Naslov
Vođenje elektroenergetskog sustava uz primjenu strojnog učenja
(Machine learning for an electric power system control)

Autori
Damjanović, Ivana ; Pavić, Ivica ; Filipović-Grčić, Božidar ; Duraković, Ivana

Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), znanstveni

Izvornik
14. CIGRE simpozij o vođenju EES-a / - , 2020, 1-10

Skup
14. CIGRE simpozij o vođenju EES-a

Mjesto i datum
Opatija, Hrvatska, 08.11.2020. - 11.11.2020

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Domaća recenzija

Ključne riječi
vođenje EES-a ; upravljački centri ; SCADA ; EMS ; strojno učenje ; podržano strojno učenje ; duboko učenje
(power system control ; control centre ; SCADA ; EMS ; machine learning ; reinforcement learning ; deep learning)

Sažetak
Sažetak: Promjene koje su se dogodile ili se očekuju u elektroenergetskom sustavu (EES) mogu imati posljedice u načinu vođenja sustava. Nesrazmjer između promjena u radu EES-a te razvoja tehnologija dispečerskih centara mogao bi dovesti do sve većeg broja nepredviđenih događaja. Iz tog razloga potrebno je istražiti potencijalne mogućnosti razvoja računskih alata kako bi dispečerski centri bili u stanju odgovoriti očekivanim promjenama u radu, odnosno vođenju EES- a. Prikazana su osnovna stanja EES-a kako bi se razumjela potreba i važnost funkcionalnog vođenja sustava. Funkcije i arhitektura upravljačkog centra prikazani su kroz njihovu povijest, sadašnjost i budućnost. Zbog težnje današnjih upravljačkih centara za proaktivnim djelovanjem, razmatraju se moguće primjene metoda strojnog učenja. Razvoj strojnog učenja prikazan je u kontekstu umjetne inteligencije te je dana podjela prema vrstama učenja s naglaskom na podržano strojno učenje. Primjena algoritama strojnog učenja proučava se u različitim aspektima EES-a. U radu su prikazani izazovi i mogućnosti primjene u funkcijama i proračunima vođenja sustava, pri čemu se proučava pomoć pri donošenju odluka za statička stanja sustava. Abstract: The changes in the electric power systems that have occurred or are expected to occur are mentioned, with potential consequence in electric power system decision and control. The disproportion between changes in the power system and the development of control center technologies could lead to an increasing number of unforeseen events. In order to overcome these, it is necessary to explore the potential possibilities of developing computational tools to make control centers able to respond to expected changes in power system operation. The operational states of a power system are presented in terms of understanding the need and importance of power system control. The functions and architecture of control centers are presented throughout their past, present, and future. Furthermore, due to the ongoing tendency towards the proactive action of today's control centers, possible applications of machine learning methods are considered. The development of machine learning is presented in the context of artificial intelligence and according to the learning techniques, a description of machine learning algorithms with an emphasis on reinforcement learning is presented. In this context, application of modern machine learning techniques is reviewed in various aspects of use in power systems. This article proposes a perspective of application in transmission system operation and control, with an emphasis on system steady-states and decision making.

Izvorni jezik
Hrvatski

Znanstvena područja
Elektrotehnika

POVEZANOST RADA