Leveraging the Potential of Novel Data in Power Line Communication of Electricity Grids

要約

電力網は、日常生活ではあまり意識されていませんが、日常生活に欠かせないものになっています。
私たちは通常、送電網が利用できなくなるまでに、この依存性に特に気付くようになります。
ただし、再生可能エネルギー (太陽光発電、風力タービンなど) への移行や、複雑な負荷プロファイル (電気自動車、家庭用バッテリー システムなど) を持つエネルギー消費者の増加などの大きな変化は、電力に新たな課題をもたらします。
グリッド。
これらの課題に対処するために、ブロードバンド電力線通信 (PLC) インフラストラクチャでの測定に基づいた 2 つの初めてのデータセットを提案します。
FiN-1 と FiN-2 の両方のデータセットは、約 440 万人に電力を供給するドイツの低電圧グリッドの一部で実際に使用されている間に収集され、5,100 を超えるセンサーによって収集された 130 億を超えるデータポイントを示しています。
さらに、アセット管理、グリッド状態の視覚化、予測、予知保全、ノベルティ検出におけるさまざまなユース ケースを提示して、これらのタイプのデータの利点を強調します。
これらのアプリケーションでは、新しい機械学習アーキテクチャを使用して、従来のアプローチでは取得できない実世界のデータから豊富な情報を抽出することを特に強調しています。
最初の大規模な実世界のデータセットを公開することで、これまでほとんど認識されていなかった PLC データの可能性に光を当て、さまざまなユースケースを提示することで、低電圧配電ネットワークにおける機械学習ベースの研究を強調することを目指しています。

要約(オリジナル)

Electricity grids have become an essential part of daily life, even if they are often not noticed in everyday life. We usually only become particularly aware of this dependence by the time the electricity grid is no longer available. However, significant changes, such as the transition to renewable energy (photovoltaic, wind turbines, etc.) and an increasing number of energy consumers with complex load profiles (electric vehicles, home battery systems, etc.), pose new challenges for the electricity grid. To address these challenges, we propose two first-of-its-kind datasets based on measurements in a broadband powerline communications (PLC) infrastructure. Both datasets FiN-1 and FiN-2, were collected during real practical use in a part of the German low-voltage grid that supplies around 4.4 million people and show more than 13 billion datapoints collected by more than 5100 sensors. In addition, we present different use cases in asset management, grid state visualization, forecasting, predictive maintenance, and novelty detection to highlight the benefits of these types of data. For these applications, we particularly highlight the use of novel machine learning architectures to extract rich information from real-world data that cannot be captured using traditional approaches. By publishing the first large-scale real-world dataset, we aim to shed light on the previously largely unrecognized potential of PLC data and emphasize machine-learning-based research in low-voltage distribution networks by presenting a variety of different use cases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google