Đăng ký thành viên

Công cụ mạng nơ-ron nhân tạo giúp phát hiện chạm chập đường dây điện

Công cụ học máy do Eaton hợp tác với NREL phát triển, giúp phát hiện chạm chập đường dây điện (Ảnh st)

Một dự án do Công ty Eaton (Mỹ) và Phòng thí nghiệm năng lượng tái tạo quốc gia Mỹ (NREL) điều hành đã phát triển một công cụ có thể phát hiện chạm chập đường dây điện, cho phép các công ty điện lực giảm nguy cơ mất điện và cháy rừng. Phòng Thí nghiệm Nghiên cứu Kỹ thuật Xây dựng của Quân đội Mỹ (CERL) tài trợ dự án này.

Mục đích của dự án là nâng cao độ dẻo dai của hệ thống điện và cho phép phản ứng nhanh hơn trong các sự kiện cực đoan.

Dự án phát hiện HiZ

Dự án sử dụng công nghệ học máy nhằm phát hiện các sự cố trở kháng cao (HiZ), xảy ra khi một vật dẫn đang mang điện, chẳng hạn như dây điện bị rơi, tiếp xúc với đất, gây ra hiện tượng ngắn mạch. Sự cố HiZ tạo ra một lượng năng lượng nhỏ và thường không được phát hiện. Tuy nhiên, chúng có thể tạo ra tia lửa điện làm cháy vật liệu dễ cháy trong khu vực, cuối cùng có thể dẫn đến cháy rừng.

Đối với dự án này, Eaton đã tiến hành đánh giá toàn diện trong môi trường mô phỏng. Các kịch bản đã tính đến nhiều trường hợp dây dẫn bị rơi, chẳng hạn như các bề mặt đất khác nhau như cỏ và sỏi, mức độ ẩm, các loài cây phổ biến ở Mỹ và các yếu tố bên ngoài khác.

Dữ liệu thu được đã được chia sẻ với nhóm nghiên cứu của NREL. Các nhà nghiên cứu đã có thể đưa dữ liệu vào nền tảng thiết kế hỗ trợ máy tính PSCAD (Thiết kế Hệ thống Điện có Máy tính Hỗ trợ) bằng cách sử dụng năng lực mô phỏng lưới điện của NREL và dữ liệu thực địa từ nhiều công ty điện lực Mỹ. Sau đó, NREL đã tạo ra một tập dữ liệu lớn bao gồm nhiều kịch bản sự cố HiZ hơn so với những gì có thể tạo ra tại hiện trường hoặc trong môi trường kiểm soát của phòng thí nghiệm, theo thông cáo báo chí của NREL.

Nhóm nghiên cứu sử dụng các kịch bản mô phỏng chạm chập HiZ và bộ dữ liệu thu được để huấn luyện tập hợp mạng nơ-ron nhân tạo (ANN). Sau quá trình sàng lọc, họ xác định mô hình có hiệu quả cao nhất trong nhận dạng trạng thái chạm chập HiZ, qua đó tạo ra công cụ mà NREL đánh giá là gần sẵn sàng cho các hệ thống điện thực tế. Khi tập hợp ANN phát hiện ra chạm chập, các công ty điện lực có thể ưu tiên nhanh chóng điều động nguồn lực đến khu vực đó để giảm thiểu nguy cơ mất điện và cháy rừng.

NREL cho biết nhóm của họ đang làm việc với các công ty điện lực trên khắp cả nước cũng như các đối tác quốc tế để phổ biến công nghệ này, tăng khả năng mở rộng của thuật toán để có thể áp dụng rộng rãi ở Mỹ và nhiều nơi khác.

Biên dịch: Nguyễn Thị Dung

Theo “Renewable energy world”, tháng 9/2025