КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
Актуальні проблеми бойового застосування, експлуатації і ремонту зразків озброєння та військової техніки (2026)

Розмір шрифта: 
МЕТОД ГЛИБОКОГО ВИЯВЛЕННЯ АНОМАЛІЙ У PQ-ДАНИХ, ЗУМОВЛЕНИХ ГЕОФІЗИЧНИМИ ФАКТОРАМИ
Олег Юрійович Слободяник, Олексій Володимирович Коломійцев, Олександр Миколайович Рисований

Остання редакція: 2026-11-08

Анотація


Розглянуто проблему автоматизованого виявлення аномальних змін показників якості електроенергії (Power Quality, PQ), що можуть бути зумовлені впливом геофізичних факторів, зокрема геомагнітної активності. Запропоновано метод глибокого виявлення аномалій у багатовимірних PQ-даних, який базується на навчанні моделі на часово відокремлених інтервалах штатного функціонування електроенергетичної системи. Метод передбачає формування безперервного показника аномальності, калібрування порога детектування за квантилем розподілу показника для нормального стану, агрегування віконних спрацювань у цілісні аномальні події та оцінювання їх інтенсивності. Для статистично коректної верифікації зв’язку між виявленими PQ-подіями та показниками геомагнітної активності використовується процедура блочних перестановок, що враховує часову залежність даних. Запропонований підхід забезпечує відокремлення процедури детектування від подальшої статистичної перевірки геофізичної обумовленості аномалій.

Ключові слова


якість електроенергії, PQ-дані, глибоке навчання, виявлення аномалій, геомагнітна активність, часові ряди

Посилання


1. De Oliveira R. A., Malfoy A., Ronnberg S. K. Deep Anomaly Detection of Voltage Waveform Distortion in the Transmission Grid Due to Geomagnetically Induced Currents. IEEE Transactions on Instrumentation and Measurement. 2024. Vol. 73. Article 2509212. DOI: https://doi.org/10.1109/TIM.2024.3366271.

2. Bagheri A., De Oliveira R. A., Bollen M. H. J., Yu-Hua Gu I. A Framework Based on Machine Learning for Analytics of Voltage Quality Disturbances. Energies. 2022. Vol. 15, No. 4. Article 1283. DOI: https://doi.org/10.3390/en15041283.

3. Liu G., Shan W., Chen J. et al. Automatic classification and recognition of geomagnetic interference events based on machine learning. Journal of Computational Methods in Sciences and Engineering. 2022. Vol. 22, No. 4. DOI: https://doi.org/10.3233/JCM-226015.


Повний текст: PDF