نوع مقاله : مقاله پژوهشی

نویسندگان

• نیما عبدی ¹
• فرشته آزادی پرند ²
• سپهر مهرگان ¹
• ایمان شارعی ¹

¹ گروه رایانه دانشکده آمار، ریاضی و رایانه دانشگاه علامه طباطبایی تهران-ایران

² گروه رایانه- دانشکده آمار، ریاضی و رایانه -دانشگاه علامه طباطبایی-تهران-ایرا

چکیده

مصرف غیرمجاز برق و برق‌دزدی از مهم‌ترین مصادیق تلفات غیرفنی در شبکه‌های توزیع برق هستند که می‌توانند در داده‌های مصرف به صورت انحراف از الگوی عادی مصرف، تغییرات غیرمتعارف بار، یا اختلاف میان انرژی تحویلی و انرژی ثبت‌شده ظاهر شوند. این پدیده علاوه بر ایجاد زیان اقتصادی برای شرکت‌های برق، بر پایداری شبکه، پایش مصرف و سیاست‌گذاری انرژی نیز اثرگذار است. هدف این مقاله، ارائه یک مرور ساختاریافته از راهکارهای داده‌محور تشخیص ناهنجاری مصرف در شبکه‌های هوشمند برق با تأکید بر مصرف غیرمجاز و شرایط ایران است. در این راستا، روش‌های آماری، یادگیری ماشین، یادگیری عمیق، یادگیری ائتلافی و رویکردهای ترکیبی مبتنی بر کنتورهای هوشمند بررسی و از نظر نوع داده موردنیاز، قابلیت تشخیص، مقیاس‌پذیری، حریم خصوصی، هزینه پیاده‌سازی و محدودیت‌های کاربردی مقایسه می‌شوند. یافته‌های مرور نشان می‌دهد که روش‌های ترکیبی، به‌ویژه ترکیب داده‌های کنتور هوشمند با الگوریتم‌های یادگیری ماشین و یادگیری عمیق، در مطالعات پیشین ظرفیت بیشتری برای کاهش خطای تشخیص و شناسایی الگوهای پیچیده مصرف غیرمجاز داشته‌اند؛ بااین‌حال، به‌کارگیری مؤثر آن‌ها در ایران به توسعه زیرساخت کنتورهای هوشمند، دسترسی به داده‌های معتبر، توجه به امنیت و حریم خصوصی، و طراحی سیاست‌های اصلاحی سازگار با عدالت انرژی وابسته است.

کلیدواژه‌ها

• شبکه هوشمند برق
• کنتور هوشمند
• تشخیص ناهنجاری
• مصرف غیرمجاز برق
• تلفات غیرفنی

موضوعات

• • مطالعات اقتصادی مرتبط با حامل‌های انرژی (فسیلی، تجدیدپذیر و برق)