РЕАЛЬНЫЙ МИРОВОЙ ИИ
Как встроенное машинное обучение помогает предотвратить лесные пожары
Разрушительные лесные пожары можно предотвратить с помощью встроенного машинного обучения на устройстве
Если вы не являетесь участником Medium, вы можете найти неограниченную версию этой статьи здесь.
Летом 2018 года лесной пожар в Калифорнии, Томасский пожар, уничтожил 1000 зданий и привел к гибели 22 человек [1a]. Причиной возгорания стали линии электропередач.
В другом случае, также в Калифорнии, линии электропередач были обвинены в дюжине лесных пожаров, в результате которых в 2017 году погибло 18 человек [1b].
Много лет назад в Австралии, в 2009 году, во время одного из самых страшных сезонов пожаров в стране целый город недалеко от Мельбурна был стерт с лица земли.
Пожар начался из-за линий электропередач.
Только за один день этого сезона пожары на линиях электропередач унесли жизни 159 человек [2].
В Техасе за последние годы более 4000 лесных пожаров были вызваны линиями электропередач [3].
И есть еще много примеров, о которых можно говорить.
Лесные пожары, вызванные линиями электропередач, являются повторяющейся проблемой в некоторых частях мира, особенно там, где есть большие участки лесных угодий и где лето жаркое, сухое и ветреное.
Такие места, как Калифорния и Австралия.
Линии электропередач и лесные пожары
По данным Департамента лесного хозяйства и противопожарной защиты Калифорнии, лесные пожары могут начаться при соприкосновении деревьев и веток с линиями электропередач.
Техасский проект по смягчению последствий лесных пожаров также определил несколько других способов, которыми линии электропередач могут вызывать лесные пожары. К ним относятся:
- Сниженные строки. До 30 % случаев падения линий электропередач на землю приводят к отказу их защитных механизмов от короткого замыкания, что приводит к возможному дуговому разряду высокого напряжения — это может привести к воспламенению растительности или горючих материалов вблизи упавшей линии электропередач. линия.
- Пощечина дирижера. Линии электропередач проектируются с достаточным зазором между проводниками, но иногда они сталкиваются, создавая дугу, которая может выбрасывать горячие металлические частицы и вызывать пожары.
- Повторяющиеся ошибки. В большинстве линий электропередач возникают случайные неисправности, которые могут привести к возгоранию. Однако некоторые линии электропередач подвержены повторяющимся неисправностям, которые могут привести к значительному риску возгорания, если их не устранить.
- Отказы оборудования. Компоненты линии электропередач (переключатели, изоляторы, трансформаторы и т. д.) в основном работают безотказно в течение многих лет, хотя некоторые из них время от времени выходят из строя — когда это происходит, будь то сразу или в результате постепенного износа, могут возникать искрение и искрение. разжигать пожары.
Каким бы ни был метод, нет никаких сомнений в том, что предотвращение лесных пожаров, вызванных линиями электропередач, может спасти жизни и предотвратить серьезный ущерб имуществу и имуществу.
Вопрос в том, как?
Предотвращение лесных пожаров, вызванных линиями электропередач
Одним из многообещающих подходов является использование искусственного интеллекта (ИИ) — и, в частности, встроенного машинного обучения — для выявления и оповещения потенциальные угрозы лесных пожаров, вызванные линиями электропередач.
Благодаря своевременным оповещениям коммунальные предприятия могут предпринять превентивные действия (или упреждающее техническое обслуживание), чтобы предотвратить возможные риски возгорания.
Но, учитывая обширные площади, пересекаемые линиями электропередач, огромное количество опор и компонентов ЛЭП, а также высокую стоимость квалифицированных технических специалистов для доступа и мониторинга возможных неисправностей, выявление и оповещение о возможных рисках возгорания на линиях электропередач является серьезной проблемой.
Как это можно сделать?
Что такое встроенное машинное обучение?
Здесь может помочь машинное обучение.
Алгоритмы машинного обучения можно научить определять условия, при которых возникает возможная угроза возгорания на линиях электропередач.
После обнаружения оповещения могут вызывать коммунальные службы и пожарные бригады до того, как разразятся крупные пожары, а данные можно собирать для постоянного улучшения.
Но у машинного обучения в его обычной форме есть свои ограничения — алгоритмы могут быть сложными, требующими высокой мощности и пропускной способности. Это делает стандартные решения машинного обучения непрактичными для ряда полевых приложений, где доступ и ресурсы могут быть ограничены.
Однако встроенное машинное обучение может решить эти проблемы.
Встроенное машинное обучение (встроенное машинное обучение) — также называемое AIoT, машинное обучение на устройстве или tinyML. em> — это новая область ИИ, направленная на использование возможностей машинного обучения в малых, портативных и высокоэффективных форм-факторах.
Благодаря этим характеристикам встроенное машинное обучение можно развернуть в ряде приложений, где доступ к источникам питания, связи и вычислительным ресурсам может быть очень ограничен.
В случае линий электропередач, протянувшихся на сотни (или тысячи) миль, часто в отдаленных или труднопроходимых местах, с ограниченной досягаемостью связи или (подходящим, низковольтным) доступом к электропитанию, встроенное машинное обучение предлагает идеальное решение.
