חידושים ב-Power Line Inspection Using Machine Vision ו-AI

הקדמה: הצורך הקריטי של Inspection Modern Power Line

קווי חשמל יוצרים את עמוד השדרה של רשתות חשמל, נושא חשמל גבוה מעל אלפי קילומטרים לבתים, עסקים ותעשיות. האמינות של תשתית זו תלויה בדיקה רגילה ותחזוקה כדי לזהות, קורוזיה, צמחייה, פגיעה פיזית.במשך עשרות שנים, כלי רכב הסתמכות על סיורים מבוססי קרקע ומסוקים עם משקיפים אנושיים - שיטות איטיות, יקרות, ולעתים קרובות מזיקות, רק גבהים של טווח חשמלי, בעוד כמה פעמים, רק גבהים קשים, הם עלולים להיות גבהים של גבהים של גבהים של גבהים של גבהים של גבהים, רק גבהים של גבהים, רק גבהים של גבהים של שנים, רק גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים רבים, רק גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים חשמליים גבהים רבים גבהים של גבהים של גבהים בודדים גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים של גבהים גבהים גבהים גבהים

המגבלות של פיקוח ידני הפכו לברורות יותר ויותר ככל שהרשת והביקוש לחשמל גדל.תשתית אגיגה דורשת ניטור תכופים יותר, ואירועים קיצוניים הקשורים לשינוי האקלים מאיצים את ההתדרדרדרות.בתגובה, מגזר האנרגיה הפך לטכנולוגיות מתקדמות - במיוחד, השילוב של ראיית מכונה ואינטליגנציה מלאכותית (AI) - כדי להפוך את בדיקת כוח מתהליך עבודה-רגיש, פעיל מחדש של נתונים, ופעולות מתקדמות של AI.

שיטות מסורתיות ומגבלותיהם

לפני הופעת מערכות מבוססות רחפנים ו- AI-enhanced, בדיקת קו החשמל כללה אחת מכמה גישות ידניות:

סיורי FLT:0 (FLT:103) צוותים הליכה בכיוון הנכון עם בינאריות ולוחות, להקליט פגמים גלויים.
סקרי ה-FLT:0 (Hlicopter Surveys: FLT:1 פיילוטים טסים נמוך לאורך קווי שידור בעוד שחצן בדק באופן ויזואלי חומרה ומוליכים מהאוויר.
(ב) ,0) משאיות: עובדי קו 1 בינואר, הורשו להגיע להשגחה של עיגולים או מבנים ספציפיים.
מצלמות מבוססות תפוצה:0Ground-basedמצלמות:FLT:1rea , או מצלמות טלפוט קבועות, המשמשות ללכידת תמונות עבור סקירה מאוחרת יותר.

כל שיטה מגיעה עם חסרונות רציניים.סיורי רגל איטיים - צוות עשוי לכסות רק כמה קילומטרים ביום - לחשוף עובדים לסיכונים. סקרים של הליקופטר יקרים (לעתים קרובות אלפי דולרים לשעה) ומוגבלים על ידי מזג אוויר וזמן טיסה. משאיות באקקט דורשות גישה לכביש והם חסרי מצפון עבור שטח מרוחק או הררי.

כיצד Machine Vision ו-AI Transform Inspection

החדשנות הליבה טמונה החלפת העין האנושית עם מערכות ראיית מכונה שמושכות תמונות ברזולוציה גבוהה, והחלפת שיפוט אנושי עם אלגוריתמים AI מאומן לזהות omalies עם עקביות על-אנושית.שילוב זה מאפשר כלים לבחון קווים לעתים קרובות יותר, עם דיוק גדול יותר ובעלויות נמוכות יותר.ראייה מכונה כוללת מצלמות, חיישנים, עיבוד תמונה שיכול ללכוד, אינפרא אדום, או אולטרה סגולה אור AI, במיוחד כדי לנתח תמונות של מוטציות סטריליות כאלה.

