بخشی از مقاله
چکیده
ورود سیستمهای سنسور پیشرفته مانند زیر ساخت های اندازه گیری پیشرفته - AMI - ، سنسورهای ولتاژی و جریانی زمینی و هوایی فرکانس بالا به طور قابل توجهی در طول چند سال گذشته در سیستم های توزیع برق افزایش یافته است. طبق گزارش اداره اطلاعات انرژی ایالات متحده نصب مجموع AMI، از سال 2007 تا 2012، 17 برابر شده است. AMI معمولا اطلاعات مصرف برق را به جای یکبار در ماه در هر 15 دقیقه جمع آوری می کند. این یک افزایش 3000 برابری در میزان داده های شرکت برق است.
تخمین زده شده است که داده های مصرف برق جمع آوری شده از طریق AMI در سال 2012 در ایالات متحده آمریکا به بالای 100 ترابایت رسیده است. برای آزاد کردن دادههای با ارزش از مجموعه داده های پیچیده، نوآوری در الگوریتم های دادههای حجیم به منظور گسترش عملکرد و برنامه ریزی سیستم توزیع نیاز است . این مقاله نه تنها برنامههای کاربردی امید بخش را پیشنهاد می کند بلکه بحث عمیق فنی و چالش های تنظیمی و خطرات ناشی از تجزیه و تحلیل دادههای حجیم در سیستم توزیع برق را فراهم میکند. علاوه بر این، یک طراحی معماری سیستم انعطافپذیر برای استفاده از آنالیز دادههای حجیم ناهمگون پیشنهاد شده است.
-1 مقدمه
براساس گزارش تحقیقات Navigant1 ، پیش بینی شده است که نصب کنتور های هوشمند در سراسر جهان تا سال 2020 از 1/1 میلیارد پیشی بگیردAMI .[1] معمولا اطلاعات مصرف برق را بجای یکبار در ماه در محدوده 15 دقیقه تا 1 ساعت جمع آوری می کند . این افزایش 3000 برابری در میزان دادههای شرکت برق که در گذشته پردازش میشده است میباشد. این بدان معنی است که تا سال 2022 صنعت برق سالانه به بیش از 2 پتابایت داده از کنتور های هوشمند دچار خواهد شد.
همانطور که ما به اصطلاح به سمت اینترنت اشیا2 حرکت میکنیم، دستگاههای بیشتری به شبکه برق متصل میشوند، حتی دادههای بیشتری تولید میشوند. ارزش اصلی و فرعی پنهان شده در مجموعه دادههای پیچیده و ناهمگون از سیستمهای توزیع انرژی، بسیار زیاد است. با این حال،استراتژی برای استفاده از پتانسیل دادههای حجیم3 در سیستم های توزیع در مراحل اولیه توسعه است. اکثر شرکت های برق در جهان در مرحله اولیه آمادگی هستند و انتظار میرود که با حجمی از دادهها چالش داشته باشند
سه مانع مهم در توسعه و اجرای تجزیه و تحلیل داده های حجیم در سیستم های توزیع برق وجود دارد. مانع اول برای پذیرش تجزیه و تحلیل دادههای حجیم در شبکه توزیع فقدان موارد استفاده نوآورانه و پیشنهادات کاربردی است که دادههای حجیم را به هوش عملیاتی4 با ارزش تبدیل میکند. مانع دوم برای پذیرش تحقیق ناکافی در طراحی معماری سیستم تحلیل دادههای حجیم و ریاضیات پیشرفته برای داده های با اندازه پتابایت است. آخرین مانعی برای پذیرش، خطر عدم موفقیت در حفظ حریم خصوصی دادهها و استانداردهای حفاظت از دادهها است. این مقاله به تمام سه موانع برای پیشبرد پیشرفت تجزیه و تحلیل دادههای حجیم در سیستم های توزیع برق اشاره دارد.
-1-1 کاربرد های دادههای حجیم در صنایع دیگر
تجزیه و تحلیل دادههای حجیم انقلابی بزرگی در بسیاری از صنایع از صنایع بالغ5 نظیر کالاهای مصرفی تا صنایع در حال رشد نظیر فناوری اطلاعات ایجاد کرده است. با دادههای اندازه گیری شده در مقیاس پتابایت، صنعت فناوری اطلاعات اولین صنعتی است که الگوریتمهای داده های حجیم را اتخاذ و پردازش میکند. امروزه در اکثر رایانه های رایج و برنامه های کاربردی وب الگوریتمهای تجزیه و تحلیل دادههای حجیم استفاده شدهاند. به عنوان مثال، سیستم پیشنهادگر6 آمازون در حال حاضر به یک سوم فروش خود کمک میکند.
سیستم توسط مقدار زیادی از اطلاعات در مورد رفتار و فعالیتهای کاربران تغذیه می شود. به طور مشابه، با استفاده از میلیاردها صفحه ترجمههای با کیفیت بسیار متفاوت، سیستم ترجمه گوگل دقیق تر از سایر سیستم ها شده است .[3] پیشرفتهای قابل توجه در تجزیه و تحلیل از سوی شرکتهای اینترنتی رسانهای اجتماعی مانند یاهو، فیس بوک، لینکدین و گوگل صورت گرفته است که که قادر به پیشرفت تکنولوژی به نقطه ای بوده است که می توانند حجم زیادی از اطلاعات را در زمان واقعی مدیریت کنند تا بتوانند موثرترین استراتژی های جستجو و کاریابی7 را تعیین کنند.
