Menu
-
Predavači:
Doc. dr. sc. Adrian Satja Kurdija
Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva
Sažetak:
Elektroenergetski sustav prolazi kroz transformaciju potaknutu integracijom obnovljivih izvora energije, razvojem pametnih senzora i interneta stvari (IoT) te potrebom za upravljanjem u stvarnom vremenu. Usporedno s razvojem energetike, računarstvo je napredovalo od ranih ekspertnih sustava programiranih pravilima do generativne umjetne inteligencije i analitike velikih podataka (Big Data). Zbog toga sustavi temeljeni na podacima postaju ključni alati za planiranje proizvodnje, prediktivno održavanje i adaptivnu potrošnju.
Na seminaru će se obraditi glavne paradigme strojnog učenja – nadzirano, nenadzirano i podržano učenje. Opisat će se kako se SCADA, PMU i AMI mjerenja koriste za prognozu potrošnje i proizvodnje iz obnovljivih izvora, kako algoritmi samostalno prepoznaju rane znakove kvara ili kibernetičke napade, te kako agenti uče metodom pokušaja i pogreške za prilagođavanje parametara na temelju povratnih informacija u stvarnom vremenu. Pokazat će se primjeri specifičnih AI algoritama poput XGBoost-a, koji je u širokoj uporabi zbog učinkovitosti u hvatanju nelinearnih odnosa, te arhitektura dubokog učenja poput konvolucijskih (CNN) i rekurentnih neuronskih mreža (RNN, LSTM). Danas se široko upotrebljavaju transformerske neuronske mreže, poput Temporal Fusion Transformera (TFT) za predviđanje vremenskih nizova, a osobito veliki jezični modeli koji omogućuju pretvaranje namjera operatera u konkretne pozive funkcija u sustavu, od upita nad podacima i dijagnostike do podrške pri donošenju upravljačkih odluka.
S obzirom na kritičnost energetske infrastrukture, integracija AI rješenja zahtijeva sigurnosne mjere, izolaciju od kritičnih operativnih mreža te primjenu principa “human-in-the-loop”. Pojasnit će se i važnost upravljanja AI modelima u operativnom okruženju (MLOps) za praćenje promjena u distribuciji podataka i točnosti modela. Opisat će se koncepti federalnog učenja za decentralizirano ažuriranje modela uz očuvanje privatnosti te uloga digitalnih blizanaca u koordiniranom praćenju i provođenju simulacija.
Na seminaru će se prikazati:
• usporedni razvoj računarstva i elektroenergetike te tranzicija prema pametnim mrežama;
• primjene nadziranog, nenadziranog i podržanog učenja u modernom EES-u;
• primjeri naprednih modela poput XGBoost-a, dubokog učenja te transformerskih mreža (TFT, jezični modeli);
• izazovi implementacije umjetne inteligencije, uključujući MLOps koncepte, sigurnost podataka i federalno učenje;
• pregled aktualnog regulatornog okvira (EU AI Act, NIS2 direktiva, smjernice ENTSO-E-a).
-
Predavači:
Izv. prof. dr. sc. Božidar Filipović-Grčić, Dr. sc. Bojan Franc, Franjo Vuković, mag. ing.
Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva
Unska 3, 10000 Zagreb
Sažetak:
Atmosferska pražnjenja složene su fizikalne pojave koje obuhvaćaju proces pražnjenja u zraku te brze promjene elektromagnetskih polja. Na većini visokonaponskih prijenosnih dalekovoda atmosferska pražnjenja su glavni uzrok prekida napajanja. Udar munje u dalekovod uzrokuje visoke prenapone što za posljedicu može imati oštećenje opreme u rasklopnom postrojenju.
Sustavi za lociranje atmosferskih pražnjenja omogućuju detekciju munja u realnom vremenu i prostoru, određivanje tipa, polariteta, vremena, lokacije te amplitude struje munje. Praćenje grmljavine u realnom vremenu može biti učinkovito sredstvo u vođenju prostorno distribuiranih sustava izloženih atmosferskim uvjetima. Danas takvi sustavi predstavljaju snažno oruđe u projektiranju, zaštiti i vođenju elektroenergetskih mreža (proizvodnja, prijenos i distribucija), a njihova je primjena korisna je i u brojnim drugim tehnološkim sustavima i mrežama kao što su telekomunikacijske mreže, RTV odašiljači, naftovodi i plinovodi, transportni sustavi (zračni, željeznički i pomorski promet), sustavi osiguranja, meteorološki servisi, agencije za zaštitu od požara, vojne instalacije, itd. Na području Hrvatske je krajem 2008.g. uspostavljen sustav za lociranje atmosferskih pražnjenja (SLAP) kao dio Europskog sustava LINET. SLAP je razvijen na Zavodu za visoki napon i energetiku na Fakultetu elektrotehnike i računarstva u Zagrebu.
S ubrzanim porastom instaliranih kapaciteta vjetroelektrana u svijetu, za što je indikativna rekordna 2023. god. u kojoj je kumulativno instalirano 117 GW, što je godišnji porast od 50% više u odnosu na 2022. godinu (GWEC’s Global Wind Report 2024), kvarovi i štete u vjetroelektranama uzrokovani atmosferskim pražnjenjima privukli su veliku pozornost, posebice u regijama s intenzivnom grmljavinskom aktivnošću. Najčešće štete su kvar niskonaponske opreme i upravljačkih sustava unutar stupa vjetroagregata, čija je izolacijska razina niska, dok je najozbiljnije i ekonomski najnepovoljnije oštećenje lopatica vjetroturbine uslijed direktnih udara munja. U seminaru će se prikazati primjeri atmosferskih pražnjenja koja su detektirana sustavom za mjerenje struje munje na vjetroagregatu, ultra-brzom kamerom i sustavom za lociranje atmosferskih pražnjenja (SLAP).
Na seminaru će se prikazati:
