Добавить новость

УК «Энергоразвитие»: почему прогнозные модели могут ошибаться при переносе между электросетями

Модель прогнозирования неисправностей, обученная на данных воздушных линий, может давать ошибочные результаты при применении в кабельной сети: причины повреждений и условия эксплуатации различаются. В УК «Энергоразвитие» объяснили, что необходимо проверить при переносе таких цифровых решений между энергосистемами и почему одной настройки алгоритма недостаточно.

Речь идёт о моделях машинного обучения, которые находят закономерности в накопленных данных и помогают прогнозировать возможные нарушения в работе оборудования. По словам заместителя генерального директора по инновационной деятельности УК «Энергоразвитие», кандидата технических наук Эльмира Хакимзянова, такая аналитика поддерживает переход к обслуживанию по фактическому техническому состоянию. Но для её применения важно понимать, на каких данных обучалась модель и насколько они соответствуют новой задаче.

Различия связаны с физическими причинами повреждений: в воздушных сетях существенную роль играют погодные воздействия, а в кабельных – нарушения при земляных и строительных работах. Этот пример показывает, почему состав оборудования и условия его эксплуатации важны для оценки применимости модели.

«Одинаковые показатели надёжности могут складываться по разным причинам. Алгоритм, выявивший закономерности возникновения аварий в одной энергосистеме, не обязательно сможет корректно интерпретировать данные другой. Поэтому при переносе модели важно учитывать, что именно стоит за статистикой отключений и в каких условиях работает оборудование», – отмечает Эльмир Хакимзянов.

Отличаться может и сама статистика. В разных странах по-разному классифицируют аварийные события, учитывают плановые перерывы электроснабжения и крупные чрезвычайные ситуации. Если эти особенности не учесть, в обучающие данные могут попасть записи, которые выглядят похожими, но описывают разные события.

Для адаптации моделей Эльмир Хакимзянов выделяет пять взаимосвязанных этапов. Первые два посвящены подготовке сопоставимых данных: специалисты согласуют определения и правила учёта отключений, затем приводят местные категории инцидентов к общей классификации. Это позволяет одинаково интерпретировать сведения из разных источников ещё до настройки алгоритма.

Следующие этапы соединяют работу с данными и инженерную экспертизу. Модель настраивают на истории целевой энергосистемы: для предварительно обученных нейросетей предлагается трансферное обучение, при котором ранее полученные знания адаптируются к новым условиям. Затем алгоритмы дополняют инженерными ограничениями – регламентами обслуживания и ремонта, требованиями к эксплуатации оборудования с учётом погодных условий.

Пятый этап – постоянная проверка качества прогнозов. Она включает тестирование на исторических данных и отслеживание изменений параметров энергосистемы. Если точность снижается, работу модели необходимо корректировать. Адаптация продолжается и после первоначальной настройки решения.

Для сетевой компании или промышленного предприятия практический вопрос заключается в том, соответствует ли выбранная модель условиям конкретного объекта и как будет проверяться её работа. По оценке эксперта, для развития таких решений необходимы совместная работа энергетиков, осуществляющих эксплуатационную деятельность, экспертов в сфере диагностики электрооборудования и специалистов по анализу данных с доступом к реальной эксплуатационной информации.

Этот материал опубликован пользователем сайта через форму добавления новостей.
Ответственность за содержание материала несет автор публикации. Точка зрения автора может не совпадать с позицией редакции.
Moscow.media
Музыкальные новости

Новости Казани





Все новости Казани на сегодня
Президент Татарстана Рустам Минниханов


Rss.plus

Другие новости Казани




Все новости часа на smi24.net

Новости Татарстана


Moscow.media
Казань на Ria.city
Новости Крыма на Sevpoisk.ru

Другие города России