Actief onderzoek doen naar en toepassen van kunstmatige intelligentie in het beheer en de exploitatie van elektriciteitsnetten

Quang Tri Power Company (PC Quang Tri) heeft de afgelopen jaren actief onderzoek gedaan, wetenschap en technologie ontwikkeld en toegepast op het gebied van automatisering van bediening, inspectie, beoordeling van de kwaliteit van het elektriciteitsnet, beheer van bouwinvesteringen en klantenservice, waarmee een bijdrage is geleverd aan de verbetering van de productie- en bedrijfsactiviteiten van het bedrijf.

Enkele beelden van onveilige elektriciteitsnetten gedetecteerd door drones/UAV's - Foto: TN

PC Quang Tri is een pionier binnen de Vietnam Electricity Group (EVN) op het gebied van onderzoek en ontwikkeling en wordt erkend voor zijn initiatief met een geïntegreerde versie van software voor veldinformatie en netbeheer. Het bedrijf heeft met name onderzoek gedaan naar kunstmatige intelligentie (AI) in de automatisering om abnormale verschijnselen in het elektriciteitsnet en transformatorstations op het operationele net te detecteren met behulp van beelden.

Enkele van deze programma's zijn: het automatisch controleren van relevante objecten in beelden die zijn vastgelegd en opgeslagen in het Construction Investment Management System (EVN-IMIS). Dit programma heeft geholpen bij het automatiseren van de inspectie en analyse van beelden die jaarlijks worden vastgelegd bij investeringsprojecten; of het toepassingsprogramma voor kunstmatige intelligentie (AI), dat automatisch abnormale warmte detecteert aan de hand van beelden die zijn vastgelegd door apparaten die onder spanning staan op het net. Het programma analyseert en geeft automatisch waarschuwingen om technisch personeel te helpen passende oplossingen te vinden om deze afwijkingen aan te pakken en mogelijke elektrische incidenten te voorkomen.

In 2022 deed PC Quang Tri onderzoek naar en paste AI toe om risico's voor de veiligheid van het net te detecteren aan de hand van beelden/ video's die werden verzameld door vliegende drones. Hoewel de elektriciteitssector veel programma's heeft ingezet voor het beheer en de exploitatie van het net, zoals netbeheersoftware (PMIS) en middenspanningsinspectie (KTHT), met als doel de inspectie van elektriciteitsleidingen en transformatorstations te digitaliseren, gebeurt het detecteren van aanwezigheid op basis van beelden van PMIS- en KTHT-programma's nog steeds met het blote oog.

Met deze methode kost het veel tijd om beelden en video's te detecteren. Daarom worden beelden en video's, nadat ze zijn verzameld met flycams/drones, gesynchroniseerd met het PMIS-AI-programma en automatisch geanalyseerd. Dit detecteert risico's voor de veiligheid van het elektriciteitsnet, in plaats van dat medewerkers visuele inspecties of verrekijkers moeten uitvoeren. Het toepassen van AI-modellen om risico's voor de veiligheid van het elektriciteitsnet te detecteren aan de hand van beelden/video's verzameld met vliegende drones, heeft daarom positieve effecten gehad op het beheer en de exploitatie van het elektriciteitsnet.

Om ervoor te zorgen dat het systeem met een hoge nauwkeurigheid werkt, heeft het bedrijf, naast het bouwen van modellen, het standaardiseren van gegevens, het labelen van objecten en het trainen van het objectherkenningsprogramma, de Yolov5-modeloplossing toegepast op het PMIS-AI-programma.

Met dit model duurt de verwerkingstijd van een afbeelding van 4 MB slechts 1/10 van een seconde. PC Quang Tri is daarom een eenheid die een stap voorwaarts heeft gezet in haar deelname aan onderzoek op dit gebied, met name met de vele oplossingen die voor brede implementatie zijn voorgesteld. Het programma voor de toepassing van kunstmatige intelligentie in beeldherkenning in de bouwfasen van het beheer van bouwinvesteringen en de automatische herkenning van thermische camera's voor eenheden van de Centrale Energiemaatschappij wordt doorgaans zeer gewaardeerd en effectief in de praktijk toegepast.

In 2024 won het onderwerp "Onderzoek en toepassing van kunstmatige intelligentie om risico's van onveiligheid in het elektriciteitsnet op te sporen op basis van afbeeldingen/video's die door drones/UAV's zijn verzameld tijdens vluchtmissies" van de auteursgroep: Masters Phan Van Vinh, Nguyen Van Tai, Le Cong Hieu, Le Van Minh, Nguyen Xuan Thuy van PC Quang Tri de tweede prijs op de 17e Nationale Technische Innovatiewedstrijd (2022-2023), georganiseerd door de Vietnam Union of Science and Technology Associations, Vietnam Fund for Supporting Technical Innovation (VIFOTEC) op het gebied van informatietechnologie, elektronica en telecommunicatie.

Met de AI-applicatieoplossing voor het detecteren van risico's op onveiligheid in het elektriciteitsnet op basis van afbeeldingen/video's die zijn verzameld door drones/UAV's, behoort de automatische programmering van vliegroutes op basis van vluchtmissies van PC Quang Tri tot de categorie AI-herkenningssoftware in combinatie met gegevensanalyse om waarschuwingen te geven en risico's op onveiligheid in het elektriciteitsnet te detecteren op basis van afbeeldingen/video's die zijn verzameld door vliegende drones.

Met behulp van het Yolov8-model voor kunstmatige intelligentie en andere ondersteunende hulpmiddelen (LabelMe voor labeling, Google Colab voor training) kunnen we het bestaan/de afwijkingen van 110 kV- en 22 kV-stroomleidingen detecteren via afbeeldingen en video's die zijn verzameld met flycams/drones. We richten ons hierbij specifiek op het detecteren van gerafelde, blootliggende geleiders, losse porseleinen stropdassen, vuile, gebroken, gebarsten isolatie en andere afwijkende objecten in het elektriciteitsnet.

Automatische vluchtrouteprogrammering voor drones die over het elektriciteitsnet vliegen, is een geavanceerde technologie op het gebied van veiligheid en efficiëntie van netbewaking. Het systeem is ontworpen om het elektriciteitsnet automatisch en continu te bewaken en tegelijkertijd volledige informatie te verstrekken om risico's voor de veiligheid van het elektriciteitsnet te detecteren. De oplossing helpt de efficiëntie van de veiligheidsbewaking van het elektriciteitsnet te verhogen, kosten te besparen, monitoringkosten te verlagen, de nauwkeurigheid te verhogen, de operationele efficiëntie te verhogen en tijd en mankracht te besparen.

Om de kracht van digitale technologie te maximaliseren om de efficiëntie van technisch beheer te verbeteren en een veilige netexploitatie te garanderen, is het onderzoeken en toepassen van AI op technisch beheer een onvermijdelijke trend. Dit zal namelijk sterk bijdragen aan de verbetering van de arbeidsproductiviteit en de efficiëntie van het beheer van de netkwaliteit. En daarmee een stabiele en veilige energiebron creëren die de sociaaleconomische ontwikkeling van de regio ten goede komt.

Reactie (0)