La forma en que se realizan las inspecciones también ha cambiado poco.
Históricamente, verificar el estado de la infraestructura eléctrica ha sido responsabilidad de los hombres que caminan por la línea. Cuando tienen suerte y hay un camino de acceso, los trabajadores de línea usan camiones con cangilones. Pero cuando las estructuras eléctricas están en una servidumbre en el patio trasero, en la ladera de una montaña o fuera del alcance de un elevador mecánico, los trabajadores de la línea aún deben abrocharse sus herramientas y comenzar a escalar. En áreas remotas, los helicópteros llevan inspectores con cámaras con zoom óptico que les permiten inspeccionar las líneas eléctricas a distancia. Estas inspecciones de largo alcance pueden cubrir más terreno, pero en realidad no pueden reemplazar una mirada más cercana.
Recientemente, las empresas eléctricas han comenzado a usar drones para capturar más información con mayor frecuencia sobre sus líneas eléctricas e infraestructura. Además de las lentes de zoom, algunos están agregando sensores térmicos y lidar a los drones.
Los sensores térmicos recogen el exceso de calor de componentes eléctricos como aislantes, conductores y transformadores. Si se ignoran, estos componentes eléctricos pueden producir chispas o, lo que es peor, explotar. Lidar puede ayudar con la gestión de la vegetación, escaneando el área alrededor de una línea y recopilando datos que el software utiliza más tarde para crear un modelo 3D del área. El modelo permite a los administradores de sistemas de energía determinar la distancia exacta de la vegetación a las líneas eléctricas. Eso es importante porque cuando las ramas de los árboles se acercan demasiado a las líneas eléctricas, pueden provocar un cortocircuito o encender una chispa de otros componentes eléctricos que funcionan mal.
Los algoritmos basados en inteligencia artificial pueden detectar áreas en las que la vegetación invade las líneas eléctricas, procesando decenas de miles de imágenes aéreas en días.Soluciones Buzz
Incorporar cualquier tecnología a la mezcla que permita inspecciones mejores y más frecuentes es una buena noticia. Y significa que, utilizando herramientas de monitoreo de vanguardia y tradicionales, las principales empresas de servicios públicos ahora están capturando más de un millón de imágenes de su infraestructura de red y el entorno que la rodea cada año.
La IA no solo es buena para analizar imágenes. Puede predecir el futuro observando patrones en los datos a lo largo del tiempo.
Ahora las malas noticias. Cuando todos estos datos visuales regresan a los centros de datos de las empresas de servicios públicos, los técnicos de campo, los ingenieros y los técnicos de línea pasan meses analizándolos, entre seis y ocho meses por ciclo de inspección. Eso los aleja de sus trabajos de mantenimiento en el campo. Y es demasiado largo: cuando se analiza, los datos están desactualizados.
Es hora de que intervenga la IA. Y ha comenzado a hacerlo. La inteligencia artificial y el aprendizaje automático han comenzado a implementarse para detectar fallas y roturas en las líneas eléctricas.
Varias empresas eléctricas, incluidas Xcel Energy y Florida Power and Light, están probando IA para detectar problemas con componentes eléctricos en líneas eléctricas de alta y baja tensión. Estas empresas eléctricas están aumentando sus programas de inspección de drones para aumentar la cantidad de datos que recopilan (ópticos, térmicos y lidar), con la expectativa de que la IA pueda hacer que estos datos sean más útiles de inmediato.
Mi organización, Buzz Solutions, es una de las empresas que ofrece este tipo de herramientas de inteligencia artificial para la industria energética actual. Pero queremos hacer más que detectar problemas que ya han ocurrido, queremos predecirlos antes de que sucedan. Imagínese lo que podría hacer una compañía de energía si supiera la ubicación de los equipos que se dirigen hacia la falla, permitiendo que las cuadrillas entren y tomen medidas de mantenimiento preventivas, antes de que una chispa genere el próximo incendio forestal masivo.
Es hora de preguntarse si una IA puede ser la versión moderna de la antigua mascota Smokey Bear del Servicio Forestal de los Estados Unidos: prevención de incendios forestales
antes de Ellos pasan.
Comenzamos a construir nuestros sistemas utilizando datos recopilados por agencias gubernamentales, organizaciones sin fines de lucro como el Instituto de Investigación de Energía Eléctrica (EPRI), empresas de energía y proveedores de servicios de inspección aérea que ofrecen vigilancia de helicópteros y drones para alquilar. En conjunto, este conjunto de datos comprende miles de imágenes de componentes eléctricos en líneas eléctricas, incluidos aisladores, conductores, conectores, hardware, postes y torres. También incluye colecciones de imágenes de componentes dañados, como aisladores rotos, conectores corroídos, conductores dañados, estructuras de hardware oxidadas y postes agrietados.
Trabajamos con EPRI y las empresas de energía para crear pautas y una taxonomía para etiquetar los datos de la imagen. Por ejemplo, ¿cómo se ve exactamente un aislante roto o un conector corroído? ¿Qué aspecto tiene un buen aislante?
Luego tuvimos que unificar los datos dispares, las imágenes tomadas desde el aire y desde el suelo usando diferentes tipos de sensores de cámara que operan en diferentes ángulos y resoluciones y tomadas bajo una variedad de condiciones de iluminación. Aumentamos el contraste y el brillo de algunas imágenes para tratar de llevarlas a un rango cohesivo, estandarizamos las resoluciones de imagen y creamos conjuntos de imágenes del mismo objeto tomadas desde diferentes ángulos. También tuvimos que ajustar nuestros algoritmos para enfocarnos en el objeto de interés en cada imagen, como un aislante, en lugar de considerar la imagen completa. Usamos algoritmos de aprendizaje automático que se ejecutan en una red neuronal artificial para la mayoría de estos ajustes.
