La bibliothèque Grid Signature Event Library permet aux services publics et aux chercheurs de mieux comprendre le comportement du réseau en leur donnant accès à des ensembles de données de formes d'ondes issues des opérations du réseau. Crédit : Adam Malin/ORNL, Département américain de l'énergie
La bibliothèque de données d'exploitation permet l'analyse de réseaux électriques complexes.
La bibliothèque Grid Event Signature du laboratoire national d'Oak Ridge propose des ensembles de données de formes d'ondes qui aident à analyser et à prédire les comportements du réseau électrique. Grâce aux contributions de divers services publics, la bibliothèque facilite apprentissage automatique modèles permettant de prévoir et d’atténuer les dysfonctionnements du réseau, améliorant ainsi sa fiabilité et sa sécurité.
Introduction à la bibliothèque de signatures d'événements Grid
Des chercheurs du laboratoire national d'Oak Ridge ont ouvert une nouvelle bibliothèque virtuelle où les visiteurs peuvent consulter des formes d'ondes au lieu de livres.
La Grid Event Signature Library est une collection en ligne en accès libre de jeux de données contenant des formes d'onde, qui sont des représentations visuelles des comportements du réseau électrique. Les services publics et les instituts de recherche ont fourni des données anonymisées, notamment des informations sur la tension, le courant et la fréquence collectées par les équipements en fonctionnement. Jusqu'à présent, plus de 350 utilisateurs dans le monde ont utilisé la bibliothèque, qui offre une compréhension essentielle d'un réseau de plus en plus complexe.
Améliorer la gestion du réseau grâce à une analyse avancée des données
« Les chercheurs peuvent rechercher différentes variables, comme le type de capteur ou une description de l'événement – par exemple, une forme d'onde qui représente un transformateur grillé et son effet sur la tension de la ligne de transmission », a déclaré Aaron Wilson d'ORNL, qui gère l'outil.
Un article récent décrit les ensembles de données et leurs applications. L’apprentissage automatique peut être formé pour reconnaître les formes d’onde qui fournissent un avertissement précoce de dysfonctionnement de l’équipement, permettant aux opérateurs de systèmes électriques d’éviter les pannes de courant, les incendies de forêt et les dommages au réseau électrique.