טכנולוגיות Core

(FLT:0) מצלמות ברזולוציה גבוהה וחיישנים: קידמה 1 (הרחבה של בדיקות מודרנית כוללת לעתים קרובות 4K או 8K RGB מצלמות עבור פרטים גלויים, מצלמות אינפרא אדום תרמי לגילוי נורמה חום (למשל, חיבורים רופפת או רכיבים מוגזמים), ומצלמות מהירות גבוהה עבור לכידת תמונות במהלך כרטיסי טיסה מהירים.
(FLT:0AI Algorithms: FLT:1 מודלים למידה עמוק מאומן על אלפי תמונות מתוייגות המציגות פגמים כגון insulators שבור, מוליכים מקודדים, לחים חסרים וקן ציפורים. once פרוס, מודלים אלה יכולים לעבד תמונות בזמן אמת או זמן כמעט אמיתי, לדגל סטיות עם ציונים של מערכות ביטחון המדינה-of-art להשיג שיעורי זיהוי נמוך מספיק כדי למנוע פגמים כוזבים כדי למנוע מומים חיוביים על פני אדם.
(FLT:0)Edge Computing: 1.FLT (ה) כדי לאפשר ניתוח בזמן אמת, רחפנים רבים ורובוטים מבצעים מעבדי קצה (למשל, NVIDIA Jetson או Google Coral) המפעילים מודלים AI ללא צורך בקשר קבוע לענן.זה מקטין את הגמישות ומאפשר פעולות מיידיות - כגון התאמת נתיב הרחפנים למבט קרוב יותר - אפילו באזורים מרוחקים עם רוחב פסים.
(FLT:0Cloud- Based Analytics:FLT:1 לעיבוד לאחר טיסה, כלי רכב להעלות טרה-בייט של תמונות לפלטפורמות ענן שבו מודלים מתוחכמים יותר יכולים לבצע ניתוח מפורט, לקשור פגמים בבדיקות מרובות וליצור צווי עבודה ותחזוקה.

זיהוי אוטומטי

טווח הפגמים שחזון מכונה ו-AI יכולים לזהות מתרחב במהירות.קטגוריות אופייניות כוללות:

(ב) ⁇ :0) נזקי ה[[1924]]: [[1924]]]], [[1924]], [[1924]], [[1924]]]], [[1924]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]
(ב) ,0) מומים חמורים: (FLT:1 , צלצולים שבורים או שבורים, פעמונים רופפת או נעדרים, חיבורים מקוצצים על מגדלים או על קטבים.
(ב) ⁇ :0) ,התקדשות: עץ או גפיים גדלות מדי למנצחים, שזוהו באמצעות למדידת צילום או לידר.
(FLT:0) אנומליים:FLT:1 כתמים חמים על כינים, קפצנים ומתגים גלויים בתמונות אינפרא אדום, המציין התנגדות גבוהה.
(ב) ⁇ :0) נושאים: FLT:1 Corrosion על מגדלי פלדה, קטבים נשען, שחיקה בסיסית, או חוטי אדם חסרים.
(ב) ⁇ :0) ⁇ (ב"ד) ,ב"ה, "הציפורים" (ב"ב) ,"הגדלה צמחייה על מבנים, ערכות, או פסולת אחרת.

מודלים של בינה מלאכותית גם מאומנים לזהות מבשרים עדינים יותר לכישלון, כגון קורוזיה בשלב מוקדם עדיין לא גלויים למפקחים, או מיקרו-קאקרים בממכרי Insulator מורכבים. צוותי מחקר ממשיכים לחדד מודלים באמצעות העברת למידה ודור נתונים סינתטי כדי לשפר את הביצועים עבור סוגים נדירים של פגמים.

פלטפורמת הפצה: Drones, Robots, and Beyond

ראיית מכונות ו- AI אינם מוגבלים לפלטפורמה אחת.היישומים הגלויים ביותר כיום הוא השימוש ברחפנים (כלי רכב אוויריים לא מאוישים, רחפנים) מצוידים ב- תצלומים וב- AI. Drones מציעים כמה יתרונות על מסוקים: הם זולים יותר לפעול, יכולים לטוס קרוב יותר לקווים (בקיצור של פתרון תמונה), ויכולים להיות ממוקדים במהירות לבדיקה לאחר סערות או להחליף כמה פעמים של סוללות ל- 20 מייל ל- 30 דקות של פעילות.

