- Rapport
- Elnät
Prediktering av begynnande fel i elektriska nät
| 2022:889 | Ebrahim Balouji, Guzal Bulatova, Karl Bäckström, Viktor Olsson, Johan Rådemar
I det här projektet belyser vi de möjligheter som kommer med maskininlärning och big data. Att prediktera fel, och få en tidig metod till underhåll och övervakning har ett stort värde för elnätsägare. Fokus i det här projektet är framtagandet av ett Proof-of-Concept för maskininlärningsbaserad prediktering av begynnande fel i elnät. I projektet används data från PQ-mätare i Göteborg Energis elnät. Projektet handlar om att maximera nyttan av den data som spelas in och sparas idag, ingen ny programvara behövs.

Projektets resultat visar att det redan idag, inom ramen för existerande infrastruktur, är möjligt att genomföra en mer djupgående analys av PQ-data som kan tillgängliggöra proaktiva insikter. Men samtidigt belyser också projekten avsaknaden av standardiserade metoder för hantering av PQ-data. Det finns förbättringspotential för inspelning, insamling och export.
Ladda ner rapporten
Prediktering av begynnande fel i elektriska nät Energiforskrapport 2022-889