Effektivt vedlikehold av strømnettet med maskinlæring

Metoder for isfjerning i overvåkning av strømnett

For å hindre ising på strømkabler bruker strømnettoperatører ulike metoder for isfjerning, som kan kategoriseres som mekanisk isfjerning og termisk isfjerning. Når det dannes eller allerede har dannet seg is på kraftledningene, responderer typisk operatørerne på problemet.

En mye brukt metode for mekanisk isfjerning involverer helikoptre som fjerner is fra kraftledningene. Selv om dette er effektivt, er denne metoden dyr på grunn av driftskostnader og logistiske kompleksiteter.

På den annen side er effektbasert isfjerning en termisk metode som øker laststrømmen. Ved å utnytte prinsippet om Joule-varme, som genererer varme når elektrisk strøm flyter gjennom en leder, hjelper denne metoden med å smelte bort isen. Laststrømmen er avhengig av kraftbehovet fra brukerne. I perioder med høy etterspørsel øker naturligvis strømmen, noe som genererer mer varme i linjene og bidrar delvis til istining.

Fra manuell tolkning til automatisering

Samarbeidet med Laki Power og Iteras AI-eksperter markerte en betydelig endring i dataanalyse - fra manuell tolkning til automatisering av overvåkingen. I utgangspunktet presenterte Laki Powers overvåkingsenheter data som krever manuell tolkning, inkludert den endelige verifiseringen av ishendelser gjennom bildeinspeksjon.

Itera-teamet ønsket å trekke ut meningsfulle innsikter fra den store mengden data samlet inn av Laki Powers overvåkingsenheter. Itera og Laki Power-teamene samarbeidet om integrasjonen av AI-teknologi som hadde som mål å automatisere denne prosessen, og dermed forbedre levering av handlingsrettet informasjon i sanntid. Når Iteras AI-eksperter var involvert, var det primære målet å trekke ut meningsfulle innsikter fra den store mengden data samlet inn av Laki Powers overvåkingsenheter.

Tidligere krevde den endelige verifiseringen av ishendelser manuell inspeksjon av bilder fanget opp av Laki Powers enheter. Ved å integrere AI-teknologi ønsket Laki Power å automatisere dette visuelle inspeksjonstrinnet og gi kundene enda mer handlingsrettet informasjon i sanntid.

Hvordan Analytics Studio fungerer

Systemet gir kundene en brukergrensesnitt som viser tre bilder:

1. Visning av strømlinjene
2. Utsikt mot bakken
3. Mastvisning

Hva vi gjorde

Den første oppgaven som Itera-teamet gjorde i samarbeid med Laki, var å overføre all eksisterende modelllogikk og data til Azure. Teamet brukte Azure AI Studio, Azure lagring, virtuelle maskiner og modellimplementeringer. En arkitektur for flerklasseklassifisering ble valgt for modellen for å gjøre den mer fleksibel og muliggjøre kategorisering av ulike aspekter av bildene, inkludert isens tykkelse på strømlinjen og tilstedeværelsen av en korona-effekt.

På grunn av de store bildestørrelsene fra kameraene ble det brukt en nedbrytnings- og beskjæringsmetode for å minimere støyen i dataene. Modellen var en grunnlagsmodell som var trent på ImageNet-datasettet, som teamet videre justerte på bilder fra Lakis sensorer.

Teamet implementerte dette i skyen og inkluderte en demovisning for Laki sammen med Lakis programvareteam.

– For eksempel kan vi nå identifisere galopperende hendelser på strømlinjer selv når operatører ikke var klar over dette problemet. Galoppering utgjør en betydelig risiko for infrastrukturens levetid og stabilitet, så ved å forebygge dette kan operatører spare både penger og miljøet fortsetter Stefánsdóttir.

Tidslinjen for dette prosjektet har vært utforskende. I løpet av denne vintersesongen har Laki Power planlagt å gi kunder handlingsrettede innsikter om isforhold. Kontinuerlige forbedringer vil bli gjort, inkludert integrering av ytterligere værforhold for å øke systemets nøyaktighet og nyttighet.

Ved å dra nytte av avanserte overvåkingsløsninger som de tilbudt av Laki Power, kan strømnettoperatører effektivt fylle sin rolle ved å opprettholde et pålitelig og robust nasjonalt elektrisitetsnett.

Kontakt oss