Помощь студентам в учебе
Методы интеллектуального анализа данных аварийных событий и технологических нарушений в электрических системах
|
Введение 3
Постановка задачи 5
Обзор литературы 7
Глава 1. Обзор решений 12
1.1. Обзор технических решений 12
1.2. Обзор методов 14
Глава 2. Разработка программного комплекса 15
2.1. Архитектура решения 15
2.1.1. Стек технологий 15
2.1.2. Структура модулей 20
2.2. Разработка аналитического компонента системы 21
2.3. Апробация и тестирование 28
2.3.1. Постановка эксперимента 28
2.3.2. Результаты эксперимента 33
Выводы 43
Заключение 44
Результаты работы 44
Перспективы развития 45
Список литературы 47
Постановка задачи 5
Обзор литературы 7
Глава 1. Обзор решений 12
1.1. Обзор технических решений 12
1.2. Обзор методов 14
Глава 2. Разработка программного комплекса 15
2.1. Архитектура решения 15
2.1.1. Стек технологий 15
2.1.2. Структура модулей 20
2.2. Разработка аналитического компонента системы 21
2.3. Апробация и тестирование 28
2.3.1. Постановка эксперимента 28
2.3.2. Результаты эксперимента 33
Выводы 43
Заключение 44
Результаты работы 44
Перспективы развития 45
Список литературы 47
Электроэнергетика является одной из важнейших областей хозяйственно-экономической деятельности человечества. Стабильность электроэнергетических систем, таких как электросети, в значительной степени влияет на качество большинства социальных и экономических процессов. Ключевым показателем стабильности электросети, является частота отказов. Даже кратковременные отказы электросети влекут за собой крупные экономические издержки и могут приводить, к чрезвычайным ситуациям и катастрофам. В связи с этим, прогнозирование отказов электросети является важной и по сей день актуальной задачей.
Большой вклад в развитие данной и смежных областей внес институт IEEE. Институт инженеров электротехники и электроники (Institute of Electrical and Electronics Engineers) — международная некоммерческая ассоциация специалистов в области техники, мировой лидер в области разработки стандартов по радиоэлектронике, электротехнике и аппаратному обеспечению вычислительных систем и сетей. Благодаря базе знаний IEEE Xplore существует большое количество публикаций на тему прогнозирования аварий, электротехнических и аналитических методов обнаружения неполадок в электросистемах, некоторые из которых были упомянуты в данной работе [12], [16], [9], [6], [26], [22], [23], [18]. IEEE Xplore — это исследовательская база данных для поиска и доступа к журнальным статьям, материалам конференций, техническим стандартам и связанным материалам по информатике, электротехнике и электронике и смежным областям.
Объектом исследования в данной работе является набор данных о топологической структуре европейской электросети, содержащий данные о расположении и связи станций и подстанций. А также данные, полученные с устройств автоматической релейной защиты и датчиков газоанализаторов, предоставляющих информацию о состоянии линий электропередач и трансформаторов. Данные являются многомерным временным рядом, отображающим состояние системы в момент аварийных событий на подстанции и представленным в виде набора осциллограмм, в формате COMTRADE. Данная работа была реализована в рамках сотрудничества с отделом исследования и разработки, компании Siemens.
Постановка задачи
Целью работы является разработка системы для прогнозирования отказа компонентов электросети, на основе данных аварийных событий и технологических нарушений.
Для достижения данной цели необходимо выполнить ряд задач:
1. Разработка программного модуля обработки временных данных от компонентов электросети.
2. Построение алгоритма оценки компонентов электросети.
3. Построение алгоритма прогнозирования отказа компонента.
4. Разработка программного модуля визуализации электрокомпонентов на географической карте.
Для обработки исходных данных, поступающих с датчиков, отображающих состояние компонента, необходимо выполнить следующие задачи:
1. Разработка функций чтения осциллограмм в формате COMTRADE и сохранение в базе данных временных рядов Influx.
2. Разработка функций визуализации осциллограмм.
3. Разработка функций анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
Для оценки наиболее важных узлов электросети необходимо выполнить следующие задачи:
1. Анализ топологической структуры электросети, построение ориентированного графа.
2. Определение свойств сети. Определение связности и центральности вершин.
3. Определение важности компонента сети, с точки зрения последствий его отключения от сети.
4. Оценка последствий селективного и случайного отключения компонентов.
Для построения алгоритма прогнозирования необходимо выполнить следующие задачи:
1. Сбор информации о физических свойствах компонентов электросети.
2. Обзор методов анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
3. Обоснование выбора метода прогнозирования.
4. Реализация алгоритма обработки исходных данных.
5. Реализация алгоритма прогнозирования
Большой вклад в развитие данной и смежных областей внес институт IEEE. Институт инженеров электротехники и электроники (Institute of Electrical and Electronics Engineers) — международная некоммерческая ассоциация специалистов в области техники, мировой лидер в области разработки стандартов по радиоэлектронике, электротехнике и аппаратному обеспечению вычислительных систем и сетей. Благодаря базе знаний IEEE Xplore существует большое количество публикаций на тему прогнозирования аварий, электротехнических и аналитических методов обнаружения неполадок в электросистемах, некоторые из которых были упомянуты в данной работе [12], [16], [9], [6], [26], [22], [23], [18]. IEEE Xplore — это исследовательская база данных для поиска и доступа к журнальным статьям, материалам конференций, техническим стандартам и связанным материалам по информатике, электротехнике и электронике и смежным областям.
