Исследователи Техасского университета A&M разработали интеллектуальную модель, которая может предсказать потенциальную уязвимость для сервисных активов и представить карту того, где и когда возможное отключение электричества может произойти. Прогнозирующая особенность позволяет деревьям в самых критических областях с самым высоким риском быть подстриженными сначала.Доктор Младен Кезунович, профессор Регентов и держатель профессорства Юджина Э. Уэбба в Отделе Электротехники и Вычислительной техники, наряду с аспирантами Татьяной Докик и По-Chen Чен, развивал структуру для модели, которая может предсказать погодные опасности, уязвимость электрических сеток и воздействие на экономику от потенциального ущерба.
Анализируя воздействие потенциальной уязвимости и погодные воздействия на отключения электричества энергосистемы, исследователи могут предсказать, где и когда отключения электричества могут произойти. Предсказание оптимального графика подстрижки дерева, который минимизировал бы риск связанных с растительностью отключений электричества, является только одним из заявлений.«Сервисные сетки и связанные активы главным образом расположены на открытом воздухе и выставлены всем видам погодных опасностей. Контакт со стареющими активами инфраструктуры добавляет другой слой сложности то лицо коммунальных предприятий», сказал Кезунович. «Любой вид данных о состоянии окружающей среды, у которого есть некоторое отношение к энергосистеме, может быть подан в эту структуру предсказания».
Данные, такие как эксплуатационные отчеты коммунального предприятия, прогнозы погоды, высота и растительность вокруг энергосистем могут использоваться, чтобы настроить применения модели.Модель гибка и может обработать множество данных несмотря на отличающиеся форматы и источники данных. Исследователи говорят, что обработка таких данных является требовательной задачей, которую они были в состоянии решить. Каждый источник данных и его представления отличается и многогранен.
На основе целей они выбирают большую сумму входных данных из нескольких источников и выполняют анализ степени риска.Такая аналитика исчерпывающих данных делает энергосистему и ее действия более надежными.«Прежде всего цель коммунальных предприятий состоит в том, чтобы уверить непрерывное обслуживание», сказал Чен. «Улучшая надежность, мы можем предсказать отключения электричества.
Если мы можем предотвратить отключения электричества с историческим и закрыться к оперативным данным, мы можем сэкономить миллионы долларов, так как отключения электричества могут быть смягчены».Исследователи описывают свою методологию для структуры как трехчастный процесс. Во-первых, они исследуют вероятность потенциальной опасности, такой как суровая погода.
Затем, они оценивают уязвимость сервисных активов, беря погодную вероятность и предсказывая ее воздействие на активы. Последний и наиболее значительный шаг оценивает воздействие определенных событий и смету расходов индексов надежности и обслуживания, замены и ремонта.Модель проанализировала исторический и близкий к оперативным данным о погоде и успешно предсказала будущие слабые места, позволяющие коммунальным предприятиям иметь эффективные меры по смягчению, такие как контроль, процессы ремонта и технического обслуживания.«В целом анализ степени риска помогает предсказать вероятность событий, происходящих в ближайшем будущем, и затем добавляет финансовую разработку разрешения воздействия оптимального плана действий относительно сервисных операторов выполнить», сказал Чен.
«Когда отключения электричества происходят, коммунальные предприятия теряют миллионы долларов в просто ремонтных работах», сказал Докик. «Прошлое показало, как определенные отключения электричества стоили драгоценных жизней также».Исследователи использовали сервисные данные CenterPoint Energy в своей структуре и представили доказательство понятия к компании. Их следующий шаг – внедрение модели на базе данных и окружающей среде CenterPoint.
Кезунович – также директор Центра Интеллектуальной сети Станции Эксперимента Разработки Техасского университета A&M. Исследование было поддержано CenterPoint Energy, Центром Национального научного фонда (NSF) Ультраширокой области Эластичные Сети связи Электроэнергии и частично Научно-исследовательским центром Разработки Энергосистем NSF и Интеллектуальной сетью NSF, Большие данные Говорили гранты.
Читайте больше об исследовании в Сделках IEEE на журнале Smart Grid.