DB37T 6096-2026 输变电智能巡视大模型技术应用指南

Q/LB.□XXXXX-XXXX目次TOC\o"1-1"\h前言 II1范围 12规范性引用文件 13术语和定义 14总体原则 25参考应用架构 26应用场景 37模型能力 78模型评价 89模型部署 910安全防护 10附录A（资料性）架空输电线路本体巡视典型缺陷 12附录B（资料性）变电站巡视典型缺陷与异常 14附录C（资料性）架空输电线路通道隐患威胁程度判定规则 16前言本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由山东省能源局提出并组织实施。本文件由山东省能源标准化技术委员会归口。本文件起草单位：国网山东省电力公司电力科学研究院、国网山东省电力公司、山东信通电子股份有限公司、山东大学、国网智能科技股份有限公司、清华大学、浙江大学、华北电力大学（保定）、国网山东省电力公司日照供电公司、国网山东省电力公司临沂供电公司、国网山东省电力公司青岛供电公司、山东鲁软数字科技有限公司、智洋创新科技股份有限公司、济南英华自动化技术有限公司、山东科华电力技术有限公司、国网山东省电力公司东营供电公司、国网山东省电力公司滨州供电公司、国网天津市电力公司、山东天和电力科技有限公司。本文件主要起草人：郑文杰、李程启、孙艺玮、戈宁、李丹、刘焕云、韩忠义、任敬国、杨祎、黄永峰、王万国、林颖、龚小谨、张珂、刘伟波、周仲强、冀勇、刘强、刘广秀、吕昌峰、吴肇良、张亚辉、李延超、薛欣科、郑金波、李壮壮、王政、孙久龙、刘萌、严毅、宋博、张峰达、郭修宵、王汉清、李梦宇、徐庆文、孙振、时旭、张围围、毛惠卿、杜伦。输变电智能巡视大模型技术应用指南范围本文件确立了输变电智能巡视大模型总体原则，提供了参考应用架构、应用场景、模型能力、模型评价、模型部署与安全防护等方面的技术应用指导与实施建议。本文件适用于输变电智能巡视大模型的设计与应用。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T41867—2022信息技术人工智能术语GB/T45288.1—2025人工智能大模型第1部分：通用要求GB/T45288.2—2025人工智能大模型第2部分：评测指标与方法DL/T741架空输电线路运行规程DL/T969变电站运行导则DL/T1253电力电缆线路运行规程DL/T2998输电线路通道监拍装置技术规范术语和定义GB/T41867—2022、GB/T45288.1—2025界定的以及下列术语和定义适用于本文件。

输变电智能巡视intelligentinspectionofpowertransmissionandtransformation采用图像监拍装置、视频监控装置、无人机、机器人和声音监测装置等技术手段，对输电线路和变电站进行巡视检查，并采用人工智能等技术进行巡视数据处理、分析、预警的智能化巡视作业。

基座大模型basemodel通过在海量、广泛且未经特定任务标注的数据上进行大规模自监督学习训练得到的，具备较强泛化能力的大模型。自监督学习的典型实现方法包括掩码预测、对比学习等。

输变电智能巡视大模型intelligentinspectionlargemodelforpowertransmissionandtransformation基于大规模输变电巡视数据训练得到的，具备设备缺陷识别、环境隐患识别、异常状态识别、巡视策略优化、巡视报告生成等功能，专用于输变电智能巡视的人工智能大模型。简称为“智巡大模型”。总体原则业务导向原则业务导向原则包括：大模型技术在输变电巡视领域的应用，宜以解决输变电巡视业务痛点、满足现场巡视需求、支撑专业管理为根本出发点与最终衡量标准，避免技术与业务脱节、形式化应用等问题；智巡大模型的场景适配、技术选型、系统开发，宜紧密围绕输变电巡视专业工作流程和安全管理目标，技术应用具备可实施性、可运维性与经济性；智巡大模型宜重点应用于海量数据处理、复杂缺陷识别等人工工作量大的场景，提升巡视精准度与缺陷隐患识别处置效率，减少缺陷隐患漏报、误报，降低人工作业强度，提升输变电设备运维管理水平。