Встроенное машинное обучение можно использовать для автоматического интеллектуального мониторинга линий электропередач для непрерывного обнаружения в реальном времени неисправностей, которые могут привести к пожару.
Автоматический интеллектуальный мониторинг линий электропередач с помощью встроенного машинного обучения
Именно это и делает в Словении компания Изоэлектро, специализирующаяся на установке и обслуживании систем электросетей.
Изоэлектро сотрудничает с технологическими фирмами Edge Impulse и Arm, а также с консультантами по инновациям Irnas для разработки RAM-1.
RAM-1 – это интеллектуальная система мониторинга электросетей, которая использует встроенное машинное обучение для мониторинга линий электропередач на предмет возгорания в режиме реального времени. Это работает следующим образом:
- Специальные алгоритмы машинного обучения обучены обнаруживать различные неисправности, возникающие в линиях электропередач, которые могут привести к пожару.
- Затем обученные алгоритмы делаются более компактными за счет уменьшения требований к памяти с помощью сокращения (удаления нежелательных узлов сети) и квантования (преобразования чисел с плавающей запятой в в целые числа), среди других методов
- Алгоритмы используются только для логических выводов — для выявления ошибок на основе обученных параметров — требуют меньше вычислительных ресурсов, чем на этапе обучения.
- Модель реализована на эффективной интегральной схеме с низким энергопотреблением — Nordic NRF9160 с Arm Cortex-M33, поддерживающей 1 МБ флэш-памяти и 256 КБ ОЗУ — возможность легкого развертывания в удаленных установках линий электропередач
- Устройство помещено в надежный корпус, способный выдерживать различные экстремальные условия окружающей среды.
Каждое устройство RAM-1 высокоэффективно, портативно и потребляет очень мало энергии — оно может работать 20 лет без подзарядки батареи!
Устройства RAM-1 являются новым и инновационным дополнением к существующим электрическим компонентам, которые обычно присутствуют в энергосистеме, многим из которых может быть несколько десятков лет.
С помощью RAM-1 линии электропередач постоянно отслеживаются на наличие возможных неисправностей, которые могут вызвать пожар (например, искрение или искрение).
Встроенное машинное обучение предоставляет RAM-1 «умную» способность выявлять соответствующие угрозы, а после выявления оповещения в режиме реального времени отправляются в систему обслуживания.
Встроенный ML предлагает множество возможностей
Используя RAM-1, «Изоэлектро» значительно расширяет возможности мониторинга своих систем линий электропередач.
RAM-1 уменьшит вероятность лесных пожаров, вызванных неисправностями, предотвратит ненужные разрушения и в результате спасет жизни.
RAM-1 — это пример захватывающих возможностей, которые портативный, эффективный ИИ малого форм-фактора — встроенный ML, AIoT или tinyML — открывает для целого ряда будущих приложений, которые ранее были сложными, или невозможно, сделать.
В итоге
- Лесные пожары, вызванные неисправностями линий электропередач, являются основным источником смертей и разрушений во многих частях мира.
- Контроль линий электропередач на предмет возможных неисправностей труден и дорог, особенно с учетом обширной, а иногда и удаленной местности, по которой проходят линии электропередач.
- Встроенное машинное обучение, также называемое машинным обучением на устройстве, AIoT или tinyML, представляет собой новую область ИИ, объединяющую мощь машинного обучения в небольшие , портативный и высокоэффективный форм-фактор
- С помощью встроенного машинного обучения возможен автоматический, интеллектуальный и портативный мониторинг линий электропередач.
- Компания «Изоэлектро» — в партнерстве с Edge Impulse, Arm и Irnas — разработала инновационное встроенное решение для машинного обучения для мониторинга линий электропередач под названием RAM-1.
- RAM-1 автоматически обнаруживает сбои в линиях электропередач, которые могут привести к лесным пожарам, и оповещает систему технического обслуживания в режиме реального времени.
- Встроенное машинное обучение предлагает возможности для многих приложений, таких как RAM-1, каждое из которых может улучшить нашу жизнь способами, которые ранее было трудно или невозможно сделать.
Первоначально опубликовано по адресу: https://highdemandskills.com/preventing-wildfires-embeddedml/
Ссылки
[1a,b] Уильям Аткинсон, Связь между линиями электропередач и лесными пожарами, подрядчик по электротехнике, 26 ноября 2018 г. (загружено с: https://www.ecmag.com/section/systems/link- между линиями электропередач и лесными пожарами, июль 2021 г.)
[2] Питер Фэрли, Как австралийский штат боролся с лесными пожарами, вызванными сетью, IEEE Spectrum, 11 ноября 2019 г. (загружено с: https://spectrum.ieee.org/energywise/energy/ the-smarter-grid/how-an-australian-state-stacked-from-gridsparked-wildfires, июль 2021 г.)
[3] Как линии электропередач вызывают лесные пожары, Техасский проект по предотвращению лесных пожаров (загружено с: https://wildfiremitigation.tees.tamus.edu/faqs/how-power-lines-cause-wildfires , июль 2021 г.)
