Аспирант Тюменского индустриального университета Владислав Шеломенцев нашел решение для повышения эффективности эксплуатации энергооборудования. Он разработал Grid Optimizer – платформу предиктивной аналитики и мониторинга для электроэнергетических сетей.
Решение использует методы искусственного интеллекта для анализа данных в реальном времени, прогнозирования отказов и оптимизации процессов технического обслуживания. Основная цель проекта – сократить простои, снизить расходы на обслуживание и улучшить надежность энергосистем.
Владислав Шеломенцев – аспирант 4 курса Института промышленных технологий ТИУ. Идея разработки платформы Grid Optimizer пришла к молодому ученому во время прохождения программы переподготовки университета ИТМО «Искусственный интеллект в промышленности», где необходимо было реализовать и защитить проект. Особое внимание при этом уделялось реальным прикладным задачам и данным.
«Проведя обзорное исследование, мы с коллегами обнаружили самые аварийные по статистике компоненты силовых трансформаторов – высоковольтные вводы. А силовые трансформаторы – это ключевые элементы энергосистем, их выход из строя приводит к значительным финансовым потерям, – рассказал Владислав Шеломенцев. – Традиционные методы диагностики зачастую являются ручными, медленными и требуют значительных ресурсов. Мы стремились создать решение, которое бы автоматизировало этот процесс, позволяя быстро и точно выявлять дефекты, прогнозировать состояние оборудования и предоставлять рекомендации по обслуживанию».
Результатом воплощения идеи станет удобная платформа для мониторинга и прогнозирования электрооборудования Grid Optimizer, которая внедряется бесшовно и адаптируется под стандарты и требования потребителя. Сейчас она представлена тремя модулями для силового трансформатора, апробированными на реальных производственных данных: компьютерное зрение, анализирующее термографические данные и выявляющее наличие дефекта; мониторинг параметров электроснабжения для выявления аномалий; прогнозирование состояния трансформаторов на основе хроматографических данных.
В рамках Летней школы Института искусственного интеллекта AIRI коллектив проекта начал работу по выявлению и классификации дефектов высоковольтных двигателей. На данный момент уже завершен первичный этап НИОКР, протестированы три модуля платформы, достигнут уровень TRL-5. Команда сотрудничает с несколькими индустриальными партнерами, активно участвует в конференциях, научных конкурсах и акселерационных программах для развития, продвижения и апробации проекта.
«Согласно исследованиям и отчетам компаний за 2023-2024 годы, внедрение подобных практик позволяет сократить затраты на техническое обслуживание до 30% и время простоя оборудования до 45%. Наши исследования высоко оценили передовые эксперты на Летней Школе AIRI. Мы установили сотрудничество с проектной командой университета ИТМО, занимающейся отечественным AutoML-FEDOT. В рамках конкурса проектов программы развития университета «Приоритет-2030» привлекли грант на дальнейшую реализацию проекта, – поделился успехами Владислав. – Наша команда постоянно расширяется и сейчас состоит из более десятка специалистов с опытом в электроэнергетике, анализе данных, разработке программного обеспечения, коммерциализации и др.».
В команду проекта вместе с Владиславом Шеломенцевым входят ученые ТИУ Илья Сухачев, Сергей Сидоров, Федор Лосев и Егор Ревякин. Экспертами и наставниками выступают д-р. техн. наук, профессор Рустам Хамитов и канд. техн. наук, доцент Гузель Хмара, заведующая кафедрой электроэнергетики.
В ближайших планах команды – расширение базы данных для обучения моделей и проведение пилотных внедрений на крупных энергетических предприятиях. В будущем ожидается масштабирование платформы, добавление новых функций, таких как создание цифрового двойника электрооборудования, и расширение на другие сегменты энергетического рынка.