模型协同与迭代演进原则模型协同与迭代演进原则包括：针对隐患、缺陷识别等输变电智能巡视核心任务，宜采用大小模型协同的分级识别体系，发挥小模型实时推理优势与大模型复杂研判能力；宜建立模型持续迭代优化机制，根据业务反馈、数据积累和技术发展，定期开展模型性能评估、参数调优与功能升级，实现模型能力持续迭代提升。参考应用架构智巡大模型参考应用架构见图1，包括巡视手段与数据类型、巡视主机与AI模型、功能应用等。其中：巡视手段包括图像监拍、视频监控、无人机巡视、机器人巡视、声音监测、人工巡视等；巡视数据类型包括可见光图像、可见光视频、红外图像、红外视频、声音、激光点云、文本数据等；巡视主机主要负责巡视装备管理、巡视任务管理、巡视数据管理等；智巡大模型与小模型协同支撑智能分析研判等服务；功能应用包括场景识别与管控区域标记、缺陷隐患识别、航线自动规划、巡视图像自动归档、巡视策略优化、巡视报告生成、辅助人工巡视等。智巡大模型参考应用架构应用场景输变电智能巡视场景与巡视内容巡视场景分类输变电智能巡视分为架空输电线路通道环境巡视、架空输电线路本体巡视、输电电缆线路巡视和变电站巡视四大场景。各巡视场景划分及其巡视手段、巡视对象、巡视数据类型见表1。巡视场景分类与巡视对象场景大类巡视手段巡视对象巡视数据类型架空输电线路通道环境巡视图像监拍、视频监控、人工巡视、声音监测巡视线路通道环境可见光图像/视频、红外图像/视频、声音数据、激光点云数据，等。架空输电线路本体巡视无人机巡视、人工巡视巡视线路本体可见光图像、红外图像，激光点云数据，等。输电电缆线路巡视图像监拍、视频监控、无人机巡视、机器人巡视、人工巡视巡视电缆隧道（沟道）内外部环境及附属设施、电缆设备本体及避雷器等附属设备可见光图像/视频、红外图像/视频，等。变电站巡视图像监拍、视频监控、无人机巡视、机器人巡视、声音监测、人工巡视巡视各类变电设备的外观、状态指示以及站内人员行为、变电站环境等可见光图像/视频、红外图像/视频、声音数据，等。巡视内容输变电智能巡视内容包括：架空输电线路通道环境巡视重点关注通道内机械施工、烟火、导地线异物、树障等风险目标，以及通道内放风筝、钓鱼等不安全行为，具体巡视内容宜符合DL/T741的相关要求，典型通道隐患见DL/T2998；架空输电线路本体巡视重点关注杆塔、绝缘子、导线、线路金具等设施出现的锈蚀、污秽、变形、松动、破损、脱落等缺陷，具体巡视内容宜符合DL/T741的相关要求，典型缺陷见附录A；输电电缆线路巡视关注内容包括：隧道（沟道）内部积水、沉降、起火、人员入侵等环境异常，隧道（沟道）外部电缆井盖异常开启、地面施工等外力破坏风险，电缆支架缺失、保护管破损等设施缺陷，电缆本体及附件温度异常、电缆外护套破损、充油终端渗漏油等本体缺陷，电缆接地线缺失、接地箱温度异常以及避雷器温度异常等附属设备异常。具体巡视内容宜符合DL/T1253的相关要求；变电站巡视关注设备外部破损变形、渗漏油、导线散股断股、设备状态指示异常、异物悬挂、人员行为异常、设备烟火、设备积污等情况，具体巡视内容宜符合DL/T969的相关要求，典型缺陷与异常见附录B。智巡大模型应用场景与典型任务概述智巡大模型主要面向架空输电线路通道环境巡视、架空输电线路本体巡视、输电电缆线路巡视、变电站巡视等场景，承担通道场景识别与区域标记、巡视策略优化、缺陷隐患识别研判、航线自动规划、巡视图像自动归档、辅助人工巡视、巡视报告生成等典型任务，应用场景与典型任务见表2。