gå til forsiden

Effektivt vedligehold af elnet med machine learning

Laki Power, en Islandsk virksomhed, har været på forkant med at revolutionere elnetovervågningsløsninger siden opstarten i 2015.

Projektet i korte træk

For nylig indgik virksomheden et samarbejde med Itera for at udnytte maskinlæringsteknikker til at forbedre sine is-overvågningstjenester, hvilket gør dem i stand til at levere mere nøjagtige isningsprognoser og is-belastningsmålinger i realtid.

Denne proaktive tilgang reducerer omkostninger forbundet med nødreparationer, nedetid og driftsineffektivitet. Elnetoperatører kan optimere deres ressourcer og minimere behovet for reaktive foranstaltninger. Dette øgede effektivitetsniveau kan føre til økonomiske besparelser.

Om Laki Power

Laki Power udvikler net-eldrevne overvågningssystemer til luftledninger og tilbyder innovative løsninger på nogle af nutidens mest presserende udfordringer, som elnetoperatører står over for. Fra overvågning af isdannelse og skovbrande til optimering af net kapacitet med dynamisk linjekapacitet giver deres løsninger pålidelig indsigt til en lav pris uden behov for eksterne strømkilder såsom solpaneler.

Med Laki Power kan operatører få adgang til kritisk information i realtid og generere hændelser baseret på data fra flere sensorer og kameraer. Gennem Laki Analytics Studio, en alt-i-en softwareløsning til transmissionslinjeindsigt og analyse, får operatører mulighed for realtidsovervågning af isdannelseshændelser og skovbrande.

Metoder til is fjernelse i elnetovervågning

For at forhindre isdannelse på strømkabler bruger elnetoperatører forskellige metoder til is fjernelse, som kan kategoriseres som mekanisk is fjernelse og termisk is fjernelse. Når der dannes eller allerede er dannet is på elledninger, reagerer operatører typisk på problemet.

En udbredt metode til mekanisk fjernelse af is involverer helikoptere, der fjerner is fra elledninger. Selvom den er effektiv, er denne metode dyr på grund af driftsomkostninger og logistiske kompleksiteter.

På den anden side er strømbaseret is fjernelse en termisk metode, der øger belastningsstrømmen. Ved at bruge princippet om Joule-opvarmning, som genererer varme, når elektrisk strøm løber gennem en leder, hjælper denne metode med at smelte isen væk. Belastningsstrømmen afhænger af strømbehovet fra brugerne. I perioder med stor efterspørgsel stiger elektriciteten naturligt, hvilket genererer mere varme i ledningerne og til dels medvirker til optøning af is.

Ved brug af afisningsmetoder er det vigtigt at overveje flere parametre for at opretholde et afbalanceret system og sikre, at elledninger ikke overskrider deres termiske grænser. Her spiller Laki Powers overvågningsstation en afgørende rolle ved at give realtid information om elledningerne og bruge kameraer til at vurdere opbygningen af ​​is. Overvågningsstationen hjælper således elnetoperatører med at overvåge effektiviteten af ​​anti-isningsforanstaltninger.

Fra manuel tolkning til automatisering

Samarbejdet med Laki Power og Iteras AI-eksperter markerede en væsentlig ændring i dataanalysen – fra manuel fortolkning til automatisering af overvågning. Oprindeligt præsenterede Laki Powers overvågningsenheder data, der kræver manuel fortolkning, inklusive den endelige verifikation af is-hændelser gennem billedinspektion.

Itera teamet ønskede at udtrække meningsfuld indsigt fra den store mængde data indsamlet af Laki Powers overvågningsenheder. Itera og Laki Power teamene samarbejdede om integrationen af ​​AI-teknologi, der havde til formål at automatisere denne proces og derved forbedre leveringen af ​​handlingsrettet information i realtid.

