شركة ESB Networks الأيرلندية تطلق خطة للمسح الرقمي لـ 10,000 منشأة كهربائية

أخبار ar.wedoany.com، أطلقت شركة ESB Networks خطة مدتها خمس سنوات لإجراء مسح رقمي لما يصل إلى 10,000 منشأة كهربائية داخل جمهورية أيرلندا. يُنفَّذ هذا المشروع بالتعاون بين ESB Networks وشركة eSmart Systems، ويهدف إلى الاستفادة من منصة الذكاء الاصطناعي لتعزيز كفاءة مسح شبكات الكهرباء وزيادة القيمة المستخلصة من البيانات.

بصفتها شركة تابعة لمجموعة ESB، تتولى ESB Networks مسؤولية بناء وتشغيل وصيانة نظام توزيع الكهرباء في جمهورية أيرلندا، وتخدم حوالي 2.4 مليون عميل. وقد التزمت المجموعة بتحقيق نظام كهرباء خالٍ من الانبعاثات الصافية بحلول عام 2040. وفي هذا السياق، تواجه ESB Networks تحديات متعددة تشمل دمج توليد الطاقة المتجددة المتزايد، ودعم كهربة التدفئة والنقل، وإدارة شبكة توزيع تضم عددًا كبيرًا من الأصول المتقادمة. يُعد التآكل من أبرز مشكلات الحالة التي تواجه الشبكة الأيرلندية، ويُعتبر مشروع المسح القائم على الذكاء الاصطناعي باستخدام الصور مناسبًا لتتبع هذا التحدي بشكل مستمر على المدى الطويل.

تعتمد طرق المسح التقليدية على المسح الجوي بطائرات الهليكوبتر، والمسح الميداني سيرًا على الأقدام، والمسح الدوري لأعمدة الكهرباء. وتُستخدم بيانات هذه الطرق بشكل أساسي محليًا، مما يصعّب دعم تحديد أولويات الأصول على مستوى الشبكة بالكامل أو إجراء الصيانة التنبؤية. بالإضافة إلى ذلك، فإن تشغيل طائرات الهليكوبتر والشاحنات يترتب عليه تكاليف مالية وانبعاثات كربونية، مما يؤثر على الأداء البيئي لشركة المرافق العامة. لذلك، وضعت ESB Networks معايير عالية للمشروع الجديد: ضرورة إخراج نتائج المسح بتنسيق موحد على مستوى الشبكة، وإنشاء سجل دائم لحالة الأصول يتزايد بمرور الوقت، وتحقيق مساهمة قابلة للقياس في تقليل الانبعاثات الكربونية الناتجة عن المسح نفسه.

يتمثل الحل في التعاون مع شركة eSmart Systems لنشر منصة Grid Vision (رؤية الشبكة)، والتي تعتمد على منهجية مسح تجمع بين صور الطائرات بدون طيار، واكتشاف العيوب بالذكاء الاصطناعي، والتحقق البشري في الحلقة. تتم معالجة كل صورة بواسطة نموذج رؤية حاسوبية مُدرّب لتحديد فئات محددة لحالة الأصول، ويخضع كل اكتشاف لمراجعة محللين مدربين قبل اتخاذ أي إجراء.

يتمثل التركيز الاستراتيجي لهذا المشروع في قاعدة بيانات السجلات الطولية للأصول الناتجة عنه. تشكل صور الطائرات بدون طيار والتقييمات المدعومة بالذكاء الاصطناعي من كل دورة مسح سجلاً طوليًا لحالة كل منشأة، مما يوفر شرطًا أساسيًا لتحديد أولويات الاستبدال القائمة على المخاطر وتحليل الصيانة التنبؤية. صرح Oisín Armstrong من فريق الهندسة والمشاريع الكبرى في ESB بأن أسلوب المسح الافتراضي يمكّن ESB من "تحسين الكفاءة من خلال مشروع مسح شامل، مما يوفر الوقت ويخفض التكاليف ويقلل البصمة الكربونية، ويدعم مهمتنا لتحقيق صفر انبعاثات كربونية بحلول عام 2040."

يحقق المشروع نتائج تشغيلية قابلة للقياس. فقد انخفض الوقت المستغرق من المسح إلى إعداد التقارير بشكل كبير، كما أدت سير العمل الآلية إلى تقليل الوقت من التقاط الصور إلى الوصول إلى النتائج القابلة للتنفيذ، مما قلل بدوره من وقت تشغيل الشاحنات وطائرات الهليكوبتر اللازمة للحفاظ على رؤية الشبكة. تتناقص البصمة الكربونية لمشروع المسح نفسه، ويتم التقاط بيانات حالة الأصول بتنسيق موحد على مستوى الشبكة، مما يدعم اتخاذ قرارات استباقية بشأن الأصول. ستستمر الخطة في التوسع، من خلال دمج بيانات المسح مع مجموعات بيانات أوسع للأصول والبيئة، لبناء طبقة ذكاء مستمرة.

تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com