Zoals het bloed van een patiënt de specialist iets zegt over de conditie van die patiënt, kunnen de opgeloste gassen in de olie van transformatoren iets zeggen over conditie van een transformator. Met de juiste instrumenten kan op basis van de gaswaarden een voorspelling gedaan worden over het al dan niet optreden van een risico voor de ‘gezondheid’ van een transformator. Een van die instrumenten is Dissolved Gas Analysis (DGA). DGA is een analyse waarbij in de olie aanwezige gassen onderzocht worden. Deze gassen zijn een indicator voor achteruitgang van de kwaliteit en mogelijk toekomstig falen van de transformator.

Met het oog op data gedreven, voorspelbaar onderhoud is er in een samenwerking tussen Stedin, Enexis, Tennet, de Universiteit van Amsterdam en Ksandr een geautomatiseerd instrument ontwikkeld dat de DGA een stap verder brengt. Het instrument bestaat uit een model dat door middel van machine learning is getraind in het herkennen van transformatoren die een verhoogd risico op falen vertonen.

Dit model wordt geïmplementeerd binnen de beveiligde omgeving van het Ksandr Collectieve Brein. Op dit moment wordt hier de laatste hand aan gelegd. Een van de laatste stappen was de eindgebruikerssessie van afgelopen woensdag. Tijdens deze sessie hebben de ontwikkelaars de eindgebruikers door de DGA-tool geleid. Scherm voor scherm is de tool doorlopen en is informatie uitgewisseld over de werking en opbouw van de tool. Met deze informatie van deze sessie kunnen de ontwikkelaars de DGA-tool afmaken waarna een testperiode volgt en daaropvolgend de oplevering.

De DGA-tool is het begin van een nieuwe werkwijze en staat naast het gebruik van de tool in de business ook in het teken van ‘leren’. Met deze tool kunnen we leren van deze manier van werken en het gebruik van data en voorspellingen in relatie tot de situatie in de installed base. Validatie van informatie is een belangrijke fase en zal de DGA-tool steeds waardevoller maken.

We houden je op de hoogte!
Voor meer informatie: Vincent Lander, Ksandr, e-mail: vincent.lander@ksandr.nl