A Machine Learning Based Tool for Voltage Dip Classification

pubblicazioni - Memoria

A Machine Learning Based Tool for Voltage Dip Classification

Tag correlate

#Qualità della Fornitura #Rete Elettrica

pubblicazioni - Memoria

A Machine Learning Based Tool for Voltage Dip Classification

Viene presentato uno strumento basato su Machine Learning per rendere l’analisi ex-post delle cadute di tensione (VD) più automatica e senza sforzo. Lo strumento prende in input le forme d’onda complete associate alle cadute di tensione che si verificano nelle reti MT italiane e registrate dal sistema di monitoraggio QuEEN implementato da RSE.

Il primo strumento è stato sviluppato per classificare gli eventi sulla base della loro origine HV/MV in quanto le utility saranno responsabili solo degli eventi dovuti a guasti verificatisi nelle loro reti; utilizza l’autotuning Kalman Filter e Support Vector Machine (SVM) per estrarre le caratteristiche del VD e classificare gli eventi, rispettivamente.

E’ stato invece sviluppato il secondo strumento, basato su tecniche di Deep Learning end-to-end, per distinguere tra VD “vero” e “falso”; esso utilizza una Convolutional Neural Network (CNN) i cui primi strati si occupano dell’estrazione delle feature mentre gli ultimi strati eseguono la classificazione degli eventi.

Scarica Pubblicazione

Progetti

Sviluppo e gestione delle reti di distribuzione (SmartDsys2018)

Tag correlate

#Qualità della Fornitura #Rete Elettrica

Cerca nel sito per parola chiave

pubblicazioni - Memoria

A Machine Learning Based Tool for Voltage Dip Classification

pubblicazioni - Memoria

A Machine Learning Based Tool for Voltage Dip Classification

Commenti