استهلاك الطاقة منخفضة الجهد الكهربائي وضبط الإمدادات

اقرأ في هذا المقال


مع الانتشار الواسع للبنية التحتية المتقدمة للقياس (AMI) في أنظمة توزيع الطاقة، تتزايد كمية بيانات الكهرباء لمستهلكي الطاقة بسرعة وتصبح البيانات أيضاً أكثر دقة، وللاستفادة الكاملة من بيانات (AMI) الخاصة بمستهلكي الطاقة، كما يعد هذا خللاً مدفوعاً بالبيانات.

تحليل بيانات استهلاك الطاقة منخفضة الجهد الكهربائي

مع التطور السريع للاقتصاد، سجل أعلى حمل للكهرباء في مقاطعة تشجيانغ رقماً قياسياً جديداً، كما أن هناك العديد من مخاطر استهلاك الطاقة وإمدادات الطاقة غير الطبيعية لمستهلكي الطاقة على نطاق واسع، وفي السنوات القليلة الماضية، تُستخدم تقنيات الشبكة الذكية على نطاق واسع في أنظمة الطاقة حول العالم وعدد البنية التحتية للقياس المتقدم (AMI)، مثل التيار الكهربائي عالي التردد والتيار الجوفي والجهد.

وفي غضون ذلك، زادت أجهزة الاستشعار والعدادات الذكية المتصلة بأنظمة الطاقة بشكل كبير، كما أنه تم إجراء بعض الأبحاث ذات الصلة في تصميم الأجهزة لـ (AMI) وبعض أجهزة الاستشعار الأخرى عالية الدقة، كما أنه تم تحقيق القدرة على جمع البيانات بمدى أكبر ودقة أعلى وسرعة أعلى، أما (oZm) هو جهاز متقدم منخفض التكلفة ومفتوح المصدر لقياس جودة الطاقة والطاقة عالية الدقة في أنظمة الطاقة منخفضة الجهد.

وبالنسبة الى (AMI) هو متقدم آخر يمكنه تحقيق الالتقاط والتحليل والتصور الشامل لبيانات جودة الطاقة في الوقت الحقيقي الموزعة (PQ)، وفي غضون ذلك؛ فإن التثبيت الواسع للعدادات الذكية يجعل جمع كميات كبيرة من البيانات الدقيقة حول مصادر الطاقة أسهل وأكثر سهولة، وبالاعتماد على تقنيات الشبكة الذكية و (AMI) المتعددة الطلاب؛ فإنه يمكن الوصول إلى استهلاك الطاقة وبيانات الإمداد لمستهلكي الطاقة بسهولة أكبر.

أثر مقياس البيانات بالتأثير على طبيعة الاستهلاك العام للطاقة

في الوقت الحالي، زاد مقياس بيانات جانب مستهلك الطاقة في الشبكة الذكية من جيجابايت إلى تيرابايت وحتى مستوى (PB)؛ ونظراً الى الخصائص المعقدة لأنظمة الطاقة؛ فإنها تتميز بيانات الطاقة الكهربائية بميزات ذات نطاق واسع وسرعة نقل سريعة وأنواع متعددة، والتي بدورها تتوافق مع مفهوم البيانات الضخمة، بحيث تُستخدم تقنية البيانات الضخمة على نطاق واسع لاستخراج المعلومات المطلوبة من بيانات مستهلكي الطاقة المعقدة.

واستناداً إلى بيانات الكهرباء هذه، ومن أجل منع وقوع حوادث الطاقة وضمان سلامة استهلاك الطاقة وإمداداتها لمستهلكي الطاقة، تم اقتراح خوارزمية تقييم غير طبيعية مدفوعة بالبيانات لتحديد استهلاك الطاقة المحتمل وإمدادات الطاقة غير الطبيعية في الوقت المناسب.