מעבר לרחפנים, פלטפורמות אחרות עולות:

(FLT:0) סורקים רומבוטיים: FLT:1, מכונות קטנות מתגלגלות לאורך המוליכים או חוט מגן, נושאים מצלמות וחיישנים.אלה יכולים לבדוק את העיגולים עם דיוק גבוה, במיוחד כדי לזהות קורוזיה פנימית או הפסקות סטרנד שאולי לא ניתן לראות מהאוויר.
מטוסים:0 (FLT:0) מטוסים של מטוסים: FLT:1 רחפנים ארוכי טווח שיכולים לכסות מאות קילומטרים בטיסה אחת, באמצעות AI ליבול ולעבד רק את חלקי הדימויים המכילים פגמים אפשריים.
(FLT:0)Climbing Robots:FLT:1Builds: יותר יחידות ניסיוניות שעולים למגדלים וחצו את המבנה לבדיקה קרובה של חומרה, ביטול הצורך במשאיות דליות.
(FLT:0Satellite Imagery:FLT:1hil, בעוד פתרון נמוך יותר, ראיית מכונה מבוססת לווין משמשת למעקב צמחייה בקנה מידה גדול, לזהות שינויים גדולים בתשתיות, השלמת רחפנים ובדיקות קרקעיות.

בחירת הפלטפורמה תלויה בשטח, במתח קו, בסביבת רגולטורית (במיוחד מעבר לקו הראייה, BVLOS, כללים), ותדירות בדיקה ספציפית הנדרשת.כלי רכב רבים מאמצים גישה היברידית: ציי מזל"טים לסיוריטורים שגרתיים, סורקים רובוטיים לכיסויים קריטיים, ונתוני לוויין למפות צמחייה שנתיות.

עיבוד נתונים ו- Analytics Pipeline

איסוף תמונות הוא רק חצי מהפתרון.נתוני הגלם - לעתים קרובות אלפי תמונות ברזולוציה גבוהה לקילומטר - יש לעבד ביעילות כדי לחלץ מידע מעשי.

(FLT:0) אי-הההכנסה ואחסון:FLT:1Build Images and metadata (GPS לתאם, תזמון, פרמטרים מצלמה) מועלות לפלטפורמה מרכזית, לעתים קרובות בענן.
(FLT:0) AI Inference:FLT:1 מודלים למידה עמוקה לרוץ על כל תמונה, יצירת קופסאות, תוויות סיווג, ו ציוני אמון עבור כל פגם מזוהה.זה יכול להתרחש בזמן אמת על מעבד קצה של המל"ט או לא מקוון על אשכולות GPU.
(FLT:0Geospatial קורלציה: FLT:1 â € 1 â € â € ¢ â ¢ â ¢ ¢ â ¢ ¢ â ¢ ¢ ¢ â ¢ ¢ ¢ ¢ ¢ ¢ ¢ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
(FLT:0) ניצול ועדיפות: אלגוריתמים AI קבוצה פגמים דומים (למשל, נקודות קורוזיות מרובות באותו פרק) וציון סיכון מבוסס על חומרת, מיקום, וביקורת נכסים.
(FLT:0) עידוד ואינטגרציה: FLT:1, המערכת מייצרת דוחות בדיקה עם תמונות לא מאומתות, סטטיסטיקות סיכום, ופעולות מומלצות. דוחות אלה יכולים להיות משולבים עם תוכנות ניהול נכסים קיימות (למשל, IBMo, SAP) כדי ליצור הזמנות עבודה ותיקונים.

צינור זה מקטין באופן דרמטי את הזמן בין פעולת לכידת תמונות ותחזוקה. בזרימות עבודה מסורתיות, מפקח אנושי עשוי לקחת ימים כדי לבדוק תמונות מטיסה אחת.עם AI, צי של 20 מל"טים יכול לאסוף נתונים מ -200 מייל של קו בבוקר, ואת מערכת הניתוח יכול לייצר רשימה פגומה מראש על ידי ארוחת הצהריים - המאפשר לצוותים להתחיל תיקונים באותו אחר הצהריים.

מחקרים אמיתיים

דיוק אנרגיה Drone Program

אחת מהשיטות הגדולות ביותר בארה"ב, דיוק אנרגיה, התחייבה לבדוק את כל קווי השידור שלה באמצעות מל"טים עד 2025.החברה לפרוס רחפנים מצוידים ב- RGB ומצלמות תרמיות, עיבוד תמונות עם פלטפורמה מלאכותית מותאם אישית שפותחה בשותפות עם להקות עם ®FLT:0טכנולוגיה ספקי FLT:1 .

