BIA-Brukerstyrt innovasjonsarena

SWIFTER-prosjektet skal utvikle et beredskapssystem basert på autonome droner med lang rekkevidde som gjør det mulig for nettoperatører å lokalisere og diagnostisere kritiske feil på en tryggere, raskere og mer kostnadseffektivt måte enn i dag. Kritiske feil (dvs. de som fører til brudd i nettet) er et kostbart problem for nettoperatører over hele verden, både når det gjelder tap av omdømme og inntekt for forbrukere, samt bøter for nedetid i nettet. Distribusjonssystemoperatører (DSO) i Norge anslår at årlige kostnader relatert til slik driftsstans kan utgjøre 1-2% av omsetningen. Disse hendelsene påvirker også forbrukere gjennom økte energikostnader og lavere kundetilfredshet. Når kritiske feil oppstår er det derfor avgjørende for nettoperatøren å kunne lokalisere og diagnostisere årsaken til feilen snarest, slik at tiltak kan koordineres raskt og kostnadseffektivt. I dag rykker nettoperatørens feltpersonell ut til fots, i bil eller i helikopter etter en hendelse, og feil blir identifisert manuelt. Disse metodene er langsomme, tidkrevende, dyre og utsetter personell for unødvendig risiko. Autonome drone-baserte systemer kan adressere alle disse ulempene direkte, men dagens kommersielle løsning har begrenset rekkevidde og utilstrekkelig AI for automatisk feilsøking, slik at utbredt anvendelse i kritiske operasjon ikke er mulig. SWIFTER vil gjøre det mulig for KVS Technologies, i samarbeid med SINTEF, Elvia og Agder Energi Nett, å utvikle et helt autonomt system basert på en drone-plattform med lang rekkevidde som muliggjør rask og kostnadseffektiv lokalisering av kritiske feil hvor som helst i nettverket til enhver tid. Ved å fokusere bare på de mest kritiske feilene og ved å benytte en multisensor-tilnærming, tar SWIFTER sikte på å forbedre dagens teknologi når det gjelder pålitelighet og operasjonelt vindu. På denne måten vil SWIFTER muliggjøre stor-skala implementasjon av slike systemer av nettverksselskapene. Per i dag har KVS Technologies designet og bygget en ny droneplattform spesialisert for lang-rekkevidde/BVLOS oppdrag. Denne droneplattformen er nå i produksjon og flyr kommersielle oppdrag. KVS og SINTEF har designet en ny multisensorsuite skreddersydd for deteksjon av kraftlinjer, master, og kritiske feil under dårlige siktforhold, som skal testes i lufta i Q4 2021. I samarbeid med Agder Energi Nett, har en strekning av strømnettet som var planlagt å legges under bakken, blitt brukt til å gjenskape en rekke kritiske feil som falne trær, nedrevne linjer, manglede eller skadede komponenter, og grener på tvers av linjene. Innfanget sensordata av disse feilene brukes av KVS Technologies og SINTEF for å utvikle en automatisert dataflyt for feildeteksjon og klassifisering. I tillegg har dette prosjektet så langt lagt til rette for god dialog mellom prosjektmedlemmene angående bruk av automatiserte verktøy av nettoperatører og begrensninger med ulike typer sensordata.

The goal of this R&D project is to develop a robust and autonomous drone-based solution for the detection and real-time reporting of critical failures in the overhead line power grid. The project will develop and integrate a new sensor suite enabling failures to be located and diagnosed in low light and under a broader range of weather conditions than is possible with helicopters today. The sensor suite will provide the necessary sensor data for onboard AI to detect faults and report feedback to the grid operator. Failures often occur in remote areas with poor mobile network coverage, so it is not feasible to livestream high-definition video data and images to a remote human operator to detect failures. The drone must therefore be able to analyse sensor data automatically on board, so that failures can be reported in real-time to coordinate response operations. The sensor suite and onboard AI will be developed to be compatible with a long-range fixed-wing drone platform, enabling efficient inspection missions covering up to 100 km of overhead line during one mission.