Cerca nel sito per parola chiave

rapporti - Deliverable

Implementazione di algoritmi di Deep Learning per l’analisi di buchi di tensione su una piattaforma Big Data e integrazione col sistema di monitoraggio QuEEN

rapporti - Deliverable

Implementazione di algoritmi di Deep Learning per l’analisi di buchi di tensione su una piattaforma Big Data e integrazione col sistema di monitoraggio QuEEN

Sono descritte le attività di integrazione nella piattaforma Big Data di RSE di applicativi innovativi di analisi dei dati di power quality sviluppati per il sistema di monitoraggio QuEEN. In particolare, l’utilizzo della piattaforma Big Data ha permesso di migliorare l’efficienza di addestramento ed esecuzione dei modelli di Deep Learning sviluppati per la verifica della validità dei buchi di tensione.

Il rapporto descrive le attività condotte per integrare, nella piattaforma Big Data di RSE, gli applicativi innovativi sviluppati nel corso delle precedenti annualità di ricerca per analisi di Power Quality. In particolare, sono stati implementati nella piattaforma gli applicativi sviluppati da RSE, basati su intelligenza artificiale, destinati al miglioramento della valutazione di validità dei dati e dell’origine dei buchi di tensione: il classificatore DELFI (DEep Learning for False voltage dips Identification), il classificatore FExWaveS + SVM (Features Extraction Waveform Segmentation + classificatore Support Vector Machine) e le loro integrazioni con il sistema di monitoraggio QuEEN tramite l’applicativo QuEEN PyService. Le potenzialità e gli strumenti offerti dalla piattaforma Big Data hanno permesso di ridurre in maniera significativa i tempi impiegati per la fase di training del modello basato su tecniche di Deep Learning. Nel dettaglio, grazie all’utilizzo di GPU, è stato possibile addestrare tale modello con prestazioni nettamente superiori: il training è stato ottenuto in 1 ora e 23 minuti contro le 22 ore e 58 minuti ottenute utilizzando solamente la CPU della macchina. Inoltre, la piattaforma Big Data è predisposta per eventuali sviluppi futuri nell’attività di ricerca: i modelli basati sull’intelligenza artificiale potranno essere aggiornati e riaddestrati con i nuovi dati provenienti dal campo utilizzando potenze di calcolo e spazio di memorizzazione adeguati.

Progetti

Comments