Thử thách ngày càng gia tăng về tính đáng tin cậy của lưới

Hệ thống điện hiện đại phải đối mặt với căng thẳng chưa từng thấy từ cơ sở hạ tầng lão hóa, nhu cầu tăng lên, và sự kết hợp giữa các nguồn năng lượng tái tạo gián đoạn thậm chí một lỗi nhỏ có thể tràn vào các vụ mất điện phổ biến, giá hàng tỉ đô la trong sự phá vỡ kinh tế. phương pháp phát hiện thông thường - kiểm tra nhân cách, kiểm soát giám sát và thu thập dữ liệu (CADA) và các ngưỡng dựa trên luật cũng không đủ nữa. những cách tiếp cận phản ứng này thường chỉ phát hiện các vấn đề sau khi chúng gây ra thiệt hại hoặc bị mất mát.

Trí thông minh nhân tạo đưa ra một sự thay đổi mô hình: thay vì chờ đợi một lỗi lỗi xảy ra, các tiện ích có thể dự đoán thất bại và can thiệp trước khi chúng xảy ra. bằng cách xử lý dòng chảy dữ liệu thời gian thực và xác định các mẫu tinh tế mà không ai thấy được đối với các nhà điều hành, hệ thống AI đang trở thành hệ thống thần kinh trung tâm của mạng lưới thông minh.

Hiểu được những lỗi lầm trong việc đào sâu

Lỗi mạng lưới là bất kỳ trạng thái bất thường nào phá vỡ dòng điện đã định.

  • Các mạch gây ra bởi sét, thiết bị bị bị hỏng, hoặc đụng chạm với cây cỏ.
  • Quá tải khi cầu vượt quá khả năng truyền hoặc phân phối.
  • Sự xâm nhập ) do tuổi tác, độ ẩm hoặc sự ô nhiễm.
  • Những lỗi phổ biến (v. g. từ các nhánh cây) tự làm sạch nhưng vẫn còn là thiết bị gây stress.
  • Những lỗi nghiêm trọng ) cần phải sửa chữa về thể chất, như là giảm đường điện.

Mỗi kiểu lỗi có dấu hiệu độc đáo trong điện áp, tần số, tần số và thời gian. Về mặt lịch sử, các kỹ sư sử sử sử dụng ngưỡng xác định sẵn để kích hoạt báo động nhưng nhiều lỗi không rõ tiến hóa qua phút, giờ hoặc ngày, ẩn trong tiếng ồn hoạt động bình thường. Mô hình AI xuất sắc trong việc phát hiện những dị thường di chuyển chậm này.

Cách trí tiên đoán của trí óc bị lỗi:

Dự đoán lỗi AI được xây dựng trên máy học thuật toán tiêu thụ nhiều luồng dữ liệu:

  • Đơn vị đo lường Phaseor [MUs] ) cung cấp dữ liệu đồng bộ độ phân giải cao.
  • Đồng hồ đo từ hàng triệu điểm cuối cùng và thương mại.
  • Cho các tia chớp, gió, băng và nhiệt độ dự báo.
  • Hồ sơ giám hộ ) và nhật ký bảo trì.
  • Nguồn năng lượng phân hủy [DER] ) từ máy đảo năng lượng mặt trời, bộ ắc quy và EV sạc.

Các mô hình học được phong bì hoạt động bình thường của lưới điện. một thiết bị điện áp nhỏ lặp đi lặp lại qua một máy cấp dữ liệu mô hình xác định khả năng thất bại sắp xảy ra.

Các biện pháp học tập không có giám sát

Tuy nhiên, vì nhiều kiểu lỗi rất hiếm, các nhà nghiên cứu cũng sử dụng phương pháp không giám sát như tự động mã và tạo ra mạng lưới đối kháng (GNs) để phát hiện những điểm bất thường mà không có nhãn.

Comment

Để đạt được phản ứng phụ giây, các AI hiện đại đã đẩy sự suy luận lên các thiết bị cạnh, các cổng phụ và các cửa ra vào. Kiến trúc này giảm hiệu suất tiêu thụ và băng thông trong khi duy trì các dự đoán ngay cả khi giao tiếp bị mất. cạnh AI có thể kích hoạt các hành động bảo vệ địa phương (v. d., phá vỡ một công tắc) mà không cần đợi máy chủ mây.

