Künstliche Intelligenz aktiv erforschen und anwenden im Bereich des Stromnetzmanagements und -betriebs

In den letzten Jahren hat die Quang Tri Power Company (PC Quang Tri) aktiv in den Bereichen Automatisierung des Betriebs, Inspektion, Bewertung der Stromnetzqualität, Bauinvestitionsmanagement und Kundendienst geforscht, aufgebaut und angewandt, was zur Verbesserung der Produktions- und Geschäftstätigkeiten des Unternehmens beigetragen hat.

Einige Bilder unsicherer Stromnetze, die von Drohnen/UAVs entdeckt wurden – Foto: TN

PC Quang Tri ist ein Vorreiter im vietnamesischen Elektrizitätskonzern EVN in der Forschung und Entwicklung und wurde für seine Initiative mit einer integrierten Software für Feldinformationssysteme und Netzmanagement ausgezeichnet. Das Unternehmen forschte insbesondere im Bereich der künstlichen Intelligenz (KI) zur Automatisierung, um mithilfe von Bildanalysen Anomalien im Stromnetz und in Umspannwerken zu erkennen.

Zu diesen Programmen gehören beispielsweise: Die automatische Überprüfung von relevanten Objekten in Bildern, die im Bauinvestitionsmanagementsystem (EVN-IMIS) erfasst und gespeichert werden. Dieses Programm hat die Inspektion und Analyse der jährlich bei Investitionsprojekten aufgenommenen Bilder automatisiert. Ein weiteres Beispiel ist die Anwendung künstlicher Intelligenz zur automatischen Erkennung von Überhitzung anhand von Bildern, die von unter Spannung stehenden Geräten im Stromnetz aufgenommen wurden. Das Programm analysiert die Daten automatisch und gibt Warnungen aus, um dem technischen Personal geeignete Maßnahmen zur Behebung dieser Anomalien und zur Verhinderung möglicher Stromunfälle zu ermöglichen.

Im Jahr 2022 erforschte und nutzte PC Quang Tri KI zur Erkennung von Netzsicherheitsrisiken anhand von Drohnenbildern und -videos . Obwohl die Elektrizitätswirtschaft bereits zahlreiche Programme zur Verwaltung und zum Betrieb des Stromnetzes einsetzt, wie beispielsweise Netzmanagementsoftware (PMIS) und Mittelspannungsfeldinspektion (KTHT), um die Inspektion von Stromleitungen und Umspannwerken zu digitalisieren, erfolgt die Erkennung von Risiken anhand der Bilder aus PMIS- und KTHT-Programmen weiterhin mit bloßem Auge.

Mit dieser Methode ist die Erkennung von Risiken anhand von Bildern und Videos sehr zeitaufwendig. Daher werden die von Drohnen aufgenommenen Bilder und Videos mit dem PMIS-KI-Programm synchronisiert und automatisch analysiert. So können Risiken für die Sicherheit des Stromnetzes erkannt werden, anstatt dass Mitarbeiter Sichtprüfungen oder Ferngläser verwenden müssen. Der Einsatz von KI-Modellen zur Erkennung von Risiken für die Stromnetzsicherheit anhand von Drohnenbildern und -videos hat sich somit positiv auf das Management und den Betrieb des Stromnetzes ausgewirkt.

Um eine hohe Genauigkeit des Systems zu gewährleisten, hat das Unternehmen neben dem Erstellen von Modellen, dem Standardisieren von Daten, dem Kennzeichnen von Objekten und dem Trainieren des Objekterkennungsprogramms die Yolov5-Modelllösung auf das PMIS-AI-Programm angewendet.

Mit diesem Modell beträgt die Verarbeitungszeit eines 4-MB-Bildes nur 1/10 Sekunde. Daher hat das PC Quang Tri einen wichtigen Beitrag zur Forschung auf diesem Gebiet geleistet, insbesondere durch die Entwicklung zahlreicher Lösungen für den breiten Einsatz. Das Programm zur Anwendung künstlicher Intelligenz in der Bilderkennung während der Bauphasen im Bereich des Investitionsmanagements, insbesondere die automatische Erkennung von Wärmebildkameras für Anlagen der Central Power Corporation, wird sehr geschätzt und erfolgreich in der Praxis eingesetzt.

Im Jahr 2024 gewann die Autorengruppe Phan Van Vinh, Nguyen Van Tai, Le Cong Hieu, Le Van Minh und Nguyen Xuan Thuy vom PC Quang Tri mit ihrer Arbeit zum Thema „Forschung und Anwendung künstlicher Intelligenz zur Erkennung von Risiken der Stromnetzunsicherheit anhand von Bildern/Videos, die von Drohnen/UAVs im Rahmen von Flugmissionen aufgenommen wurden“ den zweiten Preis beim 17. Nationalen Wettbewerb für technische Innovation (2022-2023), der von der Vietnam Union of Science and Technology Associations und dem Vietnam Fund for Supporting Technical Innovation (VIFOTEC) in den Bereichen Informationstechnologie, Elektronik und Telekommunikation organisiert wurde.

Mit der KI-Anwendungslösung zur Erkennung von Risiken der Stromnetzunsicherheit anhand von Bildern/Videos, die von Drohnen/UAVs aufgenommen wurden, gehört die automatische Flugwegprogrammierung gemäß den Flugmissionen von PC Quang Tri zur Kategorie der KI-Erkennungssoftware in Kombination mit Datenanalyse, um Warnungen zu geben und Risiken der Stromnetzunsicherheit anhand von Bildern/Videos zu erkennen, die von fliegenden Drohnen aufgenommen wurden.

Mithilfe des künstlichen Intelligenzmodells Yolov8 und weiterer unterstützender Tools (LabelMe für die Beschriftung, Google Colab für das Training) werden anhand von Bildern und Videos, die mit Flycams/Drohnen aufgenommen wurden, das Vorhandensein/die Anomalien von 110-kV- und 22-kV-Stromleitungen erkannt. Der Fokus liegt dabei insbesondere auf der Erkennung von ausgefransten blanken Leitern, losen Porzellan-Kabelbindern, verschmutzter, gebrochener oder rissiger Isolierung sowie anderen abnormalen Objekten im Stromnetz.

Die automatische Flugbahnprogrammierung für Drohnen über Stromnetzen ist eine fortschrittliche Technologie zur Steigerung der Sicherheit und Effizienz der Netzüberwachung. Das System überwacht das Stromnetz automatisch und kontinuierlich und liefert umfassende Informationen zur Erkennung von Sicherheitsrisiken. Die Lösung trägt dazu bei, die Effizienz der Netzüberwachung zu steigern, Kosten zu senken, die Überwachungskosten zu reduzieren, die Genauigkeit zu erhöhen, die betriebliche Effizienz zu steigern und Zeit- und Personalaufwand zu minimieren.

Um das Potenzial digitaler Technologien optimal zu nutzen, die Effizienz des technischen Managements zu steigern und einen sicheren Netzbetrieb zu gewährleisten, ist die Erforschung und Anwendung von KI im technischen Management ein unaufhaltsamer Trend. Dies trägt maßgeblich zur Verbesserung der Arbeitsproduktivität und der Effizienz des Netzqualitätsmanagements bei und sichert somit eine stabile und sichere Stromversorgung für die sozioökonomische Entwicklung der Region.

Kommentar (0)