In den letzten Jahren hat sich die akustische Bildgebungstechnologie zur GIS-Defekterkennung schnell entwickelt. Diese Technologie ermöglicht eine intuitive Lokalisierung der Schallquelle und hilft dem Betriebs- und Wartungspersonal, sich auf den genauen Standort von GIS-Defekten zu konzentrieren, was die Effizienz der Defektanalyse und -behebung verbessert.
Die Lokalisierung der Schallquelle ist jedoch nur der erste Schritt. Es wäre noch idealer, wenn gängige GIS-Defektarten mithilfe von Künstlicher Intelligenz (KI) automatisch identifiziert werden könnten, zusammen mit intelligenten Empfehlungen für Wartungsstrategien.

Defekte wie lockere Bolzen, Bewegungen an Bellowgelenken und lose interne Abschirmkomponenten, die zu ungewöhnlichen Geräuschen führen, können derzeit mit akustischer Bildgebungstechnologie lokalisiert werden.
Aufgrund struktureller Unterschiede zwischen GIS-Einheiten verschiedener Hersteller und Modelle sowie unterschiedlicher Bay-Konfigurationen in verschiedenen Ingenieurprojekten tragen die erzeugten Schallsignale oft inhärente Charakteristika. Dies erhöht die Komplexität und technischen Herausforderungen bei der GIS-Defekt-Diagnose mittels akustischer Bildgebung.

Weitere Fortschritte erfordern enge Zusammenarbeit zwischen Akustikspezialisten und Fachleuten für Netzausrüstungsschaltanlagen, um domänenspezifisches Wissen und Felderfahrungen zu integrieren, um ingenieurwissenschaftliche akustische und Schwingungssignalanalysemethoden und -algorithmen iterativ zu testen, zu verfeinern und zu optimieren.

Mit stetigen Fortschritten in der akustischen Bildgebungstechnologie und der Verbesserung der Effizienz von KI-Algorithmen wird die Anwendung fortschrittlicherer Technologien die Arbeitsbelastung des vor Ort tätigen Betriebs- und Wartungspersonals erheblich reduzieren.