Ученые Центра практического искусственного интеллекта Сбербанка вместе с другими российскими и международными исследователями разработали инновационный подход к мониторингу состояния изоляторов воздушных линий электропередачи.
Метод использует данные тока утечки и напряжения для прогнозирования пробоя изоляторов. Алгоритм работает в два этапа: сначала классифицирует состояние поверхности как сухое или влажное, затем оценивает риск аварии с точностью классификации более 98% и ошибкой прогнозирования пробоя менее 1,16%. Эти показатели значительно превосходят традиционные методы диагностики, такие как визуальный осмотр или инфракрасные камеры, которые требуют значительных ресурсов и не всегда точны. Для реализации метода была использована открытая библиотека LightAutoML, разработанная в Центре практического искусственного интеллекта Сбера.
Разработка особенно важна для энергетических компаний, поскольку позволяет перейти от планового обслуживания к предиктивным ремонтам, что может помочь сократить расходы и повысить надежность электроснабжения. Для научного сообщества метод открывает новые возможности анализа состояния электрооборудования, а для общества в целом означает снижение количества аварийных отключений, особенно в регионах с высокой влажностью и загрязненным воздухом.
Это исследование вносит весомый вклад в цифровизацию энергетики. Мы показали, что машинное обучение не только может предсказывать аварии, но и делает это с рекордной точностью.
Проведенная работа также создает основу для интеллектуальных энергосистем будущего. Авторы отмечают: метод можно адаптировать для различных типов изоляторов и уровней напряжения, а это делает его универсальным инструментом повышения устойчивости электросетевой инфраструктуры.
Ранее мы рассказывали о запуске сети автономных гидрологических постов на малых реках Ямала от МГУ.
