ANALYSIS OF POWER SYSTEM MEASUREMENT DATA IN THE CONTEXT OF MACHINE LEARNING

Рост сложности современных электроэнергетических систем повышает требования к надежности и качеству электроснабжения.Существенную роль в решении данной задачи играет технология синхронизированных векторных измерений, позволяющая регистрировать параметры энергосистемы с высокой точностью, что приводит к формированию больших массивов измерительных данных и открывает возможности для их анализа и использования.Одним из ключевых показателей в работе энергосистемы является ее частота.Целью данной работы является анализ возможности прогнозирования частоты энергосистем разных классов при помощи машинного обучения.В работе исследуются данные частоты сетей разных классов напряжения за сутки: внутренней сети 220 В и высоковольтной линии 500 кВ единой энергетической системы России.Проводится предварительный анализ временных рядов, выявление особенностей их вариативности и спектрального состава, после чего выполняется краткосрочное прогнозирование в нескольких частотных диапазонах с применением методов различной сложности.Полученные метрики моделей согласуются с результатами предварительного анализа, что подтверждает его значимость.Показано, что методы машинного обучения способны эффективно выявлять закономерности во временных рядах и учитывать динамику сигнала, что позволяет использовать данные методы в качестве инструмента для мониторинга и поддержки принятия решений в управлении энергосистемой.