L'IA pouvait étouffer les incendies de forêt une ligne électrique à la fois
Chaque année, des dizaines de milliers d'incendies de forêt ravagent les États-Unis, constituant des menaces importantes pour les personnes, la faune et les infrastructures. Un pourcentage de ces incendies de forêt est causé par des équipements électriques dégradés ou abattus. Mais que se passe-t-il si l'intelligence artificielle (IA) pouvait détecter l'étincelle avant que les incendies de forêt ne commencent?
Comme toute autre infrastructure, les lignes électriques sont sensibles aux éléments et s'érodent au fil du temps. Cela peut entraîner un défaut à haute impédance (HIZ), c'est-à-dire lorsqu'un conducteur sous tension comme un fil tombé en panne entre en contact avec le sol, provoquant un court. Parce que la faille de la hiz produit une petite quantité d'énergie, ces défauts ne sont souvent pas détectés. Mais ils peuvent provoquer des étincelles qui enflamment des matériaux inflammables dans la région, ce qui peut finalement conduire à un incendie de forêt.
Un nouveau projet NREL conçu pour détecter ces défauts à l'aide de l'apprentissage automatique vise à lutter contre cela. Grâce à des réseaux de neurones artificiels – un modèle informatique utilisé pour imiter l'intelligence et l'apprentissage humains – les entreprises de l'utilité peuvent prévenir les perturbations des consommateurs tout en gérant plus efficacement ces risques d'incendie potentiellement dangereux.
« L'intention ici est d'améliorer la résilience dans le système d'alimentation et de permettre des réponses plus rapides lors d'événements extrêmes », a déclaré Richard Bryce, chercheur principal en systèmes électriques de NREL et menant sur ce projet.
« Nous voulons fournir aux entreprises de services publics les outils pour un système d'énergie plus résilient avec une meilleure fiabilité et une meilleure sécurité pour les clients qui atténuent le potentiel d'incendies de forêt causés par des défauts à forte impédance. »
Pour y parvenir, NREL s'est associé à la société multinationale de gestion d'électricité Eaton, qui a effectué des évaluations approfondies dans un environnement simulé.
Les scénarios expliquaient divers événements de conducteur abattu, tels que différentes surfaces au sol comme l'herbe et le gravier, les niveaux d'humidité, les espèces d'arbres américaines communes et d'autres considérations externes. Les données qui en résultent ont été partagées avec l'équipe de recherche de NREL composée de Bryce et de collègues chercheurs Kumaraguru Prabakar, Matthew Reynolds et Yuqi Zhou.
Tirant parti des capacités de simulation de réseau de NREL et des données sur le terrain de plusieurs sociétés de services publics américaines, les chercheurs ont pu injecter les données de test d'Eaton dans la plate-forme de conception assistée par ordinateur PSCAD (conception assistée par ordinateur de puissance) pour créer un grand ensemble de données qui comprenait beaucoup plus de scénarios de défaut de hib que ce qui pourrait être produit sur le terrain ou dans un ensemble de laboratoire contrôlé.
Ces scénarios et ensembles de données de défaut simulés de hiz ont été utilisés pour former un ensemble de réseaux de neurones artificiels (ANN). Ces ANN ont été sélectionnés en aval pour être les plus efficaces pour identifier les états de défaut de hiz, ce qui se traduit par un outil qui est presque prêt pour de vrais systèmes d'alimentation. Une fois que l'ensemble ANN détecte une faute, les entreprises de services publics peuvent hiérarchiser l'envoi de ressources rapidement dans cette zone pour réduire les chances de panneaux de courant et d'incendies de forêt.
« Il y avait des pièces qui se réunissaient magnifiquement pour ce projet d'une manière unique à NREL », a déclaré Bryce.
« Nous avons eu des tests grâce à notre partenariat avec Eaton qui a fourni des données réelles dérivées expérimentalement, puis nous avons pu tirer parti de l'informatique haute performance de NREL et de l'apprentissage automatique pour fournir une solution aux services publics qui a un impact très significatif et immédiat du monde réel. »
Maintenant, l'équipe travaille avec des services publics à travers le pays, ainsi que des partenaires internationaux, pour généraliser cette technologie, augmentant l'évolutivité de l'algorithme d'être largement applicable aux États-Unis et au-delà.
Bientôt, l'IA peut être la clé pour améliorer considérablement l'infrastructure énergétique mondiale et améliorer la stabilité de la grille, tout en diminuant le nombre d'incendies de forêt annuels.
