ADM EDAŞ Bakım Müdürü İlker Ünlü, sensörlerden drone’lara uzanan dijital bakım ekosisteminin, geniş coğrafyalara yayılan şebekelerde güvenilirliği artıran stratejik bir dönüşüm yarattığını ifade ediyor. Ünlü’ye göre ADM EDAŞ sahasında uygulanan veri destekli bakım yaklaşımı, yalnızca arızaları azaltmakla kalmıyor; aynı zamanda yatırım planlamasından kaynak yönetimine kadar tüm karar süreçlerini güçlendiriyor.
Dağıtım şebekelerinde varlık sağlığını izlemek için hangi parametreler kritik kabul ediliyor?
Dağıtım şebekelerinde varlık sağlığını izlemek için kritik kabul edilen parametreler, her ekipman için farklılık göstermekle birlikte; özetle ekipmanın elektriksel, mekanik ve çevresel durumunu yansıtan göstergeler olarak değerlendirilebilir. Trafolarda yağ testleri, kademe kontrolleri ve buşing izolasyonlarının incelenmesi gibi unsurlar göz önünde bulundurulurken; elektrik direklerinde sağlamlık kontrolleri, eksik parçaların giderilmesi ve yapısal bütünlük değerlendirmeleri dikkate alınır.
Bu parametreler içerisinde en fazla önem verdiğimiz konu can ve mal güvenliğinin sağlanmasıdır. Bu doğrultuda, şirketimiz ADM EDAŞ tarafından sorumluluk sahası olan Aydın, Denizli ve Muğla illerindeki tüm elektrik dağıtım şebekesi düzenli olarak gözlemlenmekte ve gerçekleştirilen çalışmalar her yıl düzenleyici kurum olan EPDK’ya rapor edilmektedir.
Şebeke ekipmanlarında arıza öncesi risk tespiti için kullanılan modern yöntemler nelerdir?
Şebeke ekipmanlarında arıza öncesi risk tespiti için kullanılan modern yöntemler, veri ve izleme esasına dayanmaktadır. Verilerin büyük çoğunluğu sahadan toplanmakta ve SCADA verileriyle birlikte analiz edilerek yorumlanmaktadır. Drone teknolojilerinin hayatımıza girmesiyle birlikte, insan gözünün kolaylıkla göremediği ya da ulaşımı güç olan şebeke unsurlarının gözlemlenmesi önemli ölçüde kolaylaşmıştır. Bu gözlemler günümüzde eğitilmiş yapay zeka sistemleriyle desteklenmektedir.
Sahada çıplak gözle tespit edilmesi oldukça güç olan bir izolatör kırığı, yapay zeka destekli drone görüntüleri sayesinde hızlı ve doğru şekilde belirlenebilmektedir. Bunun yanında ekipmanlardaki sıcaklık artışlarının tespiti termal kameralarla, kısmi deşarj ve titreşim analizleri ise özel ölçüm cihazlarıyla gerçekleştirilmektedir. Ayrıca büyük veri analitiği ve yapay zeka destekli bakım modelleri sayesinde geçmiş arıza verileri analiz edilerek olası arızalar önceden tahmin edilmekte ve bakım faaliyetleri risk bazlı olarak optimize edilmektedir.
Büyük veri analitiği şebeke güvenilirliği tahminlerinde nasıl bir rol oynuyor?
Büyük veri analitiği; geçmiş arıza kayıtları, SCADA verileri, yük profilleri, hava durumu bilgileri ve bakım geçmişi gibi çok boyutlu verileri birlikte analiz ederek bakım planlamasının daha doğru ve etkin şekilde yapılmasını sağlar. Veri analitiği sayesinde, farklı ekipman tiplerinde hangi koşullar altında arıza riskinin arttığı belirlenir ve bu doğrultuda risk bazlı bakım planları oluşturulur.
Bu analizler, ağaç dallarının iletkenlere yaklaşma zamanının belirlenmesi ve budama çalışmalarının planlanması gibi saha uygulamalarında dahi önemli rol oynar. Fakat bu modellemeler henüz gelişim aşamasındadır. Ayrıca SAIDI ve SAIFI göstergelerinin gelecekteki eğilimleri tahmin edilerek yatırım ve bakım kararları veri temelli olarak desteklenir. Böylece plansız kesintiler azaltılır, kaynaklar daha etkin kullanılır ve şebeke işletiminde ortaya çıkabilecek olumsuzlukların önüne geçilir.
Planlı bakım ile arıza müdahalesi arasındaki kaynak dengesi nasıl kuruluyor?
Planlı bakımların yapılmasındaki amaç, arızaları minimum seviyeye indirmektir. Ancak, daha önce de belirttiğim gibi çevreye açık bir yapıya sahip olan dağıtım şebekelerinde arıza oluşumu günümüz koşullarında tamamen kaçınılmaz değildir.
