Niemiecki ośrodek Fraunhofer Institut für Energiewirtschaft und Energiesystemtechnik (IEE) wprowadził bezpłatne, open-source’owe rozwiązanie do wczesnego wykrywania awarii w sektorze energetycznym. Nowe narzędzie „EnergyFaultDetector” powstało w odpowiedzi na rosnące potrzeby digitalizacji sektora energetycznego i zapotrzebowanie na predykcyjne utrzymanie ruchu instalacji technicznych, szczególnie w energetyce wiatrowej.
Rozwój narzędzia był bezpośrednią reakcją na potrzeby zgłaszane przez operatorów farm wiatrowych. „Wczesne wykrywanie awarii to centralny element predykcyjnego utrzymania ruchu w farmach wiatrowych, co wyraźnie pokazał projekt ModernWindABS. Wspólnie z operatorami farm wiatrowych ustaliliśmy, jakie innowacje technologiczne są im najbardziej potrzebne. Wykrywanie anomalii zostało umieszczone na szczycie listy” – wyjaśnia Cyriana Roelofs, kierowniczka projektu ADWENTURE.
Konwencjonalne koncepcje utrzymania ruchu osiągają granice swoich możliwości – są często reaktywne, wymagają dużych nakładów personalnych lub są trudne do skalowania technologicznego. EnergyFaultDetector ma rozwiązać te problemy, oferując wszechstronne, skalowalne narzędzie do automatycznego wczesnego wykrywania awarii.
Sztuczna inteligencja w służbie niezawodności
Framework został opracowany przez zespół AEFDI (Automated Energy Fault Detection and Identification) w ramach kilku projektów badawczych Fraunhofer IEE. Wykorzystuje samouczące się algorytmy do wykrywania w czasie rzeczywistym nietypowego zachowania instalacji technicznych – od turbin wiatrowych, przez procesy energetyczne, po infrastrukturę ciepłowniczą.
„Nasz EnergyFaultDetector wprowadza tę technologię do praktyki i czyni predykcyjne utrzymanie ruchu łatwo dostępnym dla wielu operatorów. Umożliwia szybkie, niezawodne wykrywanie awarii, które nie wymaga dodatkowego sprzętu i można je elastycznie dostosować do różnych instalacji” – mówi Florian Rehwald, odpowiedzialny za produkt w Fraunhofer IEE.
Elastyczne rozwiązanie bez dodatkowych inwestycji
Framework bazuje na podejściu autoencoder i można go dostosować do dowolnych źródeł danych. Kluczową zaletą jest wykorzystywanie wyłącznie istniejących danych SCADA, co oznacza, że nie jest potrzebny żaden dodatkowy sprzęt. Automatyczne dostosowanie modelu pozwala na łatwą skalowalność do różnych obszarów zastosowań.
Poza automatycznym wykrywaniem awarii, EnergyFaultDetector wspiera również analizę przyczyn, umożliwiając optymalne przygotowanie działań serwisowych. Wykorzystuje do tego własny algorytm ARCANA z dziedziny wyjaśnialnej sztucznej inteligencji. Dzięki ARCANA można precyzyjnie zidentyfikować czynnik powodujący awarię, nawet przy użyciu modelu „czarnej skrzynki”.
Dostępność i łatwość implementacji
EnergyFaultDetector jest dostępny dla zainteresowanych programistów i użytkowników jako rozwiązanie open-source. Oprogramowanie jest dostępne jako biblioteka Python i można je zainstalować przez pip. Dla szczególnie szybkiego rozpoczęcia pakiet zawiera moduł quick_fault_detector, który jedną linią kodu analizuje dane operacyjne z pliku CSV i identyfikuje potencjalne awarie.
Fraunhofer IEE oferuje wsparcie przy integracji narzędzia z istniejącymi systemami zarządzania operacyjnego. Do zapoznania się z rozwiązaniem dostępny jest bezpłatny dostęp demonstracyjny do platformy monitorowania instalacji wiatrowych.
Źródło: Fraunhofer-Institut für Energiewirtschaft und
Energiesystemtechnik
