Kontrola a prevence poruch prvků přenosové soustavy jsou nezbytnou součástí činnosti jejího výhradního provozovatele, společnosti ČEPS. Tyto aktivity jsou však spojeny s nemalými náklady a rovněž potřebou pořizování a zpracovávání velkého množství dat. V rámci digitalizačního rozvoje přenosové soustavy nyní ČEPS mimo jiné ověřuje možnost využití neuronových sítí a umělé inteligence pro vyhodnocování obrazu z leteckých kontrol.
V rámci politiky maximální bezpečnosti a spolehlivosti provozu přenosové soustavy (PS) jsou nastaveny poměrně přísné parametry kontroly stavu fyzického vedení tak, aby každá technická a provozní anomálie byla včas odhalena a předána k opravě. Identifikovány jsou například povolené závlačky izolátorových závěsů, prasklé izolátorové talíře, stopy po přeskoku nebo deformace ocelové konstrukce stožáru vlastní vahou. Tato kontrolní a preventivní činnost má v ČEPS, a. s., dlouholetou tradici, jejímž výsledkem jsou naprosto minimální počty případů poruch vedení. Dlouhodobě se tak monitoruje a zaznamenává stav a kondice vedení podle metodiky, která patří ve srovnání se zahraničními praxemi mezi nejpřísnější a kladoucí vyšší požadavky na identifikovaný detail, než je ve světě běžné.
Ruku v ruce s precizností jde ale náročnost vlastních prováděných kontrolních akcí. Jen pro představu – každé lince vedení a každému stožáru v soustavě je věnována péče v podobě každoroční pochůzkové kontroly odborníkem. Nadto se minimálně každé tři roky provádí letecká kontrola z vrtulníku a každých pět let kontrola speciálně vyškoleným lezcem. Pro názornější představu o objemu informací lze uvést, že jen za posledních pět let bylo do interních systémů vloženo přes 600 000 inventarizačních záznamů a nálezů o stavu prvků vedení. U každého záznamu se navíc do interních systémů vkládá fotografie prvku včetně komentáře k jeho stavu.
Využití progresivních technologií
Odborné útvary ČEPS proto přišly s otázkou, zda se nedá využít nově se zjevujících technologií, které se pravidelně objevují v HYPE technologických křivkách, a po jejich přizpůsobení potřebám PS jimi nenahradit část rutinních úkonů. Zde se otevírá podstatná část příběhu, protože kromě důrazu na spolehlivost a bezpečnost provozu soustavy se společnost ČEPS zaměřuje také na sledování celosvětových trendů v oblasti progresivních technologií a vyhodnocuje možné přínosy těchto experimentálních směrů pro PS. Speciálně dedikovaný tým Digitalizace proto vypracoval poměrně komplexní metodiku zaměřenou na dlouhodobý digitalizační rozvoj soustavy. Výsledky této systematické práce s vyhodnocováním přínosů, rizik a nákladů nových technologií daly vzniknout nové koncepci automatizace pořizování inspekčního záznamu pomocí UAV (bezpilotních leteckých prostředků – dronů), kterou dále tento tým ve spolupráci s kolegy z oborných útvarů a akademickou sférou rozpracovává v sérii dílčích pilotních projektů. Tyto projekty mají za cíl zdokonalit dostupné technologie UAV pro specifické úkoly a prostředí PS (projekty INSPEL a CsDRO zaměřené na kontroly vedení pomocí dronů) a poskytnout vysoce specializovaný systém rozpoznávání závad na vedení s využitím neuronových sítí a umělé inteligence.
Picture Recognition
Středem této koncepce je projekt s pracovním názvem Picture Recognition – 1. fáze pilotního projektu Automatické rozpoznávání závad / rozpoznávání obrazu. Tento projekt má za cíl navrhnout, vytvořit a na malém vzorku ověřit možnosti využití umělé inteligence pro vyhodnocování obrazu z leteckých kontrol. Ty jsou sice v současné době prováděny za pomoci vrtulníku, ale předpokládá se mnohem větší zapojení UAV (dronů) a ve středně dobém horizontu postupné nahrazení vrtulníku UAV na základě technologie, bezpečnosti, efektivnosti a cenové výhodnosti. Bude tak možné vzniklé řešení velmi jednoduše převést na jinou technologii. Podstatou totiž není, jaký stroj nese záznamové zařízení, ale jak je výsledný vizuální záznam vyhodnocen. Fáze projektu jsou proto rozděleny na části, které se zaměřují na průzkum dostupných technologií a matematicko-informatických algoritmů, dále na praktické sestrojení neuronové sítě a její postupné učení tak, aby ve výsledku byla stejně spolehlivá jako zkušený operátor, který pohledem vyhodnocuje obrazy na monitoru. Po výsledném naučení a dostatečném iterování v terénu (pod validací expertů na poruchy a závady vedení) tak bude výsledná neuronová síť v určitých scénářích i přesnější a spolehlivější než zkušený zaměstnanec, protože nepodléhá únavě, kognitivním klamům i planetárním cyklům a může pracovat kdykoli. Naši odborníci se díky této technologii budou moci věnovat činnostem s vyšší přidanou hodnotou, kde je lidská kreativita nenahraditelná, například vlastní koncepční práci při rozvoji soustavy.
Společnost ČEPS předpokládá, že dále dojde k propojení systémů evidence kontrol vedení se zmíněnou neuronovou sítí, která bude záznamy z kontrol ukládat přímo do systémů včetně klasifikace zjištění v souladu s přísnými standardy společnosti.
Ing. Jan Šlemr, Ph.D, MBA
Ing. Martin Frélich
ČEPS, a. s.
