研究背景：一是换流站庞大的工作量和高质量运维要求形成主要矛盾，经过换流站运维工作统计，日常巡视人均每日时长为2.35小时/人，红外巡视人均每日巡视时长为3.7小时/人，除去8小时值班时间，每日工作负担较大；事故处理期间平均每分钟需要梳理364条信号，还需提炼故障关键信息，事故处理信息梳理工作量较大；每月数据分析工作平均需要1.1小时，本年度通过数据分析发现缺陷1次，占比0.33%，当前数据分析方式效率低下。从而总结出，当前换流站运维工作存在三大主要矛盾，即巡视工作量大和巡视质量要求高的矛盾、应急工作时限和应急工作质量高矛盾、发现设备潜在隐患要求和缺少有力分析工具的矛盾。 二是换流站数字化系统不成体系，现有的智能化设备，无法实际满足现场业务需求，现场智能化设备不仅智能化水平低下，而且仅仅涉及运维业务中的巡视一块，并且设备之间无数据通信，各智能化设备无任何互相协作，很难达到提质增效的目的。 主要做法：本成果以云通信技术为主要枢纽，结合人工智能分析、数据挖掘技术等数字化技术和智能化手段，研究并建立一套适用于换流站运维管理的模块化数智系统，该系统由采集层、基础层、应用层组成，是一套三层式模块化换流站数智系统。 采集层由智能巡检机器人、智能图像监控、智能数据传感器、设备重要参数采集系统等采集终端组成。 中间层主要由智能网关、云通信技术、安全隔离、全域物联网平台等数据通信和数据处理设备组成，是关键基础，充分让数字化系统和智能终端有效嵌入实际运维业务，从而发挥效能。 应用层主要由智能巡视模块、数据联合分析模块、故障辅助处置模块等模块化应用组成，各应用模块重点服务于换流站运维管理业务，是数智化系统数字赋能的关键环节。 对行业的推动： 一是巡视方面，相同巡视任务下，使用前巡视耗时0.85小时，使用后人工耗时0.08小时，工作占比由使用前巡视为主转变为使用后分析和复审为主；二是应急处置方面，人工梳理花费2.7分钟，数字化系统分析花费0.09分钟，有效提升故障处置效率，故障处置场景由65项增加为718项，基本实现故障场景类型全覆盖；三是数据分析方面，实施前耗时0.52小时，实施后人工花费0.01小时，工作时间占比由原来人工转录数据、统计汇总，转变为人工确认和异常决策。由此可见，经过成果实施，较大程度减少换流站运维业务的人力成本，将人从实际工作中解放出来，从而达到达到提质增效的目的。