Sztuczna Inteligencja i Big Data wspierają zarządzanie elektrownią

Pierwszy model predykcyjny, wykorzystujący nowoczesne modele wykrywania anomalii i przewidywania awarii, został wdrożony w należącej do TAURON Elektrowni Łagisza. Działanie systemu sprowadza się do analizy dużych zbiorów danych sensorowych z wykorzystaniem najnowocześniejszych metod sztucznej inteligencji (m.in. Deep Learning – nowoczesna odmiana sieci neuronowych).

Głównym zadaniem systemu klasy Product Data Management, zainstalowanego w Łagiszy, jest inteligentne wspomaganie procesu zarządzania eksploatacją ukierunkowane na zmniejszenie ilości awarii, podniesienie gotowości oraz bezpieczeństwa technicznego maszyn.

Dzięki zaawansowanym technikom typu Data Mining, a w szczególności uczenia maszynowego, system na podstawie próby historycznych danych eksploatacyjnych (danych z sensorów, danych dotyczących zaistniałych awarii i wykonanych napraw, danych opisujących proces produkcyjny, tryby pracy maszyn, jak również różnego rodzaju modeli eksploatacyjnych) buduje matematyczne modele predykcyjne.

W kolejnym kroku, na podstawie bieżących danych z czujników przekazywanych do modelu predykcyjnego on-line, system daje możliwość wykrywania nieprawidłowości w pracy maszyn, a nawet wykrywania awarii na wiele godzin przed jej wystąpieniem.

- Dzięki takiej wiedzy istnieje możliwość prowadzenia uzasadnionego ekonomicznie serwisu prewencyjnego, a w konsekwencji minimalizowania prawdopodobieństwa wystąpienia awarii oraz jej skutków – podkreśla Kazimierz Szynol, prezes zarządu TAURON Wytwarzanie

Modele i analizy predykcyjne wykorzystują historyczne i bieżące dane w celu przewidywania przyszłych zdarzeń, potencjalnych zagrożeń i możliwych trendów. Najważniejszym procesem jest budowa modeli analitycznych, na podstawie których dokonywana będzie aktualna predykcja stanu technicznego maszyn (wykrywanie anomalii i przewidywanie awarii). Model analityczny powstaje na podstawie danych historycznych i gdy zostanie wygenerowany, stanowi pewnego rodzaju „czarną skrzynkę”, przez którą, w kolejnym kroku, przepuszczane są bieżące dane celem uzyskania predykcji aktualnego stanu technicznego maszyn.

Strategia predykcyjnego utrzymania ruchu bloków energetycznych, na bazie wniosków z analizy danych, daje możliwość oceny stanu technicznego maszyn oraz przewidywania wystąpienia ich awarii, jak również pomaga identyfikować ich przyczyny.

W odróżnieniu od strategii reaktywnej lub strategii prewencyjnej ustalonej w oparciu o średnie okresy pracy bezawaryjnej danej jednostki, strategia predykcyjnego utrzymania ruchu bloków energetycznych daje możliwość świadomego zarządzania eksploatacją maszyn oraz procesem produkcyjnym.

Blok 910 MW, który powstaje w Jaworznie, również będzie wyposażony w systemy predykcyjne oraz systemy zarządzania aktywami, których celem jest utrzymywanie jak najwyższej dyspozycyjności, żywotności i sprawności bloku.