Научный архив: статьи

В условиях современного мира надежность электроснабжения становится критически важной для функционирования как бытовых, так и промышленных систем. Отключения электроэнергии могут привести к значительным экономическим потерям и нарушению работы жизненно важных инфраструктур. Внедрение резервных источников питания может значительно повысить устойчивость к отключениям. Однако для эффективного управления этими источниками необходимо разработать интеллектуальные системы, способные предсказывать и автоматизировать включение резервных источников питания в ответ на изменения в потреблении или отказ основного источника. В данной статье исследование посвящено разработке и применению нейронной сети для автоматизации процесса включения резервных источников питания на трансформаторной подстанции. Актуальность работы обусловливает повышение требований к надежности электроснабжения, особенно в условиях эксплуатации, требующих особого внимания. В традиционной системе управления резервом сформированные на фиксированных пороговых значениях и релейной логике ограничивают адаптивность работы к изменяемым режимам работы электросети и не обеспечивают прогнозирования аварийных ситуаций. А нейронная сеть, в свою очередь, обучается c данных электросети (напряжение, ток, частота, активная и реактивная мощность и другие) и способна прогнозировать необходимость переключения на резервные источники питания на основе анализа динамики этих параметров, что в результате позволяет значительно повысить надежность электроснабжения и снизить риск возникновения аварийных ситуаций. Поэтому в представленной работе предложен подход, основанный на использовании простого Feedforward нейронной сети (многослойного персептрона (MLP)), реализованного с применением библиотек Keras и TensorFlow на языке Python.