Giới thiệu AI trong hệ thống cung cấp điện

Nhu cầu toàn cầu về điện tiếp tục tăng, được điều chỉnh bởi sự bầu cử giao thông, dữ liệu mở rộng và phát triển công nghiệp. Cùng lúc đó, mạng lưới điện phải đáp ứng các nguồn tái tạo gián đoạn và cơ sở hạ tầng cũ. Kiểm tra và chẩn đoán truyền thống - phụ thuộc vào các cuộc thanh tra bằng tay và báo động ngưỡng đơn giản - không đủ để đảm bảo sự đáng tin cậy. Tình báo động điện tử (AI) đã phát triển như một công cụ chuyển đổi, cho phép các nhà điều khiển xử lý dữ liệu cảm biến đổi, phát hiện các lỗi nhỏ, và hành động trước khi máy phát hiện lỗi. Bằng cách sử dụng các mô hình đào tạo (máy tính) để kiểm soát và quản lý dữ liệu (DDA) có thể dự đoán hệ thống tự động, có thể phản ứng từ việc quản lý tự động, quản lý tự động.

Cách trí tăng cường năng lượng của trí tuệ

Nguồn dữ liệu và việc xử lý tiền tố

Hệ thống AI hấp thụ dữ liệu từ nhiều nguồn: điện áp và bộ chuyển đổi hiện thời, bộ cảm biến nhiệt độ, bộ phận giám sát thả một phần, bộ chuyển tiếp và mét thông minh. Dữ liệu thường nhiễu, và phụ thuộc thời gian. Đường dẫn giao thông hiện đại là tự động tẩy, và tính năng lấy ra được cần thiết để sử dụng thiết thiết thiết thiết thiết thiết thiết thiết thiết thiết thiết thiết thiết cho kỹ thuật thủ công thủ công. Ví dụ, mạng thần kinh giao tiếp (CN) có thể học để xác định kiểu chữ ký trong băng ghi hình ocillography, trong khi mạng lặp lại mạng (LM-series) thu thời gian (các phụ thuộc vào hồ sơ phụ thuộc.

Mô hình học hỏi máy cho phát hiện không có u

Các mô hình siêu giám sát (v.g., rừng ngẫu nhiên, cây có màu lục) được đào tạo dựa trên các bộ dữ liệu lịch sử có nhãn loại chuẩn để phân loại các điều kiện hoạt động bất thường. Các phương pháp không giám sát như tự động mã hóa hoặc cô lập rừng phát hiện lỗi mới lạ mà không cần thiết phải có nhãn - đặc điểm quan trọng cho chế độ thất bại mới nổi. Nửa giám sát và giám sát bản thân cũng đang đạt được tính chuyên sâu, cho phép các mô hình học từ dữ liệu không có nhãn hiệu và sau đó tốt đẹp với các chuyên gia không có hạn.

Suy luận thời gian thực và triển khai cạnh

Sự chậm trễ là một yếu tố quan trọng: một vài phần nghìn giây có thể tạo ra sự khác biệt giữa đèn chùm có chứa và sự mất điện nghiêm trọng. Dựa trên các phép phân tích theo truyền thống thì dẫn đến sự chậm trễ không thể chấp nhận được. Theo cạnh AI - mô hình nhỏ nhẹ có thể trực tiếp chạy trên bộ điều khiển logic có thể lập trình (PLCs) hoặc thiết bị điện tử điện tử (IDED) (được dùng để tạo ra thiết bị định vị xe đạp phụ. Ví dụ, một mô hình cạnh có thể di chuyển một vòng quanh trong vòng một khi phát hiện sự ngắt kết nối không hoạt động được, đồng thời gửi bản ghi thông tin về phía trung tâm.

Những ứng dụng then chốt của AI trong việc theo dõi năng lượng và chẩn đoán

Bảo trì dự đoán

Việc dự đoán bảo trì sử dụng ML để dự đoán đời sống còn lại (RUL) của tài sản như biến đổi, ắc quy và pin. Phân tích điện tử xoay máy, phân tích khí (DGA) để biến đổi dầu và dữ liệu nhiệt được đưa vào mô hình dự đoán thất bại theo thời gian. Một trường hợp nghiên cứu từ một tiện ích ở Bắc Mỹ đã báo cáo giảm 30% chi phí bảo trì chưa lên kế hoạch sau khi triển khai hệ thống thay đổi bộ lọc. Các nhóm cảnh báo về thời gian trước đã cho phép thay thế chương trình thay thế phiên bản đã có thời gian thay thế.

