客户案例

针对国家电网变电设备技改大修决策效率低、立项周期长、人工依赖度高等痛点，基于《国网人工智能大模型创新应用专项行动方案》要求，推出大模型驱动的智能评估与决策解决方案。通过构建多模态数据接入体系实现设备台账、检测报告等异构数据智能解析，结合动态编排的智能体引擎，自动生成设备状态评估报告与技改项目建议书，实现资产管理的智能化升级。构建支持语义溯源的变电设备知识库，对设备台账扫描件、历史运维工单、红外测温

针变电站操作票人工编写效率低、错误率高的痛点，北京供电公司组织博般人工智能研究团队、北京电科院人工智能中心、检修公司技术支撑团队共同研发基于大模型的智能拟票系统：基于RAG技术构建电力规程与历史票据知识库，结合大模型自动解析工单任务并匹配典型操作票模板，通过动态编排引擎生成标准化操作票；集成防误规则引擎实时校验逻辑合规性，减少人工校核环节。对设备台账、操作规程等非结构化文档进行自动化识别与语义转化

通过AI驱动的水化学在线监测智能支持子系统，实现核电厂一回路化学参数的智能化监控与诊断，有效预防设备性能退化风险。本项目基于自然语言大模型设计一回路分析系统中的水化学在线监测智能支持子系统，实现反应堆一回路的全天候自动取样、自动化控制、在线稳定测量及主站监测功能，并结合人工智能技术实现故障判断、预警、概率安全分析与评估相关功能。基于知识底座构建与多模态数据接入能力，将技术文档、故障案例、多语言规程

针对北京、上海供电公司能源数据多源异构、分析效率低、治理周期长等痛点，我司基于用户对能源大数据分析推理及测试的需求，通过自研的数据融合平台打通电力监测、用户行为、设备全生命周期管理等数据孤岛，构建流程引擎实现多场景知识推理，系统可自动输出数据质量评估与标准化建议的《预处理报告》，将数据整合分析周期缩短50%以上，为电网智能化决策提供全流程数据支撑。基于知识库的OCR与多模态知识理解技术，对电网设备

东方电气集团为提升机组检修效率与规范性，研究应用人工智能大模型和增强检索（RAG）技术，实现对检修问题的智能识别与拆解。同时，综合运用OCR、版面分析及表格提取技术，构建企业级机组检修知识库。此外，针对技术规范书编制与修订过程中普遍存在的文档版本管理及内容比对难题，亟需高效解决方案。