ومع تتابع زيادة مستهلكي الطاقة وتنويع أشكال استهلاك الكهرباء؛ ظهر هناك المزيد من أنواع الشذوذ غير المدروس في الطاقة وفي مرافق الطاقة المزودة، بحيث تكون كمية البيانات الخاصة بشذوذ الطاقة المتولدة كبيرة جداً، على سبيل المثال هناك حوالي (55000) سجل كهرباء غير طبيعي لمستهلكي الطاقة من يناير إلى أكتوبر (2018)م لمرافق الطاقة في مقاطعة تشجيانغ في الصين.

ميزات غير طبيعية تستخرج لمستهلكي الطاقة الكهربائية

نظراً لأنه يتم تثبيت العدادات الذكية في أنظمة توزيع الطاقة على نطاق واسع؛ فإنه يمكن جمع بيانات الاستهلاك والإمداد الهائل للطاقة بما في ذلك أنواع المعلومات المعقدة وغير المتجانسة، ومع ذلك نظراً للقدرة المحدودة على جمع البيانات وتخزينها في أنظمة توزيع الطاقة؛ لم تتم دراسة استراتيجيات تطبيق البيانات الضخمة على نطاق واسع.

ومن أجل تحسين معدل استخدام البيانات الضخمة في أنظمة الطاقة؛ أنشأت مرافق الطاقة (EIAS)، بحيث يمكن لـ (EIAS) جمع بيانات مصادر الطاقة المختلفة لمستهلكي الطاقة من خلال (AMI)، كما أنه يظهر الهيكل المادي لـ (EIAS) في الشكل التالي، كما ويتكون هذا النظام من أربعة أجزاء، وهي:

  • المحطة الرئيسية (MS).
  • قناة الاتصال (CC).
  • الجهاز الميداني (FD).
  • مستهلكو الطاقة (PC).

lin1-2970098-large-259x300

المكونات المادية لشبكة التحكم الكهربائي (MS)

يتكون الهيكل المادي لشبكة (MS) بشكل أساسي من خوادم نظام التسويق (MSS)، بما في ذلك خوادم قواعد البيانات ومصفوفات القرص وخوادم التطبيقات وخوادم ما قبل التجميع (PCS)، بما في ذلك الخوادم المسبقة ومحطات العمل وساعات (GPS) وأجهزة جدار الحماية الكهربائية والشبكات ذات الصلة الأجهزة، بحيث تشير (CC) إلى قناة الاتصال عن بعد بين (MS) و (FD)، بما في ذلك بشكل أساسي القناة الليفية وقناة الشبكة العامة اللاسلكية (GPRS / CMDA) والقناة المخصصة للطاقة اللاسلكية (230) ميجا هرتز.

كما يشير (FD) إلى المحطة الطرفية ومعدات القياس المثبتة في الميدان، والتي تشمل بشكل أساسي محطة المحولات الكهربائية الخاصة ومقياس الطاقة الكهربائية متعدد الوظائف والمكثفات الكهربائية والمجمعات وعدادات الطاقة الكهربائية، وما إلى ذلك بناءً على قدرة جمع البيانات في (EIAS)، كما يتم اقتراح خوارزمية فعالة تعتمد على البيانات لتحليل وتقييم استهلاك الطاقة وتزود شذوذ مستهلكي الطاقة في هذه الدراسة.

ومن خلال النشر الواسع لـ (AMI) في نظام التوزيع الكهربائي؛ فإنه يمكن جمع البيانات المختلفة لمستهلكي الطاقة مثل الجهد والطاقة النشطة الحالية ومعدل فقد الخط بواسطة (EIAS)، كذلك بيانات مستهلك الطاقة التي تم تحليلها في هذا البحث والتي تم جمعها من (AMI) هي كما يلي:

  • القدرة النشطة (∏P) ومعدل فقد الخط (∏LL).
  • جهد مستهلكي الطاقة أحادي الطور (∏Vuser) والجهد المتحكم (∏VTG).
  • جهد الخط المحايد للمحاكم (∏VNLTG) وتيار الطور (p) للمستهلكين من ثلاث مراحل (∏) المستخدم.
  • الخط المحايد والتيار المباشر للخط المستهلكون أحادي الطور (∏INL) و (∏IFL).
  • مقاومة الخط المكافئ (∏RLI) والجهد المحايد للخط المحايد للمستهلكين في الطور (∏VNLuser).

