Aplicaţia unei Reţele Neuronale în Sisteme energetice.

OpinieAbstract-Industria energiei electrice este în curs de reformare fără precedent. Una dintre cele mai incitante şi potenţiale profitabile recent dezvoltate creşte utilizarea tehnicilor inteligenţei artificiale.Intenţia acestei lucrări este de a oferi o prezentare generală pentru a utiliza tehnicile reţelelelor neuronale (RN) în sistemele energetice.Potrivit ritmului de creştere a RN aplicate în unele sisteme energetice, această lucrare ne face o prezentare generală a diagnosticării erorilor, evaluarea securităţii, prognoze de consum, de expediere economică şi analiza armonica. Avantajele şi dezavantajele utilizări RN din subiectele de mai sus menţionate şi principalele provocări în aceste domenii au fost explicate, de asemenea.

Cuvinte cheie- Reţele neuronale,sisteme energetice,evaluarea securităţii, diagnosticarea erorilor,prognoze de consum, expediere economica,analiza armonica.

I.IntroducereReţelele neuronale au fost folosite într-o gamă largă de aplicaţii care include:

model de clasificare, model de recunoaştere, optimizare, predicţie şi control automat.În ciuda diferitelor structuri şi modele de formare, toate aplicaţiile RN sunt cazuri speciale de cartografiere vector [1].Aplicaţiile RN în diferite sisteme energetic în funcţiune şi a strategiilor de control a condus la rezultate acceptabile [2-4].

Această lucrare este o prezentare generală a aplicatiilor RN în sistemele energetice funcţionale şi control.Compararea numarului de articole publicate în cadrul procedurilor IEEE şi lucrări de conferinţă în acest domeniu în cursul 1990-1996 cu ei în perioada 2000-2005 a arătat că urmatoarele domenii au atras cea mai mare atenţie în ultimii 5 ani:

1. prognoze de consum2. diagnoza erorilor/locaţia erorilor3. expedierea economica4. evaluarea securităţii5. tranzitorii de stabilitate

Având în vedere acest fapt, această lucrare sa axat pe subiectele de mai sus-menţionate.

Tabelul 1.INTELIGENŢA ARTIFICIALĂ ÎN SISTEMELE ENERGETICE-SONDAJ

DE LUCRĂRI 1990-1996 si 2000 APRIL 2005Nr.de lucrări publicate1996-1996

Nr.de lucrări publicate2000-april 2005

Subiectele sistemelor energetice ARN ARNPlanificare-Expansiune

GenerareTransmisieDistribuţie

-StructuralePutere Reactivă

-Fiabilitate

---

1-

11-

-1

Operaţie(i)statie-Generaţie de programare-Expedierea economică,OPF-Unitatea de angajament-Expedierea de putere reactiva-Controlul tensiuni-Evaluarea securitaţii

StaticaDinamica

-Intreţinerea programare-Contract de management-Echipament de monitorizare(ii)sistem-Prognoza de consum-Managemetul cosumatorului-Preluarea alarmelor/ Diagnoza erorilor-Restaurarea de serviciu-Comutare reţea-Analiza contingenţelor-Fapte-Estimarea de stat

-1-14

763-4

12-

13--1-4

414-13

391-3

23-

202-2-2

Analiză/Modelare-Fluxul de energie-Armonici-Stabilitatea tranzitorie/proiectarea de control-Similare/operatori-Protecţie

