DESCRIZIONE
I modelli dati semantici delle reti di distribuzione elettrica, che ne descrivono topologia e caratteristiche, possono essere applicati anche per l’analisi di flussi continui di dati resi disponibili dai processi di digitalizzazione in atto nel settore elettro-energetico. L’architettura sviluppata permette di integrare dati acquisiti in tempo reale da diverse sorgenti informative (misure di esercizio, misure meteorologiche, ecc.) e dati provenienti da Knowledge Graph (KG) che descrivono la topologia della rete elettrica e le caratteristiche dei suoi componenti. L’architettura consente di creare unico flusso dati arricchito semanticamente, che può essere utilizzato per lo sviluppo di applicazioni di machine learning su flussi di dati in tempo reale.
L’architettura generale è stata applicata ad un caso di gestione degli asset delle reti di distribuzione per lo sviluppo di sistemi di preallerta di possibili eventi di guasto.

APPLICAZIONI
Creazione di un unico flusso continuo di dati a partire da sorgenti multiple e informazioni di rete che può essere utilizzato per alimentare modelli di Streaming Machine Learning.

UTILIZZATORI
Operatori della rete di distribuzione che, a partire dalle misure sulla propria rete, possono creare flussi continui di dati arricchiti con informazioni semantiche per alimentare strumenti di supporto alle decisioni.

FOCUS
M. Belcao, E. Falzone, E. Bionda, E. Della Valle, “Chimera: A Bridge Between Big Data Analytics and Semantic Technologies“, The Semantic Web – ISWC 2021: 20th International Semantic Web Conference, ISWC 2021, Virtual Event, October 24–28, 2021, Proceedings