AI-basert risikomodell for vegetasjon langs kraftlinjer

During 2022 the project has - Finalized v2 of an AI model that identifies the tree species from RGB images. - Finalized development of point cloud analysis that derives insight of single trees and their neighbors and environment. - Completed work on the calibration dataset for probability modelling of trefalls. The final dataset was based on 162 trefalls. -Developed the economical consequence model and incorporated this into the data model for flexible analysis (eg duration of outage). - Completed the design of the datamodelling and architecture. Then implemented the design in a prototype backend cloud solution that supports the heterogenice data sources that has been used througout the project, including dynamic queries to external data sources. - Validated the models developed by NIBIO against the ground truth through the calibration data set. The models reached an average accuracy of 54-57% (depending on the probability thresholds chosen). One key limiting factor was the access to trefall data. As a consequence, the project decided to incorporate, in its final phase, a function for structured registring of trefalls in the prototype. - Completed UX designwork for workpackage H6. - Developed, based on the UX design, a flexible web based prototype for visualization and decision-support. - Put together and tested an end to end process for the various data analysis steps developed. Tested it on three different data sets. - Tested the prototype on three different areas that contained the necessary data. - Presented the prototype in workshops with the participants and collected feedback. The prototype enabled the users to define dynamic decision- and analysis dashboards that visualized data from the three datasets and areas. The users were able to configure and visualize relevant data like: towers and lines, single trees identified (including their crown size), sample consumption data, dynamic outage scenarios, critical windspeed (per tree), weather data (forecasted max wind speed), under vegetation, parameters for setting the thresholds for distance between powerline and vegetation, plus several third party data sources (topex, soildata, terrain data etc). - Improved the prototype based on user input, plus made the function for structured registration of trefall data. Prepared the prototype for customer specific testing. - Project particpant specific testing of the solution was not done during the final periode. eSmart will agree testing with the project participants individually in 2023.

I løpet av prosjektets varighet har teknologi, marked og miljø utviklet seg raskt: Utviklingen innenfor sensorikk og droner har gått fremover med stormskritt, markedet - både på leverandør- og kundesiden, har modnet. Det er langt flere aktører i datafangstmarkedet enn tidligere, og grunntjenestene de tilbyr blir stadig bedre. Kundene har kommet lengre med sin digitaliseringsstrategi, flere er ute og etterspør tjenester. Og eSmart Systems har selv utvidet sin kundekrets dramatisk, med aktive inspeksjons- og digitaliseringsprosjekter med mange store kunder både i Europa og USA. Vegetasjonsrelatert problematikk har, som en konsekvens av miljøendringene, blitt enda mer aktuelt enn før prosjektets oppstart. Resultatene vi har oppnådd i prosjektet, med våre prosjektpartnere, gir flere potensielle virkninger i dette totalbildet: - Kundene vi allerede er i aktive prosjekter med, etterspør i større grad enn tidligere totale inspeksjonstjenester der vegetasjon inngår (i tillegg til befaring av selve infrastrukturen). Ved å kunne demonstrere de lovende prosjektresultatene, ser vi en økt interesse for å skape mer digital innsikt ut av de grunnleggende dataene som blir samlet inn. - Partnere, både eksisterende og potensielle, gis innblikk i hvilke tilleggsfunksjoner de må tilby for å kunne tilfredsstille datakravene vi har til de analysene som har blitt tatt frem. Vi har også opplevd noen oppnådde resultater: - Prosjektet har hatt et forholdsvis bredt tema, og vi har – spesielt i prosjektets siste faser - fått nyttig læring mtp hvilke områder vi bør satse videre på selv, og innen hvilke områder vi bør søke spesialistpartnere.

Avbrudd i strømforsyningen har store samfunnsmessige konsekvenser og kostnader, og vegetasjon er den største enkeltårsaken til strømbrudd. Med klimaendringer forventes forekomsten av strømbrudd grunnet vegetasjon å øke. Hovedmålet med prosjektet er derfor å utvikle en operasjonell løsning for lokal risikovurdering av tresikkerhet som nettselskaper kan bruke til prioritering og effektivisering av skogrydding langs kraftlinjer og planlegging av beredskap. Ved å hensynta egenskaper ved enkelttrær og voksestedets egenskaper, kan risikotrær identifiseres, fremfor å gjennomføre tradisjonell og ressurskrevende breddehogst. Kombineres dette med avstand til kraftlinjene, nettspesifikk informasjon og ulike værscenarioer, vil nettselskapene få et bedre beslutningsgrunnlag for å planlegge vedlikehold av kraftlinjegatene. Løsningen vil bidra til effektivisering av nettdrift og sikrere strømleveranser. Prosjektet bidrar dermed til FNs bærekraftsmål nummer ni – å bygge robust infrastruktur. FoU utfordringene i prosjektet er tredelt: 1. Å utvikle metoder for å bestemme viktige egenskaper ved trær (tretype, høyde, diameter mm) langs kraftlinjer, basert på data innsamlet med droner og kunstig intelligens. Dette innebærer å utvikle nye metoder for å bestemme stabilitets-egenskaper i stående trær, egenskaper som i liten grad har vært i fokus i tidligere modeller. Prosjektet vil utforske bruk av dyp læring for å bestemme trevariabler. 2. Å utvikle en risikomodell for trefall hvor man sammenstiller kunnskap fra ulike fagområder (som kunstig intelligens, datavitenskap, skogbruksfag og statistikk), og kombinerer ulike datakilder (som lokale tresikkerhetsdata, terrengdata, løsmassedata, klima- og værdata og nettspesifikke NIS data). Sannsynlighet for trefall skal knyttes til konsekvens slik at resultatet blir en risikomodell. 3. Å utvikle arkitektur og datamodeller for håndtering av mange og heterogene datakilder til bruk i en prototype programvare.