1.標(biāo)準(zhǔn)起草單位及主要起草人

起草單位為國(guó)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(guó)網(wǎng)信通埃森哲信息技術(shù)有限公司、國(guó)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(guó)網(wǎng)重慶市電力公司、中國(guó)電力科學(xué)研究院有限公司、國(guó)網(wǎng)四川省電力公司、重慶大學(xué)、國(guó)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(guó)。

2.標(biāo)準(zhǔn)編制背景

近年來(lái)，隨著邊緣計(jì)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(chǎng)景孵化了相應(yīng)的各類(lèi)邊端側(cè)模型，并在各場(chǎng)景積累的大量的實(shí)踐經(jīng)驗(yàn)。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(duì)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(duì)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(cè)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(lái)看，該標(biāo)準(zhǔn)主要包含以下幾個(gè)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(píng)價(jià)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(chǎng)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(zhuān)家系統(tǒng)；GB/T 35312-2017 中文語(yǔ)音識(shí)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(shí)別系統(tǒng)技術(shù)要求。

（3）術(shù)語(yǔ)和定義

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

（4）縮略語(yǔ)

（5）通用要求

主要包括應(yīng)用場(chǎng)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(chǎng)景，需能夠快速適配主流邊緣計(jì)算硬件架構(gòu)，支持基于不同運(yùn)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(jiàn)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(shí)際應(yīng)用場(chǎng)景，進(jìn)行差異化組合應(yīng)用，分別對(duì)算子融合、自定義算子、高性能計(jì)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(shí)現(xiàn)與邊緣智能服務(wù)平臺(tái)或人工智能平臺(tái)等管理系統(tǒng)的數(shù)據(jù)貫通，實(shí)現(xiàn)模型初始化消息隊(duì)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(píng)價(jià)指標(biāo)及方法

包括模型評(píng)價(jià)體系、安全性評(píng)價(jià)、魯棒性評(píng)價(jià)、模型推理效率評(píng)價(jià)、評(píng)價(jià)指標(biāo)、評(píng)價(jià)方法、模型性能等級(jí)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(píng)價(jià)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(píng)價(jià)方法，可以使得不同應(yīng)用場(chǎng)景數(shù)據(jù)采集終端智能分析對(duì)邊端側(cè)人工智能模型做出統(tǒng)一的評(píng)價(jià)，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(shí)、低帶寬依賴(lài)、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。