Сочинение на тему Обзор Smart Meter Data Analytics

В документе были представлены приложения HAN, которые показывают, как потребители могут узнать и контролировать свое потребление электроэнергии, используя данные измерений. В этом примере используется протокол HAN Zigbee, который показывает различные протоколы, используемые для городских сетей (MAN) и глобальной сети (WAN).

Варианты использования интеллектуального счетчика

Интеллектуальный счетчик используется для различных задач. Данные, извлеченные из интеллектуального счетчика, являются важным игровым игроком для будущего развития интеллектуальных сетей, укрепления доверия между клиентом и поставщиком и обеспечения прозрачности для клиента за счет снижения кражи энергии и мошенничества. В статье автор рассматривает некоторые из основных случаев использования интеллектуального счетчика. С постепенным внедрением интеллектуальной сети сложность и количество требуемых контролируемых активов возрастают и становятся более подробными, распределенными и требующими частой управляющей информации. Возможности интеллектуального измерителя в режиме реального времени измерения напряжения и связи между потребителями и сетевыми контроллерами являются потенциальными ключевыми игроками в управлении напряжением. Несколько проектов, реализующих методы контроля напряжения, включают интеллектуальные счетчики в свои решения. В дополнение к этому, а также благодаря поощрению потребителей использовать возобновляемые источники энергии в качестве источника вторичной энергии, контроль и управление спросом на электроэнергию становится более сложным. Контроль и управление распределенной генерацией, особенно в отношении возобновляемых источников энергии, является более сложным, чем обычные источники, из-за его менее предсказуемого поведения и различной доступности. Интеллектуальные счетчики могут помочь в этих вопросах, предоставляя точные, часто обновляемые данные в реальном времени и данные измерений заряда / разряда из распределенного хранилища для выработки и распределения соответственно, что может облегчить работу центра управления и способствовать внедрению возобновляемых источников энергии в электросети. .

Кроме того, системы интеллектуального учета необходимы в биллинговых приложениях. Интеллектуальный счетчик получает тарифные затраты в режиме реального времени, заранее или по заранее запрограммированным тарифам, а затем рассчитывается стоимость поставленной энергии. Кроме того, SM могут удаленно отключать или восстанавливать источник питания, если это необходимо. Наиболее распространенными методами выставления счетов являются цены в зависимости от времени использования, цены в режиме реального времени и пиковых цен, зависящих от потребления. Наконец, мошенничество с электричеством распространено во всех странах, особенно когда потребитель не имеет ни малейшего представления о своем точном потреблении электроэнергии. Поэтому делается много попыток разработать метод борьбы с мошенничеством с помощью интеллектуальных систем измерения. Например, в Depuru et al. представить сложную систему, состоящую из SM, генераторов гармоник и фильтров, которые обнаруживают и предупреждают пользователей, которые совершают мошенничество.

Интеллектуальный счетчик данных Analytics

Анализ нагрузки

Потребление электроэнергии в каждой семье варьируется в зависимости от многих обстоятельств. Он может варьироваться в зависимости от температуры наружного воздуха, различных ежедневных привычек и других неожиданных событий. Данные, извлеченные из интеллектуального счетчика, являются очень важной задачей, поскольку данные должны быть достоверными и описывать реальность. В этой статье задается критерий оценки систем аналитики интеллектуальных счетчиков. Этот тест включает в себя 5 основных задач:

 
• понимание изменчивости потребителей (путем построения гистограмм их почасового потребления)

 

• понимание термической чувствительности зданий и домашних хозяйств (путем построения регрессионных моделей потребления в зависимости от температуры наружного воздуха)

 

• понимание типичных ежедневных привычек потребителей (путем извлечения тенденций потребления, которые происходят в разное время дня независимо от температуры наружного воздуха)

 

• поиск схожих потребителей (путем поиска сходства серий времени выполнения)

 

• обнаружение аномалий. Тем не менее, проблема конфиденциальности останется большой проблемой при сборе этих данных, так как многие пользователи не принимают ее. Однако эту проблему можно решить, полагаясь на небольшой набор реальных данных. «Например, он может создавать новые наборы данных, соответствующие потребителям, которые являются более или менее« пиковыми »по сравнению с исходными данными» ». Когда погода холодная, потребление увеличивается из-за нагрева, а когда жарко, потребления электроэнергии увеличивается за счет кондиционирования воздуха. Принимая во внимание, что на рисунке 4 график показывает почасовое потребление электроэнергии домохозяйством в обычный день. Из графика видно, что потребление началось с 7 утра и достигло пика около 14:00.

