Grid Signature Event Library maakt diepgaande analyse van het elektriciteitsnet mogelijk

De Grid Signature Event Library vergroot het inzicht van nutsbedrijven en onderzoekers in het gedrag van het netwerk door toegang te bieden tot datasets met golfvormen van netwerkactiviteiten. (Afbeelding:Adam Malin/ORNL, Amerikaanse ministerie van Energie)

Technische instructies: Kunt u mij vertellen hoe dit project begon?

Aaron Wilson: Ik was niet de maker van de Grid Event Signature Library. Het was vrij nieuw toen ik in 2019 bij het lab kwam, maar het kwam pas rond 2021 echt van de grond. In het voorjaar van 2022 heb ik het roer overgenomen.

We hebben financiering ontvangen van DOE om een bibliotheek met handtekeningen van evenementen uit het elektriciteitsnet te creëren. Het zou voor mensen een hulpmiddel zijn om te kijken hoe sommige van deze golfvormen zich op het systeem gedragen, zodat ze weten waar ze op hun eigen systemen op moeten letten. Naarmate we meer gegevens van verschillende partners hebben gekregen en dit de afgelopen jaren zijn blijven promoten, begint het echt aan kracht te winnen.

Technische instructies: Laat ik proberen een beter beeld te krijgen van het systeem. Heeft u een gestandaardiseerde manier om de golfvormen te classificeren en de bijbehorende gebeurtenissen te labelen?

Wilson: Een van de uitdagingen die we een paar jaar geleden hadden, was het toewijzen van een uniform etiketteringsschema aan alle verschillende gegevenstypen die we van providers kregen. We merkten dat iedereen op zijn eigen manier een label toekende aan iets dat gebeurde. Het werd ons meestal gegeven in de vorm van een tekstuele beschrijving van wat de operator of ingenieur opmerkte toen hij de gebeurtenis vastlegde. Dus nadat we alles hadden doorgenomen wat we destijds hadden, besloten we een hiërarchisch systeem samen te stellen dat alles omvat wat we hebben, zowel op basis van die set gegevens als op basis van de algemene domeinkennis over het machtssysteem. Vervolgens hebben we een taxonomie bedacht die redelijk uniform is voor onze hele set gegevens. Dus telkens wanneer we nieuwe gegevens ontvangen, hebben we voldoende breedte in die taxonomie om er een passend slot aan te kunnen geven.

Technische instructies: Kunt u mij een idee geven van wat de taxonomie is?

Wilson: Het heeft drie lagen, we noemen ze groepen, klassen en subklassen. Groepen zijn categorieën op een zeer hoog niveau, zoals welke fasen in het energiesysteem worden beïnvloed. Normaal gesproken heb je drie fasen. Er is een groep genaamd omstandigheden, waar je dingen kunt vinden zoals natuurrampen en weergerelateerde gebeurtenissen. Onder de klassen en subklassen kun je dieper ingaan op de meer specifieke categorieën die we aan die verschillende evenementen zouden toewijzen.

Technische instructies: Kunt u mij een voorbeeld geven van wat voor soort categorieën u mogelijk heeft?

Wilson: We kunnen bijvoorbeeld een categorie hebben met de naam 'voorwaarden' als groep, en dan kunnen we 'weer' als klasse hebben, en dan kan de subklasse 'bliksemstorm' zijn. Of we hebben misschien een groep die gewoon 'gebeurtenissen' heet, met daaronder een klasse met de naam 'stroomkwaliteit', en daaronder hebben we misschien een 'stroomstoot' of een 'transiënt'.

Technische instructies: Hoe relateer je huidige pieken of transiënten aan gebeurtenissen?

Wilson: Een voorbijgaande gebeurtenis is een gebeurtenis zoals wij die definiëren. De manier waarop we een gebeurtenis definiëren is iets dat plaatsvindt en een anomalie is:een abnormaal gedrag dat u niet had verwacht.

Denk dus aan spanning en stroom zoals deze zich op het elektriciteitsnet gedragen. Omdat we een AC-systeem hebben, gedraagt ​​het zich sinusoïdaal en het systeem is zo ontworpen dat die verschijnselen, die elektromagnetische velden, zich zo schoon mogelijk verplaatsen, wat betekent dat er geen ruis of abnormale gebeurtenissen zijn. Een voorbeeld van een anomalie kan zijn wanneer er iets gebeurt waardoor een stroomonderbreker uitschakelt of ervoor zorgt dat een deel van de lijn wordt losgekoppeld. Dat soort dingen noemen we hier evenementen. Een transiënt kan zoiets zijn als een condensatorbank die is in- of uitgeschakeld en die een korte stroomstoot veroorzaakt die het systeem binnenstroomt. Als uw systeem niet is ontworpen om dat stroomniveau aan te kunnen, kan dit schade aan uw apparatuur veroorzaken.

Technische instructies: Wat kan een gebruiker met deze informatie doen?

Wilson: De gebruiker kan een account op de site aanmaken en vervolgens toegang krijgen tot wat wij ons dashboard noemen. Van daaruit kunt u verschillende zoekcriteria gebruiken om evenementen in onze bibliotheek te vinden. In het dashboard kunt u informatie zien die verband houdt met de gegevens, zoals datum en tijd; de tekstuele beschrijving die aan ons is verstrekt; de bemonsteringsfrequentie waarmee de melding werd gedaan; het type sensor dat werd gebruikt om het op te nemen. En er is een knop om het te downloaden. Er is ook een functie naast elke gebeurtenis in de archieven waarmee u een plot ervan op de website kunt zien voordat u gaat downloaden.

