送配電網は家庭、企業、産業に電力を供給して現代の生活を支える基幹インフラの1つです。 しかし、電力需要の増大、再生可能エネルギーの導入、エネルギー源の分散化などにより、送配電網の安定性維持という課題が複雑化しています。
最適化されたAIアルゴリズムと高度なデータ分析を活用することで、系統運用者は、系統運用に関するリアルタイムの洞察を得て、重要なパラメータを監視し、潜在的な問題を早期に特定するための異常を自動的に検出することができ、混乱を防止し、安定した電力供給を確保するための迅速な介入を可能にする。
最適化されたAIアルゴリズムと高度なデータ分析を活用することで、系統運用者は、系統運用に関するリアルタイムの洞察を得て、重要なパラメータを監視し、潜在的な問題を早期に特定するための異常を自動的に検出することができ、混乱を防止し、安定した電力供給を確保するための迅速な介入を可能にする。
アプローチ
このユース･ケースは、UCI Machine Learning Repository社のデータセット「Electrical Grid Stability（送配電網の安定性）」に基づいています。
目標は、発電量、電力消費量、応答時間など、12のパラメータだけで送配電網が安定しているかどうかを判定することです。
各サンプルは2秒ごとに測定され、実際の信号を10,000個収集しました。
続いてNanoEdge AI Studioを使用して、これらの入力に基づくN-クラス分類プロジェクトを作成し、送配電網が安定であるか、不安定であるかの予測を試みました。
目標は、発電量、電力消費量、応答時間など、12のパラメータだけで送配電網が安定しているかどうかを判定することです。
各サンプルは2秒ごとに測定され、実際の信号を10,000個収集しました。
続いてNanoEdge AI Studioを使用して、これらの入力に基づくN-クラス分類プロジェクトを作成し、送配電網が安定であるか、不安定であるかの予測を試みました。
センサ
汎用センサ
データ
2クラス分類安定、不安定
信号長12（マルチセンサー）
データレート：0：0.5 Hz
信号長12（マルチセンサー）
データレート：0：0.5 Hz
結果
Nクラス分類：
92.35%の精度、0.3KバイトのRAM、1.6Kバイトのフラッシュメモリ
緑の点は正しく分類された信号を表し、赤い点は誤って分類された信号を表します。 横座標はクラス、縦座標は正常状態に対する類似度です。
92.35%の精度、0.3KバイトのRAM、1.6Kバイトのフラッシュメモリ
リソース
モデル作成ツール NanoEdge AI Studio
要件に合った最適なAIモデルを簡単に見つけられるようユーザをステップ･バイ･ステップでガイドし、組込みプロジェクトにAIを追加できる無償のAuto MLソフトウェアです。
対応製品 STM32マイコン
Arm® Cortex®-Mベース32bitマイコンのSTM32ファミリは、マイコン･ユーザに高いレベルの自由を提供します。完全統合性および開発の容易さを維持しながら、高性能、リアルタイム性能、豊富な機能、デジタル信号処理、低消費電力 / 低電圧駆動、およびコネクティビティを兼ね備えた製品を提供します。
