Univerzitet u Beogradu, Elektrotehnički fakultet
Dr Mileta Žarković
Primene veštačke inteligencije u dijagnostici stanja elektroenergetske opreme
KRATAK SADRŽAJ
Usled ubrzane digitalizacije energetskog sektora, broj podataka koji se aktivno prati i memoriše u elektroenergetskim sistemima iz dana u dan raste. Uticaj na te podatke imaju meteorološki, hemijski, termički, mehanički i elektromagnetni parametri. U budućnosti, ekspertima i inžinjerima u elektroenergetici biće potrebni pomoćni alati bazirani na veštačkoj inteligenciji. Ovi alati će im omogućiti jasniji uvid u sve podatke i olakšati donošenje različitih planerskih odluka. Predavanje prikazuje mogućnost primene fazi logike za iskustveno formiranje ekspertskih sistema za dijagnostiku stanja elektroenergetske opreme. Algoritmi nenadgledanog mašinskog učenja su primenjeni u svrhu klasterizacije podataka o elektroenergetskoj opremi u cilju donošenja optimalnog plana održavanja opreme. Primena veštačkih neuralnih mreže u cilju detekcije ubrzanog starenja elektroenergetske opreme. Prikazana je metodologija primene autoenkoderskih neuralnih mreža u cilju otkrivanja anomalija u elektroenergetskom sistemu. Na bazi ovakvih rezultata moguće je koristiti mape rizika i preći sa periodičnog održavanja (Time Based Maintenance) na prediktivno održavanje na osnovu stanja (Predictive Condition Based Maintenence) elektronergetske opreme. Predstavljena metodologija omogućava inžinjerima pravilno i pravovremeno donošenje odluka o održavanju u elektroenergetskom sistemu. Predavanje ukazuje da je suštinska prednost primene veštačke inteligencije to što uči o zavisnosti monitoring parametara ključne elektroenergteske opreme. Predavanje prikazuje implementaciju pomenutih metoda kroz Centar za nadzor i dijagnostiku (CND) stanja generatora i energetskih transformatora kao ključne elektroenergetske opreme. CND ima za cilj da pruži podršku u planiranju održavanja ključne elektroenergetske opreme za proizvodnju i isporuku električne energije u AD EPS i da obavlja poslove redovne dijagnostike i procenjivanja stanja. Primeri primene ukazuju da su postojeće baze podataka u elektroenergetici “žive” baze znanja iz kojih se mogu u budućnosti donositi pravovremeni zaključci i odluke. Primena veštačke inteligencije u dijagnostici stanja elektroenergetske orpeme dovodi do povećanja pouzdansoti i sigurnosti snabdevanja energijom i podizanja energetske efikasnosti.
Ključne reči:Dijagnostika stanja, Veštačka inteligencija, Fuzzy logika, Autoenkoderi, Prediktivno održavanje
Biografija predavača
Dr Mileta Žarković je 2018. godine doktorirao na Univerzitetu u Beogradu – Elektortehničkom fakultetu na temu „Monitoring i dijagnostika razvodnog postrojenja na bazi fazi modela stanja visokonaponske opreme“. Od 2011. godine radi na Elektrotehničkom fakultetu i angažovan je na brojnim predmetima na osnovnim, master i doktorskim studijama. Od 2020. godine predaje i na Vojnoj akademiji Univerziteta odbrane. Trenutno radi kao vanredni profesor, prodekan za saradnju sa privredom i rukovodilac Laboratorije za Visoki napon na Katedri za Elektroenergetske sisteme. Višegodišnji je predsednik STK Tehničke performanse EES-a C4 CIGRE Srbija. Član je organizacionih odbora više domaćih stručnih konferencija i međunarodne konferencije IEEE PowerTech 2023. Učestvovao je u izradi velikog broja studija i projekata za operatore prenosnog i distributivnog operatora elektroenergetskog sistema. Mileta je autor velikog broja radova u naučnim časopisima međunarodnog značaja sa SCI liste i konferecijama na temu primene veštačke inteligencije u elektroenergetici.
