بررسی کاربرد هوش مصنوعی برای تشخیص تلفات غیرفنی و سرقت انرژی در شبکه های توزیع برق

سال انتشار:

1397

نوع سند:

مقاله کنفرانسی

زبان:

فارسی

مشاهده:

1,933

فایل این مقاله در 17 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ECICONFE03_068

تاریخ نمایه سازی: 3 تیر 1398

چکیده مقاله:

تلفات غیرفنی (NTL) که می تواند به علل مختلفی از جمله انشعاب غیرمجاز، خرابکاری در دستگاه های اندازه گیری، خطا در صدور صورت حساب و دیگر عوامل روی دهد، همواره یکی از چالش های پیش روی شرکت های توزیع کننده برق بوده است. خسارت اقتصادی ناشی از تلفات غیرفنی بسیار قابل ملاحظه است؛ تا آنجا که در برخی کشورها تا حدود 40 درصد از کل برق توزیع شده را به خود اختصاص می دهد. از این رو در سال های اخیر یافتن راه حل های دقیق و غیر سخت افزاری برای رسیدگی به این چالش مورد توجه بسیاری از محافل علمی و مهندسی جهان قرار گرفته است. با حرکت شرکت های توزیع برق به سمت نسل جدید روش های اندازه گیری که تحت عنوان سامانه هوشمند اندازه گیری و مدیریت انرژی (AMI) شناخته می شوند. امکان دسترسی آنلاین به پروفایل دقیق مصرف برق مشترکان فراهم می گردد؛ و از این رو، راه برای بهره گیری از روش های غیر سخت افزاری جهت شناسایی مصرف کنندگان فریب کار هموارتر می گردد. در سال های اخیر بکارگیری هوش مصنوعی، به ابزار غالب جهت شناسایی مشترکانی که مسبب ایجاد NTL در شبکه اند تبدیل شده است. در این مقاله، ابتدا به ارائه یک دیدکلی از تلفات غیرفنی و زیان های اقتصادی 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 بر آخرین پیشرفت های حوزه هوش مصنوعی در تشخیص NTL خواهیم داشت؛ و جدیدترین الگوریتم ها، روش های استخراج ویژگی و پایگاه های داده مورد استفاده را معرفی خواهیم کرد. در پایان نیز چالش های گریبان گیر تشخیص NTL را مورد بررسی قرار می دهیم تا مسیر روشنی برای تحقیقات آینده فراهم گردد

نویسندگان

علیرفیعی
علی رفیعی

دانش آموخته کارشناسی ارشد، گروه الکترونیک دیجیتال، دانشکده برق، دانشگاه تفرش