4+513-7

439714

I. RATA DE CREŞTERE A APLICAŢIILOR RN ÎN SISTEMELE ENERGETICE

Tabelul I rezumă numărul de lucrări publicate despre aplicaţiile RN în operarea sistemelor energetice şi de control subiecte în 2 intervale de timp.Primul interval de timp este din 1990 până în 1996[2], în timp ce al 2-lea este din 2000 până în 2005.Aceste lucrări sunt publicare în IEEE acţiuni şi conferinţe.Se pare că compararea a doua coloane poate fi folosită ca dovadă de succes sau fără de succes a operaţiuni RN în domeniul energetic legate de funcţionarea sistemului.Fig. 1 arată procentajul numarului de reviste publicate în timpul aniilor 2000-2005 în formă de cerc. Această figură arată ca unele domenii cum ar fi prognozarea de consum, diagnoza erorilor/locaţia erorilor, expedierea economică, evaluarea securitaţii, tranzitorii de stabilitate.Următoarea parte a revistei este o analiză a: de ce şi cum să aplicăm RN în operaţiile sistemelor energetice şi controlul strategiilor.

Fig.1Aplicaţiile reţelele neuronale în sistemele energetice; 2000- April 2005

II.Diverse aplicaţii ale RN în sisteme energeticeA. Prognoze de consum

O problemă frecventa şi populară, care are un rol important în domeniul economic, financiar, de dezvoltare, extindere si planificare este prognoza de consum a sistemelor energetice. În general, cele mai multe lucrări şi proiecte în acest domeniu sunt clasificate în trei grupe:

Prognoza de consum pe termen scurt peste un interval variind de la o oră la o saptamana este importanta pentru diverse aplicaţii, cum ar fi angajamentul de unitate, de expediere economică, programarea de energie de transfer şi de control în timp real. O mulţime de studii au fost efectuate pentru utilizarea de prognoze de consum pe termen scurt [11 - 14], cu metode diferite. Unele dintre aceste metode pot fi clasificate după cum urmează: modelul de regresie, filtrarea Kalman, modelul Box & Jenkins , sisteme expert, inferenţa fuzzy, modele Neurofuzzy şi Chaos serii de timp de analiză. Unele dintre aceste metode au limitări principale, cum ar fi neglijarea unor condiţii atribute de prognoză, dificultatea de a găsi relaţii funcţionale între toate cererile de încărcare variabilă atribut şi instantaneu, dificultatea de a actualiza setul de reguli care guvernează la nivel de sistem expert şi dizabilitatea de a se adapta cu schimbările nonliniare rapide ale sistemului.

RN pot fi folosite pentru a rezolva aceste probleme. Cele mai multe proiecte cu ajutorul RN au luat în considerare mai mulţi factori, cum ar fi starea vremii, vacanţe, weekend-uri şi zile special în lumea sportului în modelul de prognoză, cu succes. Acest lucru este din cauza capacităţii de învăţare a RN cu multipli factori de intrare .

Prognoza la jumatatea perioadei de încărcare, care variază de la o lună la cinci ani, utilizată pentru a achiziţiona combustibil suficient pentru centralele electrice, după ce sunt calculate tarifele la energia electrica.

Prognoză de consum pe termen lung (PCTL), care acoperă 5 la 20 ani sau

mai mult, folosite de ingineri planificatori şi economişti pentru a determina tipul şi dimensiunea centralelor producatoare de energie care reduc la minimum atât costurile fixe şi variabile . Figura 6 prezintă procentele de prognoză de încărcare după anul 2000. Principalele avantaje ale RN care au crescut utilizarea lor în prognoză sunt după cum urmează:

1 - Se desfăşoară off-line, fără constrângeri de timp şi de cuplare direct la sistemul de alimentare pentru achiziţie de date.

2 - Abilitatea de a regla parametrii pentru intrările RN care nu are relaţii funcţionale între ele, cum ar fi condiţiile meteorologice şi de profilul de sarcină . Fig. 2 prezintă procentajul numărului de lucrări publicate în cursul ultimilor cinci ani în diferite tipuri de prognoză de încărcare.

