Chi tiết tin - Sở Thông tin và Truyền thông

Tối ngày 23/4/2024, tại Hà Nội, Liên hiệp các hội Khoa học và Kỹ thuật Việt Nam, Quỹ hỗ trợ Sáng tạo kỹ thuật Việt Nam (VIFOTEC) đã tổ chức Lễ trao giải Hội thi Sáng tạo kỹ thuật toàn quốc lần thứ 17 (2022-2023), trong đó, đề tài “Nghiên cứu, ứng dụng trí tuệ nhân tạo phát hiện các nguy cơ mất an toàn lưới điện từ hình ảnh/video thu thập của DRONE/UAV từ nhiệm vụ bay” của nhóm tác giả đến từ Công ty Điện lực Quảng Trị (PC Quảng Trị) đoạt Giải Nhì.

Được biết, đã có 55 tỉnh, thành phố, bộ, ngành trong cả nước gửi hồ sơ tham dự Hội thi Sáng tạo kỹ thuật toàn quốc lần thứ 17 (2022-2023). Ban Tổ chức Hội thi các địa phương và các bộ đã xem xét, đánh giá hàng nghìn giải pháp tham gia Hội thi các cấp và tuyển chọn được 587 đề tài, giải pháp thuộc 06 lĩnh vực gửi tham dự Hội thi toàn quốc. Các giải pháp sáng tạo đoạt giải đều được ứng dụng rộng rãi trong sản xuất và đời sống, giải quyết các yêu cầu của thực tiễn, mang lại hiệu quả kinh tế - xã hội cao

Là một trong 90 giải pháp về lĩnh vực công nghệ thông tin, điện tử, viễn thông, đề tài “Nghiên cứu, ứng dụng trí tuệ nhân tạo phát hiện các nguy cơ mất an toàn lưới điện từ hình ảnh/video thu thập của DRONE/UAV từ nhiệm vụ bay” của nhóm tác giả đến từ Công ty Điện lực Quảng Trị đã xuất sắc đoạt Giải Nhì.

Đề tài ra đời xuất phát từ thực tế trong công tác quản lý kỹ thuật của PC Quảng Trị, là một giải pháp rất hữu ích và có tính mới trong lĩnh vực quản lý lưới điện kết hợp các công nghệ mới là AI và DRONE/UAV.

Trong các năm qua, PC Quảng Trị đã triển khai áp dụng nhiều chương trình phục vụ công tác quản lý, vận hành lưới điện, trong đó có phần mềm kiểm tra hiện trường (KTHT) trung thế để số hóa công tác kiểm tra đường dây và trạm biến áp như quản lý giao việc, giám sát hành trình thực hiện công việc theo tọa độ vị trí, cập nhật kết quả thực hiện công việc kiểm tra tại hiện trường trên thiết bị thông minh (di động, máy tính bảng…), quản lý tồn tại theo hình ảnh, danh mục phân loại tồn tại theo từng loại thiết bị.

Ngoài ra, các tồn tại, bất thường như vi phạm hành lang tuyến, hư hỏng cách điện/phụ kiện, hư hỏng dây dẫn được phát hiện trong quá trình kiểm tra tại hiện trường do công nhân thực hiện kiểm tra bằng mắt, ống nhòm thông qua hình ảnh từ flycam/drone chụp về, sau đó cập nhật hình ảnh tồn tại và kết quả theo danh mục phân loại tồn tại vào phần mềm KTHT. Phương pháp thủ công này mất rất nhiều thời gian trong việc phát hiện từ hình ảnh. Đối với video, công việc đó càng lại khó khăn hơn.

Vì vậy, qua nghiên cứu và thử nghiệm các mô hình AI vào bài toán thực tế trong phát hiện các nguy cơ mất an toàn lưới điện từ hình ảnh/video thu thập được của drone bay phục vụ công tác QLVH lưới điện, nhóm tác giả sử dụng giải pháp ứng dụng mô hình Yolo và các công cụ hỗ trợ Google Colab, RoboAI để phát hiện các tồn tại/bất thường về đường dây 110kV, 22kV thông qua hình ảnh và video thu thập được từ flycam/drone bay, cụ thể tập trung phát hiện các đối tượng nhận diện sứ nứt/vỡ, nhận diện sứ bám bẩn….

Giải pháp đã thực hiện qua các bước chính bao gồm:

+ Thu thập và làm sạch dữ liệu hình ảnh các loại sứ bình thường, bẩn, lỗi (vỡ, bẩn). Hình ảnh thu thập được lấy từ hình ảnh chụp, trích xuất từ video bay bằng UAV trong quá trình kiểm tra đường dây, hệ thống lưới điện. Tiền xử lý hình ảnh, chọn những hình ảnh đạt độ chuẩn xác các đối tượng bất thường để tiến hành đưa vào công tác huấn luyện

+ Thực hiện gán nhãn các loại.

Tổng hợp gán nhãn bằng RoboAI

+ Nghiên cứu mô hình Yolo, xây dựng mô hình huấn luyện: Trong công đoạn này, ngoài việc nghiên cứu mô hình Yolo, tiếp tục áp dụng một số công cụ của Google Colab để thực hiện huấn luyện online giúp tốc độ xử lý máy chủ của Google tốt hơn.

