
Владимир Полужански
Кратак садржај
У раду је обрађена кључна електроопрема ветроелектрана са посебним освртом на генератор као једну од најзначајнијих и најоптерећенијих компоненти система за производњу електричне енергије. Генератор представља централни елемент у процесу конверзије механичке енергије ветра у електричну енергију, те његова поузданост директно утиче на ефикасност, доступност и економску оправданост рада ветроелектране. У том контексту, презентован је мониторинг генератора као интегрални део концепта предиктивног одржавања, чији је циљ рано откривање потенцијалних отказа, смањење непланираних застоја и оптимизација трошкова одржавања током целокупног животног века постројења. У раду су анализиране савремене технике праћења стања генератора које генеришу релевантне податке за даљу обраду, статистичку анализу и моделирање. Обухваћене су: а) мерења и анализа вибрација у циљу детекције механичких неправилности, неуравнотежености ротора и оштећења лежајева; б) мерење и анализа остатака уља ради праћења хабања и присуства металних честица као индикатора унутрашњих оштећења; ц) мерење и анализа температуре намотаја, лежајева и расхладног система као показатеља преоптерећења и деградације изолационих материјала; д) мерење и анализа напрезања применом мерних трака у циљу процене механичког оптерећења конструктивних елемената; е) акустична мерења и анализа ради идентификације аномалија у раду и појаве неуобичајених звучних образаца. Посебан акценат стављен је на интеграцију ових параметара у јединствени систем за континуирано праћење стања и подршку доношењу одлука. Дат је приказ примене вештачке интелигенције у мониторингу генератора, кроз употребу алгоритама машинског учења, неуронских мрежа и метода дубоког учења за препознавање образаца, предикцију отказа и аутоматску класификацију стања опреме. Модели засновани на анализи великих скупова података омогућавају повећање тачности дијагностике, смањење лажних аларма и унапређење стратегија одржавања заснованих на стварном стању опреме. Рад такође даје осврт на сајбер безбедност информационог и оперативног система ветроелектране, укључујући заштиту SCADA система, комуникационих протокола и индустријских контролних система од потенцијалних сајбер претњи. Наглашена је потреба примене стандарда безбедности, сегментације мреже, контроле приступа и континуираног праћења безбедносних догађаја, чиме се обезбеђује сигуран, поуздан и отпоран рад ветроелектране као дела критичне енергетске инфраструктуре. Посебна пажња посвећена је економској оправданости увођења напредних система мониторинга, кроз анализу односа трошкова имплементације и уштеда насталих смањењем застоја и продужетком радног века генератора. Истакнут је je je значај стандардизације података, интероперабилности система и примене концепта паметних енергетских мрежа у контексту одрживог развоја.
Кључне речи: ветроелектрана, генератор, мониторинг, технике праћења, вештачка интелигенција, сајбербезбедност
Биографија предавача
Др Владимир Полужански је руководилац Канцеларије за дигитализацију и примену вештачке интелигенције у Електротехничком институту „Никола Тесла“ АД Београд, једном од водећих истраживачко-развојних института у области електротехнике у региону. Докторирао је у области вештачке интелигенције на Електротехничком факултету Универзитета у Београду, на модулу за софтверско инжењерство. Његов рад је усмерен на примену напредних аналитичких метода и вештачке интелигенције у енергетици, са посебним фокусом на дигитализацију електроенергетских система, предиктивно одржавање и развој дигиталних близанаца. Тренутно руководи развојно-истраживачким пилот пројектом новог концепта одржавања хидроагрегата за ЕПС АД, који се реализује у сарадњи са партнерима из Сједињених Америчких Држава. Учествовао је у више комерцијалних пројеката и студија у сарадњи са привредом, од којих се издвајају: развој надзорно-дијагностичког центра електроенергетске опреме ЕПС АД, развој метода и уређаја за акустичка и електрична мерења парцијалних пражњења, развој метода и уређаја за мерење електромагнетних поља, као и развој уређаја за испитивање класе тачности мерних трансформатора. Сертификован је као испитивач за ISO/IEC 27001:2022 и активно се бави темама информационе безбедности у контексту критичне инфраструктуре. Активно учествује у SAIGE пројекту Министарства науке, технолошког развоја и иновација, који се реализује уз подршку Светске банке и Европске уније, са циљем јачања капацитета за примену иновација и трансфер технологија.

