Alat pintar AS mendeteksi aliran listrik berbahaya sebelum kebakaran hutan terjadi
Para peneliti di AS telah membangun alat pintar baru yang memiliki kemampuan untuk secara instan mengenali kondisi jaringan listrik abnormal yang mengakibatkan kebakaran hutan, kerusakan peralatan, dan pemadaman listrik. Platform ini dikembangkan oleh tim peneliti di Laboratorium Nasional Oak Ridge (ORNL) Departemen Energi (DOE) yang berlokasi di Tennessee. Ini mengintegrasikan kecerdasan buatan (AI) untuk menganalisis data jaringan dengan cepat. Menurut para ilmuwan, teknologi ini menggunakan pemrosesan sinyal canggih dan pembelajaran mesin untuk mengidentifikasi gangguan jaringan halus yang sering kali luput dari perhatian sistem pemantauan konvensional. Oleh karena itu, sistem ini dapat secara otomatis mengingatkan perusahaan utilitas terhadap perilaku jaringan listrik berbahaya yang memerlukan respons segera. Hal ini divalidasi menggunakan data lapangan selama lima tahun yang dikumpulkan oleh Southern California Edison (SCE), salah satu perusahaan listrik terbesar di AS. “Semakin cepat kita menyadari apa yang terjadi, semakin cepat kita dapat meresponsnya,” kata Ali Ekti, PhD, pemimpin proyek ORNL. Mendeteksi ancaman jaringan listrik Alat ini dapat mendeteksi tujuh jenis gangguan listrik, yang menyebabkan arus atau tegangan tidak normal pada jaringan listrik. Pertama-tama, hal ini dapat mengidentifikasi gangguan busur listrik, yang terjadi ketika listrik melompat melalui celah udara antara saluran listrik dan objek lain, seperti tanah. Karena gangguan ini sering kali hanya menghasilkan sedikit peningkatan arus listrik, gangguan ini dapat menghindari sensor tradisional dan gagal memicu pemutus arus. Artinya, busur listrik yang berbahaya dapat bertahan dalam waktu lama, sehingga meningkatkan risiko kebakaran hutan. Sistem analitik baru ORNL terus memantau sinyal jaringan. Secara otomatis memperingatkan utilitas setelah mengenali kondisi abnormal. “Alat ini dirancang untuk memberi utilitas jalur berkelanjutan mulai dari sinyal, analisis, hingga pengambilan keputusan,” jelas Ekti. Menurut para ilmuwan, alat ini mengandalkan analisis data bentuk gelombang tingkat lanjut, yang menangkap perubahan tegangan, arus, dan frekuensi di seluruh jaringan. Karena kesalahan busur api seringkali terlalu halus untuk terlihat dalam rekaman bentuk gelombang mentah, mereka menciptakan algoritma berbantuan AI yang memperkuat sinyal lemah dan menyoroti gangguan yang sebelumnya tersembunyi. Membuktikan teknologi Selama pengujian dengan data utilitas nyata, tim meningkatkan visibilitas sinyal bentuk gelombang dari hanya enam persen menjadi 72 persen, menggunakan algoritma ORNL. Hal ini memungkinkan alat untuk mengungkap kesalahan yang tidak terdeteksi. Platform ini dilatih dengan data dari Grid Event Signature Library ORNL. Repositori berbasis web ini berisi lebih dari 5.700 tanda tangan bentuk gelombang yang dikumpulkan dari peristiwa jaringan listrik. Selain gangguan busur listrik, sistem ini juga dapat mengenali dan mengklasifikasikan enam kategori gangguan jaringan listrik lainnya. Hal ini termasuk gangguan arus lebih, pengoperasian recloser, sekring putus, gangguan jangka pendek, kejadian peralihan kapasitor, start motor, serta pengoperasian peralihan saluran. “Memiliki lebih banyak wawasan mengenai arti spesifik dari sinyal-sinyal ini akan memungkinkan kita untuk menangani masalah-masalah seperti busur api dengan rasa urgensi, sehingga kita tahu kapan kita perlu mendapatkan kru pertolongan pertama di tempat kejadian sesegera mungkin,” Michael Balestrieri, insinyur senior SCE, menyimpulkan dalam siaran pers. Tahap berikutnya dari proyek ini akan melibatkan pelatihan versi yang ditingkatkan dari alat tersebut menggunakan data spesifik utilitas dan menilai kinerjanya pada rangkaian demonstrasi SCE. Tujuan utamanya adalah untuk mengintegrasikan algoritma pendeteksian ke dalam platform analisis internal utilitas.
Diterbitkan : 2026-06-18 23:49:00
sumber : interestingengineering.com
