A grade está mudando conforme o grande, fornecedores centralizados do passado são substituídos por menores, fornecedores distribuídos. Manter essas redes complexas funcionando de maneira estável requer tecnologia de sensor de alta resolução - a IA fornece uma maneira de fazer previsões precisas e detectar automaticamente quaisquer distúrbios ou anomalias em tempo real. Aqui está como os pesquisadores da Fraunhofer desenvolveram as técnicas de compressão, algoritmos e redes neurais para fazer uma fonte de alimentação adequada para o futuro.

A forma como a energia é gerada está em transição:Considerando que, antes, toda a nossa energia veio de grandes usinas, hoje em dia, também vem de uma variedade de fontes distribuídas, incluindo turbinas eólicas, sistemas fotovoltaicos e outras instalações semelhantes. Essa mudança tem um grande impacto em nossa rede - com desafios específicos para os operadores de redes de transmissão. Como monitorar o funcionamento adequado dos parâmetros da rede, como ângulo de fase e frequências? Pode haver discrepâncias ou anomalias no funcionamento adequado da rede? Ou há linhas ou usinas de energia desativadas? A tecnologia de medição padrão de hoje não é mais capaz de fornecer respostas confiáveis ​​a esse tipo de pergunta. Mais e mais operadoras estão, Portanto, voltando-se para unidades de medição fasorial (PMUs) adicionais e outras soluções digitais. Esses sistemas medem a amplitude e a fase da corrente e da tensão até 50 vezes por segundo. Este processo gera grandes volumes de dados, facilmente vários gigabytes por dia.

A compressão de dados economiza 80 por cento dos dados

Em resposta, pesquisadores da filial de Advanced System Technology (AST) do Fraunhofer Institute for Optronics, Tecnologias de sistema e exploração de imagens IOSB em Ilmenau está procurando maneiras de otimizar o processamento de dados usando inteligência artificial, com o objetivo de melhorar a confiabilidade da rede e estabelecer um sistema de alimentação adequado para o futuro. "Podemos usar IA para registrar automaticamente, comprimir e processar até 4,3 milhões de conjuntos de dados por dia, "diz o Prof. Peter Bretschneider, chefe do departamento de Energia da filial AST do Fraunhofer IOSB.

Na primeira fase de seu trabalho, os pesquisadores criaram uma técnica de compressão que salva 80% dos dados. Não só é mais fácil armazenar os dados, mas também mais rápido e eficiente para processá-lo.

Processamento de dados automatizado em tempo real

Na segunda fase, os pesquisadores passaram a utilizar os dados de medição fasorial que coletaram para aplicar redes neurais - um dos principais componentes da inteligência artificial de hoje. Mais especificamente, eles "alimentaram" as redes neurais com exemplos de interrupções típicas do sistema. Por aqui, os algoritmos gradualmente aprendem a distinguir - e categorizar com precisão - dados operacionais normais de mal funcionamento definido do sistema. Após a fase de treinamento, os pesquisadores aplicaram as redes neurais aos dados atuais gerados a partir de medições fasoriais - dados que antes precisavam ser obtidos e processados ​​manualmente. É aqui que o algoritmo deu o primeiro salto para a aplicação em tempo real, tomar decisões em frações de segundo sobre onde há uma anomalia ou falha, bem como o tipo e localização dessa perturbação. Para dar um exemplo, se uma usina falhar, um pico abrupto pode ser esperado na carga colocada nas outras usinas de energia. O aumento da carga desacelera os geradores, e a frequência diminui. Isso exige contra-medidas rápidas porque se a frequência cair abaixo de um valor limite, o operador pode ser forçado a cortar seções da grade para o bem da estabilidade do sistema. E pela rapidez, estamos falando de menos de 500 milissegundos. Uma vez que o algoritmo é capaz de chegar a uma decisão em 20-50 milissegundos, isso deixa tempo suficiente para implementar as contramedidas totalmente automatizadas apropriadas.

O algoritmo está pronto para ser implementado, à medida que os pesquisadores continuam a trabalhar no controle e na regulamentação das contramedidas relevantes. O desenvolvimento não interessa apenas aos grandes operadores de redes de transmissão de energia, mas também para redes de distribuição regional. “Para fazer uma analogia com a rede rodoviária, de que adianta ter autoestradas desobstruídas quando as estradas regionais menores estão permanentemente bloqueadas? ”, diz Bretschneider.

Poder para prever problemas do futuro

Tudo o mesmo, os pesquisadores não se restringem aos problemas de hoje, mas também deseja levar em consideração anomalias que nem mesmo ocorreram até agora. “Se continuarmos buscando energias renováveis, pode levar a situações que nem conhecemos ainda, "diz Bretschneider. Aqui, também, os pesquisadores se voltaram para a inteligência artificial, onde eles trabalham na categorização desses tipos de fenômenos desconhecidos e no desenvolvimento de algoritmos apropriados usando mapas de rede digital.