Hoy en día, nuestros algoritmos de inteligencia artificial pueden reconocer daños o fallas que involucran aisladores, conectores, amortiguadores, postes, brazos cruzados y otras estructuras, y resaltar las áreas problemáticas para el mantenimiento en persona. Por ejemplo, puede detectar lo que llamamos aisladores destellantes: daño debido al sobrecalentamiento causado por una descarga eléctrica excesiva. También puede detectar el desgaste de los conductores (algo que también es causado por líneas sobrecalentadas), conectores corroídos, daños en postes de madera y crucetas, y muchos más problemas.
Pero uno de los problemas más importantes, especialmente en California, es que nuestra IA reconozca dónde y cuándo la vegetación está creciendo demasiado cerca de las líneas eléctricas de alto voltaje, particularmente en combinación con componentes defectuosos, una combinación peligrosa en el país del fuego.
Hoy en día, nuestro sistema puede pasar por decenas de miles de imágenes y detectar problemas en cuestión de horas y días, en comparación con meses para el análisis manual. Esta es una gran ayuda para las empresas de servicios públicos que intentan mantener la infraestructura de energía.
Pero la IA no solo es buena para analizar imágenes. Puede predecir el futuro observando patrones en los datos a lo largo del tiempo. La IA ya lo hace para predecir las condiciones climáticas, el crecimiento de las empresas y la probabilidad de aparición de enfermedades, por nombrar solo algunos ejemplos.
Creemos que la IA podrá proporcionar herramientas de predicción similares para los servicios públicos de energía, anticipando fallas y señalando áreas donde estas fallas podrían causar incendios forestales. Estamos desarrollando un sistema para hacerlo en cooperación con la industria y los socios de servicios públicos.
Utilizamos datos históricos de inspecciones de líneas eléctricas combinados con condiciones meteorológicas históricas para la región relevante y los alimentamos a nuestros sistemas de aprendizaje automático. Estamos pidiendo a nuestros sistemas de aprendizaje automático que encuentren patrones relacionados con componentes rotos o dañados, componentes saludables y vegetación descuidada alrededor de las líneas, junto con las condiciones climáticas relacionadas con todos estos, y que utilicen los patrones para predecir la salud futura de la energía. línea o componentes eléctricos y crecimiento de vegetación a su alrededor.
El software PowerAI de Buzz Solutions analiza imágenes de la infraestructura de energía para detectar problemas actuales y predecir los futuros.
En este momento, nuestros algoritmos pueden predecir seis meses en el futuro que, por ejemplo, existe la probabilidad de que cinco aisladores se dañen en un área específica, junto con una alta probabilidad de crecimiento excesivo de vegetación cerca de la línea en ese momento, que combinados crean una riesgo de incendio.
Ahora estamos utilizando este sistema de detección predictiva de fallas en programas piloto con varias empresas de servicios públicos importantes: una en Nueva York, una en la región de Nueva Inglaterra y una en Canadá. Desde que comenzamos nuestros pilotos en diciembre de 2019, hemos analizado alrededor de 3500 torres eléctricas. Detectamos, entre unos 19.000 componentes eléctricos en buen estado, 5.500 defectuosos que podrían haber provocado cortes de energía o chispas. (No tenemos datos sobre reparaciones o reemplazos realizados).
¿A dónde vamos desde aquí? Para ir más allá de estos pilotos y desplegar IA predictiva de manera más amplia, necesitaremos una gran cantidad de datos, recopilados a lo largo del tiempo y en varias geografías. Esto requiere trabajar con múltiples compañías eléctricas, colaborando con sus equipos de inspección, mantenimiento y manejo de la vegetación. Las principales empresas eléctricas de Estados Unidos tienen los presupuestos y los recursos para recopilar datos a una escala tan masiva con programas de inspección basados en aviones no tripulados y en aviación. Pero las empresas de servicios públicos más pequeñas también pueden recopilar más datos a medida que baja el costo de los drones. Hacer que herramientas como la nuestra sean ampliamente útiles requerirá la colaboración entre las grandes y pequeñas empresas de servicios públicos, así como los proveedores de tecnología de sensores y drones.
Avance rápido hasta octubre de 2025. No es difícil imaginar que el oeste de los Estados Unidos se enfrente a otra temporada de incendios cálida, seca y extremadamente peligrosa, durante la cual una pequeña chispa podría conducir a un desastre gigante. Las personas que viven en el país del fuego se están cuidando de evitar cualquier actividad que pueda provocar un incendio. Pero en estos días, están mucho menos preocupados por los riesgos de su red eléctrica, porque, hace meses, llegaron trabajadores de servicios públicos, reparando y reemplazando aisladores, transformadores y otros componentes eléctricos defectuosos y recortando árboles, incluso los que aún no tenían. llegar a las líneas eléctricas. Algunos preguntaron a los trabajadores por qué toda la actividad. “Oh”, les dijeron, “nuestros sistemas de inteligencia artificial sugieren que este transformador, justo al lado de este árbol, podría encenderse en el otoño, y no queremos que eso suceda”.
De hecho, ciertamente no lo hacemos.
.