کنفرانس منطقه ای سیرد

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

نویسندگان :

عادل ناظمی بابادی¹ ساناز نوری² کاوه ضیابخش³ سیامک حسین خلج⁴

1- شرکت موننکو 2- شرکت موننکو 3- شرکت توزیع نیروی برق تهران بزرگ 4- شرکت موننکو

کلمات کلیدی :

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

چکیده :

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 فعالیت‌ها هستند، از راهکارهای مختلفی استفاده می‌شود. استفاده از بازدیدهای میدانی پیوسته در کنار نصب و راه‌اندازی کنتورهای هوشمند مرجع در حال حاضر متداول بوده که از حیث زمان و هزینه چالش‌های خاص خود را دارا می‌باشند. رویکرد فعلی در حوزه کشف مصارف و مشترکین غیرمجاز، در بیشتر شرکت‌های توزیع نیروی برق پیشروی دنیا به سمت و سوی ابزارهای علم داده سوق یافته است. در این راستا، علم داده می‌تواند با مدلسازی و استخراج الگوها، به شناسایی و کشف انشعاب‌های ناهنجار کمک شایانی بنماید. بی‌شک، 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 نمی‌باشد و از این رو استفاده از روش‌های "یادگیری با ناظر" مناسب نمی‌باشند. از سویی نیز رفتارهای مشترکین در سطح شبکه توزیع آنقدر متنوع بوده که مرزبندی آنها در قالب روش‌های "خوشه‌بندی بدون ناظر" نیز نمی‌تواند 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 صرفاً رفتارهای هنجار مشترکین را برای تشخیص انشعاب‌های غیرمجاز مورد استفاده قرار خواهیم داد. در ادبیات علم داده، از عبارت "یادگیری نیمه نظارتی" برای الگوریتم‌های این حوزه استفاده می‌شود. الگوریتم‌های توسعه یافته در این مقاله از داده‌های به دست آمده از کنتورهای هوشمند نصب شده در سطح شبکه توزیع نیروی برق تهران بزرگ استفاده نموده‌اند.