Ziel des Projekts ist die Entwicklung eines fortschrittlichen Systems, das die Erkennung von Fehlern, Störungen und andere Probleme in der elektrischen Infrastruktur und verbessert so deren Sicherheit und Effizienz.
Ziele des Projekts:
- Echtzeit-Überwachung der elektrischen Infrastruktur...
- Identifizierung potenzieller Bedrohungen, wie z. B. Schäden an Übertragungsleitungen, Übergreifen der Vegetation auf die Leitungen, Schäden an Isolatoren und Verschmutzung der Leitungen.
- Erstellung von Berichten über die Überwachung des Stromnetzes.
Projektfortschritt:
1. Datenerfassung durch Kameras:
Er hat Hunderte von Stunden Videomaterial von Drohnen aufgenommen und sich dabei auf Stromleitungen konzentriert.
2. Datenbeschriftung:
Die Kommentatoren kennzeichneten die Daten und markierten verschiedene Bereiche, die überwacht werden sollten, z. B:
- Sichtbare Fehler in Übertragungsleitungen,
- Beeinträchtigung der Leitungen durch Vegetation,
- Schäden am Isolator,
- Verunreinigungen auf den Leitungen.
3. Einsatz von vortrainierten AI‑Algorithmen:
Es wurden vortrainierte Modelle auf der Grundlage von Deep Learning und Convolutional Neural Networks (CNN) verwendet.
4. Algorithmus-Feinabstimmung:
Die Algorithmen wurden für die Vorhersage von Störungen in der elektrischen Infrastruktur durch Training mit markierten Daten feinabgestimmt.
5. Offline-Experimente mit historischen Daten:
Erzielung einer Genauigkeit von 92% bei historischen Daten, die als Ausgangspunkt für weitere Verbesserungen dient.
6. Datenerhebung und Algorithmusvalidierung:
Es wurden zusätzliche Daten gesammelt und zur Bewertung des Algorithmus verwendet, wobei eine Genauigkeit von 89,5% erreicht wurde.
7. Iterationen zur Verbesserung des Algorithmus:
Es wurden Ensemble-Techniken angewandt, bei denen die Ergebnisse verschiedener Modelle kombiniert wurden, was zu einer Genauigkeit von 94% führte.
8. Arbeiten zur Verkleinerung von AI‑Modellen:
Um den Einsatz auf den Zielgeräten zu ermöglichen, wurde das Modell unter Beibehaltung seiner Wirksamkeit optimiert.
9. Pilot - Einsatz des Algorithmus an zwei Teststandorten:
Der Algorithmus wurde unter realen Bedingungen an zwei Standorten getestet, um eine Bewertung und Anpassung an unterschiedliche Geländebedingungen zu ermöglichen.
10. Erzeugen von Drohnenflugberichten:
Der Algorithmus wurde in Drohnen integriert, so dass nach jedem Drohnenflug Berichte mit Überwachungsergebnissen erstellt werden konnten.
Investitionen und Ressourcenallokation:
Die Gesamtkosten des Projekts beliefen sich auf 800.000 PLN und verteilten sich wie folgt:
- Datenerfassung, -aufbereitung und -beschriftung: 50.000 PLN.
- Erste Modellentwicklung (Proof of Concept): 150.000 PLN.
- Prüfung: 80.000 PLN.
- Überarbeitung und Entwicklung des endgültigen Modells: 420.000 PLN.
- Bereitstellung, Dokumentation, Berichterstellung: 100.000 PLN.
Ergebnisse und Nutzen:
- Senkung der Betriebskosten: Durch die Anwendung von KI‑Algorithmen bei der Überwachung der elektrischen Infrastruktur konnten die Betriebskosten um 15% gesenkt werden, einschließlich Inspektionen vor Ort und zeitaufwändiger Analysen.
- Verringerung der Ausfallkosten: Die frühzeitige Erkennung von Fehlern führte zu einer Senkung der mit Ausfällen verbundenen Kosten um 18%, wodurch katastrophale Schäden und längere Ausfallzeiten vermieden werden konnten.
- Jährliche finanzielle Einsparungen: Unter der Annahme einer konstanten Senkung der Betriebskosten und der Vermeidung von ausfallbedingten Kosten werden die jährlichen Einsparungen auf 2,5 Millionen PLN geschätzt.
- Verkürzte Reaktionszeit auf Vorfälle: Die durchschnittliche Reaktionszeit auf elektrische Vorfälle verringerte sich um 70%, was zu einer schnelleren Problemlösung führte und die Auswirkungen von Vorfällen minimierte.
