Projekti

V okviru prvega delovnega sklopa bodo izdelani statični in dinamični simulacijski modeli elektroenergetskega sistema, ki so potrebni za pridobivanje informacij o stabilnosti v vsakem obratovalnem stanju. Statični model elektroenergetskega sistema bo služil kot vmesnik med preteklimi meritvami podjetja ELES in orodjem za sprotno ocenjevanje stabilnosti elektroenergetskega sistema (DSA). Dinamični model elektroenergetskega sistema bo predstavljal razširitev statičnega in bo služil za podrobno analizo dinamične stabilnosti. Pri tem bo uporabljena RMS predstavitev dinamičnih razmer. Ustrezno modeliranje vseh proizvodnih enot električne energije s pripadajočo regulacijo je pri tem ključno. Ker zasnova projekta močno temelji na tem, kako natančno dinamični model elektroenergetskega sistema odraža dejanske obratovalne razmere, bo dinamični model ustrezno umerjen in preverjen s PMU meritvami, ki jih zajema ELES. 

V drugem delovnem sklopu bomo uporabili znanje in razumevanje delovanja elektroenergetskega sistema za identifikacijo ključnih lastnosti (značilk), ki lahko ustrezno opišejo statično obratovalno stanje elektroenergetskega sistema. Dalje bomo izpeljali kazalnike, ki najbolje opisujejo različne vrste stabilnosti elektroenergetskega sistema. Pri tem se bomo osredotočili na vse glavne vrste dinamičnih stabilnosti EPS, vključno s kotno stabilnostjo pri velikih in majhnih motnjah, napetostno stabilnostjo in frekvenčno stabilnostjo. Vsaka od teh vrst bo obravnavana ločeno, pri čemer bodo upoštevani ustrezni fizikalni zakoni. Določili bomo povezave med značilkami stacionarnih stanj z različnimi vrstami stabilnosti, kar bo omogočilo nedvoumno zaznavanje in razvrščanje posameznih vrst stabilnosti. 

Osrednja baza podatkov bo vsebovala številne vnose, pri čemer bo vsak vnos vključeval informacije o stabilnosti (izražene v obliki indeksov stabilnosti) in podatke o stacionarnih obratovalnih stanjih (izražene v obliki značilk). Za podporo uspešnemu ocenjevanju dinamične stabilnosti (DSA) elektroenergetskega sistema bodo tehnike umetne inteligence optimizirale proces ustvarjanja baze podatkov. To vključuje opredelitev funkcionalnosti in specifikacij umetne inteligence v tesnem sodelovanju s strokovnjaki za elektroenergetske sisteme. Razvoj, prilagajanje in parametrizacija metod umetne inteligence zahteva pripravo in zagotavljanje kakovosti podatkov iz centralne baze. Koncepti razložljive umetne inteligence bodo zagotovili transparentnost in vpogled v odločitve umetne inteligence. S strogim laboratorijskim testiranjem bomo zmanjšali pristranskost in izgubo podatkov ter premostili vrzel med laboratorijskim in dejanskim okoljem.

Osrednja baza podatkov, ki vsebuje veliko optimiziranih vpisov z informacijami o lastnostih elektroenergetskega sistema in povezanih podatkih o njegovih morebitnih nestabilnostih, predstavlja hrbtenico celotnega koncepta. V sodelovanju z ELES bomo najprej analizirali pretekle posnetke obratovalnih stanj. Pričakuje se, da se obratovalni vzorci do neke mere ponavljajo. Pomembno bo prepoznati in uskladiti ustrezne formate za izmenjavo podatkov med orodjem DSA in obstoječimi sistemi v obratovanju pri ELES. Razvili bomo algoritem za avtomatizirano kalibracijo simulacijskih modelov, ki bo omogočil prenos podatkov iz preteklih ELES posnetkov v simulacijske modele sistema. To bo omogočilo ustrezno kalibracijo modelov, ki bodo odražali pogoje v dejanskem omrežju. Izvedli bomo dinamične simulacije EPS, uporabili AI algoritme za optimizacijo strukture centralne podatkovne baze in nazadnje ustvarili bazo. Za dosego zadostne velikosti centralne podatkovne baze bo potrebnih veliko simulacij, kar neposredno vpliva na čas izvajanja teh simulacij. Iz časovnega, tehničnega in finančnega vidika se uporaba oblak storitev pogosto zdi optimalna rešitev. Zato bomo, če se to izkaže za koristno/smiselno za projekt, uporabili oblak storitev, da dosežemo ustrezno velikost centralne podatkovne baze v razumnem časovnem okviru.