Fig.2 Tipuri de prognoze de consum care se fac cu RN

B. Diagnoza erorilor/Locaţia erorilorProgresele înregistrate în domeniile de comunicare şi a tehnologiei digitale a

crescut cantitatea de informaţie disponibilă la controlul de supraveghere şi a sistemelor achiziţie de date (CSSA) . Deşi informaţiile sunt foarte utile, în timpul evenimentelor care cauzează întreruperi, operatorul poate fi copleşit de numărul excesiv de alarme de operare simultan, ceea ce creşte timpul necesar pentru identificarea cauzei principale de întrerupere şi pentru a începe procesul de restaurare. În plus, factorii precum stresul şi lipsa de experienţă pot afecta performanţele operatorului, astfel, disponibilitatea unui instrument de a sprijini în timp real procesul de luare a deciziilor este binevenită. Dispozitivele de protecţie sunt responsabile pentru detectarea apariţiei unei defecţiuni, şi atunci când este necesar, ele trimit semnale la întrerupătoare de circuit (ÎC), în scopul de a izola o parte defectuoasă a sistemului. Cu toate acestea, relee sau ÎC nu funcţionează corect,

mari părţi ale sistemului pot fi deconectate. După astfel de evenimente, pentru a evita pagube ale utilităţi de distribuţie şi consumatorii de energie, este esenţial să restabilim sistemul cât mai curând posibil. Cu toate acestea, înainte de a începe restaurarea, este necesar să se identifice evenimentul care a cauzat secvenţa de alarme cum ar fi insuficienţa sistemului de protecţie, defecte în canalele de comunicare, corupţie de achiziţie de date. Natura euristică a raţionamentului implicat în analiza operatorului şi absenţa unei formulari de analiză, conduce la utilizarea unor tehnici de inteligenţă artificială. Sisteme expert, reţele neuronale, logica fuzzy, algoritmi genetici (AG), şi plase de Petri constituie principalele tehnici aplicate pentru diagnoza erorilor. Din tabelul I, vom vedea că un efort major de a detecta şi corecta defectele sistemelor energetice în anii 90, se concentrează asupra metodelor de sistem expert. Defectul său principal este incapacitatea de generalizare şi dificultatea de a valida şi menţinerea bazelor de regulă mari. Recent, folosind sisteme, bazate pe modele temporale inclusiv a caracteristicilor sistemelor de protecţie bazate pe sisteme expert şi RN dezvoltate. Principalul avantaj al reţelei neuronale este flexibilitatea cu date zgomotoase şi rambursarea sa, principal este lungă perioadă de timp necesară pentru reţeaua de alimentare înainte de formare cu algoritmul de formare backpropagaţion, în special atunci când dimensiunea reţelei electrice este mare. Pentru a scurta timpul de instruire folosind aceste metode de substituire s-a propus: reţeaua de regresie neuronală generală(RRNG) în furajele transmitere topologice, reţelele neuronale probabilistic (RNP), metode de adaptare neurofuzzy şi algoritmul backpropagaţion selectivă .

C. Costul de expediere Scopul principal al dispecerului economic (DE) constă în minimizarea

costurilor de operare, în funcţie de cerere şi sub rezerva unor constrângeri, şi anume modul de alocare a cererii de încărcare necesară între unităţile de generare disponibile . În practică, întreaga gamă de funcţionare a unitaţii nu este întotdeauna disponibilă pentru alocare de încărcare din cauza limitărilor operaţiunii fizice. Mai multe metode au fost folosite în trecut pentru rezolvarea problemelor economice de expediere, inclusiv metoda de relaxare Lagrangiană, liniara de programare (LP) tehnici speciale de programare dinamica (PD), de programare pătratică Beale, metoda economică Newton-Raphson, funcţia Lagrangiană crescută, şi algoritmi recent genetici şi RN . Din cauza, problemei de expediere,economic devine o problemă de optimizare nonconvexa, metoda multiplicatorilor Lagrange, care este utilizată frecvent în problemele DE, nu poate să fie aplicata în continuare în mod

direct. Abordarea programări dinamice este una dintre metodele folosite pe scară largă, dar pentru un sistem practic de dimensiuni, dimensiunea pas fin şi de mari unităţi care de multe ori este şi cauza "blestemului dimensionalităţii “'.