 

Sådan fungerer Analytics Studio

Systemet giver kunderne en brugergrænseflade, der viser tre billeder:

  1. Se strømlinjerne
  2. Udsigt mod bakken
  3. Mast udsigt

Disse billeder optages hvert 30. sekund og ledsages af miljømålinger som vindhastighed, vindretning, luftfugtighed, omgivende temperatur samt accelerometer-optagelser af strømlinens hældningsvinkel og rotation.

Fra Laki Powers besøg på Iteras kontor i Oslo. Fra venstre mod højre: Justyna Ozog (data scientist/udvikler, Itera), Inga Stefánsdóttir (chef for forskning og analyse, Laki Power), Marius Landsverk (data scientist, Itera)

Hvad vi gjorde

Den første opgave, som Itera teamet udførte i samarbejde med Laki, var at migrere al eksisterende modellogik og data til Azure. Teamet brugte Azure AI Studio, Azure-lagring, virtuelle maskiner og modelimplementeringer. En multi-klasse klassifikationsarkitektur blev valgt til modellen for at gøre den mere fleksibel og muliggøre kategorisering af forskellige aspekter af billederne, herunder tykkelsen af ​​isen på strømlinjen og tilstedeværelsen af ​​en corona-effekt.

På grund af de store billedstørrelser fra kameraerne blev der brugt en nedbrydnings- og beskæringsmetode for at minimere støjen i dataene. Modellen var en basismodel, trænet på ImageNet-datasættet, som teamet yderligere justerede på billeder fra Lakis sensorer.

Teamet implementerede dette i skyen og inkluderede en demo til Laki sammen med Lakis softwareteam.

Avanceret billedanalyse

drevet af Machine learning

Ved at udnytte AI og machine learning kan Laki Powers forbedrede system forudsige is-forhold og gøre det muligt for elnetoperatører at træffe forebyggende foranstaltninger.

Ved at opdage tidlige stadier af isdannelse kan operatører øge strømmen, der flyder gennem elledningerne ved hjælp af Joule-effekten. Dette genererer yderligere varme til at smelte isen.

Denne proaktive tilgang minimerer risikoen for opbygning af is og reducerer potentialet for galopering, et fænomen, hvor strømlines svajer ukontrolleret på grund af is- og vindforhold.
Hurtig meddelelse om is hændelser giver operatører mulighed for at mobilisere besætninger og nøje overvåge elledninger og undgå potentielle skader og afbrydelser.

Is-detektionsalgoritmen var tidligere baseret på miljø- og sensormålinger. Ved manuelt at mærke billeder trænede vi en billedklassificeringsmodel, der kunne supplere det eksisterende is-detektionssystem.
Inga Stefánsdóttir

– Dette projekt har vist det enorme potentiale af AI og maskinlæring i elnetovervågningsindustrien. Laki Power har allerede gjort betydelige opdagelser ved at udnytte kraften i data og billeder.

Inga Stefánsdóttir

Chef for forskning og analyse, Laki Power

– Dette projekt har vist det enorme potentiale af AI og maskinlæring i elnetovervågningsindustrien. Laki Power har allerede gjort betydelige opdagelser ved at udnytte kraften i data og billeder.

Inga Stefánsdóttir, Chef for forskning og analyse, Laki Power

– For eksempel kan vi nu identificere galophændelser på elledninger, selv når operatørerne ikke var klar over dette problem. Galoppering udgør en betydelig risiko for infrastrukturens levetid og stabilitet, så ved at forhindre dette kan operatører spare både penge og miljøet, fortsætter Stefánsdóttir.

Tidslinjen for dette projekt har været undersøgende. I løbet af denne vintersæson har Laki Power planlagt at give kunderne handlekraftig indsigt om is-forholdene. Der vil løbende blive foretaget forbedringer, herunder integration af yderligere vejrforhold for at øge systemets nøjagtighed og anvendelighed.

Ved at drage fordel af avancerede overvågningsløsninger som dem, der tilbydes af Laki Power, kan elnetoperatører effektivt opfylde deres rolle i at opretholde et pålideligt og robust nationalt elnet.

Lad os tale om data og AI

Lad os tale om data og AI
Vishal Kaura
Head of Data & AI

Vishal Kaura