Razvili bomo tehniko umetne inteligence za hitro skeniranje, iskanje in identifikacijo podobnosti med dejanskim obratovalnim stanjem elektroenergetskega sistema in tistim v centralni bazi podatkov. Poudarek bo na hitrosti delovanja, saj želimo ustvariti orodje, ki bo operaterja omrežja nemudoma obvestilo o morebitni nestabilnosti elektroenergetskega sistema. Usklajevanje strokovnjakov za umetno inteligenco in elektroenergetske sisteme je ključnega pomena za določitev vseh specifikacij in funkcionalnosti, ki jih mora metoda umetne inteligenc izpolnjevati, zlasti hitrost izvajanja. Priprava vhodnih podatkov za modele umetne inteligence je tudi pomembna, saj bo omogočila boljše odzivne čase in sprotno posodabljanje podatkovne baze.

Diagnostično analitski center ELES (DAC) deluje kot osrednja infrastruktura za koncentracijo podatkov pri ELES. Opremljen je z vso informacijsko in komunikacijsko tehnologijo, potrebno za izvajanje raznih algoritmov in uspešno izvedbo projekta. Projektni partnerji se bodo seznanili s specifičnostmi obstoječe strojne in programske opreme v DAC, prilagojenih potrebam ELES. Na podlagi tega bo izvedena prilagoditev interaktivnih modulov. Nato sledi prilagoditev in namestitev razvitega orodja za sprotno ocenjevanje stabilnosti elektroenergetskega sistema v okolju DAC. Ta korak zahteva tesno sodelovanje z inženirji pri ELES, da se zagotovi usklajenost z informacijsko in komunikacijsko infrastrukturo DAC. V nadaljevanju bo DAC osebje seznanjeno z orodjem za sprotno ocenjevanje stabilnosti, njegovimi funkcijami, delovanjem in algoritmi, ki sledijo osnovnemu konceptu. Demonstrirana bo operacija razvitega orodja, in v primeru morebitnih težav bo zagotovljena podpora s strani izvajalcev projekta.

 V sedmem delovnem sklopu bo analizirano delovanje orodja za sprotno ocenjevanje stabilnosti elektroenergetskega sistema. Za poglobljeno in celovito oceno je potrebno sodelovanje vseh projektnih partnerjev. V okviru tega bomo izvedli študijo učinkovitosti, ki bo zajemala predvsem tisti del orodja za sprotno ocenjevanje stabilnosti, ki spada pod fazo 2 projekta. Preučili bomo učinkovitost prepoznavanja obratovalnih stanj sistema tako z vidika zadostne podobnosti kot tudi hitrosti. Povratne informacije osebja iz DAC bodo zagotovile vpogled v ustreznost implementiranih algoritmov, njihovo preglednost in ustrezno obveščanje končnega uporabnika o morebitni nestabilnosti. Naloga, povezana s preizkušanjem v realnem okolju, bo predvsem obravnavala sprejetje orodja DSA s strani ELES in njegovo testiranje.

Razširjanje rezultatov projekta je ključnega pomena za učinkovito promocijo aktivnosti, hkrati pa tesno povezana s komunikacijskimi dejavnostmi. Konzorcij projekta se zavezuje k izvajanju intenzivne, a jasne strategije ter izvajanju učinkovitih dejavnosti razširjanja ter komunikacije. Strokovnjaki iz ELES bodo ves čas spremljali in komentirali potek projekta, saj se ELES šteje za končnega uporabnika orodja. Po zaključku sedmega delovnega sklopa se pričakuje, da bodo strokovnjaki iz ELES postopoma pridobili izkušnje z orodjem za sprotno oceno stabilnosti in bodo posledično pozvani, da podajo predloge in priporočila za spremembo in/ali nadaljnji razvoj. Na spletni strani projekta bodo objavljeni opisi aktivnosti in pridobljeni rezultati. Med projektom bodo rezultati razširjeni tudi preko mednarodnih in domačih konferenc (pričakujemo 6 konferenčnih prispevkov), objav v znanstvenih revijah s faktorjem vpliva (pričakujemo 4 članke) ter preko družbenih medijev (LinkedIn in podobno). 

Vodenje projekta in upravljanje konzorcija bo vključevalo reševanje tehničnih, pogodbenih in finančnih vprašanj. Struktura upravljanja konzorcija bo uradno ustanovljena na sestanku ob začetku projekta. Poleg tega bo organiziran tudi uvodni sestanek v prvem mesecu projekta, nato pa se bodo sestanki projektnih partnerjev redno izvajali v dogovorjenih časovnih intervalih, ki bodo določeni med uvodnim sestankom.