EDI – Elektronikas un datorzinātņu institūts
Atpakaļ uz risinājumiem

Energosistēmas notikumu detektēšanas un agrīnās brīdināšanas sistēmas prototips

a) Rīka iesūtītais 20 sekunžu frekvences mērījums ar detektēšanas brīdi pret b) frekvences mērījuma vizualizāciju SEL SynchroWave platformā

Vērtības piedāvājums

Energosistēmas notikumu detektēšanas un agrīnās brīdināšanas sistēma ir Meksikas Nacionālā autonomās universitātes (UNAM), Cīrihes Lietišķo zinātņu universitātes (ZHAW) un Elektronikas un datorzinātņu institūta (EDI) pētnieku kopīgi izstrādāts rīks SPYDER Python IDE vidē. Rīks apstrādā frekvences mērījumus, ko fāžu mērījumu iekārtas (PMU) un/vai frekvences traucējumu reģistratori (FDR) nodod openPDC fāzoru datu koncentratoram JSON formātā. Salīdzinot tos ar noteiktām kritēriju robežvērtībām, rīks automātiski atpazīst frekvences svārstības un pārejas procesus energosistēmā un par tiem brīdina lietotāju.

Rīka darbības apraksts

Rīka pamatā tiek izmantota "2 no 4" pieeja, balstoties uz četriem analītikas kritērijiem, kas attiecas uz frekvenci un tās izmaiņu ātrumu (RoCoF):

  • Ātrā Furjē transformācija (FFT) - tā pārveido RoCoF no laika apgabala frekvenču apgabalā un identificē elektrotīkla bojājumus, izsekojot spektra maksimālās vērtības īsā laika intervālā.

  • Teigera-Kaizera enerģijas operators (TKEO) - tas aprēķina RoCoF signāla momentāno enerģiju, pamatojoties uz blakus esošajām signāla vērtībām, tādējādi ļaujot ātri konstatēt pārejas procesus un pēkšņus signāla lēcienus.

  • Minimālā un maksimālā diapazona metode (MinMax) - tā nosaka RoCoF amplitūdas diapazonu (starpību starp galējām vērtībām) īsā slīdošajā logā, lai raksturotu signāla svārstību kopējo intensitāti.

  • Ekscesa kurtoze (EK) (normalizēts ceturtās kārtas kumulants) - tā novērtē frekvences izmaiņu augstākas kārtas statistiskos momentus, identificē anomālijas, kas neatbilst Gausa sadalījumam, un izceļ izmaiņas datu sadalījumā sistēmas bojājumu laikā.

Energosistēmas notikumu detektēšanas un agrīnās brīdināšanas sistēmas darbības princips

Robežvērtības jeb nostrādnes vērtības tiek noteiktas ar uz datiem balstītu pieeju. Rīka bezsaistes versijā var augšupielādēt reālu bojājumu un pārejas procesu frekvences mērījumus, kā arī mēriekārtu kļūdu mērījumus, un katram no tiem tiek aprēķinātas FFT, TKEO, MinMax un EK vērtības. Lai rīks precīzāk atšķirtu bojājumu vai notikumu radītās frekvences svārstības no mēriekārtu kļūdu pīķiem, tajā ir papildfunkcija kritēriju robežvērtību optimizācijai. Tā ir diskrēts četrdimensiju optimizācijas uzdevums, ko risina ar pilnās pārlases (grid search) metodi. Režģī tiek izvērtētas visas iespējamās četru robežvērtību kombinācijas, piemērojot “2 no 4” detektēšanas likumu. Katrai kombinācijai kā mērķfunkciju aprēķina līdzsvaroto precizitāti (Balanced Accuracy), un par optimālo izvēlas to robežvērtību vektoru, kas nodrošina visaugstāko līdzsvaroto precizitāti.

Robežvērtību noteikšanas procesu blokshēma

Sadarbība un potenciāls

Pašreizējā versijā rīks par detektētajiem notikumiem informē, nosūtot e-pastu ar frekvences mērījumiem 10 sekundes pirms un 10 sekundes pēc notikuma konstatēšanas. Rīku var brīvi papildināt un modificēt, piemēram, lai brīdinājuma signālu izveidotu uzreiz pēc frekvences svārstību sākuma. Rīks automātiski informē lietotāju par energosistēmā notiekošajiem procesiem, tādējādi paātrinot to detektēšanu un analīzi. Tā ir būtiska priekšrocība gan enerģētikas pētniekiem, gan sadales un pārvades sistēmu operatoru analītiķiem. Rīkam ir arī liels potenciāls integrācijai uzraudzības kontroles un datu ieguves sistēmā (SCADA), kas ļautu ne tikai reģistrēt bojājumus, bet arī savlaicīgi atklāt frekvences svārstības, kuras var liecināt par kaskādes un sistēmisku atslēgumu risku.

Rīka iesūtītais brīdinājuma e-pasts par bojājuma noteikšanu

Pašlaik rīks ir prototipa stadijā un tas tiek pilnveidots vairākos virzienos:

  • Latvijas energosistēmai atbilstošās robežvērtības tiek precizētas, balstoties uz vairāk nekā 100 bojājumu un kļūdu mērījumiem.

  • Tiek izstrādāts papildinājums, lai rīkā vienlaikus varētu darboties vairāki PMU un FDR.

  • Rīkā tiek integrētas mašīnmācīšanās un mākslīgā intelekta funkcijas, kas pēc frekvences mērījumu rakstura ļautu noteikt iespējamā bojājuma veidu un pat aptuveno atrašanās vietu sistēmā.