Сетка меняется, так как крупные централизованные поставщики прошлого заменяются более мелкими распределенными поставщиками. Для поддержания стабильной работы таких сложных сетей требуется сенсорная технология высокого разрешения — ИИ дает возможность делать точные прогнозы и автоматически обнаруживать любые помехи или аномалии в режиме реального времени. Вот как исследователи Fraunhofer разработали методы сжатия, алгоритмы и нейронные сети, чтобы сделать блок питания пригодным для будущего.
Способ генерации энергии находится в переходном периоде: если раньше вся наша энергия поступала от крупных электростанций, то в наши дни она также поступает от ряда распределенных источников, включая ветряные турбины, фотоэлектрические системы и другие подобные объекты. Этот сдвиг имеет большое влияние на нашу сетку- с особыми проблемами для операторов передающих сетей. Как контролировать правильное функционирование параметров сетки, таких как фазовый угол и частоты? Могут ли быть расхождения или аномалии в правильном функционировании сети? Или там нет линий или электростанций? Сегодняшняя стандартная измерительная технология больше не в состоянии надежно дать ответы на подобные вопросы. Поэтому все больше операторов обращаются к дополнительным векторным измерительным блокам (PMU) и другим цифровым решениям. Эти системы измеряют амплитуду и фазу тока и напряжения до 50 раз в секунду. Этот процесс генерирует огромные объемы данных, по несколько гигабайт в день.
Сжатие данных сохраняет 80 процентов данных
В ответ на это исследователи в отделении передовых системных технологий (AST) Института оптроники, системных технологий и эксплуатации изображений Фраунгофера IOSB в Ильменау ищут способы оптимизации обработки данных с использованием искусственного интеллекта с целью повышения надежности сети и создания система электроснабжения, пригодная для будущего. «Мы можем использовать ИИ для автоматической регистрации, сжатия и обработки до 4,3 миллиона наборов данных в день», — говорит профессор Питер Бретшнайдер, глава энергетического отдела филиала AST Fraunhofer IOSB.
На первом этапе своей работы исследователи разработали технологию сжатия, которая сохраняет 80 процентов данных. Хранить данные не только легче, но и быстрее и эффективнее обрабатывать их.
Автоматическая обработка данных в режиме реального времени
На втором этапе исследователи продолжили использовать собранные ими данные измерений векторов для применения нейронных сетей — одного из ключевых компонентов современного искусственного интеллекта. В частности, они «подпитывали» нейронные сети примерами типичных сбоев системы. Таким образом, алгоритмы постепенно учатся отличать и точно классифицировать нормальные рабочие данные от определенных сбоев системы. После фазы обучения исследователи применили нейронные сети к текущим данным, полученным из векторных измерений — данных, которые ранее должны были быть взяты и обработаны вручную. Именно здесь алгоритм совершил свой первый прыжок в режиме реального времениприложения, принимая доли секунды решения о том, где есть аномалия или неисправность, а также тип и место этого нарушения. Например, если одна из электростанций выйдет из строя, можно ожидать резкого скачка нагрузки на других электростанциях. Увеличенная нагрузка замедляет генераторы, а частота уменьшается. Это требует быстрых контрмер, потому что, если частота падает ниже порогового значения, оператор может быть вынужден отрезать участки сетки ради стабильности системы. И быстро мы говорим о менее чем 500 миллисекундах. Поскольку алгоритм способен принимать решение в течение 20–50 миллисекунд, это оставляет достаточно времени для реализации соответствующих полностью автоматизированных контрмер.
Алгоритм готов к внедрению, поскольку исследователи продолжают работать над контролем и регулированием соответствующих контрмер. Разработка представляет интерес не только для крупных операторов электрическихсетей, но и для региональных распределительных сетей. «Чтобы провести аналогию с дорожной сетью, какой смысл иметь чистые автомагистрали, когда меньшие региональные дороги навсегда заблокированы?» говорит Бретшнейдер.
Сила предсказывает проблемы будущего
Тем не менее, исследователи не ограничиваются проблемами сегодняшнего дня, но также хотят учитывать аномалии, которые даже не возникали до сих пор. «Если мы продолжим искать возобновляемые источники энергии, это может привести к ситуациям, о которых мы даже не знаем», — говорит Бретшнайдер. Здесь также исследователи обратились к искусственному интеллекту , где они работают над категоризацией этих видов неизвестных явлений и разработкой соответствующих алгоритмов с использованием цифровых сетевых карт.
