9269.22/374、部署应用：边缘计算+云边协同单设备状态感知与运维任务可由边缘计算技术本地高效完成；对于变电站层的状态数据处理，需要云边协同技术，各边缘终端在中心服务器的统一调度下，将云端所需数据上传并在云端实现战级状态综合的感知、诊断与预测。边缘计算载入并构建计算图Torch算子描述、计算图解析TMFile模型Block重构、数据重载模型计算图分析、优化、融合TMFile量化/反量化算子融合数据类型转换TMFile模型访存优化子图划分Kernel选取模型后端算子接入与硬件运行ARMCUDA推理框架APIKernelsKernelsNPUFPGA推理框架RuntimeKernelsKernels瑞芯华为寒武ArmX86XPU微昇腾纪芯片KernelsKernels完善的算子支持，包括CPU、NPU等多种后端实现推理SDK开发简单、新算子、后端扩充技术门槛低云边协同中心服务器集群自适应负载均衡与资源管理任务调度支持调整优先级动态任务调度算法提供优先策略要求下发同步实时性评估与增量数据同步与优先级分配边缘缓存策略边缘计高效执行算设备边缘系统推动高性能多模态大模型在真实电力场景大规模落地应用23/3703电力装备多模态大模型的应用应用一：电力专家与客服系统随着用户规模和业务复杂度的提升，某著名企业公司面临海量客服需求，传统人工客服难以满足高效响应和全天候服务的要求。而现有通用模型缺乏电力领域的专业知识，处理用电客户实际问题能力较弱。人工客服无法实现高效响应和全天候服务现有通用模型缺乏电力领域知识，处理实际问题能力较弱构建突发我位某省市，我的电面向情况全天候服务×成本高昂(✗BLACKOUT费欠费了，该如何缴费?复杂紧急延时电价是多少?问题求助解决多语种支持×一致性差×电力客服电力延时专业人为因素大×数据分析×专家很抱歉，我并不了解中某省市的电价情况，也不了解如何进行电费缴纳，详细信息建议电话…解答咨询专业实时性不足×历史记录×客服(77㟺问题系统电力专家与客服系统可以对海量客户提供全天候、实时、专业的服务25/37应用一：电力专家与客服系统我现在位某省市××区，家里突然停电了，是什么原因导致的?我该如何处理?用户中国电工技术学会2024电气人工智能最佳科技创新成果感咨询，很抱歉给您带来不便。经过使用互联网工具查询某省市××区近期处于夏季，气35℃以上，并且处于雨季，降水多。在电力系统用电负荷极高的同时，潮湿的环境也给电力设备带来了额外的压力。因此出现了短时的电力系统供电不足的情况。您无需担心，正常情况下，几十分钟至几个小时之内电力系统就会恢复供电，具体的信息请你关注××某著名企业官网(sn.sgcc/××/)或者社区公告。如果您还有任何问题，可以咨询××某著名企业人工客服热线95588。证书电器项目名称：基于人工智能语言大模型的电力智能客服系统研究及其应用完成单位：西安交通大学电气工程学院，陈晓玄，很抱歉听到您遇到了停电的问题。导致家中突然停电的原因可能有多种，以下是一些常见的原因及处理建议：●电力公司供电故障：可能是由于电力公司进行设备检修、线路故障或……●家庭电路问题：家中的断路器可能因过载或短路而自动跳闸。我无法了解某省市具体的情况信息，请你咨询当地的供电公司。中国老工技术学会2024年12月07日Clc很抱歉听到您遇到了停电的问题。我暂时无法分析出停电故障的原因。您可以通过以下的步骤进行排查，找到问题的来源。如果您有任问题，请及时告诉我。排查的步骤有：检查是否仅家中停电，检查家中电路，咨询社区人员……如果以上方法都没有解决您的问题，请你咨询当地的供电公司。国内大厂模型罗海宸，，柳宇洋，，，荣命哲，.面向电力设备运维的人工智能大规模语言模型关键技术及其应用研究.第十九届中国电工技术学会学术年会.2024年9月电力大模型测试群(3)ETU1OPASDFGHJKL4ZxCvBNM4-7123中1,一226/37应用二：多模态运维安全助手电力设备故障人身安全事故，急需开发高效精准的电力运维规划与安全预警模型。多模态运维安全助手应用案例辅助监控系统是否有危险是历史信息监控视频!需求多模态感知电力运维助手变电站危险预警运维人员路径规划0.20.4日安全生产采样时间振动信号油色谱配电柜爆炸导致人身伤亡快速预警响应精准定位故障保障人身安全现场图像红外图像多模态运维安全助手27/37应用三：多模态电力设备状态感知助手现有电力人工智能算法大多为单任务算法，针对不同故障诊断任务需要开发不同的算法模型，研发程序繁琐、成本高、泛化性差；现有电力人工智能模型处理多模态数据能力较差，难以处理多场景结合的复杂任务。