استفاده از هوش مصنوعی در تشخیص تلفات غیرفنی برق در شبکه های توزیع برق

همواره یکی از چالش های پیش روی شرکت های توزیع برق تلفات غیرفنی (NTL) که می تواند به علل مختلفی از جملهانشعاب غیرمجاز، خرابکاری در دستگاههای اندازهگیری، خطا در صدور صورت حساب و دیگر عوامل روی دهد. خسارت اقتصادیناشی از تلفات غیرفنی بسیار قابل ملاحظه است؛ تا آنجا که در برخی کشورها تا حدود ۴۰ درصد از کل برق توزیع شده را بهخود اختصاص می دهد. از این رو در سال های اخیر یافتن راه حل های دقیق و غیر سخت افزاری برای رسیدگی به این چالشمورد توجه بسیاری از محافل علمی و مهندسی جهان قرار گرفته است. با حرکت شرکت های توزیع برق به سمت نسل جدیدروش های اندازه گیری که تحت عنوان سامانه هوشمند اندازهگیری و مدیریت انرژی (AMI) شناخته میشوند. امکان دسترسیآنلاین به پروفایل دقیق مصرف برق مشترکان فراهم می گردد؛ و از این رو، راه برای بهرهگیری از روش های غیرسخت افزاریجهت شناسایی مصرفکنندگان فریبکار هموارتر می گردد. بکارگیری هوش مصنوعی، به ابزار غالب جهت شناسایی مشترکانیکه مسبب ایجاد NTL در شبکه اند تبدیل شده است. در این مقاله، ابتدا به ارائه یک دیدکلی از تلفات غیرفنی و زیان هایاقتصادی ناشی از آن خواهیم پرداخت و به اثرات مخرب آن در کاهش قابلیت اطمینان و ثبات شبکه توزیع اشاره خواهیم نمود.سپس به اختصار اقدام به معرفی AMI نموده و مزایای آن در بهبود نظارت بر شبکه توزیع را برخواهیم شمرد. آنگاه مروری برآخرین پیشرفتهای حوزه هوش مصنوعی در تشخیص NTL خواهیم داشت؛ و جدیدترین الگوریتم ها، روشهای استخراج ویژگیو پایگاه های داده مورد استفاده را معرفی خواهیم کرد.

کلیدواژه ها:

هوش مصنوعی ، تلفات غیرفنی (NTL) ، مدیریت انرژی (AMI)