التحميل
التحميل
يقدم قطاع الطاقة وخوارزميات التعلم الآلي الكثير من الفرص لبعضهما البعض، بدءًا من البطاريات الذكية إلى التحكم في اللوجستيات على نطاق واسع. وتتناول هذه الحالة الخاصة توزيع الكهرباء على المستوى الوطني.
يُعدّ ضمان استقرار وأمان شبكة الكهرباء في إقليم واسع تحديًا كبيرًا، بدءًا من أنظمة توليد الطاقة وصولاً إلى شبكات النقل، بما في ذلك الروابط المحلية والإقليمية وحتى الدولية.
يُعدّ توليد الطاقة وتوزيعها قضايا سياسية واجتماعية هامة بسبب علاقتها الكبيرة بالبيئة وتغير المناخ، مما يعزز أهمية استخدام جميع الأدوات المتاحة لتحسين كفاءة وأمان هذا القطاع.
في هذا السياق، قدمت فوكوم لشركة الطاقة خبرتها ووظائفها في مجالات التحسين والتنبؤ والكشف عن الأعطال، مما سيسهم بلا شك في دعم قطاع الطاقة في المستقبل.
تؤثر الانقطاعات الطفيفة في توزيع الطاقة بشكل كبير على جودة حياة السكان. كما قد تشكل خطرًا بيئيًا كبيرًا وتحمل تكلفة مالية عالية. ولذلك، فإن صيانة شبكة الكهرباء تعتبر أولوية قصوى لهذا القطاع، الذي يخصص الكثير من الموارد البشرية لهذا العمل.
يوفر هذا السياق التحدي المتمثل في السعي للتعرف التلقائي على مجموعة واسعة من الأعطال في أبراج الشبكة. الهدف هو تحديد الشقوق والتآكل وغيرها من مؤشرات المخاطر بدقة من خلال صور فوتوغرافية ذات دقة منخفضة، مما يؤدي إلى زيادة القدرة على تحليل حالة الشبكة بشكل يومي.
يميز هذا التحدي نطاق تقنيات الرؤية الحاسوبية التي يتضمنها، حيث يشمل تصنيف الصور متعدد التسميات واكتشاف الأشياء (لتحديد الأعطال المحددة في الصورة)، والتقسيم (لتحديد المناطق المتضررة من التآكل بدقة). من المهم ملاحظة أن البيانات موسومة بشكل نوعي (أي دون معلومات لاكتشاف الأشياء أو التقسيم). كما أن الفئات غير متوازنة بشكل كبير.
لذلك، تمثل الحلول التي اقترحتها فوكوم مجموعة من الأدوات التي تعمل بشكل منسق.
يعد تقسيم الصدأ تحديًا صعبًا ومهمًا بشكل خاص في العالم الصناعي، حيث تضم الصور مجموعة واسعة من "القوام" والسطوع ومنحنيات الألوان والمقاييس والخلفيات، بما في ذلك الأراضي بألوان الصدأ النموذجية. ومع ذلك، قمنا بتطوير مجموعة من الخوارزميات الخاصة التي تتمتع بالقدرة على تحليل دقة الصورة، وكانت قادرة على تحديد المناطق المتضررة بدقة كبيرة.
رغم صعوبات الوسم المشار إليها، حققنا نتائج تنافسية جدًا، حيث كانت مستويات الدقة بين 90 و95% لخمسة من أصل ست فئات من الأعطال (وفي الفئة السادسة الأقل تمثيلًا كانت نسبة الدقة 83%). كما تم تكملة الاقتراح بأداة لعرض "المناطق ذات الاهتمام" لتسهيل الفحص البصري للنتائج من قبل المشغلين.
تذكر: لا يمكننا تحسين ما لا نقيسه.
تواصل معنا احجز موعدًا لاجتماع استراتيجي