Dezavantaje principale de activitate ale algoritmilor genetici şi de căutare tabu pentru DE sunt dificultatea de a defini funcţia de fitness, fiind cateva sub-optime soluţii, fără garanţie că această soluţie nu e la nivel local şi mai mult timpul de căutare. Reţelele neuronale şi în special modelul Hopfield, au o capacitate mare de a demonstra rezolvare problemelor de optimizare combinaţionale. Acest model a fost angajat pentru a rezolva problemele convenţionale ale DE pentru unităţile continue sau pe porţiuni funcţii pătratice pentru costul combustibilului. Datorită capacitătii acestei reţele luam în considerare toate limitele de constrângere, cum ar fi pierderea în linia de transmisie şi limitarea capacităţii de transmitere, factor de penalizare atunci când avem unităţi speciale, de controlul poluţiei unităţii şi etc,.cauzează creşterea hârtiei propusa recent. Recent instrumentele atractive pentru DE sunt reţele neuronale bazate pe algoritm genetic şi sisteme fuzzy. Figura 3 prezintă procente din aceste metode în perioada 2000-aprilie 2005 . Principalul dezavantaj al reţelei neuronale Hopfield este viteza redusă convergenţă. Acest neajuns poate fi atenuat prin scăderea limitării, dar în cazuri neliniare această metodă nu este sugerată.

Fig.3 Utilizarea proporţională a diferitelor metode în expedierea economică

D. Evaluarea securităţiiSarcina de principiu a unui sistem de energie electrică este de a livra puterea

solicitată de către clienţi, fără a se depăşi limitele de tensiune şi de frecvenţă acceptabile. Această sarcină trebuie să fie rezolvată în timp real şi în mod sigur, fiabil şi economic. Figura 4 arată o diagramă simplificată a fluxului de date a

principiului într-un sistem de putere pentru cazul care în timp real, măsurătorile sunt stocate într-o bază de date. Estimării de stat se ajustează apoi date greşite şi lipsă. Bazat pe valorile estimate actualul model matematic al sistemului de putere este stabilit. Bazat pe simulare de întrerupere a echipamentelor potenţial, nivelul de securitate al sistemului determinat. În cazul în care sistemul este considerat nesigur cu privire la unul sau mai multe întreruperi potenţiale, acţiuni de control trebuie să fie luate.

Fig.4 Fluxul de date în operațiile Sistemului Energetic

În general sunt 2 tipuri de evaluări de securitate luate:Evaluarea de securitate statică şi evaluarea dinamică .În ambele tipuri diferite state operaţionale sunt definite după cum urmează:

Starea normală sau sigură: În starea normală, toate cerinţele clienţilor sunt îndeplinite şi limita de funcţionare este în limitele prezentate

Alarme de stat sau critice: În această stare variabilele de sistem sunt încă în limite şi constrângeri sunt îndeplinite, dar puţine perturbări pot duce la variabile faţă de instabilitate.

De urgenţă sau de stat nesigur: sistemul energetic intră în modul de funcţionare de urgenţă la încălcarea unor constrângeri de inegalitate legate de securitate. Pentru un sistem 3-bare de transfer -3-lini sistem energetic ,

care este arătat în figura 5, având în vedere limitările, de operare şi spaţiu limitat ilustrat în fig.6

În sistemele practice de alimentare dimensiunea sistemului de operare este foarte mare. Pentru a depăşi "blestemul dimensionalitatii mari", trei abordări principale pot fi urmate:

Limitaţi numărul de contingenţe şi caracterizare a limitelor de securitate. Acest lucru, de exemplu, se face supravegheat RN ca Perceptron multistrat

Reducerea dimensiunii vectorului de funcţionare;de exemplu, se face cu RN nesupravegheate ca retea Oja-Sanger.

