1.0 INTRODUCTION : OUR BACKGROUND
Inspeksi powerline secara bertahap bergerak ke perbatasan baru, yang lebih didasarkan pada
teknologi Internet of Things dan Revolusi Industri 4.0. Saat ini, jenis baru layanan inspeksi dan
pemantauan mulai muncul di mana-mana. Pekerjaan semakin akurat dan inspektur manusia secara
bertahap digantikan oleh mesin cerdas yang dapat melakukan pekerjaan berulang dan relatif
membosankan tanpa lelah. Untuk mengidentifikasi anomali, pembelajaran mesin cerdas, analitik
data cerdas, dan lainnya adalah fitur utama yang secara otomatis disematkan ke dalam sistem yang
mengganggu dan revolusioner ini.
2.0 REVOLUTIONIZE POWERLINE INSPECTION
Di bawah ini adalah fakta tentang mengapa kita perlu merevolusi industri inspeksi powerline:
Bagaimana inspektur manusia terhalang oleh ketebalan hutan yang mengelilingi powerline,
pertemuan berbahaya dengan hewan liar dan beracun, daerah lahan gambut dan rawarawa
serta badan air, bahaya listrik tegangan tinggi dll.
Inspektur manusia, terutama riggers tegangan tinggi yang sangat terlatih, relatif langka saat
ini. Tidak banyak orang menginginkan pekerjaan itu, banyak yang takut tidak hanya
kecelakaan jatuh, tetapi juga melakukan pekerjaan akses tali di lingkungan yang sangat
berbahaya yang mengekspos tubuh mereka ke bahaya listrik tegangan tinggi yang hampir
selalu menyebabkan kematian segera dan masalah kesehatan yang disebabkan oleh
paparan jangka panjang terhadap radiasi medan magnet dan efek elektromagnetik ke
jaringan hidup. Hal ini mengakibatkan tingkat churn yang tinggi (usia kerja terbatas, sejauh
ini hanya sampai 30 tahun) dan ketersediaan tenaga kerja yang cukup rendah untuk
menangani pekerjaan tersebut.
Riggers (Di dekat Riggers) manusia dapat melakukan 1,5-2 menara dan rentang inspeksi rata-rata
per hari. Inspeksi berbasis drone dapat melakukan setidaknya lima hingga sepuluh kali kecepatan
inspeksi tradisional.
Riggers (Di dekat Riggers) manusia dan petugas patroli darat hanya dapat melakukan begitu
banyak sebagai visi biologis terbatas mereka memungkinkan mereka. Juga, untuk mengukur
jarak yang aman dari garis konduktor terdekat mereka memanfaatkan pengalaman
lapangan mereka karena hanya beberapa petugas (hanya pemimpin mereka atau
orangorang berpengalaman) yang dilengkapi dengan perangkat laser range finder untuk
pengukuran yang akurat. Inspeksi berbasis drone jauh lebih akurat, menggunakan
komputasi paralaks untuk membangun data PointCloud dari foto resolusi tinggi dan bingkai
video, dikombinasikan dengan data LiDAR (Light Detection and Ranging) dan modul PPK
(post processing kinematics) alih-alih GPS. Ini membuat peta orthomosaic sangat kompleks
dan dunia maya 3D yang tidak hanya untuk pemodelan, yang lebih penting mereka sangat
terukur.
Foto dan video yang diambil drone diambil dari jarak yang relatif dekat dan bebas dari
penghalang alami dan/atau buatan manusia (pohon dan bangunan). Teknologi kami cukup
maju untuk menahan bahaya induksi medan magnet dengan memodifikasi armada UAVkami selama setahun dan penelitian dan pengembangan yang melelahkan, jauh melebihi
pesaing kami, dengan catatan 2 meter dari saluran konduktor tegangan tinggi. Dengan pergi
secara fisik lebih dekat dan tidak memanfaatkan tele bertenaga tinggi, hasilnya adalah
gambar yang tajam dan rinci, yang harus meningkatkan potensi bahaya dan anomali
identifikasi.
Kami menghilangkan waktu mobilisasi dan sangat meningkatkan kecepatan dengan
memanfaatkan teknologi serah terima sinyal terbaru yang lama digunakan dalam industri
seluler seluler, dual-band otomatis 2,4/5,8 GHz frekuensi tidak berlisensi melompat sebelum
dan selama penerbangan untuk meminimalkan gangguan dan bereksperimen dengan motor
mesin listrik hibrida untuk meningkatkan daya tahan penerbangan untuk memastikan waktu
akuisisi data untuk digunakan seefisien mungkin.