Phát hiện không có chủ đích

Bên cạnh dự báo, AI vượt trội khả năng phát hiện dị thường như chúng xảy ra. Các thuật toán không giám sát có thể đánh dấu thậm chí một sự lệch hướng nhỏ từ một cơ sở học tập - như một tăng dần trong sự biến dạng độ bão hòa cho thấy một lỗi ghi lại. Khi kết hợp với bảng điều khiển hình ảnh, các nhà điều khiển nhận được cảnh báo hành hành hành hơn là một lũ báo động thô. Bộ năng lượng Hoa Kỳ đã đánh dấu sự giám sát thời gian thực của AI như là một chìa khóa cho phép tự cải thiện mạng lưới.

Chẩn đoán và phân tích nguyên nhân tự động

Khi có lỗi xảy ra, xác định chính xác nguyên nhân gây ra sét đánh, thiết bị đeo hay lỗi điều khiển có thể mất hàng giờ.

Công suất hóa và nạp cân

AlI cũng hỗ trợ hiệu suất hoạt động bằng cách tối ưu hóa dòng điện. Các tác nhân học tập nâng cao các chính sách điều khiển điện áp, tổ chức tụ điện, chuyển đổi thiết lập bộ điều chỉnh thiết lập bộ điều chỉnh. Các tác nhân này hoạt động cân bằng năng lượng qua hệ thống cấp dữ liệu, giảm thiểu lượng thức ăn, giảm thiểu quá tải và ngăn chặn quá tải. Trong khi cầu cao, bộ điều chỉnh AI có thể giảm tải không phải là phụ thuộc vào bộ điều chỉnh chương trình giải phóng pin, giảm mức mua hàng thượng nguyên tử.

Lợi ích của việc sử dụng AI trong hệ thống quyền lực

Tăng thêm tính đáng tin cậy và giảm thời gian

Phát hiện sơ bộ của những lỗi sắp xảy ra ngăn chặn sự đổ ra những lỗ hổng. những chất lỏng đã thực hiện việc giám sát dựa trên trí tuệ của Al, giảm 50–70% số tiền bị cưỡng ép để quản lý tài sản. Khả năng xác định điểm yếu trong hàng tuần trước cho phép các nhà hoạch định tăng cường các phần trước khi chúng bị căng thẳng.

Tiết kiệm chi phí dịch vụ

Bảo trì dự đoán trực tiếp giảm chi phí sửa chữa, nhưng tiết kiệm sẽ kéo dài hơn: ít gọi khẩn cấp hơn, kiểm kê các bộ phận dự phòng, và tính toán lại các phần phụ tùng, và sự sống mở rộng.

An toàn gia tăng

Hệ thống AI có thể giám sát các trạm từ xa và tự động khu vực nguy hiểm. ví dụ, các mô hình nhiệt phát hiện qua các kết nối nóng trước khi chúng trở thành các mối nguy hiểm tia cực lớn, kích hoạt các thủ tục khóa mà không cần một nhóm để vào hầm.

Sự hợp nhất tốt hơn về năng lượng tái tạo

Hệ mặt trời và gió là biến số và không chắc chắn. AI dự báo cả thế hệ lẫn tải độ chính xác cao, cho phép các nhà điều khiển mạng dự trữ hiệu quả hơn.

Những thử thách và giới hạn

Chất lượng dữ liệu và khả năng hoạt động

Mô hình AI chỉ tốt như dữ liệu họ được đào tạo. Nhiều tiện ích phụ thuộc vào các cảm biến di sản với tỷ lệ mẫu thấp hoặc không đầy đủ. định dạng dữ liệu vượt quá, nhãn thời gian bị mất, hiệu suất phân hủy. đầu tư trong nâng cấp cảm biến và quản lý dữ liệu là điều kiện tiên quyết để thành công trong việc triển khai AI.