-2-1 نیروهای محرک و فن آوری های فعال برای تجزیه و تحلیل دادههای حجیم در سیستم های توزیع انرژی الکتریکی
ذخیره سازی دادههای کم ارزش و هزینه جمع آوری دادهها در سیستم توزیع برق دو نیروی محرک عمده برای تجزیه و تحلیل دادههای حجیم هستند.کاهش سریع هزینه های ذخیره سازی دیجیتال بسیاری از صنایع را به سمت حوزه دادههای حجیم هدایت میکند. سیستم حسگر پیشرفته مانند AMI و شبکه ارتباطی مربوطه، هزینههای جمع آوری داده را به طور قابل توجهی در سیستم های توزیع پایین میآورد. به عنوان مثال، کنتور های هوشمند با یک سیستم ارتباطی دو طرفه ساخته شدهاند و طی 5 تا 10 سال گذشته توسعه یافته اند و به اشتراک گذاری آسان اطلاعات بین شرکتهای برق و مشتریان اجازه داده است.
برنامههای حمایتی فدرال و نیروهای بازار، پذیرش گسترده AMI را در ایالات متحده تسهیل میکنند. علاوه بر این، به خاطر ابتکارات شبکه هوشمند، تعداد و تنوع دستگاه های توزیع و تجهیزاتی که نیاز به نظارت و کنترل دارند، پیوسته افزایش می یابد. ایجاد انگیزه پذیرش تولید پراکنده، ذخیره انرژی، خودروهای الکتریکی، کنترل مستقیم بار و سیستمهای اتوماسیون شبکه توزیع عمدتا به وسیله سیاست های ایالتی و فدرال ایجاب میشود.
امروزه میزان اطلاعات جمع آوری شده از مشتری و تجهیزات در سیستم های توزیع برق، ابزارهای سنتی مورد استفاده برای پردازش آنها را کاملا با مشکل مواجه کرده است. به طور خلاصه، حالا اپراتور و برنامهریز سیستم با یک مجموعه دادههای حجیم ناهمگون و پیچیده مواجه میشوند که به صورت نمایی در حال افزایش میباشند. این موضوع نیازمند به یک تغییر چشمگیر در شیوه کار و تجزیه و تحلیل اطلاعات در سیستم های توزیع میباشد.
-3-1 ارزش پیشنهادی8 کاربردهای دادههای حجیم در سیستم های توزیع انرژی الکتریکی
شرکت های برق از دادههای جمعآوریشده از تجهیزات میدانی9 استفاده میکنند تا تصمیمات اتخاذشده را برای برنامههای کاربردی مختلف از قبیل بهرهبرداری شبکه، برنامه ریزی سیستم الکتریکی، مشارکت بازار عمده فروشی و بحثهای سیاسی اطلاع دهند. از لحاظ تاریخی، تجهیزات میدانی قادر به مانیتورینگ توان میباشد و هزینه های بالا به زیرساختهای بزرگتر نظیر خط انتقال و پست های توزیع محدود شده است. بدون استفاده از AMI و بدون داشتن دیدی بیشتر از اطلاعات برای صورت حساب ماهیانه به پست های توزیع، مزیت های استفاده از تجهیزات میدانی امکانپذیر نمیباشد.
در هنگام تلاش برای پیش بینی تغییرات در سطح توزیع مانند فتوولتائیک خورشیدی - PV - و استفاده از خودروی الکتریکی - EV - ، این افق دید محدود حتی مساله بزرگتری میشود. مقدار داده ها برای تجزیه و تحلیل با استفاده از نرم افزار های فراگیر مانند مایکروسافت اکسل عامل بازدارنده است و باید در محیط دادههای حجیم تجزیه و تحلیل شوند. هنگامی که این چالش برطرف شود، فرصتی برای شرکتهای برق برای بهبود تصمیم گیری وجود دارد. و در بهبود عیب یابی تجهیزات، تخمین حالت، تجسم سازی شبکه توزیع10، پیش بینی بار دانهایتر11 - مثلا پیشبینی تک تک بار در یک ساختمان - ، پیش بینی تغییرات انرژی تجدیدپذیر، پیش بینی عمر تجهیزات و تجزیه و تحلیل سیاست کشور در مورد انرژی برق میتواند موثر واقع شود.
-2 کاربرد های دادههای حجیم در سیستم توزیع الکتریکی
تجزیه و تحلیل دادههای حجیم می تواند هم برای بهبود بهره برداری کوتاه مدت سیستم توزیع و هم برای فرایند برنامهریزی بلند مدت سیستم توزیع اعمال شود. همیشه در بکارگیری دادههای حجیم مجموعهای از تمام دادهها ارزشمندتر از بخشی از دادهها میباشد. مطالعه زیر مجموعههای مختلف از مجموعه دادههای مختلط سیستم توزیع، ما را به بکارگیری این دادههای مختلط در برنامههای متفاوتی هدایت می کند. این بخش کاربردهای امید بخش دادههای حجیم را هم برای بهره برداری کوتاه مدت سیستم توزیع و هم برای مطالعه برنامهریزی بلندمدت سیستم توزیع پیشنهاد میدهد.