Прогнозирование нагрузки

Данные, собранные с помощью интеллектуального счетчика, имеют важное значение, позволяя поставщику прогнозировать ожидаемую нагрузку в будущем. Прогнозирование нагрузки важно для фидера, чтобы удовлетворить его спрос и планировать заранее. Однако прогнозируемая нагрузка на уровне домохозяйства или дома является более сложной, чем на агрегированном уровне. В статье автор представил различные подходы к решению этой проблемы путем оценки и изменения существующих методов прогнозирования нагрузки. Например, на рисунке выше показано, как распределение нагрузки является более изменчивым, когда оно находится на более низком уровне, чем на уровне города. Чем выше уровень, на котором измеряется нагрузка, тем более плавным является профиль нагрузки. Разработка высокоточного прогноза нетривиальна на более низких уровнях.

Ответ по требованию

Реакция спроса имеет большой потенциал быть частью сокращения потребления электроэнергии. На основе данных о потреблении электроэнергии, полученных с помощью интеллектуального счетчика для определенного домохозяйства, пользователь может легко визуализировать и осознавать свое потребление в течение дня более точно и четко. А будучи осведомленным о колебаниях цен на электроэнергию в течение дня, пользователь может по-разному реагировать на его спрос, что может принести ему пользу, покупая электроэнергию по более дешевой цене в определенное время дня. Таким образом, реагирование спроса предоставляет потребителям возможность сыграть значительную роль в работе электрической сети за счет сокращения или смещения их потребления электроэнергии в пиковые периоды в ответ на основанные на времени ставки или другие формы финансовых стимулов. Такие программы могут снизить стоимость электроэнергии на оптовых рынках и, в свою очередь, привести к снижению розничных тарифов. Реализация реагирования спроса требует от пользователя большой мотивации и стимулов для его практического применения. Некоторые из различных стратегий маркетинга программ реагирования спроса представлены в (3). 3-методология Из-за огромного количества данных, которые можно собирать с интеллектуального счетчика, а также из-за его сложности, для анализа данных необходимо применять различные методы и более продвинутые методы. Машинное обучение (ML) выросло из области искусственного интеллекта (ИИ) и представляет собой науку о том, как заставить компьютеры учиться и делать прогнозы на основе данных без явного программирования. Другими словами, алгоритмы машинного обучения работают на основе построения модели из примерных входных данных для принятия предсказаний или решений на основе данных, а не следуют строго статическим программным инструкциям. В этом разделе будут освещены некоторые практики и методы, используемые в машинном обучении для интеллектуальных измерений. Кроме того, предложенная схема будет представлена ​​путем добавления различных компонентов машинного обучения, таких как кластеризация и интеллектуальный анализ данных, к традиционному предварительно обработанному способу анализа данных.

<Р> Заключение

С ростом населения планеты, ростом экономики и ростом спроса на энергию в быстро урбанизирующихся и индустриализирующихся обществах энергетическая система находится под давлением. Несмотря на то, что это давление исчезает, мы также живем в удачное время сбора и обработки данных, которые мы должны использовать для решения проблем энергетической безопасности. В этой статье мы предложили дальнейшие направления исследований с точки зрения больших данных, развития машинного обучения, новой бизнес-модели, перехода к энергосистеме, конфиденциальности и безопасности данных. Интеллектуальный анализ данных все еще является новой и многообещающей областью исследований с огромным потенциалом для снижения стрессов, с которыми сталкиваются растущие, и энергосберегающие общества во всем мире.