17095

تشخيص ناهنجاري با بهره‌گيري از داد‌ه‌هاي كنتور هوشمند و لاگ‌هاي رويدادي

1402

دكتر بهروز مينائي بيدگلي

با گسترش سامانه‌هاي اندازه‌گيري هوشمند انرژي الكتريكي و استقرار گسترده كنتورهاي ديجيتال در شبكه‌هاي توزيع، امكان پايش پيوسته مصرف مشتركين و ثبت رخدادهاي عملياتي در مقياس وسيع فراهم شده است. اين زيرساخت، داده‌هاي متنوعي از جمله پروفيل‌هاي زماني مصرف انرژي، شاخص‌هاي كيفيت توان و رخدادهاي ثبت‌شده توسط كنتور را توليد مي‌كند كه مي‌توانند منبع ارزشمندي براي تحليل داده‌محور و مديريت هوشمند شبكه برق باشند. با اين حال، بروز رفتارهاي غيرعادي نظير دستكاري يا خرابكاري در كنتورها، الگوهاي غيرمعمول مصرف، اختلالات ارتباطي و ثبت رخدادهاي غيرمنتظره، همچنان از چالش‌هاي مهم در بهره‌برداري ايمن و اقتصادي از شبكه‌هاي توزيع محسوب مي‌شود. تشخيص اين رفتارهاي غيرعادي به دليل حجم بالاي داده‌ها، ماهيت ناهمگن داده‌هاي توليدشده و همچنين كمبود داده‌هاي برچسب‌خورده، با استفاده از روش‌هاي سنتي آماري با دشواري همراه است. از اين رو، استفاده از روش‌هاي مبتني بر يادگيري ماشين به عنوان راهكاري كارآمد براي تحليل اين داده‌ها مطرح شده است. در اين گزارش، رويكردي داده‌محور براي شناسايي رخدادهاي غيرعادي در سامانه‌هاي اندازه‌گيري هوشمند ارائه مي‌شود كه بر تحليل همزمان دو نوع داده شامل پروفيل‌هاي زماني مصرف انرژي و لاگ رخدادهاي ثبت‌شده توسط كنتور استوار است. در اين چارچوب، با مدل‌سازي الگوهاي زماني مصرف و در كنار آن استفاده از لاگ‌هاي رويدادي، تلاش مي‌شود رفتارهاي غيرمعمول در شبكه شناسايي و تحليل شوند. انتظار مي‌رود به‌كارگيري چنين رويكردي علاوه بر افزايش دقت در تشخيص رخدادهاي غيرعادي، به بهبود قابليت پايش شبكه، افزايش قابليت اطمينان سامانه‌هاي اندازه‌گيري و كاهش هزينه‌هاي عملياتي در شركت‌هاي توزيع برق كمك كند. واژه‌هاي كليدي: زيرساخت پيشرفته اندازه‌گيري، تشخيص ناهنجاري، تحليل داده‌هاي سري زماني، لاگ رويداد

6/10/2026 12:00:00 AM

90546

1405/03/20