DE FR

IMAGE – Maintenance intelligente des composants du réseau de transport d’électricité

Résumé

Textes supplémentaires

Schlussbericht

Dieses Projekt zielt darauf ab, i) innovative Methoden für die datengestützte Fehlererkennung und -diagnose von Stromnetzanlagen zu erforschen und ii) die Entwicklung von Algorithmen für die Wartungsplanung zu unterstützen. In diesem Projekt wurden drei Hauptanlagen betrachtet, nämlich Stromleitungen, Isolatoren und Leistungstransformatoren. Das Projekt nutzte eine Vielzahl von Daten (Strommessungen, Luftbilder und Gaskonzentrationsmessungen), die vom Industriepartner gesammelt wurden, sowie verschiedene Modelle zur Musterextraktion. Modernste physikalisch basierte Modellierung, evolutionäre Algorithmen, Deep-Learning-Architekturen, probabilistische Methoden und Transfer-Learning wurden eingesetzt, um die Merkmale realer Daten wie Unvollständigkeit, Unsicherheit, Variabilität und begrenzte Datensatzgrößen zu berücksichtigen. Letzteres stellt eines der Haupthindernisse bei der Anwendung von Machine/Deep Learning für die Diagnose von Anlagen im Stromnetz dar. Die Projektergebnisse haben gezeigt, dass bestehende maschinelle Lernmodelle bei der Durchführung von Analysen auf Komponentenebene sehr genau sein können, vorausgesetzt, es sind ausreichende und qualitativ hochwertige Daten verfügbar. Die wichtigsten Ergebnisse dieses Projekts sind fünf Forschungspapiere und drei Tools, die unserem Projektpartner Swissgrid AG zur Verfügung gestellt wurden.

Publikationen / Ergebnisse

Infrastrukturanlagen wie das Stromnetz werden für einen verlässlichen Betrieb regelmässig gewartet. Dabei müssen Abnutzungen und Beschädigungen frühzeitig erkannt werden. Ein Team aus Wissenschaftlerinnen und Wissenschaftlern der Eidgenössischen Technischen Hochschule (ETH) Zürich hat in Zusammenarbeit mit der nationalen Netzgesellschaft Swissgrid Möglichkeiten einer vorausschauenden Instandhaltung des Stromnetzes untersucht. Ziel ist eine automatisierte Fehlerdetektion und -klassifizierung mithilfe von Modellen des maschinellen Lernens.

Détails du projet

Office de recherche
BFE
Statut du projet
Abgeschlossen
Type de projet
Forschungsprojekt
Date de début
2020-09-30
Date de fin
2023-06-29
Coûts totaux approuvés
CHF 299594.00
Section
Netze
Domaine politique NABS
Erzeugung, Verteilung und rationelle Nutzung der Energie

Catégories

Control systems and monitoring Netze & Systeme Anwendungsorientierte Forschung

Labels

F+E Netze Digitalisierung