Zastosowanie eksploracji danych do identyfikacji oznaczonych wyników pomiaru jakości energii elektrycznej w ujęciu obszarowym

• Autorzy: Jasiński Michał , Sikorski Tomasz , Borkowski Klaudiusz

Identyfikatory

DOI

10.15199/48.2020.03.03

Warianty tytułu

EN

Application of cluster analysis to identification flagged power quality measurements in area-related approac

• Języki publikacji: PL

Abstrakty

PL

Artykuł zawiera wykorzystanie eksploracji danych w analizie parametrów określających jakość energii elektrycznej (JEE) pod kątem identyfikacji danych podlegających regule oznaczania w rozumieniu normy PN EN 61000-4-30. Zaprezentowano możliwość wykorzystania analizy skupień jako narzędzia umożliwiającego podział zagregowanych danych pomiarowych na grupy reprezentujące wyniki pomiarów wolne od zdarzeń napięciowych oraz wyniki pomiarów, w trakcie których wystąpiło zdarzenie napięciowe. Artykuł zawiera wyniki badań wrażliwości wybranego algorytmu analizy skupień (k-średnich) na identyfikację danych zawierających przerwy, zapady, wzrosty oraz szybkie zmiany napięcia. Za zbiór danych testowych wykorzystano synchroniczne pomiary przeprowadzone w sieci zakładów górniczych. Uzyskane wyniki pozwalają na określenie skuteczności wykorzystania analizy skupień do identyfikacji danych zagregowanych zawierających zdarzenia napięciowe w ujęciu obszarowym. Badanym obszarem jest sieć elektroenergetyczna zasilająca wybrany zakład górniczy wydobywający rudy miedzi na Dolnym Śląsku.

EN

The article presents the use of data mining to power quality issue. The possibility to using cluster analysis as an appreciate tool to realize division into groups representing the measurement period for which aggregated data (within the meaning of PN EN 61000-4-30 standard) contain and do not contain aggregated voltage events is presented. The K-means algorithm sensitivity test to the identification of data containing interruptions, dips, increases and rapid voltage changes was presented. Synchronous measurements carried out in the mining plant network were used for the test data set. The obtained results allow determining the effectiveness of using cluster analysis to identify aggregated data containing voltage events. The area-related in this article is electrical power network of copper mining industry in Lover Silesia.

Słowa kluczowe

PL

jakość energii elektrycznej; analiza skupień; koncepcja oznaczania; analiza obszarowa

EN

power quality; cluster analysis; flagging concept; area related analysis

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2020
• Tom: R. 96, nr 3
• Strony: 9--12
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Jasiński Michał

• Politechnika Wrocławska, Katedra Podstaw Elektrotechniki i Elektrotechnologii, ul. Pl. Grunwaldzki 13, 50-370 Wrocław

autor

Sikorski Tomasz

• Politechnika Wrocławska, Katedra Podstaw Elektrotechniki i Elektrotechnologii, ul. Pl. Grunwaldzki 13, 50-370 Wrocław

autor

Borkowski Klaudiusz

• KGHM Polska Miedź S.A., ul. Marii Skłodowskiej-Curie 48, 59-301 Lubin

Bibliografia

• [1] Lange A., Pasko M., Wybrane zagadnienia dotyczące jakości energii elektrycznej w kopalniach i hutach, Przegląd Elektrotechniczny, 88 (2012), nr. 5, 150–153
• [2] PN EN 6100-4-30: Kompatybilność elektromagnetyczna (EMC) - Część 4-30: Metody badań i pomiarów-- Metody pomiaru jakości energii, (2015)
• [3] Witten I.H., Frank E., Data Mining: Practical Machine Learning Tools and Techniques, (2011)
• [4] Fayyad U., Piatetsky-Shapiro G., Smyth P., From Data Mining to Knowledge Discovery in Databases, AI Magazine, 17 (1996), DOI: 10.1609/aimag.v17i3.1230
• [5] Hand D., Mannila H., Smyth P., Principles of data mining (2001), DOI:10.2165/00002018-200730070-00010
• [6] Kantardzic M., Data Mining: Concepts, Models, Methods, and Algorithms: Second Edition, Data Mining: Concepts, Models, Methods, and Algorithms: Second Edition, (2001) DOI:10.1002/9781118029145
• [7] Wierzchoń S., Kłopote, M., Algorithms Of Cluster Analysis, Institute of Computer Science Polish Academy of Sciences, (2015), http://rbc.ipipan.waw.pl/Content/40/Monografie_cz3_Wierzchon _Klopotek_ostateczny.pdf
• [8] Cabena P., Hadjinain P., Stadler R., Verhees J., Zanasi A., Discovering data mining: from concept to implementation. NJ: Upper Saddle River (New Jersey) : Prentice Hall PTR, (1998)
• [9] Jain A. K., Murty M. N., Flynn P. J., Data clustering: a review, ACM Computing Surveys, 31 (1999), 264–323, DOI:10.1145/331499.33150
• [10] Statsoft Polska, "StatSoft Electronic Statistic Textbook", (2016)
• [11] Jasiński M., Borkowski K., Sikorski T., Kostyla P., Cluster Analysis for Long-Term Power Quality Data in Mining Electrical Power Network, Progress in Applied Electrical Engineering (PAEE), IEEE (2018). DOI:10.1109/PAEE.2018.8441089
• [12] Jasiński M., Sikorski T., Borkowski K., Clustering as a tool to support the assessment of power quality in electrical power networks with distributed generation in the mining industry, Electric Power Systems Research, 166 (2019), 52–60, DOI: 10.1016/j.epsr.2018.09.020
• [13] Jasiński M., Sikorski T., Kostyła P., Kaczorowska D., Leonowicz Z., Rezmer J., Szymańda J., Janik P., Bejmert D., Rybiański M., Jasińska E., Influence of Measurement Aggregation Algorithms on Power Quality Assessment and Correlation Analysis in Electrical Power Network with PV Power Plant, Energies, 12 (2019), 3547, DOI:10.3390/en12183547.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).