Plzeňští vědci hlídají elektrárny po celém světě. Jejich systémy dokážou odhalit hrozící poruchy

Plzeň – Nečekaná porucha turbíny nebo jiného klíčového zařízení v elektrárně či teplárně může znamenat drahé odstávky a v krajním případě i ohrožení bezpečnosti. Tým laboratoře DiagEn z Fakulty aplikovaných věd Západočeské univerzity v Plzni proto vyvíjí diagnostické systémy, které mají podobným situacím předcházet. Stav strojů sledují pomocí senzorů a algoritmů včetně metod strojového učení.

Univerzita informaci zveřejnila v pátek 16. října 2026. Výzkum vede Jindřich Liška z výzkumného centra NTIS při FAV.

Úkolem diagnostiky přitom není jen zaznamenávat data, ale především rozpoznat v nich první známky problému.Jindřich Liška

Turbíny pod dohledem na desítkách elektráren

Systémy z Plzně pracují s nepřetržitým sběrem dat ze senzorů. Sledují například vibrace, teploty, tlaky, otáčky nebo posuvy. Cílem není pouze archivace, ale včasné zachycení změn, které naznačují začínající poruchu.

Podle ZČU se monitorovací moduly vyvinuté pro parní turbíny používají na více než 50 elektrárnách po celém světě – v Evropě, Asii i obou Amerikách. Původní text univerzity je dostupný na webu INFO ZČU.

Jaderná energetika: volné části i nebezpečné kmity

Tým své postupy využívá také v jaderné energetice. V primárním okruhu se zaměřuje na bezpečnost a integritu uzavřeného chladicího systému pracujícího za vysokého tlaku a v prostředí s radiací.

Příkladem je detekce volných částí. Síť akcelerometrů na povrchu tlakové nádoby reaktoru nebo na parogenerátorech dokáže zachytit náraz uvolněného předmětu, například nýtu nebo kusu plechu. Podle týmu systém určí místo události s přesností na centimetry, a to ještě dřív, než by uvolněná část mohla způsobit škodu.

Ve sekundárním okruhu se diagnostika soustředí na turbosoustrojí. Monitoruje například tření rotoru o stator, tzv. rubbing, či rizikové kmitání a namáhání oběžných lopatek parních turbín.

Gigabajty dat denně: důležité je se v nich neutopit

Jedním z hlavních problémů je množství dat. Provoz jedné turbíny podle týmu vygeneruje denně gigabajty diagnostických záznamů a drtivá většina z nich popisuje normální stav.

DiagEn proto kombinuje znalost fyzikálního chování strojů s metodami zpracování dat a strojového učení. Výsledkem jsou modely „normálního chování“, které pomáhají rychleji odhalit anomálie. Operátor tak místo dlouhých číselných řad dostane stručnou informaci o tom, co je podezřelé a jak se trend vyvíjí. Výstupy mají sloužit i pro plánování preventivní údržby nebo odhad zbývající životnosti zařízení.

Vzdálený monitoring a hrozba kyberútoků

Součástí praxe je i vzdálený monitoring. Diagnostická data se bezpečně přenášejí přes šifrované sítě do dohledového centra nebo cloudového úložiště. Diagnostik tak nemusí být fyzicky u stroje a může průběžně sledovat desítky zařízení, dělat podrobné analýzy a v případě problému rychle komunikovat s velínem.

Liška upozorňuje na dvě rizika. S rozvojem vzdálené správy podle něj roste hrozba kybernetických útoků na diagnostické a řídicí sítě. A varuje také před tím, aby lidé neztratili „inženýrský cit“ a nepřenesli odpovědnost plně na software: umělá inteligence může pomáhat, ale konečné rozhodnutí musí vycházet z porozumění tomu, co se ve stroji děje.

Plzeňské zázemí: DiagEn jako součást NTIS

Laboratoř DiagEn je podle svého webu součástí NTIS – European Centre of Excellence v Plzni. Kromě technické diagnostiky se věnuje i metodám pro automatické navádění robotů při přesných průmyslových aplikacích.

Na stránkách NTIS jsou mezi referencemi v oblasti diagnostiky rotačních strojů uvedené projekty pro firmy a instituce z energetiky, například ČEZ nebo Škoda Power. Téma tak navazuje na dlouhodobé propojení plzeňského výzkumu s průmyslovou praxí.