استانداردسازی پروفیل بار مشترکان شبکه توزیع نیروی برق تهران بزرگ به کمک الگوریتم شبکه عصبی خودرمزنگار با هدف شناسایی مصارف ناهنجار

در حال حاضر در راستای شناسایی مشترکانی که از الگوی مصرف مجاز خارج شدهاند و یا در حال سوء استفاده از انشعاب خود در قالب استخراج رمزارز یا دیگر فعالیت ها هستند، از راهکارهای مختلفی استفاده می شود. استفاده از بازدیدهای میدانی پیوسته در کنار نصب و راهاندازی کنتورهای هوشمند مرجع در حال حاضر متداول بوده که از حیث زمان و هزینه چالش های خاص خود را دارا می باشند. رویکرد فعلی در حوزه کشف مصارف و مشترکین غیرمجاز، در بیشتر شرکت های توزیع نیروی برق پیشروی دنیا به سمت و سوی ابزارهای علم داده سوق یافته است . در این راستا، علم داده می تواند با مدلسازی و استخراج الگوها، به شناسایی و کشف انشعابهای ناهنجار کمک شایانی بنماید. بی شک ، ابزارهای علم داده نیازمند منابع داده معتبر و وسیعی هستند تا اعتبار نتایج خروجی را بتوان تضمین نمود. در حال حاضر، منابع اطلاعاتی مربوط به رفتار انشعابهای ناهنجار چندان در دسترس نمی باشد و از این رو استفاده از روشهای “یادگیری با ناظر“ مناسب نمی باشند. از سویی نیز رفتارهای مشترکین در سطح شبکه توزیع آنقدر متنوع بوده که مرزبندی آنها در قالب روشهای “خوشه بندی بدون ناظر“ نیز نمی تواند خروجی مطلوبی را در پی داشته باشد. بنابر مطالب ذکر شده، در این مقاله سعی شده تا بجای مدلسازی رفتارهای ناهنجار، استانداردسازی پروفیل توان مصرفی مشترکین به کمک شبکه عصبی خودرمزنگار در دستور کار قرار گیرد. به این ترتیب ، دیگر نیازی به منابع داده متعلق به مصارف غیرمجاز نبوده و صرفا رفتارهای هنجار مشترکین را برای تشخیص انشعابهای غیرمجاز مورد استفاده قرار خواهیم داد. در ادبیات علم داده، از عبارت “یادگیری نیمه نظارتی “ برای الگوریتم های این حوزه استفاده می شود. الگوریتم های توسعه یافته در این مقاله از داده های به دست آمده از کنتورهای هوشمند نصب شده در سطح شبکه توزیع نیروی برق تهران بزرگ استفاده نمودهاند.

Keywords:

کشف مصارف ناهنجار , دادهکاوی , شبکه توزیع نیروی برق , شبکه عصبی خودرمزنگار.