تعد أنظمة التأريض منخفض التيار الطريقة الرئيسة للتأريض في شبكات توزيع الطاقة، وهي من أنظمة التأريض غير المباشر، ويعد عطل التأريض أحادي الطور أكثر الأعطال شيوعًا في هذا النوع من الأنظمة، وقد يتسبب هذا العطل في حرائق كهربائية ويعرض السلامة الشخصية للخطر إذا لم يعالج في الوقت المناسب، ونظرًا إلى صعوبة اكتشاف موضع العطل وتشخيصه في هذه الأنظمة ظل اختيار خط العطل فيها موضوعًا بحثيًا مهمًا في حماية أنظمة الطاقة ومرحلّاتها، تتنافس فيه مقاربات تقليدية وحديثة لم تبلغ أي منها حلًا حاسمًا يجمع بين الدقة والسرعة والثبات
ومع نضج تقنيات التعلم العميق وقدرتها على استخراج السمات تلقائيًا من البيانات المعقدة، اتجه الباحثون إلى توظيفها في تشخيص أعطال شبكات التوزيع، غير أن إشارات التيار الخام ليست بالضرورة هي الصيغة الأنسب لإدخالها في نماذج تصنيف الصور، مما يستدعي تحويلات رياضية تعيد تمثيل الإشارة بصورة تكشف سمات العطل وتيسر تعلمها
أولًا: أهداف الدراسة ومنهجيتها
هدفت هذه الدراسة إلى اقتراح مقاربة جديدة لتحديد خطوط العطل في شبكات التوزيع قائمة على تحويل أويلر والتعلم العميق، وتبدأ الطريقة بإخضاع إشارات التيار في شبكة التوزيع لتحويل فورييه السريع للحصول على تردداتها وبناء إشارات مرجعية منها، ثم تدمج إشارات التيار مع الإشارات المرجعية وتحوّل إلى صور باستخدام تحويل أويلر في المستوى المركب، وبعد ذلك تصنف الصور الناتجة باستخدام نموذج شبكة متبقية، إذ تستطيع الشبكة العصبية الالتفافية في النموذج استخراج متجهات سمات العطل تلقائيًا بما يحقق تحديد الخطوط المعطوبة، وقد أجريت المحاكاة اعتمادًا على نموذج قائم، مع تدريب مكثف للبيانات واختبار واسع للأداء
ثانيًا: أبرز النتائج
أظهرت النتائج التجريبية كفاءة الطريقة المقترحة في تشخيص أعطال شبكات التوزيع، ويمكن إجمال أبرزها فيما يأتي
1- حققت الطريقة المقترحة دقة مرتفعة في تحديد الخطوط المعطوبة داخل شبكة التوزيع عبر بيانات الاختبار الواسعة
2- أظهرت الطريقة ثباتًا جيدًا في الأداء عبر ظروف المحاكاة المتنوعة، دون تذبذب يذكر في جودة النتائج
3- تميزت الطريقة بسرعة تقارب مرتفعة أثناء التدريب، مما يختصر الزمن اللازم لبناء النموذج وضبطه
4- نجح استخراج الشبكة العصبية الالتفافية لمتجهات سمات العطل تلقائيًا في الاستغناء عن هندسة السمات اليدوية المعقدة التي تتطلبها الطرائق التقليدية
5- أثبت الجمع بين تحويل فورييه السريع وتحويل أويلر في المستوى المركب فاعليته في إعادة تمثيل إشارات التيار صورًا قابلة للتصنيف الدقيق
ثالثًا: دلالات الدراسة وتطبيقاتها
وتشير دلالات هذه النتائج إلى إمكانية توظيف الطريقة المقترحة في أنظمة حماية شبكات التوزيع الحديثة لتسريع تحديد الخط المعطوب وعزله، بما يقلل زمن انقطاع التغذية ويحد من مخاطر الحرائق الكهربائية ويحمي الأرواح والممتلكات، كما تقدم الدراسة مسارًا منهجيًا قابلًا للتعميم في تحويل الإشارات الكهربائية إلى تمثيلات تصويرية تصلح لمهام تصنيف أخرى في تشخيص حالة الشبكات، وتفتح أمام مهندسي الطاقة والباحثين بابًا لمزيد من التطوير في اتجاه شبكات توزيع ذكية قادرة على التشخيص الذاتي السريع للأعطال
وتندرج هذه المقاربة ضمن اتجاه أوسع يوظف الرؤية الحاسوبية والتعلم العميق في مراقبة البنى التحتية للطاقة وتشخيص أعطالها، إذ تتيح الشبكات الالتفافية قراءة الأنماط الدقيقة في الإشارات والموجات التي يصعب على القواعد اليدوية التقاطها بثبات عبر الظروف المتغيرة، ومع تراكم بيانات المحاكاة والتشغيل الفعلي يصبح بوسع مثل هذه النماذج أن تتعلم تمييز بصمات الأعطال المختلفة وأن تتكيف مع تنوع ظروف الشبكة وأحمالها وبنيتها
غير أن نجاح التوظيف الميداني لمثل هذه الحلول يظل مشروطًا باختبار النماذج على بيانات تشغيل حقيقية متنوعة الظروف، وبضمان سرعة استجابة تناسب زمن قرارات الحماية في الشبكات، وبقدرة النظام على العمل المتواصل الموثوق ضمن بيئات المحطات الفعلية وما فيها من ضجيج وتداخلات
وخلاصة القول إن الطريقة المقترحة القائمة على التحويل البياني بأويلر ونموذج الشبكة المتبقية ريس نت 50 تقدم حلًا ثابتًا وسريع التقارب ومرتفع الدقة لمسألة اختيار خط العطل في أنظمة التأريض منخفض التيار، وتثبت جدوى توظيف التعلم العميق في حماية شبكات توزيع الطاقة