Экспертные заключения: 1
Консультации: 0

Оценка экономической эффективности выравнивания фазных нагрузок в электрических сетях 0.4 кВ при помощи платформы на ИИ основе

Важнейшим показателем энергетической эффективности передачи и распределения электроэнергии является величина потерь ЭЭ в распределительных сетях. К приоритетным мероприятиям, направленным на снижение технических потерь электроэнергии в городских распределительных сетях относятся: оптимизация схем и режимов ЭС, ввод в работу устройств, позволяющих в автоматическом режиме регулировать напряжение под нагрузкой, использование имеющихся средств регулирования напряжения с целью повышения качества ЭЭ и снижения ее потерь, выравнивание несимметричных нагрузок, фаз и т.д. Такие мероприятия требуют некоторых капиталовложений. Целью работы является оценка экономической эффективности выравнивания фазных нагрузок в электрических сетях 0,4 кВ, будет ли наблюдаться окупаемость затрат на фоне снижения уровня потерь электроэнергии. В сетях 0,4кВ почти всегда есть перекос фаз-когда на одной фазе большая нагрузка, на других маленькая. Из-за неравномерности фазных нагрузок выходит следующее: 1) потери ээ, 2) быстрое изнашивание деталей и меньший срок службы, 3) неэффективная работа приборов, 4) перегрев. Инженер видит неравномерную нагруженность сети в процентах по ГОСТу, не переводя цифры в экономическую составляющую. Идея нашего проекта- это платформа на базе машинного обучения, которая

1)Берёт данные с умных счётчиков-токи и напряжения по каждой фазе.

2)Строит цифровую модель конкретного участка сети.

3)Считает, сколько рублей мы теряем из-за перекоса прямо сейчас.

4)Подсказывает, как переключить потребителей по фазам (или где поставить автоматический балансировщик), чтобы выровнять нагрузку.

5)Считает срок окупаемости этого мероприятия в рублях

Наша платформа-это инструмент для обоснования инвестпрограммы и снижения потерь, безопасность потребителя-меньше аварий и стабильное напряжение, знание, что каждый рубль уходит не в потери, а работает.

Ссылка

На страницу проекта

Направление

Энергетика

Рынки

EnergyNet, TechNet

Сквозные технологии

Искусственный интеллект, Технологии машинного обучения и когнитивные технологии, Технологии транспортировки электроэнергии и распределенных интеллектуальных энергосистем