Elektrik dağıtım şebekelerinde bakım planlaması; ekipmanların kritikliği, arıza olasılığı ve arızanın sistem üzerindeki etkisi dikkate alınarak yapılan bir önceliklendirme sürecine dayanır. Bu sayede kaynaklar daha verimli kullanılır. Aynı zamanda arıza istatistikleri analiz edilerek hem hizmet sürekliliği sağlanır hem de operasyonel maliyetler kontrol altında tutulur.
Yapay zeka destekli kestirimci bakım uygulamaları arıza oranlarında nasıl bir değişim sağladı?
Yapay zeka destekli kestirimci bakım uygulamaları, dağıtım şebekelerinde arıza oranlarının düşürülmesinde önemli bir iyileşme sağlamaktadır ve bu gelişim hâlen devam etmektedir. Makine öğrenmesi ve görüntü işleme teknolojileri sayesinde teçhizatlardaki anomali tespitleri ile ağaçların iletkenlere yaklaşma mesafelerinin kontrolü yapay zeka sistemleriyle desteklenmektedir.
Dağıtım şebekelerinde bu alandaki kullanım henüz sınırlı olmakla birlikte her geçen gün artmaktadır. Birkaç yıl öncesine kadar drone’lardan yalnızca gözlem amacıyla faydalanılırken, bugün bu gözlemler analiz ve yorumlama kabiliyetiyle desteklenmekte; böylece insan kaynaklı hataların önüne geçilmesi mümkün olmaktadır.
Bu sistemlerin elektrik dağıtım sektörüne en büyük katkısının, eksik veya gözden kaçabilecek kontrollerin önlenmesi olacağını düşünüyorum. Ayrıca verinin yorumlanması ayrı bir önem taşımaktadır. Sahamızda bulunan milyonlarca teçhizatın kontrolü sonucunda elde edilen verilerin analiz edilmesi ve anlamlandırılmasında yapay zeka önemli bir rol üstlenmektedir.
Yapay zeka modellerinin sahadaki gerçek koşullarla uyumunu test etmek için nasıl bir validasyon süreci yürütüyorsunuz?
Elektrik dağıtım şebekelerinde yapay zeka modellerinin sahadaki gerçek koşullarla uyumunu test etmek için öncelikle geçmiş arıza kayıtları, SCADA verileri, yük profilleri ve bakım geçmişi kullanılarak eğitim veri setleri oluşturulur. Model performansı; doğruluk, hassasiyet ve arıza yakalama oranı gibi kriterlerle ölçülür.
Ardından pilot olarak seçilen trafo merkezlerinde veya belirli fider hatlarında sistem gerçek zamanlı olarak izlenir ve modelin ürettiği risk skorları ile gerçekleşen arızalar karşılaştırılır. Bu aşamada saha ekiplerinden gelen geri bildirimler de dikkate alınarak model yeniden eğitilir ve iyileştirilir.
Belirli bir izleme süresi sonunda modelin önerdiği bakım aksiyonlarının arıza oranlarına etkisi, mevcut bakım planlarıyla kıyaslanır. Elde edilen sonuçlara göre model periyodik olarak yeniden eğitilir ve sürekli iyileştirme süreci işletilir.
Elektrik dağıtım şebekelerinin çok geniş bir coğrafyaya yayılmış olması nedeniyle, yapay zeka uygulamalarının gelişimi bazı sektörlere kıyasla daha yavaş ilerleyebilmektedir. Ancak bu alandaki çalışmalar her geçen gün hız kazanmaktadır.
Dijital ikiz teknolojilerinin dağıtım şebekesi bakımındaki kullanım potansiyelini nasıl değerlendiriyorsunuz?
Elektrik dağıtım sektöründe dijital ikiz teknolojileri henüz tam anlamıyla uygulanmaya başlanmamış olmakla birlikte, bu teknolojinin çok geçmeden hayatımıza gireceğini düşünüyorum.
Dijital ikiz yaklaşımıyla şebeke ekipmanlarının ve altyapının sanal bir kopyası oluşturularak bakım ve işletme süreçlerinin optimize edilmesi mümkün olacaktır. Bu sayede trafolar, iletkenler, direkler, kablolar ve hücreler gibi kritik varlıkların çalışma koşulları, yük profilleri ve çevresel etkileri sanal ortamda simüle edilebilecek; olası arızalar, aşırı yüklenmeler ve yaşlanma süreçleri önceden tahmin edilebilecektir.
Elbette bu sürecin, milyonlarca envanter kalemi ve geniş bir coğrafi alan dikkate alındığında, kısa sürede tamamlanması kolay değildir. Ancak yapay zeka teknolojileri, gelişmiş drone sistemleri ve uydu tabanlı izleme çözümleri bu süreci hızlandıracak ve iş gücü ihtiyacını azaltacaktır.