Метод основан на анализе данных тока утечки и напряжения с применением искусственного интеллекта для прогнозирования пробоя изоляторов. Алгоритм сначала классифицирует состояние поверхности изоляторов, а затем оценивает вероятность аварии с точностью свыше 98%. Ошибка прогнозирования пробоя составляет менее 1,16%.
В исследовании использовалась открытая библиотека LightAutoML. Как отметил директор Центра практического искусственного интеллекта Сбера Глеб Гусев, работа ученых под названием Supervised Learning based Method for Condition Monitoring of Overhead Line Insulators using Leakage Current Measurement («Метод обучения с учителем для мониторинга состояния изоляторов воздушных линий электропередачи на основе измерения тока утечки») доказала, что машинное обучение способно с рекордной точностью предсказывать аварии.
«Метод работает на реальных данных и учитывает ключевые факторы риска — загрязнение и влажность. Внедрение таких решений позволит энергокомпаниям снизить затраты на обслуживание и повысить надежность сетей», — заявил Гусев.
Ранее сообщалось, что в Челябинской области социальные работники начали использовать технологические решения, позволяющие на 80% сократить время обработки документов. Пилотный проект был апробирован в Миассе, после чего его планируется распространить на все муниципальные учреждения региона, сообщили в пресс-службе Министерства социальных отношений области.