智巡大模型应用场景典型任务应用场景典型任务架空输电线路通道环境巡视通道场景识别与区域标记输电线路通道巡视策略优化通道隐患识别与研判架空输电线路本体巡视航线自动规划巡视图像自动归档本体缺陷识别与研判线路本体巡视策略优化输电电缆线路巡视电缆线路异常识别与研判输电电缆线路巡视策略优化变电站巡视变电缺陷识别与研判变电站巡视策略优化通用辅助人工巡视巡视报告生成架空输电线路通道巡视通道场景识别与区域标记通道场景识别与区域标记宜包括以下方面：综合利用通道监拍图像、视频、声音、无人机巡视图像、人工巡视图像、三维点云、卫星地图等信息，定期开展监控区位的场景识别，支撑摄像机点位场景化标注，提高监控针对性；根据场景识别与长短期隐患数据，自动辨识并标记固定施工区、临时施工区、大棚种植区等重点管控区域。输电线路通道巡视策略优化巡视策略优化宜包括以下方面：综合通道场景识别结果、区域标记、季节与气候环境变化等信息，预测未来不同时间周期、不同区段的各类隐患发生概率与隐患分布规律；根据隐患预测结果与电力保障需求动态调整不同线路区段的巡视频次、重点关注隐患等巡视策略；根据隐患预测结果与电力保障需求自动调整集中监控策略。通道隐患识别与研判通道隐患识别与研判宜包括以下方面：构建大小模型协同的分级识别体系，由轻量化小模型执行高并发（如大批量巡视图像集中回传）现场巡视数据的基础识别，大模型聚焦高阶研判与复杂目标识别；开展导地线异物类目标识别，提升识别准确率；结合场景识别结果，对烟火等目标进行复核研判，减少烟火类误报；结合场景识别结果，识别通道内水域环境以及人员行为，实现线下垂钓检测；结合场景识别结果，识别线下放风筝等危险行为；针对烟火隐患，结合场景识别结果、区域标记、烟火规模、烟火位置等信息研判隐患威胁等级，判定规则见附录C；针对机械施工隐患，结合场景识别结果、区域标记、施工机械位置、工作状态等信息研判施工威胁等级，判定规则见附录C。架空输电线路本体巡视航线自动规划航线规划宜包括以下方面：按照用户要求及相关标准规定，自动生成符合安全要求、巡视点位要求、巡视效率要求的航线；按照用户要求调整航线规划，按照相关标准自动检查校正航线。巡视图像自动归档巡视图像自动归档宜包括以下方面：开展线路本体组部件识别，实现可见光图像、红外图像等与输电线路元件的自动对应，替代人员手动整理命名工作；根据三维数据模型和无人机巡视图像自动校核部件识别结果，提高巡视图像归档准确性。本体缺陷识别与研判线路本体缺陷识别宜包括以下方面：开展线路本体缺陷识别以及缺陷图像与本体部位自动关联；开展小模型辨识结果的复核与确认；开展困难目标识别准确度提升。线路本体巡视策略优化巡视策略优化宜包括以下方面：综合分析长短期缺陷数据，结合地理位置、气候环境等信息，预测未来不同时间周期、不同区段的各类缺陷发生概率及缺陷分布规律；结合历史缺陷信息，生成不同区段的巡视频次、重点关注杆塔、位置以及缺陷类型等巡视策略。输电电缆线路巡视电缆线路异常识别与研判电缆线路异常识别宜包括以下方面：构建大小模型协同的分级识别体系，由轻量化小模型执行高并发现场巡视数据的基础识别，大模型聚焦高阶研判与复杂目标识别；利用智巡大模型的通用视觉理解能力，提升困难目标识别能力并降低误报率。电缆线路巡视策略优化巡视策略优化宜包括以下方面：综合分析长短期异常数据，结合地理位置、气候环境等信息，预测未来不同时间周期、不同区段的各类异常发生概率及异常分布规律；结合历史异常信息，生成不同区段的巡视频次、重点关注异常、位置以及异常类型等巡视策略。变电站巡视变电缺陷识别与研判变电缺陷识别宜包括以下方面：构建大小模型协同的分级识别体系，由轻量化小模型执行高并发现场巡视数据的基础识别，大模型聚焦高阶研判与复杂目标识别；利用大模型提升油污、膨胀器冲顶等危、难、少见目标识别准确度；利用大模型开展设备缺陷（趋势）预测，支撑缺陷跟踪管控与趋势分析。变电站巡视策略优化巡视策略优化宜包括以下方面：综合分析长短期历史缺陷数据，结合地理位置、气候环境、运行工况及电网负荷变化等多维信息，预测未来不同时间周期、不同区段的各类缺陷发生概率、演化趋势与分布规律；结合历史缺陷信息、过往巡视处置成效，智能生成差异化巡视建议，明确不同点位巡视频次、重点关注设备及缺陷类型等巡视建议。