ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В КОНЦЕПИИ SMART GRID

АННОТАЦИЯ

В этой статье представлен обзор существующих методов искусственного интеллекта, применяемых для прогнозирования нагрузки, оценки стабильности энергосистемы, обнаружения неисправностей и решения проблем безопасности в интеллектуальных электросетях и энергосистемах. В нём также представлены дальнейшие задачи исследований по применению технологий искусственного интеллекта для создания по-настоящему интеллектуальных энергосистем. В статье делается вывод о том, что применение методов искусственного интеллекта может повысить надёжность и отказоустойчивость интеллектуальных энергосистем.

Ключевые слова: Smart grid; искусственный интеллект; энергетические системы; умные сети.

Концепция Smart Grid заключается в преобразовании традиционной электросети из электромеханической системы в сеть с электронным управлением. Умные сети состоят из систем управления информацией, технологий контроля, цифровых датчиков, коммуникационных технологий и полевых устройств, которые координируют процессы. Эти технологии изменили подход к планированию и эксплуатации обычных сетей как минимум в трёх основных областях, в первую очередь в способности:

1. отслеживать или измерять процессы, передавать данные в операционные центры и часто автоматически реагировать на изменения, чтобы скорректировать процесс;
2. обмениваться данными между устройствами и системами;
3. обрабатывать, анализировать и помогать операторам получать доступ к данным, поступающим от цифровых технологий, и использовать их. 

Эти ключевые элементы позволяют собирать огромные объёмы многомерных и разнотипных данных об операциях в электросетях. Однако традиционные технологии моделирования, оптимизации и управления имеют множество ограничений при обработке этих наборов данных. Таким образом, применение методов искусственного интеллекта (ИИ) в интеллектуальных электросетях становится всё более очевидным.

Методы ИИ используют огромные объёмы данных для создания интеллектуальных машин, способных выполнять задачи, требующие человеческого интеллекта. Так методы ИИ позволяют быстро и точно принимать решения. Несмотря на то, что системы ИИ могут быть более точными и надёжными, применение методов ИИ в «умных» сетях по-прежнему сопряжено со многими трудностями.

Для применения в Smart Grid возможны два типа систем искусственного интеллекта: виртуальный ИИ и физический ИИ. Системы виртуального ИИ включают в себя информатику, которая может помочь операторам сетей выполнять их работу. Системы физического ИИ включают в себя системы ИИ с самосознанием, которые могут оптимизировать и контролировать определённые операции в сети с участием человека или без него.

Системы искусственного интеллекта в интеллектуальных электросетях можно разделить на две категории: слабый искусственный интеллект (ANI) и сильный искусственный интеллект (AGI). ANI — это системы искусственного интеллекта, разработанные для выполнения конкретных задач с учётом применимых требований и ограничений, например, система искусственного интеллекта, которая прогнозирует нагрузку с помощью различных наборов данных. AGI — это системы искусственного интеллекта, разработанные для самостоятельного обучения и развития, как у людей. Разработка систем AGI может помочь в создании настоящих интеллектуальных электросетей в будущем.

Технологии искусственного интеллекта доступны для прогнозирования нагрузки, оценки стабильности энергосистемы, обнаружение неисправностей и обеспечение безопасности сети.

Цель интеллектуальных сетей — создать полностью самообучающуюся систему, которая будет гибкой, адаптивной, самовосстанавливающейся, полностью автомобильной и экономически эффективной. Рассмотрим будущие направления или возможности для создания передовых интеллектуальных сетевых систем.

• Интеграция с облачными вычислениями: для создания полностью самообучающейся интеллектуальной энергосистемы интеграция ИИ с облачными вычислениями, которая может повысить безопасность и надёжность и свести к минимуму перебои в работе, будет играть более важную роль в интеллектуальных энергосистемах;
• Туманные вычисления (fog computing): туманные вычисления позволяют предварительно обрабатывать необработанные данные локально, а не отправлять их в облако. Благодаря предоставлению вычислительных ресурсов по требованию туманные вычисления имеют множество преимуществ (например, энергоэффективность, масштабируемость, гибкость). По мере увеличения объёма данных в будущих интеллектуальных сетях туманные вычисления будут играть всё более важную роль;
• Трансферное обучение: нехватка размеченных данных по-прежнему является одной из основных проблем при анализе интеллектуальных сетей. Трансферное обучение снижает требования к обучающим данным, что позволяет использовать его для решения проблемы нехватки данных. В последние годы задачам глубокого трансферного обучения уделяется больше внимания, и они могут найти широкое применение в системах интеллектуальных сетей;
• Прогнозирование поведения потребителей: с помощью «туманных» вычислений и развития сетей 5G управление спросом становится важнейшей задачей для управления участием пользователей в энергосистемах. Изучение моделей поведения потребителей и энергопотребления может значительно облегчить задачи по реагированию на спрос со стороны потребителей.

Заключение

По мере перехода традиционной системы электроснабжения на интеллектуальную систему электроснабжения традиционные методы работы с энергосистемами сталкиваются с ограничениями при обработке и анализе огромных объёмов данных, которые стали нормой для интеллектуальных энергосистем. Таким образом, методы искусственного интеллекта разрабатываются и применяются во многих областях интеллектуальных энергосистем показывая результаты в повышении надёжности и отказоустойчивости интеллектуальных энергосистем.

Список литературы:

1. Логинов Е. Л., Деркач Н. Л., Логинов А. Е. «Интеллектуальные сети» (smart grid) в электроэнергетике: проблемы управления и безопасности //Национальные интересы: приоритеты и безопасность. – 2011. – №. 20. – С. 49-54.
2. Гришин Д. С. и др. Особенности внедрения интеллектуальных энергосетей Smart Grid //Модели, системы, сети в экономике, технике, природе и обществе. – 2017. – №. 1 (21). – С. 109-116.
3. Кцоев Х. М., Силаев В. И., Гаврина О. А. Искусственный интеллект в электроэнергетике: методы и технологии //Современные тенденции развития информационных технологий в научных исследованиях и прикладных областях. – 2021. – С. 96-99.