חברת סאות' ליין חזון

החברה הדרומית, עוד כלי מרכזי בארה"ב, פיתחה מערכת פיקוח של AI בשם Line Vision המשלבת תמונות מל"טים עם למידת מכונה כדי לזהות קורוזיה מבנית ופגמים חומרה.המערכת הוכשרה ביותר מ-100,000 תמונות מתמונות שלא ניתנות לתמונות מבדיקות קודמות.בפרויקט טייס המכסה 1,000 קילומטרים של קו שידור, חזון השיג שיעור זיהוי 96 אחוזים עבור פגמים קריטיים תוך צמצום זמן הביקורת ברציפות על ידי 70%.

⁇

באירופה, מפעילי מערכת השידור (TSOs) כגון TenneT ו-RTE אימצו ציי פיקוח של רחפנים עם AI Analytics. TenneT, המפעילה רשתות בהולנד וגרמניה, משתמשת בצי של מל"טים אוטומטיים אשר מורידים וקרקעות מתחנות טעינה לאורך המסלול הימני, משדרת נתונים באמצעות 4G/5G.המערכת AI על מנת לזהות סוללות כיפת תרמית ונומה תרמית בזמן הפחתת קצבי של טיפול אוטונומי:

אתגרים ושיקולים

למרות ההבטחה, פריסת ראיית מכונה ו-AI לבדיקה של קו חשמל אינה ללא מכשולים.העדויות חייבות לטפל:

(FLT:0) ,regulatory hurdles: FIRLT:1 במדינות רבות, מל"טים מעופפות מעבר לקו הראייה (BVLOS) דורש ויתור מיוחד.הממשל התעופה הפדרלי של ארה"ב (FAA) העניק מספר ויתורים, אבל התהליך מורכב ומגביל את הפעולה למסדרונות ספציפיים.
נפח ומחסן נתונים: 1FLT 1 טיסה של מעל 10 קילומטרים של קו יכול לייצר מאות ג'יגה-בייט של תמונות. דחיסה יעילה, עיבוד ומערכות אחסון הם הכרחיים כדי למנוע אגמים נתונים שלעולם לא ניתחו.
(FLT:0) דיוק וטיה: מודלים של AIFLT:1eur על נתונים מוגבלים עשויים להופיע בצורה גרועה על סוגים חדשים של פגם או בתנאי מזג אוויר שונים.מודל רציף המסדיר נתונים חדשים ואימות קפדני נגד בדיקות אנושיות נדרשים כדי לשמור על אמון.
(FLT:0) אינטגרציה עם מערכות קיימות:FIRLT:1 , Utilities לעתים קרובות יש מערכות ניהול נכסים מורשת שלא נועדו להפחתה אוטומטית של נתונים. APIs ו- האמצעי נדרש כדי להבטיח תוצאות בדיקה לזרום לתוך ניהול עבודה ומערכות ERP.
(FLT:0) Cost of אימוץ: FLT:1 בעוד שבדיקת המל"טים זולה יותר ממסוקים, היא עדיין דורשת השקעה מקדימה בחומרה, בתוכנה ובאימונים.כלי רכב קטנים עשויים למצוא את זה קשה להצדיק את העלות, במיוחד עבור רשתות עם שיעורי כשלון נמוכים.
(FLT:0Cybersecurity: 1.FLT:1 פלטפורמות אנליטיות מבוססות ענן וקישורים של הפיקוד ובקרה של המל"ט מציגים משטחים חדשים של התקפות. Utilities חייב ליישם אמצעי אבטחה חזקים כדי להגן על הטכנולוגיה התפעולית ועל נתוני תשתיות רגישות.

