Cerca nel sito per parola chiave

rapporti - Deliverable

Strumenti non convenzionali per analisi di Power Quality: sperimentazione finalizzata al miglioramento delle prestazioni

rapporti - Deliverable

Strumenti non convenzionali per analisi di Power Quality: sperimentazione finalizzata al miglioramento delle prestazioni

Il documento descrive l’attività svolta per lo sviluppo di sistemi automatici per l’analisi non convenzionale dei dati di Power Quality forniti dal sistema QuEEN e in particolare per lo sviluppo e l’ottimizzazione di un applicativo, basato su algoritmi totalmente Deep Learning, per il riconoscimento dei buchi di tensione conseguenti a guasti polifase a terra in rete e uno per la manutenzione di apparati di misura in sistemi estesi di monitoraggio.

Il rapporto descrive le attività condotte per fornire, agli utenti della rete, strumenti avanzati di Data Analytics per l’analisi dei dati di Power Quality e di gestione di sistemi estesi di monitoraggio.

Tecniche di Deep Learning, normalmente impiegate nell’analisi automatica di immagini, sono state applicate al riconoscimento dei falsi buchi di tensione registrati dal sistema di monitoraggio QuEEN. Un primo modello implementato, basato su una rete neurale convoluzionale sottoposta ad addestramento supervisionato, ha fornito risultati promettenti, identificando i falsi buchi di tensione, a partire dall’analisi delle forme d’onda di tensione ad essi associate, con un’accuratezza maggiore del 90%.

Il prototipo dell’applicativo (DELFI: Deep Learning for False events Identification), è stato quindi ottimizzato nell’ottica di poter individuare anche eventi caratterizzati dalla “presenza” contemporanea di un buco di tensione VERO e di uno FALSO, quali quelli conseguenti a guasti polifase a terra. Con una base dati di 1000 eventi, suddivisi casualmente in tre set di dati (Training, Develop e Test Set), il modello ottimizzato è stato in grado di identificare gli eventi del Test Set con un’accuratezza pari a circa il 65%. Riguardo alla gestione efficiente della manutenzione degli apparati di misura di sistemi di monitoraggio “estesi”, quali il sistema QuEEN o qualunque sistema di monitoraggio, è stato sviluppato un nuovo applicativo web (SERMONS: SERvice for MONitoring System maintenance). La versione sviluppata prevede un’architettura con una parte di back-end, necessaria all’automazione dell’estrazione dei dati presenti nel database e successiva trasformazione in file di formato csv, presentando il vantaggio di disaccoppiare il database dalla parte di visualizzazione, rendendo più sicuro l’accesso al database stesso.

Infine le attività di supporto ad ARERA, oltre l’abituale analisi statistica dei dati del sistema QuEEN e la gestione del sistema di rendicontazione MonNaliSA, con l’implementazione di modifiche volte a facilitarne l’adeguamento a eventuali modifiche di anagrafica dei distributori, hanno riguardato una stima delle possibili variazioni dei principali indici di prestazione della rete ai buchi di tensione per effetto di errori di misura attribuibili a ritardi nella manutenzione delle apparecchiature di misura, ritardi che si potrebbero manifestare nella gestione di un sistema di monitoraggio esteso permanente.

Progetti

Commenti