Technische instructies: Dus als ik een nutsbedrijf ben, moet ik dan een gebeurtenis opnemen die plaatsvindt in mijn netwerk en deze vervolgens vergelijken met uw databank?

Wilson: Dat is zeker één manier. Eén ding waar we het in onze groep van drie laboratoria over hebben gehad, is het ontwikkelen van een tool die we in de bibliotheek zullen integreren, waarmee iemand een zogenaamde reverse image search kan uitvoeren. U ontvangt een stukje gegevens van de hulpprogrammakant, u weet niet wat de oorzaak is, en u wilt iets in de database vinden dat zo goed mogelijk overeenkomt. Dat zou je kunnen helpen een idee te krijgen van wat er mogelijk zou kunnen zijn gebeurd. Dat is een lopend project.

Het andere waarvoor het gebruikt zou kunnen worden is gewoon een algemene opleiding, om te leren hoe sommige van deze gebeurtenissen eruit zien, gewoon om het oog te trainen van een ingenieur die niet weet hoe sommige van deze dingen werken. Je zou naar binnen kunnen gaan en bijvoorbeeld kunnen zoeken op de naam van het type gebeurtenis, zoals boogvorming. Ik wil zien hoe boogvorming eruit ziet om het te vergelijken met wat ik heb.

Stel dat ik een operator ben en ik zie iets vreemds dat in mijn gegevens is gebeurd en ik probeer erachter te komen wat het is of wat het vertegenwoordigt, omdat er als gevolg daarvan iets ergs is gebeurd. Ik kan zeggen:"Ik denk dat het een boog vormt." Ik kan dan naar binnen gaan en zoeken naar "boogvorming" en vergelijken hoe mijn golfvorm eruit ziet met hoe de booggegevens eruitzien in de database en zeggen:"Zijn deze vergelijkbaar? Oh, dat lijkt erop dat het behoorlijk gerelateerd is, dat zou het kunnen zijn." Of het kan helpen om dat uit te sluiten.

Technische instructies: Als ik de netbeheerder ben en ik weet om wat voor gebeurtenis het gaat, hoe gebruik ik die informatie dan?

Wilson: Welnu, het hangt ervan af wat voor soort evenement het is. Als u denkt dat u ziet wat wij een beginnende storing zouden noemen, als u een patroon hebt gezien dat op toekomstige boogvorming zou kunnen duiden, kunt u dit vergelijken met iets in de database en kunt u het stoppen voordat het daadwerkelijk een isolator kapot maakt of apparatuur beschadigt. Dat zou behoorlijk waardevol zijn; boogvorming is een moeilijk te detecteren afwijking.

Technische instructies: Maar ik moet het nog op de een of andere manier lokaliseren.

Wilson: Natuurlijk, maar dit is slechts een database. Het is niet noodzakelijkerwijs een systeem dat je vertelt waar iets kan gebeuren, omdat elk circuit anders is.

Technische instructies: Wanneer u de golfvormen voor uw database verzamelt, zou de golfvorm er dan niet anders uitzien, afhankelijk van bijvoorbeeld de afstand tussen de sensor en de gebeurtenis?

Wilson: Absoluut. Er zijn veel factoren die een rol spelen bij het organiseren van een database als deze. Als je volledige observatie in je systeem wilt, zou je op elk X aantal meters sensoren moeten installeren. Dat is economisch gewoon niet haalbaar. Je moet dus een weloverwogen oordeel vellen als je zoiets als dit gebruikt.

In het boogvoorbeeld zouden de metingen waarschijnlijk heel dicht bij de plaats liggen waar die specifieke gebeurtenis plaatsvindt, alleen gebaseerd op de fysica van hoe frequenties van booggebeurtenissen zich langs de geleider voortbewegen. Je zou dus redelijkerwijs kunnen zeggen dat het dichtbij gebeurde – ik kan je geen getal geven over hoeveel meter of mijlen, die informatie is niet noodzakelijkerwijs hier in de bibliotheek aanwezig. Dat is eigenlijk een behoorlijk groot onderzoeksprobleem.

Technische instructies: Wil je iets toevoegen?

Wilson: Dit is iets waar wij al een paar jaar mee bezig zijn. Er bestaat een sterk gevoel om deze database uit te bouwen voor gebruik in de academische en onderzoekswereld, en niet alleen als hulpmiddel voor nutsbedrijven. Er is momenteel veel AI-ontwikkeling gaande, vooral voor het elektriciteitsnet. DOE roept veel op voor verschillende AI- en datagebaseerde toepassingen op het elektriciteitsnet. Dit is ook bedoeld om een aantal van deze inspanningen te ondersteunen.

Technische instructies: Bent u bezig met het upgraden van de kwantiteit of kwaliteit van de database?

Wilson: Ja, en ja. Dat zijn voortdurende inspanningen. We hebben altijd en overal honger naar data.

Technische instructies: Van wie hoop je dat hij meer gegevens zal verstrekken?

Wilson: Welnu, we willen altijd gegevens van nutsbedrijven, omdat deze doorgaans over zaken beschikken die representatiever zijn voor de echte wereld. We zouden zoveel gegevens kunnen simuleren als we willen en die daarin kunnen plaatsen, maar uiteindelijk dekken ze niet alle hoekgevallen die je in de echte wereld tegenkomt. En dus is alles wat we hier nu hebben afkomstig van echte sensoren die gegevens in het veld hebben geregistreerd, het is niet gesimuleerd vanuit een programma. Ik wil niet zeggen dat gesimuleerde gegevens geen waarde hebben, maar we kunnen niet al het abnormale gedrag in simulatie vastleggen zonder de fysica van elk circuit in het land en de wereld echt te kennen.