Застосування технологій мультисенсорного злиття для покращення роботи розподільчих мереж з використання Smart Grid

Abstract

Актуальність теми дослідження. Сучасні розподільчі електричні мережі перебувають на порозі фундаментальної трансформації від традиційної централізованої архітектури до розумних мереж (Smart Grid) із децентралізованими джерелами генерації, двостороннім потоком потужності та інтелектуальним керуванням. Згідно з даними Міжнародного енергетичного агентства (IEA), частка відновлюваних джерел енергії (ВДЕ) у глобальній генерації зросла з 27% у 2019 році до понад 38% у 2024 році, що створює нові виклики для забезпечення стабільності та надійності розподільчих мереж. В Україні, відповідно до Національного плану дій з відновлюваної енергетики на період до 2030 року, встановлена потужність розосереджених джерел у розподільчих мережах 10–35 кВ зросла більш ніж утричі за останні п'ять років, досягнувши 9,2 ГВт станом на початок 2024 року. Така масштабна інтеграція створює критичні проблеми для операторів розподільчих мереж: непередбачувані коливання напруги, перевантаження трансформаторів, несиметрія фаз та складність виявлення аварійних ситуацій в умовах двостороннього потоку потужності. Традиційні системи диспетчерського управління та збору даних (SCADA) розподільчих мереж характеризуються низькою частотою вимірювань (1 точка кожні 2–10 хвилин), обмеженим покриттям вузлів (зазвичай лише на підстанціях) та відсутністю часової синхронізації між вимірюваннями. За оцінками Інституту електроенергетики НАН України, близько 65% аварійних ситуацій у розподільчих мережах виявляються із затримкою понад 5 хвилин, що призводить до каскадних відключень споживачів та значних економічних збитків. Щорічні збитки від недопостачання електроенергії споживачам в Україні оцінюються на рівні 4,2–5,8 млрд грн, з яких близько 30% припадає на аварії у розподільчих мережах, що могли б бути попереджені за умови своєчасного виявлення. Концепція мультисенсорного злиття даних (Multi-Sensor Data Fusion) пропонує інноваційний підхід до підвищення точності та швидкості оцінювання стану розподільчих мереж шляхом інтеграції інформації з гетерогенних джерел: синхронізованих векторних вимірювань (μPMU), традиційних датчиків SCADA, інтелектуальних лічильників (AMI), IoT-сенсорів якості електроенергії та тепловізійних систем моніторингу обладнання. Комбінування даних з різною частотою, точністю та надійністю дозволяє отримати більш повну та об'єктивну картину стану мережі порівняно з використанням окремих сенсорів. Провідні дослідження у цій галузі, зокрема роботи Zhang et al. (2023), Gao et al. (2022) та Hassan & Zhang (2023), демонструють, що застосування алгоритмів мультисенсорного злиття може підвищити точність виявлення аварійних ситуацій на 25–40% порівняно з традиційними підходами при одночасному скороченні часу реакції на 50–70%. Однак більшість досліджень зосереджена на магістральних мережах високої напруги (110–750 кВ) або системах передачі, тоді як специфіка розподільчих мереж 10–35 кВ з великою кількістю розосереджених джерел залишається недостатньо вивченою. Крім того, відсутнє комплексне порівняння різних підходів до мультисенсорного злиття — від класичних методів (розширений фільтр Калмана, теорія Демпстера-Шафера) до сучасних підходів на основі глибокого навчання (CNN-LSTM) — у контексті специфічних вимог розподільчих мереж: real-time обмеження (<250 мс), відмовостійкість при деградації сенсорної інфраструктури, стійкість до електромагнітних завад та обмеженість обчислювальних ресурсів на edge-пристроях. Таким чином, актуальність даного дослідження обумовлена критичною необхідністю підвищення надійності та ефективності розподільчих мереж Smart Grid в умовах масової інтеграції ВДЕ при одночасній відсутності науково обґрунтованих підходів до вибору та впровадження алгоритмів мультисенсорного злиття, адаптованих до специфічних технічних та економічних обмежень українських розподільчих мереж. Мета і завдання дослідження Мета роботи: розробити та науково обґрунтувати методику мультисенсорного злиття даних для підвищення точності та швидкості оцінювання стану розподільчих електричних мереж Smart Grid на прикладі мережі 10 кВ. Для досягнення мети поставлено такі завдання: 1. Проаналізувати сучасний стан розвитку Smart Grid та сенсорних технологій у розподільчих мережах, виконати критичний огляд наукової літератури з мультисенсорного злиття та виявити невирішені проблеми. 