Umělá inteligence z USA chrání před požáry: Včas detekuje nebezpečné oblouky v elektrické síti

Vědci ve Spojených státech vyvinuli nový chytrý nástroj, který dokáže okamžitě rozpoznat abnormální podmínky v elektrické síti, jež mohou vést k lesním požárům, poškození zařízení a výpadkům proudu.

Vědci ve Spojených státech vyvinuli nový chytrý nástroj, který dokáže okamžitě rozpoznat abnormální podmínky v elektrické síti, jež mohou vést k lesním požárům, poškození zařízení a výpadkům proudu. Platforma byla vytvořena výzkumným týmem v Oak Ridge National Laboratory (ORNL) Ministerstva energetiky USA a využívá umělou inteligenci k rychlé analýze dat ze sítě.

Technologie se opírá o pokročilé zpracování signálů a strojové učení k identifikaci jemných poruch v síti, které by konvenční monitorovací systémy často přehlédly. Díky tomu může automaticky upozornit energetickou společnost na nebezpečné chování sítě, které vyžaduje okamžitou reakci. Nástroj je v současné době ověřován pomocí pětiletých terénních dat shromážděných společností Southern California Edison (SCE), jednou z největších elektrárenských společností v USA. „Čím rychleji si uvědomíme, co se děje, tím rychleji můžeme reagovat,“ uvedl Ali Ekti, vedoucí projektu ORNL.

Nástroj dokáže detekovat sedm typů elektrických poruch, které vytvářejí abnormální proud nebo napětí v síti. Především identifikuje obloukové poruchy, k nimž dochází, když elektřina přeskočí vzduchovou mezerou mezi elektrickým vedením a jiným objektem, například zemí. Jelikož tyto poruchy často generují pouze malé zvýšení elektrického proudu, mohou uniknout tradičním senzorům a nespustit jističe. To znamená, že nebezpečné elektrické oblouky mohou přetrvávat po delší dobu, což zvyšuje riziko lesních požárů.

Nový analytický systém ORNL nepřetržitě monitoruje signály sítě a automaticky upozorňuje energetické společnosti, jakmile rozpozná abnormální podmínky. „Tento nástroj je navržen tak, aby poskytoval společnostem nepřetržitou cestu od signálů k analýze a rozhodování,“ vysvětlil Ekti. Vědci uvádějí, že nástroj spoléhá na pokročilou analýzu dat z průběhů vln, která zachycují změny napětí, proudu a frekvence v celé síti. Protože obloukové poruchy jsou často příliš jemné, aby byly viditelné v surových záznamech průběhů vln, vytvořili algoritmy s podporou umělé inteligence, které zesilují slabé signály a zvýrazňují dříve skryté poruchy. Během testování s reálnými daty se týmu podařilo zvýšit viditelnost signálů průběhů vln ze šesti procent na 72 procent, což umožnilo nástroji odhalit poruchy, které by jinak zůstaly nezjištěné.

Platforma byla trénována s daty z knihovny Grid Event Signature Library ORNL, webového úložiště obsahujícího více než 5 700 signatur průběhů vln shromážděných z událostí v elektrické síti. Kromě obloukových poruch systém dokáže také rozpoznat a klasifikovat šest dalších kategorií poruch sítě. Patří sem nadproudové poruchy, operace recloserů, spálené pojistky, krátkodobé poruchy, spínání kondenzátorů, spouštění motorů a operace spínání vedení.