Объектом исследования в данной работе является набор данных о топологической структуре европейской электросети, содержащий данные о расположении и связи станций и подстанций. А также данные, полученные с устройств автоматической релейной защиты и датчиков газоанализаторов, предоставляющих информацию о состоянии линий электропередач и трансформаторов. Данные являются многомерным временным рядом, отображающим состояние системы в момент аварийных событий на подстанции и представленным в виде набора осциллограмм, в формате COMTRADE. Данная работа была реализована в рамках сотрудничества с отделом исследования и разработки, компании Siemens.
Постановка задачи
Целью работы является разработка системы для прогнозирования отказа компонентов электросети, на основе данных аварийных событий и технологических нарушений.
Для достижения данной цели необходимо выполнить ряд задач:
1. Разработка программного модуля обработки временных данных от компонентов электросети.
2. Построение алгоритма оценки компонентов электросети.
3. Построение алгоритма прогнозирования отказа компонента.
4. Разработка программного модуля визуализации электрокомпонентов на географической карте.
Для обработки исходных данных, поступающих с датчиков, отображающих состояние компонента, необходимо выполнить следующие задачи:
1. Разработка функций чтения осциллограмм в формате COMTRADE и сохранение в базе данных временных рядов Influx.
2. Разработка функций визуализации осциллограмм.
3. Разработка функций анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
Для оценки наиболее важных узлов электросети необходимо выполнить следующие задачи:
1. Анализ топологической структуры электросети, построение ориентированного графа.
2. Определение свойств сети. Определение связности и центральности вершин.
3. Определение важности компонента сети, с точки зрения последствий его отключения от сети.
4. Оценка последствий селективного и случайного отключения компонентов.
Для построения алгоритма прогнозирования необходимо выполнить следующие задачи:
1. Сбор информации о физических свойствах компонентов электросети.
2. Обзор методов анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
3. Обоснование выбора метода прогнозирования.
4. Реализация алгоритма обработки исходных данных.
5. Реализация алгоритма прогнозирования
По результатам работы, был выполнен ряд задач.
На языке программирования Python, с использованием СУБД Influx и средства визуализации GRAFANA, был разработан модуль обработки временных данных от компонентов электросети.
При построении алгоритма обработки исходных данных, поступающих от датчиков системы, были реализованы следующие подзадачи:
1. Разработана функция чтения осциллограмм в формате COMTRADE и сохранения в базе данных временных рядов Influx.
2. Разработана функций визуализации осциллограмм.
3. Разработка функций анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
Построение алгоритма оценки компонентов электросети, на основе прироста количества компонент связности и проведение сравнения данного алгоритма оценки с классическими метриками, осуществлено посредствам реализации следующих подзадач:
1. Определены и продемонстрированы свойства сети. Рассчитаны связность графа и центральности вершин.
2. Построен алгоритм оценки важности компонента сети, с точки зрения последствий его отключения от сети.
3. Произведена оценка последствий селективного и случайного отключения компонентов, в соответствии с метриками closeness, degree и разработанной метрикой на основе прироста компоненты связности.
Разработка на основе, данных анализа растворенных газов, с точностью результатов 76% и построение алгоритм прогнозирования вероятности аварии на ЛЭП, на основе анализа шума, с точностью результатов 80%, осуществлено по средствам реализации следующих подзадач:
1. Произведен сбор информации о физических свойствах компонентов электросети.
2. Представлен обзор методов анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
3. Произведено обоснование выбора метода прогнозирования.
4. Реализован алгоритм обработки исходных данных.
5. Реализован алгоритм прогнозирования на основе методов машинного обучения.
Разработан модуль визуализации электрокомпонентов и их параметров на географической карте.
Перспективы развития
Разработанная система имеет широкие возможности развития по нескольким направлениям.
По части графовых методов, является рациональным рассмотрение новых алгоритмов центральности узлов, а также использования альтернативных электротехнических или экономических метрик сравнения алгоритмов. Применение экономических метрик сравнения алгоритмов расчета центральностей позволит провести оптимизацию издержек, связанных с умышленным или случайным отключением компонента системы.
С точки зрения развития базы методов машинного обучения, использованных в системе, имеет смысл рассмотреть методы на основе нейронных сетей, а также ансамблевые методы. Однако применение большого количества новых методов, с одной стороны, позволит увеличить точность прогнозирования, с другой же стороны, увеличит расчетное время работы алгоритмов. Отсюда можно сделать вывод, что увеличение базы рассматриваемых методов машинного обучения рационально для крупных систем, имеющих большие расчетные мощности, и обеспечивающих важные электросети регионального или федерального масштаба.