2. Дослідити теоретичні основи мультисенсорного злиття: класифікувати типи сенсорів, описати математичні моделі та алгоритми злиття (EKF, DST, CNN-LSTM), встановити критерії оцінювання ефективності. 3. Розробити методику комп'ютерного моделювання та дослідження алгоритмів мультисенсорного злиття: обґрунтувати вибір об'єкта (50-вузлова мережа 10 кВ), сформувати експериментальні датасети, визначити програмні засоби та параметри моделювання. 4. Виконати комп'ютерне моделювання та експериментальне дослідження трьох алгоритмів злиття на 420 систематичних тестах, що охоплюють базові характеристики, стійкість до шуму, відмовостійкість при втраті сенсорів та граничні умови експлуатації. 5. Проаналізувати отримані результати за 12 ключовими метриками (Accuracy, Precision, Recall, F1-Score, AUC-ROC, Latency та ін.), виконати порівняння з традиційними SCADA-системами, розробити практичні рекомендації щодо вибору та впровадження алгоритмів для різних сценаріїв. 6. Розглянути питання охорони праці та безпеки при експлуатації мультисенсорної інфраструктури: проаналізувати ризики електро- та кібербезпеки, запропонувати технічні та організаційні заходи захисту. Об'єкт і предмет дослідження Об'єкт дослідження: процеси оцінювання стану розподільчих електричних мереж 10 кВ типу Smart Grid з інтегрованими розосередженими джерелами енергії. Предмет дослідження: методи та алгоритми мультисенсорного злиття даних для підвищення точності та швидкості виявлення аварійних ситуацій у розподільчих мережах. Методи дослідження У роботі використано комплекс теоретичних та експериментальних методів: − Математичне моделювання—для опису динаміки розподільчої мережі та формування синтетичних датасетів (Pandapower, IEEE 33-bus стандарт) − Методи оптимальної фільтрації — розширений фільтр Калмана для оцінювання стану з урахуванням шуму вимірювань − Методи штучного інтелекту — глибоке навчання (CNN-LSTM архітектура) для виявлення складних просторово-часових закономірностей − Теорія доказів — теорія Демпстера-Шафера для комбінування даних з різним ступенем надійності − Статистичний аналіз — для оцінювання якості класифікації (ROC-аналіз, confusion matrix, довірчі інтервали) − Комп'ютерне моделювання — 420 систематичних тестів у Python/TensorFlow з GPU-прискоренням Наукова новизна отриманих результатів 1. Вперше виконано комплексне порівняння трьох принципово різних підходів до мультисенсорного злиття (EKF, DST, CNN-LSTM) у контексті специфічних вимог розподільчих мереж 10 кВ з інтеграцією ВДЕ, що дозволило кількісно оцінити їхні переваги та обмеження за 12 ключовими метриками. 2. Доведено експериментально, що гібридна архітектура CNN-LSTM забезпечує на 25–40% вищу точність виявлення аварійних ситуацій (Accuracy 98,7%) та на 40–60% меншу затримку реакції (медіанна затримка 114 мс) порівняно з традиційними методами при збереженні стійкості до деградації до 30% сенсорної інфраструктури. 3. Розроблено методику вибору оптимального алгоритму мультисенсорного злиття залежно від технічних характеристик мережі, вимог до швидкості реакції та наявних обчислювальних ресурсів, що включає матрицю рекомендацій для дев'яти практичних сценаріїв впровадження. Практична цінність отриманих результатів Результати дослідження мають безпосереднє практичне значення для операторів розподільчих електричних мереж України та можуть бути використані: − При модернізації систем SCADA розподільчих мереж шляхом інтеграції алгоритмів мультисенсорного злиття для підвищення точності моніторингу на 25–40% − Для проєктування нових Smart Grid проектів з оптимальним розташуванням гетерогенних сенсорів та вибором алгоритмів обробки − У навчальних курсах з автоматизації електроенергетичних систем для студентів електроенергетичних спеціальностей − При розробці нормативних документів щодо технічних вимог до систем моніторингу розподільчих мереж Smart Grid Впровадження запропонованих рішень потенційно дозволить скоротити час виявлення аварій на 40–60%, зменшити кількість помилкових спрацювань на 70–80% та поліпшити загальний показник надійності (SAIDI) розподільчої мережі на 25–35%.