3.0 CURRENT INDUSTRY DETECTIONS
Saat ini, sarana untuk mendeteksi kesalahan grid dan perjalanan adalah dengan tiga cara:
Pada dasarnya, sistem mengukur efisiensi dengan anomali kehilangan energi, yang berada
di luar jangkauan operasi normal. Jenis sistem ini hanya dapat mendeteksi masalah rute
listrik, tetapi tidak menentukan di mana kesalahan terletak.
Sebagian besar disewa dari penduduk setempat yang mengetahui medan dengan baik,
mereka dilengkapi dengan seragam kerja, sepatu keselamatan dan topi keras, lengkap
dengan perangkat lunak pemeriksaan yang dipasang di luar rak smartphone yang memandu
mereka untuk memeriksa tempat dengan GPS, membuka set kuesioner dan memasukkan
bukti anomali baik oleh foto atau video yang diambil dari kamera smartphone
Pria bersertifikat dan sangat terlatih mengkhususkan diri dalam memanjat menara bertingkat
tinggi dan bangunan dengan sarung tangan keselamatan anti elektroduksi, sepatu pendaki
nonlogam, dan baju kerja tegangan tinggi.
4.0 CURRENT INDUSTRY SOLUTIONS
Tiga metode saat ini ada untuk menyelesaikan kesalahan grid dan perjalanan, untuk memperbaiki dan
mengganti tindakan:
Perusahaan Listrik Negara INDONESIA PT PLN (Persero) memanggil tim live riggers PDKB
(Pekerjaan dalam keadaan tarik) dan mereka mengkhususkan diri bekerja di menara bertingkat
tinggi dan berjalan di atas garis konduktor, sambil memperbaiki atau mengganti bagian dengan
sirkuit sementara tanpa perlu shutdown sistem
Riggers ini direkrut dari penduduk setempat dari masing-masing Kantor Layanan Grid dan
bekerja mirip dengan sepupu rigger hidup PDKB mereka, kecuali mereka melakukannya
sementara shutdown lengkap sementara dimulai
Pasukan berbasis darat ini direkrut dari penduduk setempat yang secara bersamaan
melakukan pemangkasan vegetasi di bawah dan sekitar Rights-of-Way (di sekitar menara
transmisi dan jalur konduktor). Jarak pembersihan minimum untuk perambahan vegetasi
adalah 9 meter di semua sisi untuk mencegah potensi flashover yang dapat menyebabkan
pemadaman.
5.0 DRONE BASED ANALYTICAL TOOLS
Inspeksi dan Penilaian berbasis drone akan mengeluarkan patroli darat dan tim rigger langsung pada
waktunya untuk alasan yang dinyatakan di atas. Mereka, bagaimanapun, tidak sepenuhnya
digantikan oleh Drone, sebaliknya mereka pindah ke pekerjaan lain, yaitu untuk pekerjaan
penggantian dan perbaikan serta pemangkasan vegetasi.
Foto dan video yang dikumpulkan dapat dimasukkan ke dalam pustaka data cloud dan diakses melalui
dasbor bertingkat terenkripsi untuk pengiriman data yang nyaman untuk pendekatan analitis yang lebih
mendalam:
Menggunakan data yang diambil setiap 3-6 bulan secara teratur, kami dapat mengukur
kelompok vegetasi dan tingkat pertumbuhan. Dengan demikian, kita dapat memprediksi
kapan waktu yang matang untuk memangkasnya, serta membangun sistem peringatan dini
sebagai aplikasi push untuk pemangkas pohon dan supervisor
Dengan menggunakan data yang diambil secara teratur, kami dapat mengajarkan algoritme
machine learning AI untuk mendeteksi anomali dan memprediksi tingkat kegagalan komponen.3. DUNIA VIRTUAL 3D BERBASIS POINTCLOUD
Dengan menggunakan teknologi fotogrammetri atau data LiDAR (Light Detection and
Ranging), kami membuat data .las atau .laz (compressed .las) yang realistis untuk analisis
pengukuran dan lokasi akurat foto dan video anomali yang terdeteksi di Rights-of-Way Grid
Menggunakan kamera ultraviolet-range khusus, kita dapat mendeteksi ledakan efek
elektrostatik yang mengelilingi isolator kotor, klem yang mengikat isolator dan konduktor
bersama-sama, serta garis konduktor. Meskipun tidak ada tingkat hitungan yang mengikat
secara internasional untuk efeknya, kita dapat menyetujui terlebih dahulu pada tingkat
hitungan yang dianggap layak untuk penyelidikan lebih lanjut. Isolator kotor dapat
menurunkan kinerja dan merupakan salah satu indikator awal untuk isolator bola sendi / pin
bahaya korosi.
TREE COUNTING menggunakan data LiDAR, kita dapat menghitung pohon di bawah dan di sekitar Grid's
ROW untuk membantu perusahaan listrik menyusun anggaran bersama-sama untuk pemangkasan
pohon.