Sztuczna inteligencja przewidzi, gdzie bujna roślinność spowoduje awarię dostaw prądu
Algorytmy opracowane przez inżynierów Weather Company będą analizowały zdjęcia satelitarne okolic Aukcland, a następnie porównają je z innymi źródłami danych o sieci energetycznej w tym rejonie. Chodzi tu o dane ze stacji, liczników czy innych urządzeń pomiarowych. Na tej podstawie powstanie wizualizacja obszarów otaczających linie przesyłowe. Dzięki temu algorytmy przeanalizują ewentualne zagrożenie awarią.
Blackout przez bujne rośliny
Specyfika klimatu Nowej Zelandii sprawia, że niebezpieczeństwo uszkodzenia linii energetycznych przez bujną roślinność jest bardzo wysokie. Do tej pory technicy dostawców energii reagowali na zniszczone już linie przesyłowe. Nie mieli pojęcia, gdzie tego typu zagrożenia mogą się pojawić. Za miesiąc ma się to zmienić.
Zmiana jest możliwa dzięki współpracy między innymi Weather Company z firmą Vector, największym dostawcą energii elektrycznej i gazu w Nowej Zelandii – poinformował serwis www.stuff.co.nz.
Zapytana przez nas o przyszłość takich rozwiązań Anna Topol, CTO Global Think Labs, IBM Industry Research uważa, że to idealne rozwiązanie.
– W Energetyce jedną z podstawowych rzeczy jest to, że te kraje które mają prąd i linie przesyłowe nad ziemią borykają się z problemem zarastania ich roślinnością. Cały przesył zależy od stanu sieci, więc zdjęcia satelitarne są idealnym rozwiązaniem do ich badania. Dzięki takiej analizie można od razu stwierdzić, gdzie może pojawić się problem z dostarczeniem prądu. Oczywiście wszystko zależy od samych firm, czy będą potrafiły zmienić się z modelu reactive na proactive – komentuje.
Awaria wskutek burzy
Zdjęcia satelitarne oraz dane zbierane przez ostatnie lata mają posłużyć jeszcze jednemu celowi. Analiza obrazu i danych historycznych ma się przyczynić do łatwiejszego przewidywania burz i huraganów przetaczających się przez Nową Zelandię. Jak donosi nowozelandzki Computerworld, ryzyko awarii spowodowanej pogodą ma być przewidziane z 72-godzinnym wyprzedzeniem.
To wszystko za sprawą analizy danych z poprzednich burz i awarii oraz danych porównanych z prognozami pogody aktualizowanymi co 15 minut. Co za tym idzie, dostawca prądu będzie miał możliwość szybszej reakcji na awarię, szybszego wysłania załóg remontowych w konkretne miejsce. A to skróci czas oczekiwania na wznowienie dostaw prądu.
– Zdjęcia i analiza obrazu funkcjonuje dziś w zasadzie wszędzie. Do analizy brane są linie przesyłowe, nie tylko elektryczne, ale także np. gazowe. Na przykład zmiany koloru roślin wokół rurociągów mogą wskazywać na wycieki i uszkodzenia. W połączeniu z predictive maintenance (utrzymanie predykcyjne) analizuje się obraz, ale też temperaturę. Pojawiają się takie technologie jak termowizja, laserowe lub akustyczne systemy pomiaru temperatur itp. – zauważa prof. dr inż. Konrad Świrski z Politechniki Warszawskiej, Instytutu Techniki Cieplnej i CEO Transition Technologies S.A.
Polska SI w spalaniu węgla
Wykorzystanie sztucznej inteligencji w energetyce to nie tylko domena krajów zachodnich. W Polsce algorytmy SI w Rybniku zastosowała spółka PGE Energia Ciepła. W ramach konsorcjum PGE i spółek technologicznych opracowano system służący do optymalizacji procesu spalania węgla kamiennego w kotle pyłowym w elektrowni PGE Rybnik.
– Stworzono narzędzie, które pozwala na zintegrowanie z układem spalania akustycznego pomiaru rozkładu temperatury spalin w kotle i wykorzystaniu informacji o kształcie płomienia do bieżącej optymalizacji – informuje Maciej Szczepaniuk z PGE. Zaprojektowany model procesu spalania, w czasie rzeczywistym, z wykorzystaniem uczenia maszynowego samodzielnie „uczy się” procesu, a następnie koryguje ustawienia wybranych urządzeń.
Zdaniem ekspertów coraz więcej innowacyjnych rozwiązań w energetyce dotyczy analizy awarii i tzw., predictive maintenance. To „utrzymanie predykcyjne” polega na zbieraniu danych o stanie maszyn i przebiegu procesów z nimi związanych, zarówno w usługach jak i w przemyśle.
Jak mówi prof. Konrad Świrski technologia opiera się na różnych metodach analiz dużych zbiorów danych, w tym danych eksploatacyjnych i na podstawie odkrytych wzorców pozwala na wczesne zidentyfikowanie możliwości powstawania awarii. – Obecnie dużo firm i koncernów oferuje tego typu systemy, albo jako kompleksowe oprogramowanie, które analizuje wszystkie komponenty, albo jako dodatki do własnego urządzenia np. producenci generatorów – zauważa naukowiec.