基于人工智能的传感器数据分析框架用于远程电网状态监测
信号处理
2021-02-08 v1 机器学习
摘要
农村电气化要求使用单线接地回流(SWER)网络等廉价技术。远程用户的能源需求稳步增长，现有线路容量可能很快不足。此外，SWER 线路的高阻抗电弧故障(HIF)可引发如 2009 年黑色星期六事件般的灾难性丛林火灾。作为解决方案，可通过将现有系统拆分为微电网来建立可靠的远程电网，并利用现有 SWER 线路互连这些微电网。此类具备更好能源需求管理的可靠网络开发将依赖于集成的全网状态监测系统。作为本文首要贡献，开发了分布式在线监测平台，其集成了 SWER 网络中的电能质量监测、实时 HIF 识别与暂态分类。开发了基于人工智能(AI)的技术以分类故障与暂态。所提方法展现出更高的 HIF 检测准确率(98.67%)与更低的检测延迟(115.2 ms)。其次，开发了远程用户负载识别方法，从其暂态中检测负载类型。提出了基于边缘计算的架构以促进高频负载识别分析。所提方法在实时中评估，识别不同负载平均准确率达 98%。最后，开发了基于深度神经网络的能量分解框架，从聚合信号中分离特定负载能耗。所提框架使用真实数据集评估，相比最先进技术将信号聚合误差降低 44%、平均聚合误差降低 19%。
引用
@article{arxiv.2102.03356,
title = {Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring},
author = {Tharmakulasingam Sirojan},
journal= {arXiv preprint arXiv:2102.03356},
year = {2021}
}
备注
PhD Thesis