各场景通用任务辅助人工巡视辅助人工巡视宜包括以下方面：支持输变电基础知识问答，包括输变电巡视作业规范、输变电行业标准、缺陷隐患目标辨识等方面的图文检索、图片问答、图表推理等；辅助现场巡视人员进行缺陷、隐患辨识，辅助现场巡视人员快速定位问题，自动生成对应的处置方案与作业建议。巡视报告生成巡视报告生成宜包括以下方面：按照用户单位指定格式，自动归集数据要素生成巡视报告；支持用户对巡视报告格式、数据要素进行定制化调整。模型能力基座大模型总体原则宜选用开源大模型或电力行业垂直大模型作为基座大模型，基座模型宜原生自带多模态（文本、图像、视频、音频等）、长文本、时序建模等底层能力。跨模态注意力与长文本处理能力跨模态与长文本处理能力宜符合以下规定：支持跨模态注意力机制，实现图像与文本语义关联对齐，具备图文语义交互基础能力；支持长文本建模，可通过位置编码机制、分段注意力及滑动窗口等方式实现高效处理；长文本处理保持语义一致性与上下文连贯性。视觉/音频编码器视觉、音频特征编码器宜符合以下规定：视觉编码器采用主流深度学习架构，具备图像细粒度特征提取能力；音频编码器采用主流深度学习架构，具备多尺度时序建模能力。时序建模与多模态对齐要求时序建模与多模态对齐宜符合以下规定：具备良好的时序数据拟合精度与泛化能力，可挖掘时序特征规律；多模态对齐模块具备文本、图像、时序、结构化等异构模态数据的融合对齐能力，支持多模态信息统一表征与联合理解。模型轻量化模型轻量化宜符合以下规定：支持轻量化微调，可在算力受限场景下快速注入行业知识与专项任务能力；支持参数量化压缩，降低模型运行的算力与存储资源占用；支持模型结构裁剪优化，精简冗余参数与计算单元；支持模型能力迁移，可生成适配特定场景的轻量化专用推理模型，提升响应速度；部署适配优先采用支持量化加速的纯国产化推理平台；模型轻量化在满足关键任务、核心场景性能要求的前提下，综合考量模型规模、显存占用、推理时延、吞吐能力与部署适配性。智巡大模型基础能力输变电词表输变电词表宜符合以下规定：涵盖输变电领域专业词汇、常用词汇、电力符号及计量单位；支持动态更新机制，可从电力标准、运行报告、专利文献等来源抽取新术语并进行时效性标注；按电力子领域分类构建，支持多层级嵌套结构（如设备类型、故障代码、作业规范等）。注意力机制注意力机制宜符合以下规定：针对输变电文本，支持领域预训练，可基于电力标准文本开展掩码语言模型（MLM）等任务训练；针对输变电设备图像，支持全局场景与局部设备部件的联合特征建模，通过注意力聚焦实现关键部件精准识别与整体场景协同理解，适配现场设备识别、缺陷研判需求。​长文本处理长文本处理宜符合以下规定：能够对电力技术报告、规程标准等长文本进行完整理解与上下文关联，可通过位置编码机制（如旋转位置编码）、分段注意力及滑动窗口等方式实现高效处理；针对电力标准、规程等结构化文档，支持基于文档结构的智能分割，并具备全局上下文记忆能力，保证跨章节、跨段落信息不丢失。视觉/音频编码器音视频编码宜符合以下规定：视觉编码器可适配不同设备类别、不同尺寸部件、复杂姿态及复杂背景，同时具备较强的光照适应性，可应对暗光、过曝、逆光、大雾等场景，支撑现场设备图像识别应用；音频编码器可针对电力场景声学特性进行优化，具备高频声音捕捉与多尺度时序建模能力，适配设备异响、振动、放电声、雷击、机械施工等电力声学识别场景。模型评价评测数据集评测数据集宜符合以下规定：评测数据集覆盖输变电场景下的多源异构数据特征，并满足安全合规性要求；评测数据集通过人工智能领域、输变电巡视领域专家双重审核，保证数据集整体质量与标注规范性；按评测维度与任务选用专项评测数据集，如设备可视缺陷检测任务构建包含典型缺陷、疑难缺陷、正常样本的均衡数据集。评测指标评测指标宜符合以下规定：针对图像分类、目标检测、行为识别、音频分类、声音识别、图文检索、视觉问答、文本问答等理解性任务，其指标计算符合GB/T45288.2—2025中附录A的规定；针对文本生成、图文生成等生成类任务，其指标计算符合GB/T45288.2—2025中附录A的规定；针对时序趋势分析等行业扩展任务，在国标通用方法基础上，结合输变电巡视业务规则补充专项计算方式；评测指标兼顾技术性能与业务落地效果，核心巡视场景设置误报率、漏报率等业务导向指标。