1.標準起草單位及主要起草人

起草單位為國網(wǎng)信息通信產業(yè)集團有限公司、安徽繼遠軟件有限公司、福建億榕信息技術有限公司、北京國網(wǎng)信通埃森哲信息技術有限公司、國網(wǎng)重慶市電力公司電力科學研究院、四川大學、四川中電啟明星信息技術有限公司、國網(wǎng)重慶市電力公司、中國電力科學研究院有限公司、國網(wǎng)四川省電力公司、重慶大學、國家電網(wǎng)有限公司大數(shù)據(jù)中心。

主要起草人為李強、趙峰、邱鎮(zhèn)、劉迪、莊莉、李炳森、廖逍、黃曉光、向輝、王秋琳、余江斌、許中平、譚洪恩、呂躍春、蘇少春、楊迎春、周孔均、王曉東、鐘加勇、彭艦、田鵬、劉禮、呂小紅、厲仄平、黃飛虎、王金策、梁翀、郭慶、張琳瑜、崔迎寶、劉璟、宮曉輝、尹玉、周偉、梁翀、李溫靜、李道興、陳振宇、浦正國。

2.標準編制背景

近年來，隨著邊緣計算的火熱，電力人工智能邊端側模型得到迅速發(fā)展，電力領域各場景孵化了相應的各類邊端側模型，并在各場景積累的大量的實踐經驗。但是，隨著電力人工智能邊端側模型規(guī)模和數(shù)量劇增，各廠家對模型定義以及模型精度遵循的是廠家內部的標準，導致各廠家對模型的把控力度不一，造成邊端側模型能力、精力和安全性有差異，增加了模型應用和準入的難度，也不利于工作流程的標準化。因此，擬制定電力人工智能邊端側模型統(tǒng)一標準規(guī)范，指導電力人工智能邊端側模型研發(fā)、模型測試、模型應用具有重要的指導意義。

3.標準主要內容

從內容上來看，該標準主要包含以下幾個部分：

（1）范圍

本規(guī)范規(guī)定了電力人工智能邊端側模型技術應用相關的通用要求、安全性要求、效率要求、算子要求、模型應用封裝要求和模型評價指標及方法。本規(guī)范適用于電力輸變配和安檢等數(shù)據(jù)采集終端智能分析應用場景。

（2）規(guī)范性引用文件

本規(guī)范主要引用的文件主要包括：GB/T 5271.28-2001 信息技術 詞匯 第28部分：人工智能基本概念與專家系統(tǒng)；GB/T 35312-2017 中文語音識別終端服務接口規(guī)范；GB/T 38671-2020 信息安全技術 遠程人臉識別系統(tǒng)技術要求。

（3）術語和定義

主要包括電力人工智能邊端側模型、開放神經網(wǎng)絡交換、算子、目標檢測模型、測試數(shù)據(jù)集的術語和定義。

（4）縮略語

（5）通用要求

主要包括應用場景、硬件架構適配、模型超參轉換、邊端推理效率、應用安全等。電力人工智能邊端側模型主要應用電力業(yè)務邊端數(shù)據(jù)采集分析場景，需能夠快速適配主流邊緣計算硬件架構，支持基于不同運算框架之間的模型超參轉換，邊端推理效率和安全性方面符合基本要求。

（6）通用算子要求

邊端側應當支持常見的深度學習底層框架如表1所示，邊端側模型算子根據(jù)模型實際應用場景，進行差異化組合應用，分別對算子融合、自定義算子、高性能計算三方面做出要求。

表1

（7）模型封裝要求

包括模型初始化服務、數(shù)據(jù)管理服務和容器化模型打包。邊端側模型封裝應考慮模型管理與數(shù)據(jù)貫通要求，實現(xiàn)與邊緣智能服務平臺或人工智能平臺等管理系統(tǒng)的數(shù)據(jù)貫通，實現(xiàn)模型初始化消息隊列服務和數(shù)據(jù)管理服務，并采用Docker容器化方式進行封裝，如圖1所示。

圖1

（8）模型評價指標及方法

包括模型評價體系、安全性評價、魯棒性評價、模型推理效率評價、評價指標、評價方法、模型性能等級判定等。

4.標準制定效益

該標準規(guī)范了電力人工智能邊端側模型評價方法，該標準效益主要體現(xiàn)在：

（1）制定統(tǒng)一的電力人工智能邊端側模型評價方法，可以使得不同應用場景數(shù)據(jù)采集終端智能分析對邊端側人工智能模型做出統(tǒng)一的評價，有利于提升電力邊端側數(shù)據(jù)匯集分析智能化水平。

（2）有利于構建低延時、低帶寬依賴、經濟智能、數(shù)據(jù)可控和高可靠性的邊端人工智能算力體系。