Projekt ma na celu opracowanie zaawansowanego systemu, który umożliwia wykrywanie usterek, zakłócenia i inne kwestie związane z infrastrukturą elektryczną, poprawiając w ten sposób jej bezpieczeństwo i wydajność.
Cele projektu:
- Monitorowanie infrastruktury elektrycznej w czasie rzeczywistym...
- Identyfikacja potencjalnych zagrożeń, takich jak uszkodzenia linii przesyłowych, wkraczanie roślinności na linie, uszkodzenia izolatorów i zanieczyszczenia linii.
- Generowanie raportów z monitorowania sieci energetycznej.
Postęp projektu:
1. Gromadzenie danych z kamer:
Nagrał setki godzin materiału wideo z dronów, koncentrując się na elektrycznych liniach przesyłowych.
2. Etykietowanie danych:
Adnotatorzy oznaczyli dane, zaznaczając różne obszary do monitorowania, w tym:
- Widoczne usterki w liniach przesyłowych,
- Roślinność wkraczająca na linie,
- Uszkodzenia izolatora,
- Zanieczyszczenia na liniach.
3. Wykorzystanie wstępnie wyszkolonych algorytmów AI:
Zastosowano wstępnie wytrenowane modele oparte na głębokim uczeniu i konwolucyjnych sieciach neuronowych (CNN).
4. Dostrajanie algorytmu:
Algorytmy zostały dostrojone do przewidywania zakłóceń w infrastrukturze elektrycznej poprzez szkolenie na oznaczonych danych.
5. Eksperymenty offline na danych historycznych:
Osiągnięto dokładność 92% na danych historycznych, służącą jako punkt wyjścia do dalszych ulepszeń.
6. Gromadzenie danych i walidacja algorytmów:
Zebrano dodatkowe dane i wykorzystano je do oceny algorytmu, osiągając dokładność 89,5%.
7. Iteracje w celu ulepszenia algorytmu:
Zastosowano techniki Ensemble, łącząc wyniki z różnych modeli, uzyskując dokładność 94%.
8. Praca nad redukcją rozmiaru modelu AI:
Aby umożliwić wdrożenie na urządzeniach docelowych, model został zoptymalizowany przy jednoczesnym zachowaniu jego skuteczności.
9. Pilotaż - wdrożenie algorytmu w dwóch lokalizacjach testowych:
Algorytm został przetestowany w warunkach rzeczywistych w dwóch lokalizacjach, umożliwiając ocenę i dostosowanie do różnych warunków terenowych.
10. Generowanie raportów z lotu drona:
Algorytm został zintegrowany z dronami, umożliwiając generowanie raportów z wynikami monitorowania po każdym locie drona.
Inwestycje i alokacja zasobów:
Całkowity koszt projektu wyniósł 800 000 PLN i został podzielony w następujący sposób:
- Zbieranie danych, przygotowanie i etykietowanie: 50 000 PLN.
- Wstępny rozwój modelu (Proof of Concept): 150 000 PLN.
- Testowanie: 80 000 PLN.
- Poprawki i opracowanie ostatecznego modelu: 420 000 PLN.
- Wdrożenie, dokumentacja, generowanie raportów: 100 000 PLN.
Wyniki i korzyści:
- Redukcja kosztów operacyjnych: Dzięki zastosowaniu algorytmów sztucznej inteligencji w monitorowaniu infrastruktury elektrycznej, koszty operacyjne zostały zmniejszone o 15%, w tym inspekcje terenowe i czasochłonne analizy.
- Redukcja kosztów awarii: Wczesne wykrywanie usterek doprowadziło do 18% redukcji kosztów związanych z awariami, unikając katastrofalnych uszkodzeń i przedłużających się przestojów.
- Roczne oszczędności finansowe: Zakładając stałą redukcję kosztów operacyjnych i unikanie kosztów związanych z awariami, szacowane roczne oszczędności wynoszą 2,5 mln zł.
- Skrócony czas reakcji na incydenty: Średni czas reakcji na incydenty elektryczne skrócił się o 70%, co doprowadziło do szybszego rozwiązywania problemów i zminimalizowania wpływu incydentów.
