شناسایی کارآمد ناهنجاری ها در داده های توزیع برق

20 ژانویه 2023 – توسط دیوید بردلی، Inderscience -اعتبار: دامنه عمومی Pixabay/CC0

قابلیت اطمینان و امنیت سیستم های توزیع برق یک موضوع زیرساختی حیاتی است که در صورت به خطر افتادن می تواند زندگی بسیاری از افراد را تحت تاثیر قرار دهد. یک تحقیق در مجله بین المللی تبدیل نیرو و انرژی به این موضوع می پردازد که چگونه می توان از روش gSpan برای غربالگری مجموعه داده ها برای اطمینان از امنیت انرژی استفاده کرد.

کیان لیو از موسسه تحقیقات نیروی برق چین و هوی ژو از دانشکده مهندسی برق دانشگاه جیائوتنگ پکن در منطقه هایدیان، پکن، چین، روش جدیدی را برای تشخیص داده های غیرعادی در دستگاه های توزیع برق دیجیتال پیشنهاد کرده اند. رویکرد آنها از الگوریتم gSpan و یک پلت فرم محاسبات ابری با ترکیب قوانین تداعی فازی برای جمع آوری داده های غیرعادی و حذف نویز آستانه موجک برای تمیز کردن و آماده سازی داده ها استفاده می کند.. محققان توضیح می دهند که سپس از الگوریتم gSpan برای غربالگری داده های پردازش شده و استخراج همبستگی های قوی برای غربالگری ثانویه برای ارائه نتایج نهایی استفاده می کنند.

الگوریتم gSpan یک الگوریتم مبتنی بر نمودار است که معمولاً در الگوریتم و تجزیه و تحلیل داده های ساخت یافته استفاده می شود. می تواند الگوهای نامنظم، غیرمنتظره و ناقص را در یک مجموعه داده شناسایی کند. قوانین تداعی فازی امکان پردازش اطلاعات نامشخص و نادرست را فراهم می کند، در حالی که حذف نویز آستانه موجک با افزایش نسبت سیگنال به نویز، دقت داده ها را بهبود می بخشد.

آزمایش‌های اثبات اصول نشان داده‌اند که این رویکرد دارای حداقل زمان غربالگری 6.2 ثانیه و نرخ خطای کمتر از 0.2٪ است، همچنین نرخ پایین داده‌های از دست رفته را نشان می‌دهد. به طور کلی، تیم پیشنهاد می‌کند که رویکرد آنها ابزار سریع‌تر و دقیق‌تری برای تشخیص داده‌های غیرعادی در دستگاه‌های توزیع برق ارائه می‌دهد. این رویکرد در مدت زمانی که اغلب با روش‌های سنتی برای غربالگری داده‌های غیرعادی نیاز است، بهبود می‌یابد، تعداد خطاها را کاهش می‌دهد و نرخ داده‌های از دست رفته را کاهش می‌دهد. گام بعدی بهبود ظرفیت پردازش داده رویکرد و در عین حال حصول اطمینان از حفظ کارایی غربالگری داده خواهد بود.