Het afgelopen jaar heeft Ksandr samen met de Vrije Universiteit van Amsterdam gewerkt aan de ontwikkeling van een zelflerend model met behulp van machine learning technologie. Van grote vermogenstransformatoren wordt door de netbeheerders periodiek oliemonsters genomen om de opgeloste gassen in de olie te laten analyseren.

De opgeloste gassen kunnen een indicatie zijn voor beginnende fouten in de transformator. De analyse van de olie wordt doorgaans gedaan door deskundigen die de gas-in-olie resultaten met elkaar vergelijken en in relatie tot genormaliseerde criteria voorzien van een oordeel. Het verschilt nogal eens in welk stadium van falen een signaal kan worden afgeleid op basis waarvan de netbeheerder kan overgaan tot preventieve maatregelen.

De universiteit is erin geslaagd om een zelflerend model te ontwikkelen waardoor de voorspelbaarheid van falende transformatoren door middel van machine learning technologie mogelijk is geworden. Per netbeheerder geeft het model de top 10 risico transformatoren. Op basis van de data set van de netbeheerders gezamenlijk is uit het model inmiddels ook 2 merken transformatoren naar voren gekomen met opvallende resultaten. Eén merk komt als zeer betrouwbaar uit de verf met weinig fouten, terwijl het andere merk een verhoogd risico op falen laat zien. Voor Netbeheerders waardevolle inzichten waarmee tijdig ingegrepen kan worden. De komende periode zal het dataportaal verder gebouwd worden waardoor visualisering van de resultaten automatisch verloopt. Ook het uploaden van nieuwe datasets van monsterresultaten zal daardoor vereenvoudigd worden. Voor meer informatie kunt u contact opnemen met Freek.doornkamp@ksandr.nl