Cerca nel sito per parola chiave

pubblicazioni - Memoria

Automated Tool Based on Deep Learning to Assess Voltage Dips Validity: Integration in the QuEEN MV network Monitoring System

pubblicazioni - Memoria

Automated Tool Based on Deep Learning to Assess Voltage Dips Validity: Integration in the QuEEN MV network Monitoring System

Questo articolo presenta lo strumento QuEEN PyService, un software che ha portato all’automatizzazione dell’estrazione delle forme d’onda di tensione associate ai buchi di tensione dal database del sistema di monitoraggio della rete di distribuzione QuEEN, per l’analisi avanzate di Power Quality.

L’applicazione ha consentito l’integrazione del classificatore, recentemente sviluppato da RSE, DELFI (DEep Learning for False voltage dips Identification), rendendo possibile per la prima volta la sua validazione intensiva su un numero elevato di buchi di tensione. Grazie a questo strumento è stato effettuato un confronto tra le prestazioni del criterio DELFI e quelle del precedente criterio utilizzato nel sistema QuEEN basato sulla misura della 2° armonica utilizzando i dati registrati da 61 strumenti di misura nel periodo 2015-2020.
L’analisi si è focalizzata sulla valutazione di indicatori tradizionali utilizzati come gli indici N2a e N3b. I risultati mostrano che l’utilizzo del classificatore DELFI aumenta l’N2a e l’N3b rispettivamente del 20,6% e del 38,8% rispetto al criterio attualmente utilizzato in QuEEN.

Progetti

Commenti