پایش ۵۰۰ ترانسفورماتور توزیع با پهپاد برای توسعه هوش مصنوعی

از تصویربرداری یکدست تا شناسایی خوردگی

این پروژه با تأمین مالی Network Innovation Allowance (NIA) در حال اجراست و بررسی می‌کند که آیا تصاویر پهپادی و بینایی ماشین می‌توانند نشانه‌های قابل مشاهده فرسودگی، از جمله خوردگی، را تشخیص دهند. هدف آن است که NGED شناخت دقیق‌تری از وضعیت دارایی‌ها به دست آورد، مشکلات احتمالی را زودتر شناسایی کند و درباره نگهداری تصمیم‌های آگاهانه‌تری بگیرد؛ با این حال، فناوری هنوز در مرحله توسعه و آزمون است.

Team UAV پیش از آغاز عملیات، آزمایش‌های فنی متعددی برای انتخاب تجهیزات، موقعیت دوربین و روش تصویربرداری مناسب انجام داد. یکسان‌سازی شیوه ثبت تصاویر در مکان‌های مختلف نیز بخش مهمی از کار بود تا داده‌ها برای تحلیل هوش مصنوعی قابل استفاده باشند. بازرسی‌ها در Cornwall، Wales و Midlands انجام شد و در مواردی که محدودیت دسترسی، پوشش گیاهی یا نبود زیرساخت مانع کار بود، دارایی‌های جایگزین انتخاب شدند.

این شرکت همچنین یک پایگاه داده سفارشی GIS و فرایند تحویل داده ایجاد کرد. به این ترتیب، تصاویر ارسالی از محل بازرسی به موقعیت هر ترانسفورماتور متصل و همراه با اطلاعات پیمایش و فراداده ذخیره شدند تا هر مجموعه تصویر با دارایی درست تطبیق یابد.

مرحله بعدی پروژه و پیام آن برای صنعت برق

Softwire، دیگر تأمین‌کننده NGED در این پروژه، اکنون تصاویر گردآوری‌شده را برای توسعه و آزمایش مدل‌های بینایی ماشین و یک نمونه اولیه اپلیکیشن وب به کار خواهد گرفت. فاز نخست پروژه گسترده‌تر قرار است تا پایان سال ۲۰۲۶ تکمیل شود. NGED سپس بررسی خواهد کرد که آیا ترکیب تصویربرداری هوایی، هوش مصنوعی و بینایی ماشین می‌تواند بخشی از ارزیابی وضعیت ترانسفورماتورهای روی تیر را خودکار و داده‌های سازگارتری برای گزارش سلامت دارایی و تصمیم‌های سرمایه‌گذاری تولید کند.

برای خریداران و مهندسان صنعتی، این پروژه نشان می‌دهد کیفیت و قابلیت ردیابی داده‌های بازرسی می‌تواند در برنامه‌ریزی نگهداری ترانسفورماتور و دارایی‌های شبکه نقش پررنگ‌تری پیدا کند. اگر نتایج آزمون موفق باشد، پایش مبتنی بر وضعیت می‌تواند به شناسایی زودهنگام عیب و اولویت‌بندی دقیق‌تر تعمیرات کمک کند؛ اما تصمیم‌های تجهیزاتی باید تا انتشار نتایج نهایی، بر پایه الزامات فنی و روش‌های تأییدشده موجود باقی بماند.