По части структуры разработанного программного обеспечения оптимизация архитектуры системы может рассматриваться в двух направлениях. Использование дополнительных библиотек и модулей, для визуализации аварий, или, наоборот, отказ от использования стороннего программного обеспечения и разработка крупномасштабной системы, с собственным географическим модулем и модулем визуализации. Первый тип преобразования системы подойдет для процесса разработки, при котором заказчик не желает брать риски и финансовую ответственность, связанные с поддержкой и обновление программного обеспечения. Второй тип, подойдет для крупных систем, в которых есть кадровые ресурсы, для осуществления доработки и поддержки, но при этом необходима гарантия сохранности информации внутри системы.
Любой сценарий развития разработанной системы из предложенных приведет к качественному ее улучшению, однако для успешной реализации необходимо учитывать соответствующие риски и понимать все технические, экономические и социальные аспекты такого преобразования.
На языке программирования Python, с использованием СУБД Influx и средства визуализации GRAFANA, был разработан модуль обработки временных данных от компонентов электросети.
При построении алгоритма обработки исходных данных, поступающих от датчиков системы, были реализованы следующие подзадачи:
1. Разработана функция чтения осциллограмм в формате COMTRADE и сохранения в базе данных временных рядов Influx.
2. Разработана функций визуализации осциллограмм.
3. Разработка функций анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
Построение алгоритма оценки компонентов электросети, на основе прироста количества компонент связности и проведение сравнения данного алгоритма оценки с классическими метриками, осуществлено посредствам реализации следующих подзадач:
1. Определены и продемонстрированы свойства сети. Рассчитаны связность графа и центральности вершин.
2. Построен алгоритм оценки важности компонента сети, с точки зрения последствий его отключения от сети.
3. Произведена оценка последствий селективного и случайного отключения компонентов, в соответствии с метриками closeness, degree и разработанной метрикой на основе прироста компоненты связности.
Разработка на основе, данных анализа растворенных газов, с точностью результатов 76% и построение алгоритм прогнозирования вероятности аварии на ЛЭП, на основе анализа шума, с точностью результатов 80%, осуществлено по средствам реализации следующих подзадач:
1. Произведен сбор информации о физических свойствах компонентов электросети.
2. Представлен обзор методов анализа данных об аварийных событиях и технологических нарушениях в электрических системах.
3. Произведено обоснование выбора метода прогнозирования.
4. Реализован алгоритм обработки исходных данных.
5. Реализован алгоритм прогнозирования на основе методов машинного обучения.
Разработан модуль визуализации электрокомпонентов и их параметров на географической карте.
Перспективы развития
Разработанная система имеет широкие возможности развития по нескольким направлениям.
По части графовых методов, является рациональным рассмотрение новых алгоритмов центральности узлов, а также использования альтернативных электротехнических или экономических метрик сравнения алгоритмов. Применение экономических метрик сравнения алгоритмов расчета центральностей позволит провести оптимизацию издержек, связанных с умышленным или случайным отключением компонента системы.
С точки зрения развития базы методов машинного обучения, использованных в системе, имеет смысл рассмотреть методы на основе нейронных сетей, а также ансамблевые методы. Однако применение большого количества новых методов, с одной стороны, позволит увеличить точность прогнозирования, с другой же стороны, увеличит расчетное время работы алгоритмов. Отсюда можно сделать вывод, что увеличение базы рассматриваемых методов машинного обучения рационально для крупных систем, имеющих большие расчетные мощности, и обеспечивающих важные электросети регионального или федерального масштаба.
По части структуры разработанного программного обеспечения оптимизация архитектуры системы может рассматриваться в двух направлениях. Использование дополнительных библиотек и модулей, для визуализации аварий, или, наоборот, отказ от использования стороннего программного обеспечения и разработка крупномасштабной системы, с собственным географическим модулем и модулем визуализации. Первый тип преобразования системы подойдет для процесса разработки, при котором заказчик не желает брать риски и финансовую ответственность, связанные с поддержкой и обновление программного обеспечения. Второй тип, подойдет для крупных систем, в которых есть кадровые ресурсы, для осуществления доработки и поддержки, но при этом необходима гарантия сохранности информации внутри системы.
Любой сценарий развития разработанной системы из предложенных приведет к качественному ее улучшению, однако для успешной реализации необходимо учитывать соответствующие риски и понимать все технические, экономические и социальные аспекты такого преобразования.
Подобные работы
- Разработка системы управления Брикетира с функцией дозировки
Бакалаврская работа, автоматизация технологических процессов. Язык работы: Русский. Цена: 4325 р. Год сдачи: 2017 - Применение интеллектуальных систем для определения мест повреждений воздушных линий электропередачи в энергосистеме Республики Таджикистан
Магистерская диссертация, электроэнергетика. Язык работы: Русский. Цена: 1800 р. Год сдачи: 2020 - Модернизация основной и резервных релейных защит ВЛ-500 кВ
Магистерская диссертация, электроэнергетика. Язык работы: Русский. Цена: 4850 р. Год сдачи: 2020 - Исследование и оценка рисков промышленной безопасности на примере ООО «ПромЭнергокоморт»
Магистерская диссертация, техносферная безопасность. Язык работы: Русский. Цена: 4920 р. Год сдачи: 2020