FLIR25.9输入图像X26语言指令Xₐ变压器电力设备运维人员设备状态感知红外图像诊断曼恩电库风霜套管性能局部放电绕组变形20图像编码器℃文本编码器实时Zv电力专家交互投影WHvH₂支持GIS局部放电断路器电力多模态大模型f₄诊断故障诊断用户咨询语言响应多模态电力设备状态感知助手可完成电力设备的多模态数据状态感知任务，并实现与运维人员的实时交互28/37应用三：多模态电力设备状态感知助手用户请你根据给定的视频，回答以下问题：视频感知1.视频中是什么类型的隔离开关，起图像输入到什么作用?2.视频中的隔离开关正处于什么状态?5s10s15s您好，根据您提供的视频，这是一个三相双臂式隔离开关的运行视频。其中，隔离开关的文本问答多模协同✔作用是保证高压电器及装置在检修工作时的安全，起到隔离电压的作用。但是需要注意的是，其不能用于切断、投入负荷电流和开断短路电流，仅可用于不产生强大电弧的某些切换操作，即不具备灭弧功能。根据您提供的视频，隔离开关进行了闭合操作，这意味着该部分电路处于闭合状态，无法Power-LLA进行检修以及运维等相关工作。如需进行运维工作，需要注意遵守相关的规范以及章程、Power-Lali/A是一个电力图文大模型助手，你可以咨询他任何有关电力场景的问题，不同于操们另一个工作——电力客服Power-Chit，Power-LivA可以支持文本和图片两种极态的输入。该模型支持电力多场景的问答咨询，中药文问答，多轮对话，复杂推顾等多样功能，上传你的服片和问题，模型会根据留片和文字内容进行推理与回答。保障工作人员的人身安全。电力大模型使用方法：例图检测：点击所提供的钢型，并点击上传，模型将会根据例图和对应的问题给出回答。本地图片检测：上传你的图片并输入问题，并点击“发送”输入模型。1.视频中展示的是一种户外高压隔离开关。隔离开关主要用于在电气设备检修时，切断多轮对话：在模型生成完一次回答看，你可以继续在对话框内输入内容，模型会根据上下文进行多轮的时话与推理。设备与电源之间的联系，确保检修人员的安全。同时，它还可以起到电气隔离的作用以便在系统发生故障时能快速隔离故障部分。2.视频中的隔离开关处于“合闸”状态。可以看出隔离开关的触头已经闭合，导电部件连接在一起，说明电路是通的状态。GPT-4o1.视频展示的是户外高压交流35KV真空负荷开关。这种类型的产品主要用于电力系统和工业生产领域，在电路运行过程中进行隔离、切换或保护的功能。2.在视频中可以看到该开关处于闭合的状态这说明它正在正常工作并且能够有效地控制电路的通断情况。同时也可以看到一些红色指示灯亮起，表示当前的工作状态是正常的。国内大厂模型WANG,Jiahao...Wang,Xiaohua*,Power-Lla:LargeLanguageandVisionAssistantforPowerTransmission

LineInspection.In:2024IEEEInternationalConferenceonImageProcessing(ICIP).IEEE,2024.p.963-969.29/37应用四：电力时序数据分析监测模型时序数据(如电压、电流信号)是电力场景中最基本、最、参考性最大的数据。利用此类数据可以进行电力场景精细化感知与深度分析。问题分析目标：GIS开关任务：分析有无异常情况指令生成指令：获取监测视频、获取UHF信号……电力时序数据分析监测模型实时监测数据智能分析分析过程：监测视频中显示GIS开关表面未有裂痕、损坏等情况，但UHF信号显示可能存在悬浮电位缺陷……决策生成拓展电力系统全方面细粒度分析发电控制损耗估算状态监测故障检修危险预警电能质量系统调节生产监控环境治理经济规划电力时序数据分析监测模型可根据人类交互输入生成任务指令并对各类时序数据进行分析与推理30/37应用四：电力时序数据分析监测模型请你根据提供的电压-时间二元组序列，判断该GIS设备是否存在局部放电缺陷，如果有请你给出对应的类别及判断依据。该设备的UHF特征为{(1.17V,0.052μs),(0.8V,0.06μs),(0.75V,0.068us),..,(0.06V,0.075μs),...(表格数据)用户时序序列特征提取✔您好，根据您提供的提供的UHF特征，我首先调用Python工具绘制了对应的波形曲线如右图所示。10.8可视化绘图深度感知200604根据波形，UHF曲线具有以下特征：(1)峰值达到了0.21.17V。(2)曲线积分面积为4.87e-10。(3)曲线的0上升时间0.003us,下降时间0.1644S。根据以上-0.200.511.522.5特征，该GIS设备对应的缺