- 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.
\u003Cp\u003EProjektets resultat visar att det redan idag, inom ramen f\u00F6r existerande infrastruktur, \u00E4r m\u00F6jligt att genomf\u00F6ra en mer djupg\u00E5ende analys av PQ-data som kan tillg\u00E4ngligg\u00F6ra proaktiva insikter. Men samtidigt belyser ocks\u00E5 projekten avsaknaden av standardiserade metoder f\u00F6r hantering av PQ-data. Det finns f\u00F6rb\u00E4ttringspotential f\u00F6r inspelning, insamling och export.\u003C/p\u003E
Ladda ner rapporten
Prediktering av begynnande fel i elektriska nät Energiforskrapport 2022-889