توسعه سامانه تشخیص و اصلاح عیوب اتصالات شبکه ۳۳ کیلوولت مبتنی بر تصاویر حرارتی، هوش مصنوعی و تعمیرات خط گرم

اتصالات الکتریکی در شبکه های ۳۳ کیلوولت، به رغم سهم اندک در ساختار فیزیکی شبکه، منشاء بخش قابل توجیهی از خاموشی ها، تلفات انرژی و خرابی های پیش رونده تجهیزات محسوب می شوند. این پژوهش یک سامانه هوشمند و یکپارچه را برای پایش، تشخیص و اصلاح زود هنگام عیوب حرارتی توسعه داده است. در روش پیشنهادی، تصاویر حرارتی ترموگرافی اخذ شده از اتصالات تحت بار، توسط الگوریتم های یادگیری عمیق پیش پردازش و تحلیل شده و عیوب بر اساس الگوی انتشار حرارت و سطح ریسک طبقه بندی می شوند. خروجی این سامانه به یک سیستم تصمیم یار ارجاع داده شده تا اولویت بندی رفع عیوب از طریق عملیات خط گرم (بدون اعمال خاموشی) انجام شود. نتایج پیاده سازی نشان می دهد که این رویکرد ضمن افزایش سرعت و دقت تشخیص در مراحل اولیه عیب، شاخص خاموشی های شبکه را کاهش و قابلیت اطمینان و بهره وری اقتصادی مدیریت دارایی ها را بهبود می بخشد. در نهایت، همگرایی ترموگرافی، هوش مصنوعی و عملیات خط گرم، الگویی نوین برای پایش پیشگویانه و مدیریت هوشمند توزیع در شبکه های قدرت پایه گذاری می کند.

کلیدواژه ها:

شبکه های ۳۳ کیلوولت ، تصاویر ترموگرافی ، یادگیری عمیق ، تعمیرات خط گرم ، نگهداری پیشگویانه