Wzrost globalnego zapotrzebowania na energię elektryczną, obserwowany szczególnie w krajach takich jak Brazylia, Indie czy Chiny, prowadzi do dynamicznego rozwoju systemów przesyłowych pracujących przy napięciach znamionowych sięgających nawet 1100 kV. Wysokonapięciowe linie przesyłowe EHV (345–765 kV) oraz UHV (>765 kV) umożliwiają efektywną transmisję energii na duże odległości, jednak ich eksploatacja wymaga zapewnienia najwyższego poziomu niezawodności, w tym precyzyjnie zaprojektowanej koordynacji izolacji.

Jednym z kluczowych aspektów tej koordynacji jest zrozumienie i modelowanie zjawisk towarzyszących rozwojowi wyładowań iskrowych. Mimo dostępności zaawansowanych modeli, takich jak deterministyczny model LPM czy stochastyczny model fraktalny, ich praktyczne zastosowanie wymaga odpowiedniej walidacji. Tradycyjne metody weryfikacji, oparte na pomiarach laboratoryjnych, są często kosztowne i trudne do realizacji.

W artykule autorstwa dr. inż. Michała Molasa i dr. inż. Przemysława Berowskiego zaproponowano alternatywne podejście polegające na wykorzystaniu metod uczenia maszynowego do klasyfikacji rodzajów wyładowań iskrowych, co może znacząco usprawnić proces walidacji modeli symulacyjnych. Badania oparto na analizie danych pomiarowych, tworząc referencyjną bazę wykorzystywaną do uczenia klasyfikatora. Celem pracy jest ocena skuteczności tego rozwiązania oraz określenie jego potencjału w zastosowaniach elektroenergetycznych.

Artykuł ukazał się na łamach Magazynu Energetyka - Wydanie Październik 2024

Wypełnij formularz i uzyskaj dostęp do artykułu