评测工具评测工具宜符合以下规定：受测智巡大模型系统开放标准化评测应用程序接口（API），提供评测接口及配套技术文档；评测工具支持批量样本输入、结果自动归集与指标自动统计，评测过程可复现、评测结果可追溯；接口支持单样本推理时延、批量吞吐量、显存、内存内存占用等运行性能指标的自动化采集。评测流程评测实施包括以下流程：根据受测模型的应用场景，确定评测任务与指标，制定评测方案；构建并审核评测数据集，准备参考答案与评分标准；按照统一的推理配置开展批量测试，留存全部输入输出数据；执行自动评分与人工复核，计算各项评测指标；汇总分析评测结果，识别模型短板，形成评测报告。模型部署硬件适配与部署硬件匹配宜符合以下规定：模型部署前评估其对计算资源（算力、内存、带宽）的需求，并与目标硬件平台（包括GPU、NPU、DPU等）进行适配；对于多模态类复杂模型，部署于具备高并发、高吞吐能力的AI服务器或集群；对于轻量级模型，根据功耗、体积、接口要求匹配边缘计算芯片或模块化平台；根据实际应用时效要求设置缓存策略、推理批次与并发线程数，保障模型稳定响应；各类设备支持远程升级与状态监测能力，便于部署后的系统维护与能力扩展；模型推理部署所需的计算资源、存储资源、网络资源符合GB/T45288.1—2025中5.1的规定。软件环境操作系统适配操作系统的适配性宜符合以下规定：适配目标操作系统时，确认操作系统内核版本、软件源兼容性、依赖库版本等；所需的驱动、编译器和依赖工具链能够在目标操作系统上正常运行。多模型运行支持与隔离机制多模型运行支持与隔离机制包括以下方面：部署环境宜支持多个任务模型的同时运行与资源调度；宜建立模型隔离机制，包括运行空间、内存资源与日志输出的隔离，防止任务间资源干扰；宜支持模型按需加载、任务优先级设置与动态切换机制，提升响应速度与资源利用率；模型运行平台宜具备异常监测能力，支持故障回滚、日志追踪与健康检查功能，保障长期稳定运行。传输协议模型部署系统中涉及的通信传输宜遵循以下协议配置原则：根据数据类型（如图像流、结构化信息、模型推理结果等）明确传输协议配置范围，保证数据格式一致性与传输效率；针对不同平台间的数据交互（如边缘设备与中心节点、终端与管理平台），制定对应的通信协议规范，实现跨平台数据兼容；传输协议具备可配置性与可扩展性，支持多种数据通道与业务接口的灵活适配；所采用的协议方式匹配部署平台的资源能力与网络环境特点，避免因不匹配导致通信瓶颈或系统不稳定。安全防护概述输变电智能巡视大模型研发、部署及应用过程宜符合能源行业信息安全管理及网络安全等级保护的相关规定。数据安全数据传输安全数据传输宜符合以下规定：数据在采集、上传、调用、分发等全链路环节采用加密传输机制，防止被截获、篡改、重放或恶意监听；数据通道具备身份验证、加密握手、完整性校验等安全能力，保障传输过程的机密性与可靠性；在边缘设备接入场景中，强化数据封装与链路隔离，降低传输路径暴露风险。数据存储安全数据存储宜符合以下规定：所有涉及训练样本、模型输入输出、日志等数据存储于具备权限控制能力的安全环境中；建立完善的备份与恢复机制，在异常情况下可快速恢复数据完整性与可用性。敏感信息脱敏处理敏感信息脱敏处理宜符合以下规定：在数据采集、训练或共享过程中，涉及敏感字段时，采用脱敏技术处理；脱敏策略与算法训练需求平衡，在保护隐私的同时不影响模型的功能表现；脱敏处理具备可配置性，支持不同应用场景下的差异化脱敏要求。数据访问控制与审计机制数据访问控制与审计宜符合以下规定：明确不同角色人员（如研发、测试、管理人员）对数据的访问权限范围，实施最小权限原则；所有数据访问行为记录操作日志，包括访问者身份、访问时间、操作内容等信息，支持后续安全审计；定期审查权限配置与访问日志，防止权限滥用与异常访问行为；在联合建模或协同训练场景下，设立专门的接口控制与权限审核流程，保证跨组织数据访问的安全性与合规性。