Wykrywanie anomalii Dane pomiarowe pod kontrolą – lepszy monitoring sieci elektroenergetycznych dzięki sztucznej inteligencji
Sztuczna inteligencja będzie Twoją kluczową przewagą: nieustannie analizuje dane z instalacji, identyfikuje podejrzane wzorce i pozwala na podjęcie działań w ramach konserwacji predykcyjnej, zanim pojawią się problemy.
Szybkie działanie ma kluczowe znaczenie dla niezawodnych dostaw energii. Jak jednak zareagować, gdy niespodziewanie dochodzi do zużycia lub sabotażu? Monterzy nie są w stanie monitorować wszystkich zasobów przez całą dobę – zwłaszcza w coraz bardziej złożonych, zdecentralizowanych sieciach wykorzystujących energię odnawialną.
Właśnie tu wkracza sztuczna inteligencja: to cyfrowy strażnik, który natychmiast wykrywa odchylenia. Na podstawie tych przejrzystych danych można zaplanować ukierunkowane prace konserwacyjne, zanim problem stanie się krytyczny. W ten sposób zapewniona jest stabilność sieci i jakość usług wymagana przez klientów.
Wyzwania
Sieci energetyczne znajdują się pod coraz większą presją. Zdecentralizowane i niestabilne źródła energii, takie jak instalacje fotowoltaiczne i wiatrowe, zasadniczo zmieniają charakter funkcjonowania sieci. Jednocześnie stale rośnie zagrożenie cyberatakami. Zmiany te znacznie zwiększają złożoność eksploatacji sieci i sprawiają, że niezbędne staje się ścisłe, ciągłe monitorowanie urządzeń w czasie rzeczywistym.
Wykrywanie anomalii za pomocą AI dla bezpiecznej pracy w sieci
Aby zapewnić niezbędną przejrzystość w eksploatacji sieci i wcześnie wykrywać awarie, opracowaliśmy rozwiązanie oparte na sztucznej inteligencji. Celem PSIdetect jest ciągłe monitorowanie wartości pomiarowych z systemu sterowania oraz wczesna identyfikacja odchyleń od normalnego zachowania, tzw. anomalii. W ten sposób PSI rozszerza klasyczne systemy monitorowania, oparte głównie na statycznych wartościach granicznych, o inteligentną analizę złożonych zależności i dynamicznych wzorców zachowań.
Analiza danych pomiarów elektrycznych z wykorzystaniem sztucznej inteligencji
PSIdetect wykorzystuje sztuczną inteligencję opartą na PSIqualicision AI do analizy dużych ilości pomiarów elektrycznych i danych procesowych z systemu sterowania. Dane historyczne oraz bieżące dane eksploatacyjne i pogodowe służą jako podstawa do szkolenia i porównań. Na tej podstawie system na bieżąco oblicza dynamiczny stan docelowy sieci oraz precyzyjnie i niezawodnie wykrywa odchylenia.
Dzięki samodzielnemu treningowi system uczy się rozróżniać stany normalne i nienormalne. Podczas pracy w czasie rzeczywistym aktualne dane pomiarowe są na bieżąco analizowane i oceniane w postaci wskaźnika anomalii. Jeśli przekroczy on zdefiniowaną wartość progową, wykrywana jest anomalia. Dzięki temu operatorzy sieci mogą wcześnie rozpoznać potencjalne zakłócenia i podjąć ukierunkowane działania, jeszcze zanim dojdzie do sytuacji krytycznych.
Podstawowe warunki
Aby niezawodnie wykrywać różne rodzaje odchyleń i zapewnić ukierunkowane możliwości działania, stosuje się jednocześnie dwa uzupełniające się algorytmy wykrywania.
Dwa podejścia do wykrywania dla maksymalnej wiarygodności
1. Podejście | Ocena fizyczna
Analiza stanu
Ocena fizyczna polega na analizie stanu obiektu na podstawie wszystkich przypisanych mu wartości pomiarowych. W przypadku transformatora*) mogą to być na przykład pomiary prądu i napięcia, a także temperatury zewnętrznej i oleju.
Analiza danych pomiarowych
Za pomocą danych szkoleniowych wartości pomiarowe są ze sobą powiązane losowo. W ten sposób powstaje rozkład prawdopodobieństwa, który jest analizowany w czasie rzeczywistym. Jeśli pojedyncze lub kilka wartości pomiarowych wykracza poza oczekiwany zakres, system wykrywa tę anomalię. W ten sposób można na przykład stwierdzić, czy transformator*) nadmiernie się nagrzewa przy porównywalnym obciążeniu i temperaturze otoczenia – co może wskazywać na początkową usterkę związaną ze starzeniem się urządzenia.
*) To tylko jeden przykład – to samo podejście można zastosować w odniesieniu do innych aktywów, wykorzystując ich odpowiednie wartości pomiarowe do niezawodnego wykrywania anomalii.
2. Podejście | Rozpoznawanie wzorców i trendów
Rozpoznawanie wzorców i trendów ocenia zachowanie wartości pomiarowych w czasie. Zazwyczaj wielkości takie jak temperatura, moc czy napięcie podlegają znanym wzorcom i charakteryzują się typową zmiennością. Jeśli zachowanie to znacznie odbiega od normy – na przykład z powodu niezwykle silnych wahań lub wyraźnej statyczności – jest to identyfikowane jako anomalia.
Przykład: stopniowy lub znaczny spadek mocy pojedynczego ciągu w instalacji fotowoltaicznej.
Przejrzysta wizualizacja i elastyczna konfiguracja
Na podstawie przeanalizowanych danych automatycznie obliczany jest wskaźnik anomalii, który jest przejrzyście przedstawiany za pomocą symbolicznej sygnalizacji świetlnej. Centralny pulpit nawigacyjny zapewnia kompaktowy przegląd aktualnie wykrytych anomalii, obciążenia systemu oraz stanu połączeń danych.
W celu przeprowadzenia szczegółowej analizy dostępne są widoki tabelaryczne, w których można zbadać poszczególne anomalie. Wynik oceny anomalii można rozłożyć na poszczególne składniki, dzięki czemu przyczyny oceny są przejrzyste i zrozumiałe. Dodatkowo można wizualizować szereg czasowy wartości pomiarowych, na których opiera się ocena.
Zarówno czułość wykrywania anomalii, jak i cykle szkoleniowe sztucznej inteligencji można indywidualnie konfigurować. Jest to szczególnie przydatne po rozbudowie sieci lub przy podłączaniu dużych nowych źródeł zasilających, takich jak rozległe instalacje fotowoltaiczne. Dzięki ukierunkowanemu dostosowaniu czułości algorytm wykrywania może optymalnie dostosować się do konkretnych warunków sieciowych i jeszcze bardziej zwiększyć dokładność wykrywania.
Zalety procesu
-
Wczesne wykrywanie
-
Dokładna analiza
-
Szybkie działanie
Podsumowanie: Pełna przejrzystość
PSIdetect jest dla operatora sieci nie tylko potężnym narzędziem do wczesnego wykrywania anomalii, ale także zapewnia niezbędną przejrzystość, która pozwala na podejmowanie trafnych decyzji. Stanowi to podstawę do niezawodnej, wydajnej i bezpiecznej eksploatacji sieci, umożliwiając osiągnięcie wysokiej jakości w coraz bardziej dynamicznym środowisku energetycznym.
