Исследователи из центра практического искусственного интеллекта Сбербанка, в сотрудничестве с российскими и зарубежными учеными, разработали инновационный подход для контроля состояния изоляторов на линиях электропередачи.
Этот метод, основанный на искусственном интеллекте, анализирует данные о токе утечки и напряжении, чтобы предсказать вероятность пробоя изоляторов. Первоначально алгоритм определяет состояние поверхности, а затем с точностью свыше 98% оценивает риск аварий, при этом ошибка в прогнозировании пробоя составляет менее 1,16%, сообщает пресс-служба банка.
В Сбербанке подчеркнули, что для реализации данного метода была применена открытая библиотека LightAutoML.
Глеб Гусев, директор центра практического искусственного интеллекта Сбера, отметил, что исследование под названием Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement («Метод обучения с учителем для мониторинга состояния изоляторов воздушных линий электропередачи на основе измерения тока утечки») продемонстрировало, что машинное обучение способно с высокой степенью точности предсказывать возможные аварии.
«Этот метод использует реальные данные и учитывает важные факторы риска, такие как загрязнение и уровень влажности. Внедрение таких технологий поможет энергетическим компаниям сократить расходы на обслуживание и улучшит надежность электросетей», — добавил он.
Кроме того, данная система может быть интегрирована с существующими информационными системами управления электросетями, что позволит накапливать и анализировать большие объемы данных. Это не только повысит точность прогнозов, но и обеспечит более быстрое реагирование на возникающие потенциальные проблемы. Использование ИИ в этой области также может способствовать развитию системы прогнозирования, основывающейся на экстремальных погодных условиях, что значительно снизит риск аварий в неблагоприятные времена.
Важную роль также играет адаптация таких технологий к специфике каждой региональной энергетической системы, что подразумевает возможность настройки алгоритмов в зависимости от используемого оборудования и условий эксплуатации. Таким образом, разработанный метод может быть внедрен не только в России, но и за рубежом, что откроет новые возможности для международного сотрудничества в области энергетики и технологий искусственного интеллекта.
