Интелигентна поддръжка на електропреносната мрежа

Електрическите мрежи са критична енергийна инфраструктура на съвременното общество. Затова системите за мониторинг на здравето им играят решаваща роля за енергийните дружества днес. Следейки „пулса“ на инфраструктурата, организацията може бързо да идентифицира фактически и потенциални проблеми и да вземе адекватни мерки. Това може да се случва бързо и прецизно чрез IoT сензори и алгоритми с изкуствен интелект.

Текст: списание Енергия

Доскоро комуналните организации имаха ограничена видимост над стотиците километри електропроводи, обслужващи клиентите им. Въпреки използването на SCADA системи за наблюдение и контрол на подстанциите, дружествата разчитаха предимно на обажданията на потребителите, за да научават за проблеми и прекъсвания на захранването при крайните клиенти. Сега, при наличието на интелигентни сензорни технологии за електропреносните линии, компаниите вече са в състояние да осигурят по-прецизно ниво на наблюдение и контрол на електроразпределителните системи.

Интелигентните мрежови сензори – малки, леки устройства, разположени по трасетата – могат да предоставят детайлни данни за всяко късче от разпределителната мрежа. Централизирани системи за анализ на тези данни на база изкуствен интелект докладват за отклонения от нормалното и дори предупреждават за потенциални проблеми.

Ново разбиране за наблюдението на мрежата
Електрическата мрежа днес може да бъде оборудвана с модули за постоянно измерване на параметрите на големи, средни и дори съвсем малки участъци. Така е възможно да се откриват и локализират повреди и отклонения от нормалната функция. Например, ако бъдат регистрирани големи и резки флуктуации в напрежението в дадена крайна отсечка, централизираната AI система ще алармира, а сервизните техници могат веднага да отидат и проверят къде е отчетено необичайното поведение, за да открият лесно проблема. Сигналът и точната локация спестяват време на екипите по поддръжката. Така подобряват и ефективността им.

Системата за наблюдение на интелигентната електромрежа днес включва сензори, пренос на данните, AI алгоритми за анализ на всички постъпващи данни и инспектиране чрез дронове. Разпознавайки аномалии от постъпващите данни и визуална информация, AI може да открива и локализира повреди и да насочва екипите по поддръжката – не само накъде трябва да се отправят, но и какво могат да очакват да открият на място.

За ефективния мониторинг е важно съчетаването на стационарни сензори (електромагнитни, температурни) с визуална информация (напр. от стационарни камери или дронове). AI платформите имат потенциала да анализират постъпващите изображения наред с данните. Затова са способни да подават предупреждения за повишен риск, преди да се е стигнало до повреда. Например, ако AI разпознае в заснетите кадри висока растителност, която е на път да достигне нивото на проводниците, може да сигнализира за належаща нужда от кастрене.

Това многослойно наблюдение в реално време е голям скок в развитието на енергийните мрежи. Резултатът е бързо известяване за аварии – преди потребителите да започнат да звънят с оплаквания, точна локализация на аварията, предвидимост за потенциално опасни ситуации, а също и повече безопасност за служителите. От своя страна това означава намаляване на времето на непланираните прекъсвания, по-ефективно отстраняване на възникналите проблеми, удовлетворение за работниците.

Сензори
Системите за умно наблюдение на преносната мрежа използват интелигентни сензори, които най-често измерват магнитните и електрическите полета на електропроводите. Сензорите се монтират на стълбовете, близо до проводниците. В повечето случаи устройствата могат да се поставят, без да се прекъсва работата на мрежата. Данните от сензорите се събират непрекъснато. Те се изпращат до централизиран софтуер, използващ алгоритми с изкуствен интелект, за да анализира постъпващите данни.

Сензорите „следят пулса“ в реално време за всеки участък от електрическата разпределителна система. Разположени по трасето, датчиците могат да дадат индикация за проблем с висока степен на точност. Колкото по-нагъсто са разположени сензори, толкова по-висока е „разделителната способност“ на мониторинга. В момента, в който даден модул регистрира необичайни параметри, комуналното дружество може да мобилизира дежурния сервизен екип и да изпрати техниците директно на проблемното място, подавайки точна локация.

Подобна архитектура обичайно е мащабируема и гъвкава. Собственикът на електрическата мрежа решава какво покритие на системата да инсталира – и може поетапно да я разширява. Възможно е да започне, например, с малко трасе от 40 километра, а сетне да разгърне инсталацията. Намаленото време на непланирани прекъсвания и много по-ефективната поддръжка означават, че инвестицията ще се изплати за кратък период от време. И тъй като сензорите могат да се инсталират по активно работещи линии, начинанието не предполага прекъсвания на тока заради внедряването на сензорите.

