Высокоскоростной ветер во время грозы может привести к тому, что деревья вокруг электросети врежутся в фидеры распределительной системы, что приведет к отключению электроэнергии в этом районе. В настоящее время большинство коммунальных предприятий уменьшают количество таких несчастных случаев, планируя регулярные операции по обрезке деревьев. Эта работа стоит дорого и основана на ротационном подходе к различным зонам обслуживания, что может занять месяцы, а иногда и годы, прежде чем все деревья будут обрезаны.
Исследователи Техасского университета A&M разработали интеллектуальную модель, которая может прогнозировать потенциальную уязвимость коммунальных активов и представлять карту, где и когда может произойти возможный сбой. Функция прогнозирования позволяет обрезать в первую очередь деревья в наиболее критических зонах с наибольшим риском.
Доктор. Младен Кезунович, профессор Regents и обладатель звания профессора Юджина Э. Уэбба на факультете электротехники и вычислительной техники, вместе с аспирантами Татьяной Докич и По-Чен Чен разработали основу для модели, которая может предсказывать погодные опасности, уязвимость электрические сети и экономический эффект потенциального ущерба.
Анализируя влияние потенциальной уязвимости и погодных условий на перебои в энергосистеме, исследователи могут предсказать, где и когда могут произойти перебои. Прогнозирование оптимального графика обрезки деревьев, который минимизирует риск простоев, связанных с растительностью, - это только одно из приложений.
«Коммунальные сети и связанные с ними активы в основном расположены на открытом воздухе и подвержены всевозможным погодным опасностям. Работа с устаревающими инфраструктурными активами добавляет еще один уровень сложности, с которым сталкиваются коммунальные предприятия», - сказал Кезунович.«Любые данные об окружающей среде, которые имеют какое-то отношение к энергосистеме, могут быть введены в эту систему прогнозирования».
Данные, такие как оперативные записи коммунальных предприятий, прогнозы погоды, высота над уровнем моря и растительность вокруг энергосистем, могут использоваться для настройки приложений модели.
Модель является гибкой и может обрабатывать различные данные, несмотря на различные форматы и источники данных. Исследователи говорят, что обработка таких данных - сложная задача, которую они смогли решить. Каждый источник данных и их представление различны и многогранны. Исходя из целей, они отбирают большой объем исходных данных из нескольких источников и проводят анализ рисков.
Такая всесторонняя аналитика данных делает энергосистему и ее работу более надежными.
«Первой и главной целью коммунальных предприятий является обеспечение бесперебойного обслуживания», - сказал Чен. «Повышая надежность, мы можем прогнозировать сбои. Если мы сможем предотвратить сбои с помощью исторических и близких к реальному времени данных, мы сможем сэкономить миллионы долларов, поскольку сбои могут быть смягчены».
Исследователи описывают свою методологию построения структуры как процесс, состоящий из трех частей. Во-первых, они исследуют вероятность потенциальной опасности, такой как суровая погода. Затем они оценивают уязвимость коммунальных активов, принимая вероятность погоды и прогнозируя ее влияние на активы. Последним и наиболее важным этапом является оценка влияния тех или иных событий и расчет затрат на показатели надежности и техническое обслуживание, замену и ремонт.
Модель проанализировала исторические данные о погоде и данные о погоде, близкие к реальному времени, и успешно предсказала будущие уязвимости, что позволило коммунальным предприятиям принять эффективные меры по смягчению последствий, такие как процессы проверки, ремонта и технического обслуживания.
«В целом анализ рисков помогает предсказать вероятность событий, происходящих в ближайшем будущем, а затем добавляет финансовые последствия, позволяющие разработать оптимальный план действий для выполнения операторами коммунальных служб», - сказал Чен.
«Когда случаются перебои, коммунальные предприятия теряют миллионы долларов только на ремонте», - сказал Докич. «Прошлое показало, как некоторые сбои также стоили драгоценных жизней».
Исследователи использовали данные CenterPoint Energy по полезности в своей структуре и представили компании доказательство концепции. Их следующий шаг - реализация модели в базе данных и среде CenterPoint.
Кезунович также является директором Центра Smart Grid Техасской инженерной экспериментальной станции A&M. Исследование было поддержано CenterPoint Energy, Центром сверхшироких устойчивых сетей передачи электроэнергии Национального научного фонда (NSF) и частично Центром инженерных исследований энергетических систем NSF и грантами NSF Smart Grid Big Data Spoke. Узнайте больше об исследовании в журнале IEEE Transactions on Smart Grid.