Для обеспечения современной сложной работы электрических сетей используется все больше высокоточных датчиков и больших объемов данных. С помощью искусственного интеллекта (ИИ) эти данные можно не только существенно сжать, но и использовать для автоматического обнаружения аномалий и ошибок в работе сети. Исследователи из немецкого института Fraunhofer IOSB разработали подходящие методы для этой цели.
Расширение использования возобновляемых источников энергии ведет к увеличению нагрузки на электрические сети, особенно в динамических зонах. Для обнаружения критической динамики традиционная технология измерений больше не является достаточной и все чаще дополняется высокоточными синхронизированными по времени измерениями фазы (англ. — PMU, Phase measurement unit). Они позволяют в режиме реального времени контролировать параметры, такие как частота, напряжение или фазовый угол, делая до 50 выборок в секунду. За один день может быть получено множество ГБ данных.
На первом этапе эти массовые данные необходимо эффективно собирать и обрабатывать. Для этого Fraunhofer IOSB были разработаны методы сжатия, которые могут значительно, до 80%, снизить потребности в памяти для архивирования. Кроме того, сжатие также помогает ускорить последующий анализ данных.
На втором этапе измеренное значение PMU используется для обнаружения отклонений от нормальной работы сети (аномалий) и для выявления определенных неисправностей (ошибок) в режиме реального времени. В этом случае методы из области искусственного интеллекта используются для автоматической оценки измеренных значений.
«Мы должны иметь возможность автоматически обрабатывать, сжимать и оценивать до 4,3 миллиона записей в день. Наши подходы к обнаружению ошибок, соответственно, сложны, и поэтому мы используем методы, основанные на ИИ», — сообщает Андре Куммеров, исследователь из Fraunhofer IOSB.