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

要約

日常生活ではあまり意識されませんが、送電網は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づきます。
しかし、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を持つエネルギー消費者の増加（電気自動車、家庭用バッテリーシステムなど）などの大きな変化が、電力に新たな課題をもたらしています。
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、この種では初めての 2 つのデータセットを提案します。
データセット FiN-1 と FiN-2 は両方とも、約 440 万人に電力を供給するドイツの低電圧送電網の一部での実際の実用化中に収集されたもので、5,100 個以上のセンサーによって収集された 130 億個以上のデータポイントを示しています。
さらに、資産管理、グリッド状態の視覚化、予測、予知保全、新規性検出におけるさまざまな使用例を示し、これらの種類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、従来のアプローチでは取得できない豊富な情報を実世界のデータから抽出するための新しい機械学習アーキテクチャの使用を特に強調します。
初の大規模な実世界データセットを公開することで、さまざまな異なるユースケースを提示することで、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、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