 Kiến trúc tổng quan của Yolo

+ Thực hiện huấn luyện mô hình AI và kết quả thực hiện

Một số kết quả trong quá trình huấn luyện - Ảnh: N.V.T

         + Lập trình đường bay tự động drone/uav: Tích hợp hệ thống GSP, module Real-Time Kinematic ( RTK), thiết lập đường bay tự động cho drone/uav trong kiểm tra lưới điện 110kV, lưới điện trung thế

+ Tích hợp vào chương trình KTHT và PMIS (hệ thống quản lý nguồn lưới điện): Sau khi có được mô hình huấn luyện, tiến hành thiết kế CSDL PMIS-AI để lưu trữ kết quả xử lý đầu ra từ mô hình AI; xây dựng Agent Kết nối phần mềm KTHT để tự động lấy dữ liệu từ chương trình về, sau đó thông qua mô hình PMIS-AI tự động xử lý để từ đó cho ra kết quả lưu vào CSDL PMIS-AI, tự động đẩy qua phần mềm PMIS bằng Agent đồng bộ.

Mô hình kết nối của hệ thống PMIS-AI với KTHT, PMIS

Hệ thống đã được triển khai trên cơ sở tiếp cận dựa trên nghiên cứu lý thuyết, kỹ thuật công nghệ và những ví dụ về việc ứng dụng IoT trong điều khiển thiết bị bay. Lập trình điều khiển bay tự động và kết nối dữ liệu thu thập tự động về trung tâm. Lập trình nhận diện khoảng cách vật thể trong ảnh, nhiệt độ ảnh nhiệt trên các vật thể thiết bị. Đề tài này tiếp cận vấn đề một cách toàn diện, sáng tạo và tập trung, áp dụng trí tuệ nhân tạo vào lĩnh vực quản lý và bảo dưỡng lưới điện.

Cụ thể hơn, đề tài tập trung vào việc nhận diện các đối tượng bất thường trên lưới điện, những vấn đề phổ biến nhưng lại cần sự kiểm tra kỹ lưỡng và liên tục trong suốt quá trình vận hành lưới điện. Việc sử dụng AI để giải quyết các thách thức này không chỉ thể hiện được sự tiến bộ của công nghệ trong lĩnh vực quản lý và bảo dưỡng hạ tầng lưới điện mà còn tạo ra nhiều lợi ích thiết thực. Một trong những lợi ích đó là việc giảm bớt công sức và thời gian cần thiết để kiểm tra lưới điện. Thông qua việc sử dụng AI, công tác kiểm tra có thể được tự động hóa và nhanh chóng hơn rất nhiều so với việc kiểm tra thủ công truyền thống. Điều này không chỉ giúp tiết kiệm thời gian và năng lượng cho nhân viên mà còn giúp cải thiện hiệu quả tổng thể của quá trình quản lý và bảo dưỡng lưới điện.  Bên cạnh đó, việc áp dụng AI còn giúp cải thiện chất lượng và độ chính xác của quá trình kiểm tra. AI có khả năng học hỏi và cải tiến qua thời gian, nghĩa là nó có thể nhận diện các đối tượng bất thường trên lưới điện với độ chính xác ngày càng cao theo thời gian. Điều này không chỉ giúp giảm bớt sai sót có thể xảy ra trong quá trình kiểm tra, mà còn giúp đảm bảo an toàn và ổn định của lưới điện.

AI đang mở ra cơ hội mới cho nhiều lĩnh vực khác nhau, bao gồm cả ngành điện, tuy nhiên, việc áp dụng AI vào ngành điện - đặc biệt là trong Tập đoàn Điện lực Quốc gia Việt Nam - vẫn còn là một lĩnh vực mới và chưa được khám phá đầy đủ. Đề tài này, với việc tạo ra một mô hình AI để nhận diện và phát hiện được các đối tượng bất thường trên lưới điện mang đến một đổi mới đáng kể trong lĩnh vực này. Khả năng tận dụng AI để cải thiện độ chính xác và hiệu quả của quá trình kiểm tra lưới điện là một bước tiến đáng kể cho ngành điện. Việc này không chỉ giúp giảm bớt sức lao động và thời gian cần thiết cho quá trình kiểm tra, mà còn tăng cường khả năng quản lý lưới điện, giúp đảm bảo an toàn và ổn định của hệ thống điện. Bên cạnh đó, việc tạo ra một sản phẩm AI hoàn chỉnh trong ngành điện không chỉ đánh dấu một bước tiến lớn trong việc ứng dụng công nghệ vào ngành điện mà còn khẳng định sức mạnh nghiên cứu và phát triển của ngành điện. Điều này giúp tạo ra hình ảnh một ngành điện tiên tiến, sáng tạo và đáng tin cậy, góp phần củng cố vị thế của Việt Nam trong lĩnh vực công nghệ và năng lượng trên thế giới. Việc áp dụng AI vào việc nhận diện và phát hiện các đối tượng bất thường cũng mở ra nhiều hướng nghiên cứu và ứng dụng mới cho AI trong ngành điện. Điều này không chỉ góp phần vào sự phát triển của AI và công nghệ mà còn giúp tạo ra một lượng lớn cơ hội mới cho các nghiên cứu AI trong ngành điện ở tương lai.

                                             NGUYỄN VĂN TÀI