אפשרויות עתידיות ותעשייה Outlook

העשור הבא יראה המשך האבולוציה הן בטכנולוגיה והן במודלים של פריסה.מגמות רבות מתכנסות כדי לבצע פיקוח על קו חשמל אוטונומי יותר, צפוי ומשולב:

ציי המל"טים של FLT:0 (AutonomousAV צי: FIRLT:1) קדמו בתחנות BVLOS ותחנות הרציפים יאפשרו פעולות אוטונומיות לחלוטין שבהן משגרים רחפנים, לבדוק, לטעון ולהגדיל נתונים ללא התערבות אנושית.
(FLT:0) תאומים: FLT:1 ניתוח AI יזין לתוך מודלים תאום דיגיטלי של הרשת, שבו כל נכס מיוצג כמעט ועודכן בזמן אמת. אלגוריתמים חיזוי יכול להפעיל סימולציות לסיכון חודשים או שנים קדימה, קביעת לוחות זמנים לתיקון.
(FLT:0)Fusion of Sensor Types:FLT:1ir Beyond גלוי ורמילא, תשלומים עתידיים עשויים לכלול חיישנים רב-ספקטרום לזיהוי בריאות צמחייה, מצלמות אולטרה סגולות עבור פריצה כלולה, וחיישנים קול עבור זיהוי קשת או חומרה רופפת.AI ימזג את זרמי הנתונים האלה עבור הערכה הוליסטית.
(FLT:05G ו- Edge סינרגיה:BuildFLT:1) רשתות סלולריות Ultrafast יאפשרו זרימת וידאו בזמן אמת מרחפנים למודלי AI, המאפשרות חוות דעת שנייה מיידית ממומחים מרוחקים. Edge מכשירים יתמודדו עם החלטות בעלות נמוכה, בעוד שמודלים בענן מטפלים בניתוחים מורכבים ומגמה היסטורית.
(FLT:0) למידה לתשתיות אחרות:FLT:1eur) אותה ראיית מכונה וטכניקות AI מותאמות לבדיקה של טורבינות רוח, חוות סולאריות, תת-קרקעיות, צינורות, יצירת הזדמנויות לפלטפורמות חוצה-תעשייתיות.

ככל שהטכנולוגיות הללו בוגרות, המטרה הסופית היא מערכת ניהול רשת אוטומטית לחלוטין שבה בדיקה, אבחון, ואפילו תיקון מטופלים על ידי מערכות רובוטיות עם התערבות אנושית מינימלית.קבוצות מחקר מסוימות כבר מתפתחות מזל"טים שיכולים להתקין באופן אוטונומי מכשירים של ציפורים או להדק ברגים רופפת באמצעות נשק מניפולטור - תצוגה מקדימה של מה שעשוי להפוך לשגרה בתוך עשור.

מסקנה

השילוב של ראיית מכונה ו- AI לבחינת קו חשמל מייצג שינוי יסודי כיצד כלי חשמל שומרים על התשתית שלהם.על ידי החלפת שיטות ידניות איטיות, מסוכנות עם מערכות אוטומטיות מהירות, בטוחות ומדויקות, שירותים יכולים לבדוק יותר קווים לעתים קרובות יותר, לזהות פגמים מוקדם יותר, ולהגיב עם תחזוקה ממוקדת - כל עלות יעילה יותר, פיתוח מערכות כוח עבודה אוטונומיות, אך טיפול ב-AI-AI-AI-ידי מערכת אבטחה נמוכה יותר, אינו מספק יותר ויותר את הסיכון לחיסכון באנרגיה מתקדמת, אך ורקמות, אך ורק כדי לשפר את עלויות אבטחה, אך ורקמותרפיות, אך ורקמותרפיות, אך ורקמותרפיות, אך טיפוליות, הוא שיפור יעילות אבטחה, אך לא יעיל יותר ויותר, אך לא יעיל יותר ויותר, הוא שיפור יעילותו של אבטחה, אך שיפור משמעותי, אך טיפול עצמי, אך טיפול עצמי, הוא שיפור יעילותו של מערכת ההפעלה של אבטחה, אך טיפול ב-ידי מערכת ההפעלה של אבטחה, אך שיפור משמעותי, אך שיפור משמעותי, אך טיפול עצמי, אך טיפול עצמי, ללא שיפור יעילות אבטחה, הוא שיפור יעילותו של אבטחה, אך טיפול עצמי, אך לא יעיל יותר ויותר, אך טיפול עצמי, אך טיפול ב-ידי מערכת ההפעלה, אך טיפול עצמי, הוא שיפור יעילותו של מערכת ההפעלה של מערכת ההפעלה של אבטחה