Physics Informed Neural Networks for predicting temperature and loss distribution in power assets
| Diarienummer | |
| Koordinator | Kungliga Tekniska Högskolan - Institutionen för Intelligenta system |
| Bidrag från Vinnova | 2 500 000 kronor |
| Projektets löptid | maj 2023 - maj 2026 |
| Status | Pågående |
| Utlysning | Avancerad digitalisering - Möjliggörande tekniker |
| Ansökningsomgång | Avancerad och innovativ digitalisering 2023 - första utlysning |
Syfte och mål
Syftet med projektet är att vidareutveckla kunskapen om dynamisk drift i realtid av krafttransformatorer och andra nätkomponenter med hjälp av innovativa AI-metoder. Fysikinformerad maskininlärning kan möjliggöra förbättrad drift och ge mer kunskap om värmefördelning i kraftkomponenter, vilket i sin tur kan gynna kraftsystemhantering och framtida komponentdesign. Huvudsakliga projektmål: - Tillämpa fysikinformerade neurala nätverk på data från driftsutrustning - använda en tränad modell för att förutsäga den termiska prestandan hos kraftutrustning för realtidsdrift
Förväntade effekter och resultat
De tekniska resultat som projektet planerar att uppnå är följande: - 2D- och 3D-representation av krafttransformator med hjälp av PINN - Funktionell och robust prognosmodell som kan förutsäga temperaturfördelningen för krafttillgångar 24 timmar framåt - Testade och validerade versioner av 1D-, 2D- och eventuellt 3D-modeller samt prediktionsmodell - Tidigare utvecklingsstadier av den kombinerade digitala tvillingmodellen Den förväntade effekten är bättre hanterbara och kontrollerbara kraftkomponenter och övergång till bättre utnyttjande och komponentanvändning.
Planerat upplägg och genomförande
KTH kommer att vara projektkoordinator, Hitachi Energy är projektpartner. Projektet kommer att genomföras i samarbete mellan forskare vid Hitachi Energy, nämligen Dr. Michele Luvisotto och Dr. Tor Laneryd, forskare vid KTH, nämligen Dr. Kateryna Morozovska, Federica Bragone och nyanställd personal för detta projekt specifikt. Projektet är uppdelat i 6 arbetspaket som kommer att genomföras från projektstarten den 31 maj 2023 till det planerade slutförandet i maj 2026.