Bảo vệ lưới chống vi tính bằng công nghệ khóa

Technology Function Example Application
Long Short-Term Memory (LSTM) Networks Modeling temporal sequences Predicting voltage instability hours ahead
Random Forest Classification from multi-source features Identifying fault types from PMU snapshots
Convolutional Neural Networks (CNNs) Pattern recognition in waveform data Detecting high-impedance faults
Reinforcement Learning Sequential decision-making under uncertainty Optimal recloser auto-reclose sequences
Transfer Learning Adapting models across different grid regions Scaling predictions from pilot to entire utility

Lợi ích của việc phòng ngừa vi phạm pháp luật Al-Driven

Giảm bớt sự thường xuyên và thời gian

Các cơ quan triển khai AI đã báo cáo rằng có ít hơn 30 phần trăm khách hàng bị gián đoạn.

Thủ đô hạ và các khu vực mở rộng

Bảo trì dự đoán thay thế những vật thay thế tốn kém dựa trên thời gian với những hành động dựa trên điều kiện. một hệ thống truyền tải lớn ở châu Âu cắt giảm chi phí bảo trì 25% trong khi mở rộng cuộc sống tài sản trung bình là 8 năm.

Mạng lưới được tăng cường sức đề kháng khí hậu cực đoan

Mô hình AI kết hợp dự báo thời tiết để dự đoán lỗi từ các sự kiện cực đoan. một tiện ích ở Florida sử dụng hệ thống AI để tiền định vị và các phân vùng phân vùng, khôi phục năng lượng nhanh hơn 36 giờ so với những cơn bão trước đó của cường độ tương tự.

An toàn hơn cho người làm việc

Bằng cách xác định các thiết bị hỏng trước khi bắn hoặc nổ, AI sẽ giảm nguy cơ xảy ra vụ nổ tia cung và điện giật cho các thủy thủ đoàn hàng đầu.

Nghiên cứu trường hợp trên thế giới

SDG &DDD; E’s Al Fiault Programction Pilot

San Diego Gas &am; máy kích hoạt điện tử học qua 1,800 dặm đường phân phối. Hệ thống phân tích thời tiết, tải và điều kiện dữ liệu để dự đoán thất bại trên các cực cụ thể. Năm đầu tiên, nó dự đoán 70% lỗi với tỷ lệ chính xác 90%, cho phép thay thế mục tiêu. Tiện ích ước tính tổng số tiết kiệm là 12 triệu đô la hàng năm. (Chúng tôi: [FLT: 0] Báo cáo về Hệ thống Mạng & DG & LD; [FL1]

Sự hoang dã của Mạng lưới Quốc gia có nguy cơ dẫn dụ

Ở California, Mạng lưới quốc gia sử dụng một tầm nhìn máy tính để phân tích hình ảnh không người lái của hành lang truyền tải, phát hiện xâm nhập vào thực vật và chất cách ly kết hợp với các mô hình nguy hiểm về hỏa hoạn, hệ thống đã giảm thiểu sự đốt cháy từ các đường điện từ năm 2020.

Mạng lưới học hỏi sâu sắc ở miền Nam Trung Quốc

Một trong những công cụ lớn nhất trên thế giới đã thực hiện mạng lưới thần kinh hình thành để phân tích tín hiệu sóng từ 10.000 ga phụ, và hệ thống này xác định địa điểm lỗi trong vòng 50 mét cho dây cáp ngầm, giúp các đội sửa chữa đào chính xác vị trí thay vì khai quật toàn bộ hào.

Những thử thách trong việc khích lệ

Chất lượng dữ liệu và nút chai

Mô hình AI cần một số lượng lớn dữ liệu lỗi sạch. nhiều tiện ích thiếu các dữ liệu lịch sử; bản ghi lỗi có thể chưa được phân loại hoặc chưa được phân loại.

Khả năng hiểu và sự tin cậy

Các nhà điều khiển mạng đang ngần ngại hành động trên một đề nghị hộp đen có thể phá vỡ dịch vụ.

