Метод глибокого виявлення аномалій у PQ-даних, зумовлених геофізичними факторами
| dc.contributor.author | Слободяник, О. Ю. | uk |
| dc.contributor.author | Коломійцев, О. В. | uk |
| dc.contributor.author | Рисований, О. М. | uk |
| dc.contributor.author | Slobodjanik, O. | en |
| dc.contributor.author | Kolomiitsev, O. | en |
| dc.contributor.author | Rysovany, O. | en |
| dc.title | Метод глибокого виявлення аномалій у PQ-даних, зумовлених геофізичними факторами | uk |
| dc.date.issued | 2026 | |
| dc.publisher | Вінницький національний технічний університет | uk |
| dc.identifier.citation | Слободяник О. Ю., Коломійцев О. В., Рисований О. М. Метод глибокого виявлення аномалій у PQ-даних, зумовлених геофізичними факторами // VІ Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 10-11 листопада 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30908. | uk |
| dc.relation.ispartof | VІ Міжнародна науково-технічна інтернет-конференція «Актуальні проблеми бойового застосування та експлуатації і ремонту зразків озброєння та військової техніки», Вінниця, 10-11 листопада 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/apozbt/apozbt2026/paper/view/30908 | |
| dc.identifier.udc | 621.311.1:004.8:550.34 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/57918 | |
| dc.description.abstract | 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. | uk |
| dc.description.abstract | The problem of automated detection of anomalous changes in power quality indicators (Power Quality, PQ), which may be caused by the influence of geophysical factors, in particular geomagnetic activity, is considered. A method of deep anomaly detection in multidimensional PQ data is proposed, which is based on training a model on time-separated intervals of the regular operation of the power system. The method involves the formation of a continuous anomaly indicator, calibration of the detection threshold by the quantile of the indicator distribution for the normal state, aggregation of windowed operations into integral anomalous events and assessment of their intensity. For statistically correct verification of the relationship between the detected PQ events and geomagnetic activity indicators, a block permutation procedure is used, which takes into account the time dependence of the data. The proposed approach ensures the separation of the detection procedure from the subsequent statistical verification of the geophysical conditionality of the anomalies. | en |
| dc.subject | якість електроенергії | uk |
| dc.subject | PQ-дані | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | виявлення аномалій | uk |
| dc.subject | геомагнітна активність | uk |
| dc.subject | часові ряди | uk |
| dc.subject | power quality | en |
| dc.subject | PQ data | en |
| dc.subject | deep learning | en |
| dc.subject | anomaly detection | en |
| dc.subject | geomagnetic activity | en |
| dc.subject | time series | en |
| dc.type | Thesis | |
| dc.language.iso | uk | uk |
| dc.relation.references | 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. | en |
| dc.relation.references | 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. | en |
| dc.relation.references | 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. | en |
| dc.date.accessioned | 2026-11-16T15:44:14Z |
Файли
Контейнер файлів
1 - 1 з 1
Завантаження...
- Назва:
- 30908.pdf
- Розмір:
- 431,12 KB
- Формат:
- Adobe Portable Document Format