Мониторингът чрез сензори по трасетата демонстрира значителни подобрения в индекса на средната продължителност на прекъсванията на системата (ИСППС или SAIDI) и индекса на средния брой прекъсвания за системата (ИСБПС или SAIFI). Тези индекси са важни показатели, използвани за измерване на надеждността на електрическите мрежи. Високите стойности на тези индекси имат отрицателно въздействие върху електроразпределителните оператори, защото се асоциират с по-ниска удовлетвореност на клиентите, намалени приходи, дори и потенциални регулаторни санкции. Затова комуналните дружества имат мотив да се стремят да поддържат ниски стойности на индексите чрез ефективно планиране, прецизна поддръжка и бърза реакция при прекъсвания.

Умни измервателни уреди
Наред със сензорите по електропреносните линии ценни докладчици за състоянието на мрежата са и интелигентните измервателни уреди в домовете на хората и бизнесите. Тези уреди осъществяват двупосочна информационна връзка между потребителя и енергийния оператор. Чрез динамичното отчитане в (почти) реално време, уредите могат да подскажат за потенциални нередности.

Там, където са налице т. нар. разпределени енергийни ресурси – соларни покриви, ветрогенератори и др. - интелигентните измервателни уреди могат да подават данни за входяща и изходяща мощност. Това прави по-лесно за комуналните дружества да наблюдават натоварванията при специфични условия, например висока слънчева активност.

Виртуални сензори
Наред с физическите сензори, които събират данни от различни точки на електропреносната мрежа, все по-голямо значение придобиват и виртуалните сензори. За разлика от традиционните устройства, виртуалните сензори не са физически обекти, а софтуерни решения, които използват съществуващите данни от мрежата, за да изчисляват и прогнозират допълнителни параметри.

Тези сензори работят на базата на математически модели и алгоритми за машинно обучение, които могат да интерпретират данните от физически сензори и други източници. По този начин те създават виртуално измерване на параметри, които не се наблюдават директно. Например, ако физическите сензори следят напрежението и тока в различни точки от мрежата, виртуалният сензор може да изчисли температурата на проводниците или натоварването в труднодостъпни участъци на мрежата.

Това има няколко ключови предимства. Виртуалните сензори позволяват на енергийните дружества да разширят възможностите си за наблюдение, без да е необходимо физическо разполагане на ново оборудване. Те могат да осигурят по-висока разделителна способност на мониторинга и да допринесат за по-добро прогнозиране на потенциални проблеми. Освен това, чрез анализ на исторически данни и текущи показатели, виртуалните сензори могат да идентифицират тенденции и аномалии, които иначе биха останали незабелязани.

Интегрирането на виртуални сензори в платформите за управление на електропреносните мрежи прави системите още по-интелигентни и адаптивни. Те подпомагат прогнозната поддръжка, като предоставят ранни предупреждения за възможни рискове и оптимизират работата на сервизните екипи. Например, виртуалните сензори могат да оценяват степента на износване на оборудването или риска от прегряване на определени компоненти в зависимост от условията в реално време.

Комбинацията от физически и виртуални сензори е мощен инструмент за операторите на електропреносни мрежи. Тя позволява цялостен поглед върху мрежата, съчетавайки прецизно измерване и напреднали аналитични методи, което води до по-надеждно управление, намаляване на разходите за поддръжка и значително подобряване на качеството на услугата.

Навлизането на изкуствения разум
Всички данни от сензори и умни електромери следва да се събират, но тяхната истинска сила е в анализа им. Затова централизиран софтуер на база изкуствен разум „сдъвква“ данните и помага цифрите да се превърнат в смислена информация. Има прекъсване на захранването по дадена линия? В централата екранът светва веднага. Дежурните техници могат незабавно да бъдат известени за проблема. Добрата организация предполага и колцентърът да получи информацията, за да може адекватно да посрещне обажданията от клиентите в засегнатата област.

По-бързото, навременно реагиране при аварии е най-осезаемият ефект от внедряването на сензори и изкуствен интелект. Платформите на база ИИ разпознават аномалии в данните и веднага алармират, когато данните разкрият повреда. С навлизането на интелигентните измервателни уреди отчитаните данни могат да се анализират още по-всеобхватно чрез ИИ. Софтуерът събира данни от десетки хиляди абонати, като агрегира информация за потреблението на енергия по часове и минути.

