Energetinio interneto ir pramonės 4.0 susiliejimo kontekste elektriniai jungikliai, kaip pagrindinis energijos sistemų valdymo blokas, išgyvena paradigmos poslinkį nuo pasyvaus atsako prie aktyvios gynybos. Proveržis dirbtinio intelekto technologijos taikymas ne tik iš naujo apibrėžia tradicinio perjungimo funkcines ribas, bet ir skatina tradicinio perėjimo prie intelekto ir savęs{2}}gydymosi plėtrą. Šiame darbe dėmesys sutelkiamas į novatorišką dirbtinio intelekto praktiką elektros jungiklių gedimų prognozavimo ir adaptyvaus reguliavimo srityje, atskleidžiami jos techniniai principai, taikymo scenarijai ir įtaka pramonei.
I. Gedimų numatymas: nuo „Pagalbinių priemonių“ iki „Proaktyvios prevencijos“
Tradiciniai elektriniai jungikliai priklauso nuo slenksčio aliarmų ir rankinio patikrinimo, todėl vėluojama reaguoti į gedimus ir didelės priežiūros išlaidos. Dirbtinio intelekto (DI) technologijos įdiegimas sukėlė gedimų numatymo perversmą, nes buvo sukurtas uždaras „suvokimo-analitikos-sprendimų-priėmimo“ ciklas.
1. Multimodalinis duomenų sintezė ir gilus mokymasis
Dirbtinio intelekto sistemoje naudojami didelio{0}}tikslumo jutikliai, kurie realiuoju laiku renka daugiau nei 200 parametrų, įskaitant srovę, įtampą, temperatūrą, vibraciją ir dalinį iškrovimą, ir sujungia juos su istoriniais eksploatavimo ir priežiūros duomenimis bei aplinkos kintamaisiais, kad sudarytų daugiamatį duomenų rinkinį. Analizuojant transformatorių alyvos chromatografijos duomenis, modelis gali numatyti izoliacijos gedimus prieš 30 dienų, o tikslumas – 92 %. Modelis sujungia tokius parametrus kaip temperatūra, vibracija ir srovė, kad fiksuotų įrangos gedimo tendencijas, analizuojant laiko eilutes. Taikant 500 kV pastotę Jiangsu mieste, buvo sėkmingai prognozuotas trijų pagrindinių transformatorių korpusų izoliacijos senėjimo gedimas ir išvengta neplanuotų elektros energijos tiekimo nutraukimų daugiau nei 20 mln. juanių.
2. Fizinio mechanizmo įterpimas ir susietas mokymasis
Kad išspręstų duomenų retumo problemą sudėtingose situacijose, AI algoritmai į neuroninius tinklus įtraukia fizinius mechanizmus, tokius kaip Maksvelo lygtys ir izoliacijos degradacijos modeliai, pagerindami modelio aiškinamumą. Pavyzdžiui, „China Southern Power Grid“ sukūrė kryžminį-regioninį įrenginio sveikatos dalijimosi modelį bendrai mokydamasi, todėl naujai pagamintų prietaisų diagnostikos tikslumas pagerėjo 65 %, kartu išsaugant duomenų privatumą. Jo perdavimo linijos žaibo smūgio gedimų prognozavimo sistema sujungia palydovinio nuotolinio aptikimo, dronų apžiūros ir žemės jutiklių duomenis, kad sukurtų gedimo tikimybės šilumos žemėlapį, pailgindama įspėjimo langą iki 30 minučių, o tikslumas yra 91,7%.
3. Skaitmeniniai dvyniai ir pagrindinės priežasties diagnozė
Skaitmeninė dvynių technologija atkartoja vidinius fizinius įrenginio procesus, naudodama didelio tikslumo elektromechaninio sujungimo modeliavimą. Siemens Ansys Twin Builder platforma gali imituoti šiluminio įtempio pokyčius elektros energijos sistemose esant temperatūrai nuo -40 laipsnių iki 85 laipsnių ir numatyti IGBT modulio gedimo riziką prieš šešis mėnesius. Gedimų lokalizavimo metu lokalizacijos laikas sutrumpinamas nuo kelių valandų iki 90 sekundžių, analizuojant apsauginių veiksmų logikos grandinę. „Shenzhen Grid“ dirbtinio intelekto paskirstymo tinklo automatizavimo sistema naudoja CNN, kad apdorotų žaibo bangos formos ypatybes, ir kartu su GIS, kad parodytų gedimų kelius, užtikrina, kad 98% paskirstymo tinklo klientų išlaikytų maitinimą Typhoon摩羯 metu.
ii. Prisitaikantis reguliavimas: nuo „fiksuoto slenksčio“ iki „dinaminio optimizavimo“
Dirbtinio intelekto (AI) technologija suteikia elektrinio jungiklio aplinkos suvokimo ir savarankiško sprendimų{0}}priėmimo galimybių, leidžiančių dinamiškai koreguoti apsaugos strategijas, kad būtų pasiektas „suvokimo-sprendimo-vykdymas“ uždaros-kilpos valdymas, pagrįstas našumu realiuoju laiku.
