AI och centraliserade skydd - Upptäck och stoppa fel i tid

- Med AI har vi nu möjlighet att skydda nätbolagens verksamhet på en helt annan nivå, säger Jens Åkerblom, anbudschef på ABB.

Publicerad av

annons - 1 sep, 2025

Tänk om det gick att förutse majoriteten av felen i elnätet och åtgärda dem innan de blivit kostsamma och tidskrävande? Nu är det möjligt. Med centraliserade skydd från ABB i kombination med AI-assistans går det att i realtid få en oöverträffad förståelse.

– I grunden handlar det om att kunna förstå nätet och nätanvändningen mer i detalj. Hur utnyttjas nätet och anläggningen just nu? Vilka problem håller på att utvecklas? Hur ser situationen ut i morgon? I nästa vecka? På vilket sätt går det att optimera, övervaka och styra användningen för att både säkerställa driften och få ut så mycket som möjligt av den kapacitet som finns?

Det säger Johan Pensar, som är global affärsutvecklare på ABB Distribution Solutions. Och det första steget i att få till en bättre förståelse är att samla in så mycket data som möjligt.

Det är här som ABB:s centraliserade skyddssystem för elkraftsanläggningar, SSC600, kommer in i bilden. Data från upp till 30 ställverksfack samlas genom det på en plats och visualiseras i ett enkelt gränssnitt för att underlätta effektivt beslutsfattande.

Genom AI-analys och maskininlärning öppnas idag dörren till en helt ny nivå av felprediktering, som bland annat väger in väderinformation. ABB:s maskininlärningsmodell analyserar fel- och avvikelsedata från SSC600 och ger prognoser för att fel uppstår i elnätet inom 1, 7 eller 10 dagar, så att rätt åtgärder kan sättas in i tid för att säkra distributionen.

Centraliserade skydd - en möjliggörare för framtidens felprediktering

ABB:s erbjudande av centraliserade skydd finns både som hårdvara (SSC600) och som fristående mjukvara (SSC600 SW). Tillsammans med tilläggslösningar för AI-analys och maskininlärning öppnas dörren till en helt ny nivå av felprediktering.

– Utöver en lättillgänglig översikt över anläggningens aktuella status får kunden också upp en lista över framtida risker som kan leda till potentiella fel. Risker kategoriseras och prioriteras så att kunden kan ta väl underbyggda beslut och agera, säger Jens Åkerblom, anbudschef på ABB Distribution Solutions.

Kan du ge ett konkret exempel på felprediktering?

– Man kan exempelvis få indikationer om att en trädgren rör vid en viss ledning, vilket kan utvecklas till ett större problem. Det går också att träna upp AI-modellen för olika worst case-scenarier genom att utsätta den för nya felsituationer som kan inträffa i kundens anläggning, säger Jens Åkerblom.

Hur kan SSC600 väga in risken för att en gren orsakar strömavbrott?

– Det är det som är så fantastiskt med den här tekniken. Skyddet kan hämta in högupplösta driftdata, kombinera det med väderdata och satellitbilder över ledningsgator, och sedan planera framåt. Används den informationen i underhållsplaneringen kan kunden förbättra tillförlitligheten, men också minska underhållskostnaderna, genom att personal kan skickas ut att röja just där det behövs, förklarar Johan Pensar.

ABB:s centraliserade enhet SSC600 finns både som hårdvara och som fristående mjukvara och är lätt att installera och koppla till existerande installationer då den bygger på öppen standard.

"Pilotprojekt med Vasa Elnät har varit riktigt lyckat. Vi har kunnat förutse fel upp till en vecka i förväg och upptäckt 67 procent av alla felen i förväg och hela 90 procent av de förutsägbara felen."

Johan Pensar, global affärsutvecklare på ABB Distribution Solutions.

Lyckat pilotprojekt med Vasa Elnät i Finland

I över tre år har ABB haft ett pilotprojekt med Vasa Elnät i Finland där SSC600 använts för att samla in data från redan installerade reläskydd. En skräddarsydd maskininlärningsmodell analyserar sedan fel- och avvikelsedata från SSC600 och identifierar både rotorsaken och platsen för registrerade fel och avvikelser – och kan dessutom förutsäga framtida fel.

Prognoserna visar hur stor sannolikheten är att ett fel uppstår i elnätet inom 1, 7 eller 10 dagar och var och vad det beror på. Vilket ger kunden möjlighet att agera i tid, minska driftstörningar och förbättra nätets tillförlitlighet.

– Pilotprojektet har varit riktigt lyckat. Vi har kunnat förutse fel upp till tio dagar i förväg och har upptäckt 67 procent av alla felen i förväg och hela 90 procent av de förutsägbara felen. Och vi har heller inte haft några falska positiva svar, berättar Johan Pensar.

Fakta

Det här behöver du för att kunna förutsäga fel i elnätet:

· Mätutrustning – Reläskydd eller sammanslagningsenheter som skickar ström- och spänningsdata i ett standardiserat digitalt format.

· SSC600 (SW) – Identifierar avvikelser och registrerar störningar i nätet.

· En skräddarsydd maskininlärningsmodell – Samlar in och lagrar data samt kör AI-baserad analys och felprognoser.

Stor hjälp vid övergången till förnybar energi

En av dagens stora utmaningar för elnätsbolagen är att hantera ett större inflöde av förnybar energi.

– För att hålla elnätet stabilt och undvika obalans mellan konsumtion och produktion krävs det mer detaljerad kunskap, både i realtid och i form av prediktion. Kunskap som måste baseras på data från många olika områden, allt från väder och vind till aktuell ledningskapacitet, säger Johan Pensar.

Vad kan nätbolagen rent konkret göra för att hantera denna osäkerhet?

– Utnyttja möjligheterna att mäta mer och bättre och ta hjälp av AI och maskininlärning för att ytterligare säkra verksamheten. Det finns mycket bra verktyg idag för att både optimera de resurser som finns och säkra elnätets stabilitet. Så utnyttja dem - ABB finns här för att hjälpa er att få det att fungera för ert elnät, avslutar Johan Pensar.

För mer information