METHODS OF SEARCHING FOR ANOMALIES IN THE DATA PROVIDED BY MODE PARAMETERS MEASUREMENTS OF THE ELECTRIC NETWORK

Authors

DOI:

https://doi.org/10.20535/1813-5420.1.2021.242169

Keywords:

synchronized vector measurements, anomaly, modes of operation of electric power systems

Abstract

page5image50857664

The materials of the article are an overview of the problems of development of electric power systems in the context of data collection and processing of mode parameters and analytical review of methods of search and detection of anomalies in data of synchronized vector measurements of mode parameters of electric network. The classification of anomalies, problems that arise during their search, classification of methods of search and detection of anomalies, as well as modern methods of finding anomalies in the data of synchronized vector measurements of power systems are considered.

References

Technical requirements for the construction of information technology systems of dispatch management of the UES of Ukraine. Electronic source. Access mode: https://ua.energy/wp-content/uploads/2019/05/proekt- Tehnichnyh-vymog.pdf

Ukrenergo has started the implementation of the WAMS system to improve the dispatch management of the power system. Electronic source. Access mode: https://ua.energy/zagalni-novyny/ukrenergo-rozpochalo- vprovadzhennya-systemy-wams-dlya-vdoskonalennya-dyspetcherskogo-upravlinnya-energosystemoyu/

Machine Learning for Synchrophasor Analysis. Final Project Report September 2020 // Huiying Ren Zhangshuan Hou Heng Wang Pavel Etingov

Varun Chandola, Arindam Banerjee, and Vipin Kumar. 2009. Anomaly detection: A survey. ACM Comput. Surv. 41, 3, Article 15 (July 2009), 58 pages.

Evan Miller. 2007. Aberrant Behavior Detection in Time Series for Monitoring Business-Critical Metrics

Gupta M., Sharma A.B., Chen H., Jiang G. 2013 Context-Aware Time Series Anomaly Detection for Complex Systems. Proceedings of the SDM Workshop.

The quality of electricity. Electronic source. Access mode: https://www.nerc.gov.ua/?id=19529

Malhotra, P. et al. “Long Short Term Memory Networks for Anomaly Detection in Time Series.” ESANN (2015).

Data clustering algorithms. Electronic source. Access mode: https://sites.google.com/site/ dataclusteringalgorithms/

Toledano M. et al. Real-time anomaly detection system for time series at scale //KDD 2017 Workshop on Anomaly Detection in Finance. – 2018. – С. 56-65.

Detecting Anomalies with Functions and Statistical Functions. Electronic source. Access mode: https://docs. wavefront.com/query_language_statistical_functions_anomalies.html

Dynamic Time Warping with Time Series. Electronic source. Access mode: https://medium.com/ @shachiakyaagba_41915/dynamic-time-warping-with-time-series-1f5c05fb8950

Estimation of the distribution density. Electronic source. Access mode: http://www.machinelearning.ru /wiki/index.php?title=Оценивание_плотности_распределения

Paul Mather, Brandt Tso CRC Press - Classification Methods for Remotely Sensed Data // 2016 р. – 376р.

Deep learning. Stacked Autoencoders. Methods for training neural networks with a large number of hidden layers. Electronic source. Access mode: http://mechanoid.su/neural-net-mlp-deep.html

L. Vanfretti, M. Baudette, J. L. Domínguez-Garcíaz, A. White, M. S. Almas and J. O. Gjerdeóy, "A PMU-based fast real-time sub-synchronous oscillation detection application," 2015 IEEE 15th International Conference on Environment and Electrical Engineering (EEEIC), Rome, 2015, pp. 1892-1897, doi: 10.1109/EEEIC.2015.7165461.

S. Pandey, A. K. Srivastava and B. G. Amidan, "A Real Time Event Detection, Classification and Localization Using Synchrophasor Data," in IEEE Transactions on Power Systems, vol. 35, no. 6, pp. 4421-4431, Nov. 2020, doi: 10.1109/TPWRS.2020.2986019.

Nikulin M. Likelihood ratios criterion // Mathematical encyclopedia / I. Vinogradov - Moscow: Soviet encyclopedia, 1984. Т. 4., 1216 р.

DBSCAN - Electronic source. Access mode: https://scikit-learn.org/stable/modules/generated/ sklearn.cluster.DBSCAN.html

Y. Zhou, R. Arghandeh, I. Konstantakopoulos, S. Abdullah, A. von Meier and C. J. Spanos, "Abnormal event detection with high resolution micro-PMU data," 2016 Power Systems Computation Conference (PSCC), Genoa, 2016, pp. 1-7, doi: 10.1109/PSCC.2016.7540980.

A kernel Principal Component Analysis (kPCA) digest with a new backward mapping (pre-image reconstruction) strategy. Electronic source. Access mode: https://arxiv.org/abs/2001.01958

H. H. Feng, O. M. Kolesnikov, P. Fogla, W. Lee and Weibo Gong, "Anomaly detection using call stack information," 2003 Symposium on Security and Privacy, 2003., Berkeley, CA, USA, 2003, pp. 62-75, doi: 10.1109/SECPRI.2003.1199328.

M. Jamei et al., "Anomaly Detection Using Optimally Placed мPMU Sensors in Distribution Grids," in IEEE Transactions on Power Systems, vol. 33, no. 4, pp. 3611-3623, July 2018, doi: 10.1109/TPWRS.2017.2764882.

Y. Varetsky, Doctor of Technical Sciences, Prof., T. Nakonechny, N. Fedonyuk, V. Komar, Candidate of Technical Sciences - Architecture of an intelligent monitoring system for non-sinusoidal modes of an electrical network // Naukovi pratsi VNTU, 2010, No. 1

Sagnik Basumallik, Rui Ma, Sara Eftekharnejad - Packet-data anomaly detection in PMU-based state estimator using convolutional neural network, International Journal of Electrical Power & Energy Systems, Volume 107, 2019, Pages 690-702

Downloads

Published

2021-10-11

Issue

No. 1 (2021): 63

Section

TECHNOLOGIES AND EQUIPMENT IN ENERGY

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  1. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  1. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).