متابعة الفاصل الزمني والحصول على بيانات الطاقة الكهربائية

يمكن أن يكون الفاصل الزمني للحصول على بيانات الكهرباء التي تم جمعها بواسطة (AMI 15) دقيقة أو حتى (30) دقيقة أو (1) ساعة، وذلك باستخدام جمع البيانات بواسطة (AMI)، بحيث يمكن استخراج بعض الفهارس التي تعكس استهلاك الطاقة وإمدادات الطاقة غير الطبيعية لمستهلكي الطاقة، وبالنسبة للفهارس المستخرجة؛ فإنه يمكن تقسيمها إلى فئتين، أي الفهارس الإحصائية والفهارس الكهربائية.

كما يتم استخدام الفهارس الإحصائية لإحصاءات بيانات الكهرباء لمستهلكي الطاقة، بما في ذلك تكرار الحدوث الزائد والوقت الزائد وكذلك سعة المعلمات الكهربائية المختلفة، بحيث تُستخدم الفهارس الكهربائية بشكل شائع في أنظمة الطاقة، والتي ترتبط بحالات تشغيل المعدات الكهربائية، مثل معدل التحميل والجهد المحايد للخط ومقاومة الخط نفسه.

وأخيراً في هذا البحث، تم اقتراح خوارزمية تقييم الشذوذ لاستهلاك الطاقة وإمداداتها لمستهلكي الطاقة بناءً على طريقة (CRITIC) وطريقة مخطط الرادار المحسّن لتحقيق تقييم دقيق لاستهلاك الطاقة وإمدادات غير طبيعية لمستهلكي الطاقة، ومن خلال تحليل جزء من مستهلكي الطاقة في مقاطعة (Zhejiang)؛ فقد تم توضيح دقة النتائج التي تم الحصول عليها بواسطة الخوارزمية المقترحة.

وبالمقارنة مع نظام الخبير التقليدي؛ فإنه يمكن للخوارزمية المقترحة في هذا البحث اكتشاف المزيد من مستهلكي الطاقة غير الطبيعيين، إلى جانب ذلك يمكن عرض الحالة الكهربائية للمستهلك وحالة الطاقة الإجمالية بشكل حدسي أكثر من خلال استخدام طريقة مخطط الرادار المحسّن، ومن خلال تطبيق الخوارزمية المقترحة؛ فإنه يمكن تحديد مجموعات مستهلكي الطاقة غير الطبيعية ويمكن تحقيق الإنذار المبكر بحوادث الطاقة الكهربائية.

المصدر: S. Uludag, K.-S. Lui, W. Ren and K. Nahrstedt, "Secure and scalable data collection with time minimization in the smart grid", IEEE Trans. Smart Grid, vol. 7, pp. 43-54, Jan. 2016.X. He, Q. Ai, R. C. Qiu, W. Huang, L. Piao and H. Liu, "A big data architecture design for smart grids based on random matrix theory", IEEE Trans. Smart Grid, vol. 8, no. 2, pp. 674-686, Mar. 2017.E. Spano, L. Niccolini, S. D. Pascoli and G. Iannaccone, "Last-meter smart grid embedded in an Internet-of-Things platform", IEEE Trans. Smart Grid, vol. 6, no. 1, pp. 468-476, Jan. 2015.Y. Wang, Q. Chen, T. Hong and C. Kang, "Review of smart meter data analytics: Applications methodologies and challenges", IEEE Trans. Smart Grid, vol. 10, no. 3, pp. 3125-3148, May 2019.


شارك المقالة: