Konferencja Globemy 2017

Podczas Konferencji Innowacyjne Rozwiązania Geoprzestrzenne 2017 Tomasz Gulczyński, Dyrektor Centrum Rozwoju Oprogramowania w Globemie, wygłosił prezentację „Sztuczna inteligencja w praktycznych zastosowaniach geoprzestrzennych i nie tylko – faza 2.0”. Celem wystąpienia było przedstawienie najczęstszych metod zaawansowanych technik obliczeniowych, w tym algorytmów „inteligentnych”, oraz ich praktycznego zastosowania.

Istnieje szereg technologii i metodyk tworzenia sztucznej inteligencji. W swojej prezentacji Tomek Gulczyński zaprezentował kilka z nich na przykładzie trzech aplikacji Globemy – GeoTask, ELGrid i 4RES.

Konferencja Globemy 2017Sztuczna inteligencja jako metoda obliczeniowa

Optymalizacja i zarządzanie pracą w terenie

Jednym z najważniejszych wyzwań przed jakim stają firmy realizujące zadania w terenie (branże sieciowe, transport i logistyka, serwis i wiele innych) jest ułożenie optymalnego harmonogramu pracy z uwzględnieniem rodzaju i wielkości zadań, godzin pracy pracowników, ich kwalifikacji, ładowności pojazdów, optymalnej trasy dojazdu (również pod względem korków) oraz uzgodnionego SLA. Z pomocą przychodzi tutaj system Globemy GeoTask oraz złożone metody heurystyczne, które pomagają uporać się z tym zadaniem. Aplikacja wykorzystuje moduły takie jak OptaPlanner i GraphHopper wzbogacone dodatkowo przez nasz zespół o metody optymalizacyjne, a także Open Street Maps i Google Maps wraz z informacją o natężeniu ruchu.

Konferencja Globemy 2017

Optymalizacja sieci elektroenergetycznej

Z myślą o rozwiązaniu problemów związanych z efektywnym zarządzaniem elektroenergetycznymi sieciami rozdzielczymi nasz zespół opracował system ELGrid wykorzystywany do zaawansowanych obliczeń symulacyjnych i optymalizacyjnych sieci elektroenergetycznej. Zastosowanie znalazły tu algorytmy genetyczne (rodzaj heurystyki przeszukującej przestrzeń alternatywnych rozwiązań problemu w celu wyszukania rozwiązań najlepszych), które są wykorzystywane do dwóch celów:

  • określenia obciążeń szczytowych we wszystkich węzłach w sytuacji braku pełnego opomiarowania
  • wyznaczenia najlepszych punktów podziału sieci SN i nN oraz najlepszych nastaw napięciowych transformatorów, tak aby zminimalizować straty techniczne w sieci, a jednocześnie utrzymać wymagane poziomy napięć.

Stopień trafności optymalizacji sieci został potwierdzony w praktyce w projekcie „Inteligentny Półwysep”, w trakcie którego ENERGA Operator wraz z Globemą przeprowadziły obliczenia teoretyczne. Wyniki tych obliczeń zostały wdrożone w rzeczywistej sieci na Półwyspie Helskim, co umożliwiło ograniczenie strat energii.

Konferencja Globemy 2017ELGrid w projekcie Inteligenty Półwysep – wyniki optymalizacji

Prognozowanie produkcji z odnawialnych źródeł energii

Wraz ze wzrostem udziału energetyki odnawialnej w całkowitym bilansie energetycznym coraz istotniejsze staje się prognozowanie jej produkcji w perspektywie krótkoterminowej i ultrakrótkoterminowej. Wsparciem dla operatorów OZE jest tutaj system Globemy 4RES, w którym do prognozowania produkcji energii użyto sztucznych sieci neuronowych. Działanie aplikacji w praktyce potwierdziło komercyjne wdrożenie u jednego z operatorów handlowych, gdzie uzyskano satysfakcjonujący poziom błędu prognozy w okolicach 10%.

4RES – prognozowanie produkcji z OZE

Eksperyment – automatyczne rozpoznawanie obrazów energetycznych złączy kablowych

W trakcie swojej prezentacji Tomasz zaprezentował także wynik eksperymentu polegającego na automatycznym rozpoznawaniu obrazów energetycznych złączy kablowych i znajdujących się wewnątrz bezpieczników. Do tego celu użyto TensorFlow (otwarta biblioteka oprogramowania do wykonywania obliczań numerycznych przy użyciu grafów przepływu danych) z narzędziami do klasyfikacji obrazów i wykrywania obiektów na obrazach. Sieć neuronowa została „przeszkolona” próbką około 200 zdjęć, a następnie przetestowana na 30 obrazach różnych złączy. Trafność identyfikacji była na poziome 70% złącz ZK-2 i 100% złącz ZK-3. Dla bezpieczników uzyskano trafność 75%. Aby osiągnąć trafność zbliżoną do 100%, należałoby nauczyć sieć na większej próbce zdjęć. Istotne jest jednak również to, że system może douczać się sam podczas zwykłej eksploatacji.

Wynik eksperymentu można uznać wręcz za bardzo obiecujący – otwiera on drogę do zastosowania sztucznej inteligencji w procesie inwentaryzacji sieci.

Konferencja Globemy 2017Rozpoznawanie obrazów może być częścią aplikacji mobilnej

Konferencja Globemy 2017