مراقبة الشذوذ في شبكات الطاقة الكهربائية لمنع حالات الاستجرار غير الشرعي باستخدام Bi-LSTM,CNN

الملخص

يتزايد الطلب بصورة دائمة على الطاقة الكهربائية لكونها المصدر الأساس لتشغيل كل التجهيزات التي نقوم باستخدامها في حياتنا اليومية. هذا الاستخدام قد يستخدم بصورة صحيحة أو بصورة خاطئة, لذلك اتجهت العديد من الدراسات إلى مراقبة استهلاك الطاقة ومحاولة اكتشاف أي شذوذ ضمن النماذج المدروسة ومعدل تكرارها.

تتجه العديد من التقنيات الحديثة إلى ترشيد استهلاك الطاقة الكهربائية الأمر الذي تسبب بضرورة تطبيق نماذج من التقنين الكهربائي بحدف الحماية وتوفير الموارد. هذا الأمر دفع العديد من الأشخاص إلى القيام باستجرار الطاقة الكهربائية بصورة غير شرعية وتشغيل العديد من الأجهزة المنزلية عالية الاستطاعة الأمر الذي أدى إلى ارتفاع نسبة الاستهلاك للزبون المحدد.

تهدف الدراسة إلى مراقبة والتقاط حالات الشذوذ في استهلاك التيار الكهربائي بهدف التقاط حالات الاستهلاك غير الشرعي ضمن الشبكة الكهربائية باستخدام التعلم العميق. اتجهت الدراسة إلى استخدام نموذجين أساسيين من نماذج التعلم العميق وهما الشبكات العصبونية الالتفافية CNN (Conventional Neural Networks) وشبكات النموذج التكراري RNN (Recurrent Neural Networks) حيث تم تصميم النظام من أجل التنبؤ بقيم الاستهلاك في مواقع متعددة في مدينة اللاذقية وفي حال ارتفاع حالة الاستهلاك عن الحد الطبيعي المسموح والمحدد للمنطقة, فإن النظام سيقوم بإعطاء إنذار عن هذه الحالة, وفي حال تكرار قيم الذروة تلك لعدة مرات, فإن النظام سيكون قادراً حتى على فصل التيار الكهربائي عن المنطقة.

سمحت الدراسة بتوضيح فعالية الشبكات العصبونية ونماذج التعلم العميق في كشف الحالات العشوائية – والتي تتمثل هنا بقيم ذروة قصوى واضحة للاستهلاك عن النموذج الطبيعي المعتاد– وذلك في الابنية أو الضواحي صغيرة الحجم. يسمح هذا النموذج أيضاً للمستخدمين بالتعرف على نماذج استهلاكهم الاسبوعية والشهرية والسنوية والتالي توجيههم إلى ترشيد استهلاك الطاقة الكهربائية.