Периферийный ИИ для защиты сетей и предотвращения аварий

Журнал «ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» продолжает мониторинг развития технологий искусственного интеллекта и мировой практики его применения для решения задач повышения надежности электросетевой инфраструктуры. Все более ярко выраженной становится тенденция смещения вектора развития отраслевых систем мониторинга от облачной обработки данных к внедрению периферийного искусственного интеллекта (Edge AI). Этот тренд обусловлен необходимостью мгновенного реагирования на экстремальные погодные условия, угрозы лесных пожаров, а также отдельные негативные события в самих сетях, когда задержка в передаче данных в удаленные центры принятия решений может привести к катастрофическим последствиям.

Проект Edge Alert Sentinel (США)

В ответ на сложные климатические условия, характерные для ряда регионов, энергетическая компания SDG&E (дочернее предприятие Sempra) совместно с Qualcomm Technologies и Океанографическим институтом Скриппса (Калифорнийский университет в Сан-Диего) представили инициативу Edge Alert Sentinel (EAS).

Ключевая особенность подхода — обработка критически важных данных непосредственно в точке возникновения риска. Первая система уже установлена на горе Паломар, где она в режиме реального времени анализирует данные о ветре, погоде и состоянии окружающей среды. В основе развертывания лежит защищенная шлюзовая платформа периферийного ИИ на базе процессора Qualcomm Dragonwing™ IQ9, способного выполнять до 100 трлн операций в секунду. Оборудование позволяет генерировать прогнозные оповещения прямо на месте событий и передавать их в диспетчерский центр SDG&E через частную сотовую сеть практически без задержек.

Получая в реальном времени уже обработанную информацию, персонал электросетевой компании имеет возможность ускоренного принятия решений о необходимости начала подготовки / выдвижения ремонтных бригад для предотвращения / устранения последствий технологических нарушений.

Результаты пилотного этапа послужат основой для расширения возможностей моделирования и развития региональных приложений. Более широкое внедрение запланировано на 2027 год.

Системы раннего обнаружения

Параллельно с метеорологическим мониторингом в 2026 году наблюдается масштабное внедрение ИИ для выявления технических причин возгораний. Исследовательские лаборатории США, включая Тихоокеанскую северо-западную национальную лабораторию (PNNL), анонсировали новые инструменты на базе машинного обучения для обнаружения электрической дуги и аномального поведения оборудования на линиях электропередачи и в распределительных подстанциях.

Периферийные модели, работающие непосредственно на объектах, анализируют сигналы с высокочастотных акустических и электромагнитных датчиков. При выявлении характерных сигнатур электрической дуги система способна инициировать автоматическое секционирование сети или отправить экстренный сигнал ремонтным бригадам, с целью предотвращения падения проводов и возникновения короткого замыкания. Кроме того, технологии периферийного ИИ интегрируются в автономные БПЛА для автоматизированных инспекций критической инфраструктуры, расширяя такой подход на систему управления активами.

Синергия отрасли и академической науки

Успех систем раннего предупреждения опирается на объединение операционного опыта энергетиков и фундаментальной науки. В вышеупомянутом проекте Океанографический институт Скриппса предоставляет уникальные многолетние массивы данных об атмосферных условиях, что позволяет ИИ не просто фиксировать факты, а предсказывать развитие опасной ситуации в реальном времени.

Интеграция спутниковых данных о термических аномалиях, прогнозов ИИ и топологии распределительных сетей позволяет энергокомпаниям превентивно выводить бригады в зоны риска, изолировать уязвимые фидеры до начала развития экстремальных условий и планировать превентивные отключения электроэнергии с беспрецедентной точностью.

Таким образом, начавшийся переход к использованию периферийного ИИ и систем машинного зрения знаменует собой отказ от реактивного мониторинга в пользу проактивного управления рисками. Интеллектуальные узлы, способные самостоятельно анализировать обстановку и принимать решения на уровне распределительных сетей, становятся новым стандартом обеспечения пожарной безопасности и устойчивости электроэнергетической инфраструктуры.

Подготовлено с использованием материалов: TDWorld, SDG&E, Qualcomm Technologies, UC San Diego, PNNL, IEEE, Newswise