Данните за производството на възобновяеми инсталации също могат да бъдат обхванати. В комбинация с метеорологичните данни, всичката тази информация позволява ИИ да създава и точни предвиждания за пиковете и спадовете в потреблението и производството и дори да прави персонализирани прогнози за енергийните тертипи на отделните абонати.

Анализирането на моделите на потребление и откриването на аномалии може да разкрива и индикации за кражба на енергия. Алгоритмите, базирани на ИИ, анализират мрежата от връзки за потребление на енергия, за да идентифицират подозрителни тенденции, като помагат на комуналните дружества да открият потенциални случаи на манипулиране на измервателните уреди. Така ИИ може да помага на енергийните оператори да намалят загубите на приходи.

Прогнозна поддръжка
Сред съществените предимства на въвеждането на ИИ е прогнозното управление. Сензорите по трасетата могат да предават информация към централизираната система, когато има моментни флуктуации, породени от досег с клони на дървета или други обекти, влизащи в контакт с линията. Данните за подобни моментни изменения могат да бъдат проверени чрез облитане и заснемане с дрон, за да се потвърди причината. Това помага на оператора да предотврати усложняване на проблема, което може да се превърне в продължително прекъсване на електрозахранването.

Анализът на т. нар. исторически данни може да подкрепи вземането на решения за управление на мрежата и подготовка за реагиране. Това позволява и навременно планиране на бъдещи инвестиции, необходими за минимизиране на рисковете в онези области, където са най-вероятни прекъсвания.

Анализите с помощта на ИИ могат да послужат за основа за прогнозиране на натоварването и динамично ценообразуване. Това е важно в светлината на навлизането на възобновяемите източници. Нещо повече: дружествата могат да коригират цените на електроенергията в реално време според условията на търсене и предлагане, насърчавайки ефективно използване на енергия и балансиране на мрежата.

Дронове
Интегрирайки и наблюдение чрез дронове, енергийните дружества могат да използват ИИ за забелязване на бедствия, преди да се случат. Например, обраслите дървета са водеща причина за прекъсвания на тока, тъй като клоните могат да паднат върху електрически проводници или да възникнат искри. Предвид големия обхват на преносните трасета обходът с цел оглед може да отнеме месеци. Прегледът обаче може да се направи много по-бързо с дрон и снимките да се анализират от ИИ. При регистриране на опасно прорасла растителност системата ще издаде предупреждение, което да насочи сервизните екипи към отстраняване на опасността, преди да се е стигнало до авария.

Какво предстои?
Ако AI е способен бързо да взема всички тези решения и да прогнозира, възможно ли е просто да го оставим да управлява мрежата и да изпрати човешки оператори у дома? Експертите казват, че не. Сигурността е най-голямата причина за това.

Въпреки че е помощник за подобряването на поддръжката, AI все още не е способен да оценява всички ситуации в реалния свят. Това представлява твърде голям риск за мрежовите оператори, чийто основен фокус е надеждността. Едно погрешно решение в неподходящ момент може да доведе до масови прекъсвания на тока.

Съществува и риск моделите с изкуствен интелект да усилят изкривявания, които биха могли да поставят в неравностойно положение уязвимите общности. Исторически погледнато, най-отдалечените райони често биват последните, които получават възстановяване на електрозахранването след спиране на тока. ИИ моделите, обучени върху тези данни, може да продължат да им приписват по-нисък приоритет за възстановяване на захранването. За да не се стига до изкривявания, остава критично значението на работната сила.

Това, което е сигурно, е че в обозримо бъдеще електромобилите ще се превърнат във важен фактор за управление на всяка електромрежа. Тяхното навлизане добавя значително търсене на енергия – и то неравномерно. Нещо повече: има тенденция появата на тези големи консуматори да се групира в определени региони - градове и квартали - което може да доведе до претоварване на конкретни райони. Затова ИИ ще трябва да да събира и анализира и данни от е-колите.

Чрез анализ на моделите и продължителността на зареждане може да се идентифицират оптималните времена за зареждане и да се правят препоръки към клиентите чрез текстови съобщения или известия с насоки кога да зареждат превозните средства. Може да се очаква възникването на необходимост за ограничаване на зареждането. От друга страна батериите на е-колите могат да служат като малки резервни източници на захранване. Затова техният мониторинг ще трябва да се интегрира в общото наблюдение на състоянието на мрежите.