Cuantificarea punctului de operare într-un număr redus de clase, acest lucru se face cu algoritmi de grupare, de exemplu, la cel mai apropiat vecin sau algoritmi de clusterizare k-means.

Frecvent cand RN îndeplineşte aceste condiţii este perceptron multistrat (PM) cu algoritmul de formare backpropagaţion. Motivul pentru aceasta este capacitatea on-line de învăţare. Există două probleme cu utilizarea PM, selectarea de intrare de date şi de supraantrenament. O metodă bună pentru prima problemă este cu ajutorul unor indicatori de securitate în prezent calculată de către sistemul de management al energiei (SME), ca factori de producţie la ANN. Pentru a depăşi cele mai recente probleme utilizând backpropagation cu algoritmul de formare selectivă propus.

Din tabelul I vedem că numărul de buletine despre cazul de securitate dinamice a crescut în ultimii ani. Unul dintre motivele pentru acest eveniment este un comportament dinamic şi neliniare ale reţelelor electrice. Odată cu creşterea sistemelor energetice şi de cererea de energie şi de a avea mai multa energie, fiabile şi sigure, în cele mai multe cazuri vom vedea problemele de mari dimensiuni, cu multe limitări şi constrângeri. Pentru a avea starea sistemului rapid, în plus faţă de PM de reţea, în zilele noastre a fost folosita reteaua Hopfield. Figura 7 prezintă tipurile de RN utilizate pentru evaluarea de securitate.

Fig.5 Trei bare de transfer trei lini Sistem Energetic

Fig.6 Constrângeri şi spaţiul de manevră pentru sistemul considerat în figura 3

Fig.7 Tipuri de RN folosite pentru Evaluarea securităţii

III. Alte aplicaţii

Datorită celei mai bune capacităţi ale altor tehnici de Inteligenţe Artificiale cum ar fi sistemele expert, de calcul evolutiv, sisteme fuzzy şi tehnica de sistem hibrid de aceste metode, pe scară largă şi utilizarea acestor tehnici în sistemele energetice[27,28,29,30], în această secţiune vom introduce unele dintre aceste aplicaţii şi tehnici. Din cauza celor mai bune capacităţi de algoritm genetic pentru optimizarea procesului, de distribuţie optimă şi sub rezerve structurale, cum ar fi angajamentul de unitate întotdeauna se poate face cu această metodă. De asemenea, algoritmul genetic poate fi folosit pentru a oferi un set bun de greutăţi iniţiale pentru RN, sau poate fi folosit pentru a antrena pe deplin RN sau pentru a găsi structura optimă a reţelei.

Utilizarea sistemului expert hybrid neuronal poate majora viteza de recunoaştere. Cinci strategii diferite au fost dezvoltate pentru a integra sistemele de reţele neuronale şi de experţi: stand-alone, modele de transformare, modele slab cuplate, modele cuplate strâns-şi pe modele deplin integrate.

IV. Concluzii

În această lucrare de aplicare a RN la subiecţii sistemelor energetice şi de avantajele şi dezavantajele utilizării RN şi alte metode convenţionale au fost revizuite.

Principalele avantaje ale utilizarii RN sunt

capacitatea sa de a face variaţia stocastică a punctului de operare programate de date în creştere

prelucrarea foarte rapida on-line şi clasificarea

modelari implicite neliniare şi de filtrare a datelor de sistem

Cu toate acestea, RN pentru sistemul de putere ar trebui să fie privită ca un instrument suplimentar în loc de un înlocuitor pentru convenţionale sau cu alte tehnici bazate AI ale sistemelor energetice. În prezent, se bazează pe simulări RN convenţionale, în scopul de a produce vectori de formare şi analiză a vectorilor de formare, în special cu datele zgomotoase. Rămân unele provocări majore pentru a fi combătute cu ajutorul RN pentru sistemele energetice: timp de instruire, selectarea de vector de instruire, modernizarea de plase instruite neuronale şi integrarea de tehnologii.