模型安全模型反向工程防护措施模型反向工程防护宜符合以下规定：对于部署在边缘设备的模型文件，采用模型加密、访问控制、混淆等技术手段，降低模型被逆向分析或核心参数泄露的风险；避免在部署端暴露模型内部结构信息、超参数配置或训练策略等敏感内容；评估模型部署环境的物理和网络安全风险，选择与风险等级匹配的防护措施。模型推理异常响应机制模型推理异常响应宜符合以下规定：实时监测模型运行状态，包括输入数据异常、输出值漂移、响应时延异常等情况；一旦触发异常执行自动化响应流程，包括告警上报、模型重载、系统限流或回退方案；推理日志记录关键异常事件，辅助后续定位与修复；对于边缘部署环境，异常响应机制不依赖外部网络，具备本地应急能力。部署安全接口权限控制机制接口权限控制宜符合以下规定：模型推理或数据访问接口实施身份验证机制，限制仅授权系统或用户可进行调用操作；支持基于角色的权限控制（RBAC）与令牌机制，接口调用过程受控、可审计；管理接口启用双重认证、访问审计与风险告警机制，防止非法控制与后门风险。接口访问频控与异常拦截接口访问频控与异常拦截宜符合以下规定：设置调用频率限制与资源使用配额，防止批量请求或高频调用造成系统资源耗尽；针对异常参数、非法来源、重复请求等行为配置自动识别与拦截策略；拦截日志保留事件详情并支持联动告警，保障系统处于可控状态；在部署初期采用白名单机制，逐步放开权限以减少初期攻击面；具备本地应急能力。

（资料性）

架空输电线路本体巡视典型缺陷架空输电线路本体巡视典型缺陷见表A.1。架空输电线路本体巡视典型缺陷序号缺陷名称缺陷描述1杆塔类缺陷杆塔异物2杆塔缺螺栓3塔材变形4绝缘子类缺陷绝缘子污秽5玻璃绝缘子自爆6复合绝缘子伞裙破损7复合绝缘子老化8瓷质绝缘子破损9瓷质绝缘子釉表面灼伤10钢脚、钢帽锈蚀11均压环移位12均压环脱落13均压环损伤14均压环灼伤15均压环反装16地线绝缘子放电间隙变形或短接等17大尺寸金具类缺陷悬垂线夹偏移18防振锤滑移19防振锤脱落20防振锤偏斜21大尺寸金具锈蚀22U型螺栓松动23小尺寸金具类缺陷螺栓缺销子24安装不到位25安装不规范26螺栓缺螺母27螺母锈蚀28缺垫片29导地线类缺陷导地线断股30导地线松股31导地线异物

表A.1架空输电线路本体巡视典型缺陷（续）序号缺陷名称缺陷描述32导地线类缺陷导地线损伤33地线锈蚀34补修绑扎线松散35基础类缺陷杂物堆积36立柱淹没37基础破损38基础沉降39附属设施类缺陷防鸟设施损坏40标志牌图文不清41标志牌破损42防鸟设施松动43标志牌缺失44接地装置类缺陷接地体外露45接地螺栓缺失46引下线断开47接地体损伤48引下线锈蚀

（资料性）

变电站巡视典型缺陷与异常变电站巡视典型缺陷与异常见表B.1。变电站巡视典型缺陷与异常序号缺陷名称缺陷描述1设备外部损坏呼吸器油封破损2导线断股3设备变形电容器本体鼓肚4膨胀器冲顶5绝缘子变形6均压环破损变形7凝露汇控柜观察窗凝露8表计破损表盘模糊9表盘破损10外壳破损11绝缘子破损绝缘子破裂12渗漏油地面油污13部件表面油污14呼吸器破损硅胶筒破损15箱门闭合异常箱门闭合异常16异物挂空悬浮物17异物鸟巢18盖板破损或缺失盖板破损19未穿安全帽未穿安全帽20未穿工装未穿工装21吸烟吸烟22表计读数异常指针无法识别23指针不正确24油位状态呼吸器油封油位异常25硅胶变色硅胶潮解变色部分超过总量的2/326硅胶潮解全部变色或硅胶自上而下变色27位置指示不正确断路器分、合闸位置指示不正确，与当时的实际本体运行状态明显不相符28闸刀的指示的位置与实际位置相反或不一致29倾斜设备螺丝松动或其他原因导致倾斜

表B.1变电站巡视典型缺陷与异常（续）序号缺陷名称缺陷描述30倾斜水平尺测量构架与地面明显倾斜，已造成导线紧绷31风化露筋构架形成大面积连续的风化露筋，纵向裂纹、横向裂纹，缝隙宽度肉眼可见32变形管母线伸缩节严重变形33渗油设备