View Project

Norwegian AI Directory

AI-basert risikomodell for vegetasjon langs kraftlinjer


Description:

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.


Project leader: Kathrin Sunde

Started: 2020

Ends: 2022

Category: Næringsliv

Sector: Næringsliv

Budget: 4400000

Institution: ESMART SYSTEMS AS

Address: Halden