1. Apkrovos pritaikymas ir energijos vartojimo efektyvumo optimizavimas
Pramoniniame scenarijuje AI dinamiškai optimizuoja jungiklių lūžimo ir apsaugos slenksčius, analizuodamas įrenginio veikimo duomenis. Pavyzdžiui, fotovoltinės plokštės valymo transporto priemonėje naudojami talpiniai jutikliai, talpiniai jutikliai, kelių šakių medžio topologijos tinklo išdėstymas, skaitmeninė dviguba technologija, skirta fotovoltinės plokštės krašto modeliui sukurti ir užbaigti susidūrimo numatymą bei trajektorijos reguliavimą per 0,1 sekundės, taip sumažinant įrenginio gedimų skaičių 80%. Buitiniuose scenarijuose išmanieji grandinės pertraukikliai gali sužinoti apie vartotojo elektros energijos vartojimo įpročius ir automatiškai reguliuoti apsauginius parametrus. Kai vaikas netyčia patenka į lizdą, sukeliantį trumpąjį jungimą, sistema per milisekundes atjungia maitinimą ir įspėja tėvus per mobiliąją programėlę. Ilgai -nebuvus namuose, naudotojas gali nuotoliniu būdu išjungti pagrindinį maitinimo šaltinį ir visiškai pašalinti pavojų saugai.
2. Aplinkos prisitaikymas ir gedimų izoliavimas
Dirbtinio intelekto sistemos gali automatiškai pritaikyti apsaugos strategijas prie besikeičiančių aplinkybių. Pavyzdžiui, „Rittal“ išmanusis vėsinimo sprendimas valdymo spintelėse įdiegia jutiklius su IIoT-, kurie realiuoju laiku rinks-temperatūros ir drėgmės duomenis ir numatytų įrenginių eksploatavimo trukmę, derinant juos su debesies-pagrįstais skaitmeniniais dvynių modeliais. Kai nustatoma, kad IGBT modulio jungties temperatūra yra didesnė nei 125 laipsniai, sistema automatiškai reguliuoja aušinimo ventiliatoriaus greitį ir pateikia priežiūros rekomendacijas, taip prailgindama maitinimo modulio tarnavimo laiką 40%. Projektuojant 1E klasės atominės elektrinės maitinimo šaltinį, avariniai dyzeliniai generatoriai naudoja dvigubą perteklinį valdymo modulį. Kai pagrindinis valdiklis nustato įtampos kritimą daugiau nei 15%, atsarginis valdiklis gali užbaigti perjungimą per 10 μs, užtikrindamas nuolatinį reaktoriaus aušinimo skysčio siurblių darbą.
3. Sinergijos kontrolė ir sisteminis gydymas
Išmaniuosiuose tinkluose DI{0}}varomi elektriniai jungikliai gali dirbti su energijos kaupimo sistemomis ir paskirstytais energijos šaltiniais, kad savaime{1}}taisytų gedimus. Pavyzdžiui, dirbtinio intelekto platforma, įdiegta itin aukšto pastato Šendžene paskirstymo sistemoje, sėkmingai išsprendė 13 įtampos kritimo problemą, analizuodama pastato apkrovos kreives ir fotovoltinės išvesties duomenis, kad automatiškai suaktyvintų 13 saugyklos įkrovimo ir iškrovimo strategijų. Platforma sumažina pastočių eksploatacines priežiūros išlaidas 42 42 %, 3,8 karto pailgina įrangos gedimų intervalus, patvirtino Valstybinis tinklo elektros energijos tyrimų institutas.
III. Pramonės poveikis: nuo „vieno įrenginio“ iki „visos{1}}grandinės ekosistemų“
Dirbtinio intelekto technologijų skverbimasis keičia konkurencinį elektros jungiklių pramonės kraštovaizdį. Viena vertus, tradiciniai gamintojai gali atnaujinti savo gaminius naudodami dirbtinį intelektą (AI): China Electrical Equipment Group CEG) pristatė „Dirbtinio intelekto + R&D projektavimo sistemą“, kurioje integruotos įvairios žinios, pvz., nacionaliniai ir pramonės standartai perdavimo ir transformavimo įrangai, ir palaikomi pažangūs sprendimai, susiję su aukštos -įtampos jungiklių projektavimo klausimais, sutrumpindami projektavimo ciklą 60 %. Kita vertus, pradedančios įmonės{5}}naudoja dirbtinio intelekto technologiją, kad įsiveržtų į nišines rinkas. Išmanusis grandinės pertraukiklis leidžia milisekundėmis aptikti subtilius tikslumo komponentų defektus naudojant AI matymo kokybės tikrinimo technologiją, o gaminio defektų dažnis nukrenta žemiau 0,01%.
Tarptautinė energetikos agentūra prognozuoja, kad dirbtinio intelekto technologija iki 2035 m. visame pasaulyje sumažins neplanuotų elektros energijos tiekimo nutraukimų skaičių 60 %. Sukūrus ISO 26262 ir IEC 61850, naujos kartos elektriniai jungikliai, kuriuose derinamas dirbtinis intelektas, skaitmeniniai dvyniai ir funkcinis saugumas, taps „skaitmeniniu šarvu“, skirtu energijos saugumui savarankiškai-diagnozuojantys, save-taisantys“ intelektualūs subjektai.
Lietuvių