Sự an toàn và sự riêng tư qua mạng

Một hệ thống AI điều khiển hệ thống mạng tạo ra một bề mặt tấn công mới. Đầu vào của đối nghịch có thể đánh lừa máy phát hiện bất thường, hoặc một kẻ tấn công có thể đầu độc dữ liệu đào tạo. Mã hóa mã hóa mã hóa mã hóa, dinh dưỡng, và việc kiểm tra liên tục là thiết yếu để ngăn chặn việc bóc lột. Các khung khung điều khiển (v. d., ERCIPP ở Bắc Mỹ) áp dụng các yêu cầu nghiêm ngặt phải được kết hợp vào thiết kế hệ thống AI.

Giải thích và tin cậy

Các tổng đài thường do dự không muốn làm theo “những đề nghị của hộp đen, nếu một AI đề nghị một dòng mà không thể giải thích được tại sao, thì những người điều khiển có thể lờ đi sự cảnh giác.

Hợp nhất với cơ cấu cơ sở thừa kế

Phần lớn hệ thống điện liên lạc điện tử gồm nhiều thập niên với các giao thức liên lạc (v.v., DNP3, Mombus, IEC 61850).

Các chỉ dẫn tương lai cho AI trong hệ thống quyền lực

Sinh đôi số và học mô phỏng

Một bản sao ảo của hệ thống điện vật lý cho phép các mô hình AI được đào tạo và xác nhận trong một môi trường không có nguy cơ bị đe dọa. Các tác nhân học tập tăng cường có thể khám phá hàng triệu kịch bản (lỗi trực tuyến, tấn công mạng, thời tiết cực đoan) trong mô phỏng trước khi được triển khai trên thiết bị sống. Một số kỹ thuật chính đã được xây dựng cho mạng truyền tải và phân phối.

Học hỏi để có sự hợp tác riêng tư

Các tiện ích có thể chia sẻ các mô hình thông tin mà không phơi bày dữ liệu mật qua việc học tập có hạn chế. Mỗi tiện ích đào tạo một mô hình địa phương dựa trên dữ liệu riêng của nó, và chỉ cập nhật mô hình (các phương pháp) được tổng hợp tại một máy chủ trung tâm. Cách này đẩy nhanh việc huấn luyện trong khi tôn trọng các ranh giới riêng tư và điều chỉnh.

AI cho tự động và tự chữa lành

Các nghiên cứu về mạng lưới dài có thể tự tái cấu trúc sau một lỗi - tách các phần bị hư hại và định tuyến lại trong vài giây. Các bộ điều khiển AI sẽ phối hợp nhiều nguồn năng lượng phân phối (DERs), vi mạch và hàng hóa linh hoạt để phục hồi dịch vụ mà không cần sự can thiệp của con người. Các dự án phi công ở Anh và Úc đã chứng minh tự phục hồi trong vòng 30 giây.

Sự hợp tác của con người

Thay vì thay thế người điều khiển, AI sẽ càng ngày càng hoạt động như một phi công phụ hỗ trợ quyết định, nhấn mạnh các rủi ro, và gợi ý hành động. Giao diện thế hệ kế tiếp điều khiển sẽ sử dụng thực tế tăng cường (AR) để bao gồm các thông tin trực quan trên các dữ liệu trực quan, và các chương trình huấn luyện sẽ tiến hóa để dạy các nhà điều hành cách giải thích và đánh giá chúng khi cần thiết.

Sự kết hợp của trí tuệ nhân tạo vào việc giám sát và chẩn đoán năng lượng không đơn thuần là một sự cải thiện tăng dần nó là một sự thay đổi cơ bản hướng tới những hệ thống thích nghi, dẻo dai và hiệu quả hơn. khi thuật toán trưởng thành, các đường dẫn dữ liệu ổn định, và xây dựng lòng tin, AI sẽ trở thành thiết yếu để điều khiển các hoạt động như dây đồng và thay đổi chính bản thân mình. các tiện ích đầu tư một cách khôn ngoan trong trí tuệ ngày hôm nay sẽ được định vị trí tốt nhất để đối phó với các thách thức của thế giới điện từ tương lai.

Để đọc thêm, xin xem Tập đoàn Năng lượng Điện lực (FLT:2); tạp chí năng lượng đặc biệt về hệ thống điện ), Phòng thí nghiệm năng lượng tái tạo [FLT:], và , Bộ hướng dẫn an ninh mạng của A trong [FLT] [FLT].