Điểm yếu an ninh mạng

Các hệ thống AI mở rộng bề mặt tấn công. Ví dụ về cuộc tấn công có thể đánh lừa mô hình hoá các lỗi còn thiếu hoặc kích hoạt báo động giả. Các tiện ích đang nhận dạng các phương pháp phòng thủ và dự đoán để hạn chế phơi nắng. Các ví dụ [FLT: 0] Phòng thí dụ quốc gia có thể thay đổi khả năng sinh hoạt (NREL) [NL:1] khuyên bạn nên kết hợp các chiến lược phòng thủ trong- trong- dự án xác định mức độ bảo mật truyền thống.

Những vòng xoáy được điều chỉnh và tiêu chuẩn hóa

Hệ thống bảo vệ dựa trên AI phải tuân theo tập đoàn công nghệ điện Bắc Mỹ (ERC) cần thiết bảo vệ cơ sở hạ tầng (CIP). Nhiều quy định có sẵn cho rằng logic xác định, chứ không phải máy tính xác suất học tập. Các cơ quan công nghiệp như IEEEE đang phát triển hướng dẫn cho các thiết bị kiểm duyệt trong ứng dụng mạng (v. g., IEEE P2815).

Hướng tương lai: Lưới định hướng AI

Nhìn về tương lai, một số xu hướng đang nổi lên sẽ làm cho vai trò của AI gia tăng trong dự đoán lỗi và phòng ngừa:

Những cặp song sinh kỹ thuật số và sự huấn luyện mô phỏng

Các cặp song sinh mạng mạng số cao cho phép AI đào tạo trên hàng triệu kịch bản lỗi mô phỏng - bao gồm những tình huống hiếm có như nhiễu địa lý hoặc các cuộc tấn công mạng không có rủi ro sống còn. các đặc vụ nghiên cứu có thể tìm ra hàng triệu hành động kiểm soát để tìm ra những chiến lược đáp ứng tối ưu.

Học hỏi nhiều hơn các tiện ích

Thay vì tập trung dữ liệu mạng lưới nhạy cảm, các mô hình AI được phân loại một cách hợp tác trên nhiều tiện ích. Mỗi tiện ích giữ dữ liệu riêng của nó; chỉ có cập nhật mô hình được chia sẻ. Cách này tăng đáng kể sự đa dạng của các ví dụ đào tạo trong khi bảo tồn sự riêng tư và sự tuân thủ.

Hợp nhất với hệ thống quản lý nguồn năng lượng phân phối (DERMS)

Khi các nhà tiên đoán về mặt trời, lưu trữ pin và xe điện gia tăng, các dòng điện điện phải thích nghi với hành vi hiện đại của người dùng.

Lưới tự sửa chữa

Mục tiêu cuối cùng là tự chữa lành: khi AI phát hiện một lỗi gần kề, nó tái cấu hình lại địa hình mạng trong phần mềm trong phần mềm phần mềm chuyển đổi, cô lập phần bị ảnh hưởng và phục hồi năng lượng cho phần còn lại. Dự án phi công trong [FLT: 0] [FLT: 0] Mạng lưới thông minh [FLT1] có thể giảm thời gian từ giờ đến giây.

Con đường phía trước

AI không phải là một công nghệ duy nhất nhưng là một công cụ phát triển mà cho phép các tiện ích để chuyển từ quản lý khủng hoảng phản ứng sang sự phục hồi tích cực. các động cơ kinh tế rõ ràng: mỗi phút tránh được tiết kiệm được hàng triệu trong GDP thất bại cho các khách hàng thương mại và công nghiệp. với cơ thể điều hành ngày càng hỗ trợ việc làm dựa trên tốc độ hiệu suất, các tiện ích đầu tư vào dự đoán lỗi AI sẽ thấy cả sự cải thiện đáng tin cậy và lợi nhuận tài chính.

Tuy nhiên, việc triển khai thành công không chỉ đòi hỏi các thuật toán tiên tiến, mà còn cần các đường ống dữ liệu sạch, các đội xuyên hoạt động kết hợp các kỹ sư và các nhà khoa học dữ liệu, sự bảo vệ mạng mạnh mẽ, và sự sẵn sàng của văn hóa để tin tưởng vào các khuyến cáo của máy móc.