1.標(biāo)準(zhǔn)起草單位及主要起草人

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

主要起草人為李強(qiáng)、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(biāo)準(zhǔn)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(cè)模型得到迅速發(fā)展，電力領(lǐng)域各場景孵化了相應(yīng)的各類邊端側(cè)模型，并在各場景積累的大量的實踐經(jīng)驗。但是，隨著電力人工智能邊端側(cè)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(nèi)部的標(biāo)準(zhǔn)，導(dǎo)致各廠家對模型的把控力度不一，造成邊端側(cè)模型能力、精力和安全性有差異，增加了模型應(yīng)用和準(zhǔn)入的難度，也不利于工作流程的標(biāo)準(zhǔn)化。因此，擬制定電力人工智能邊端側(cè)模型統(tǒng)一標(biāo)準(zhǔn)規(guī)范，指導(dǎo)電力人工智能邊端側(cè)模型研發(fā)、模型測試、模型應(yīng)用具有重要的指導(dǎo)意義。

3.標(biāo)準(zhǔn)主要內(nèi)容

從內(nèi)容上來看，該標(biāo)準(zhǔn)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(cè)模型技術(shù)應(yīng)用相關(guān)的通用要求、安全性要求、效率要求、算子要求、模型應(yīng)用封裝要求和模型評價指標(biāo)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(yīng)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(shù) 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(wù)接口規(guī)范；GB/T 38671-2020 信息安全技術(shù) 遠(yuǎn)程人臉識別系統(tǒng)技術(shù)要求。

（3）術(shù)語和定義

主要包括電力人工智能邊端側(cè)模型、開放神經(jīng)網(wǎng)絡(luò)交換、算子、目標(biāo)檢測模型、測試數(shù)據(jù)集的術(shù)語和定義。

（4）縮略語

（5）通用要求

主要包括應(yīng)用場景、硬件架構(gòu)適配、模型超參轉(zhuǎn)換、邊端推理效率、應(yīng)用安全等。電力人工智能邊端側(cè)模型主要應(yīng)用電力業(yè)務(wù)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(gòu)，支持基于不同運算框架之間的模型超參轉(zhuǎn)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(cè)應(yīng)當(dāng)支持常見的深度學(xué)習(xí)底層框架如表1所示，邊端側(cè)模型算子根據(jù)模型實際應(yīng)用場景，進(jìn)行差異化組合應(yīng)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(wù)、數(shù)據(jù)管理服務(wù)和容器化模型打包。邊端側(cè)模型封裝應(yīng)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(wù)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(wù)和數(shù)據(jù)管理服務(wù)，并采用Docker容器化方式進(jìn)行封裝，如圖1所示。

圖1

（8）模型評價指標(biāo)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(biāo)、評價方法、模型性能等級判定等。

4.標(biāo)準(zhǔn)制定效益

該標(biāo)準(zhǔn)規(guī)范了電力人工智能邊端側(cè)模型評價方法，該標(biāo)準(zhǔn)效益主要體現(xiàn)在：

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

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