МОНИТОРИНГ ПОТРЕБЛЕНИЯ ЭНЕРГИИ В УМНЫХ СЕТЯХ ЭЛЕКТРОСНАБЖЕНИЯ (SMART GRID) НА ОСНОВЕ СЕМАНТИЧЕСКОГО АНАЛИЗА ПОТОКОВЫХ ДАННЫХ

Колчин Максим Александрович, Фенцель Анна , Муромцев Дмитрий Ильич, Попов Сергей Олегович, Павлов Дмитрий Сергеевич, Климов Николай Васильевич, Андреев Александр Алексеевич, Гарайзуев Даниил Сергеевич

doi:10.17586/2226-1494-2015-15-2-285-292

2015 , ТОМ 15, НОМЕР 2 ( март-апрель )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2015-15-2-285-292

УДК 004.042

МОНИТОРИНГ ПОТРЕБЛЕНИЯ ЭНЕРГИИ В УМНЫХ СЕТЯХ ЭЛЕКТРОСНАБЖЕНИЯ (SMART GRID) НА ОСНОВЕ СЕМАНТИЧЕСКОГО АНАЛИЗА ПОТОКОВЫХ ДАННЫХ

Колчин М.А., Фенцель А., Муромцев Д.И., Попов С.О., Павлов Д.С., Климов Н.В., Андреев А.А., Гарайзуев Д.С.

Читать статью полностью

Язык статьи - Русский

Ссылка для цитирования: Колчин М.А., Фенцель А., Муромцев Д.И., Попов С.О., Павлов Д.С., Климов Н.В., Андреев А.А., Гарайзу- ев Д.С. Мониторинг потребления энергии в умных сетях электроснабжения (Smart grid) на основе семантического анализа потоковых данных // Научно-технический вестник информационных технологий, механики и оптики. 2015. Том 15. № 2. С. 285–292.

Аннотация

Постановка проблемы. В настоящий момент задачи повышения энергоэффективности решаются, главным образом, за счет создания более экономичных устройств и приборов, использования нетрадиционных источников энергии, применением специального дополнительного оборудования для контроля над энергопотреблением и другими технологическими способами. Все эти решения достаточно дорогостоящи и зачастую экономически трудноокупаемы. В то же время вопросы автоматизированного интегрального анализа существующих данных контрольно-измерительного оборудования изучены мало. Но именно эти данные содержат всю необходимую информацию для поиска узких мест и сбоев в работе оборудования, приводящих к росту энергопотребления. Методы. Рассмотрены методы построения веб-сервисов для мониторинга текущего состояния электрической сети, используя CQELS для интеграции статических и потоковых данных интеллектуальных счетчиков. В качестве основного способа представления данных используется модель данных RDF. Результаты. Предложена архитектура системы мониторинга энергопотребления на основе семантического анализа потоковых данных Smart grid. Для построения информационной модели предметной области разработана онтология, описывающая данные измерений и возможные ситуации для отслеживания системой с помощью семантических запросов. Показан пример работы системы и описание интерфейсов визуализации потоковых данных и журнала сообщений. Практическая значимость. Промышленное внедрение предложенного подхода позволит добиться значимого повышения энергоэффективности за счет интегрального анализа данных умных счетчиков на существующей инфраструктуре контрольно-измерительного оборудования. Дополнительным эффектом является возможность построения гибкой системы мониторинга интеллектуальных электрических сетей и визуализации их состояний за счет применения онтологического подхода к моделированию предметной области.

Ключевые слова: онтологии, RDF, семантический анализ потоковых данных, интеллектуальный счетчик, интеграция данных, визуализация, Smart grid

Благодарности. Работа выполнена при государственной финансовой поддержке ведущих университетов Российской Федерации (субсидия 074-U01).

Список литературы

1. Brown R.E. Impact of smart grid on distribution system design // Proc. IEEE Power and Energy Society General Meeting: Conversion and Delivery of Electrical Energy in 21th Century. Pittsburgh, USA, 2008. Art. 4596843. doi: 10.1109/PES.2008.4596843

2. Dautov R., Paraskakis I., Stannett M. Towards a framework for monitoring cloud application platforms as sensor networks // Cluster Computing. 2014. V. 17. P. 1203–1213. doi: 10.1007/s10586-014-0389-5

3. Barbieri D., Braga D., Ceri S., Della Valle E., Huang Y., Tresp V., Rettinger A., Wermser H. Deductive and inductive stream reasoning for semantic social media analytics // IEEE Intelligent Systems. 2010. V. 25. N 6. P. 32–41. doi: 10.1109/MIS.2010.142

4. Celino I., Dell`Agilo D., Della Valle E., Huang Y., Lee T., Kim S., Tresp V. Towards BOTTARI: using stream reasoning to make sense of location-based micro-posts // Lecture Notes in Computer Science. 2012. V. 7117. P. 80–87. doi: 10.1007/978-3-642-25953-1_7

5. Wetz P., Trinh T.D., Do B.L., Anjomshoaa A., Kiesling E., Tjoa A.M. Towards an environmental information system for semantic stream data // Proc. 28th Conf. on Environmental Informatics – Informatics for Environmental Protection, Sustainable Development and Risk Management. Oldenburg, Germany, 2014. P. 637–644.

6. Taylor K., Leidinger L. Ontology-driven complex event processing in heterogeneous sensor networks // Lecture Notes in Computer Science. 2011. V. 6643. P. 285–299. doi: 10.1007/978-3-642-21064-8_20

7. Gray A., Sadler J., Kit O., Kyzirakos K., Karpathiotakis M., Calbimonte J.-P., Page K. et. al. A semantic sensor web for environmental decision support applications // Sensors. 2011. V. 11. N 9. P. 8855–8887. doi: 10.3390/s110908855

8. Heintz F., Kvarnstrom J., Doherty P. Bridging the sense-reasoning gap: DyKnow – stream-based middleware for knowledge processing // Advanced Engineering Informatics. 2010. V. 24. N 1. P. 14–26. doi: 10.1016/j.aei.2009.08.007

9. Banerjee S., Mukherjee D., Misra P. ‘What affects me?’ A smart public alert system based on stream reasoning // Proc. 7th Int. Conf. on Ubiquitous Information Management and Communication (ICUIMC 2013). Kota Kinabalu, Malaysia, 2013. Art. 22. doi: 10.1145/2448556.2448578

10. Ruta M., Scioscia F., Di Sciascio E., Rotondi D., Piccione S. Semantic-based knowledge dissemination and extraction in smart environments // Proc. 27th Int. Conf. on Advanced Information Networking and Applications Workshops (WAINA 2013). Barcelona, Spain, 2013. P. 1289–1294. doi: 10.1109/WAINA.2013.249

11. Tallevi-Diotallevi S., Kotoulas S., Foschini L., Lecue F., Corradi A. Real-time urban monitoring in Dublin using semantic and stream technologies // Lecture Notes in Computer Science. 2013. V. 8219. P. 178–194. doi: 10.1007/978-3-642-41338-4_12

12. Balduini M., Della Valle E., Dell`Aglio D., Tsytsarau M., Palpanas T., Confalonieri C. Social listening of city scale events using the streaming linked data framework // Lecture Notes in Computer Science. 2013. V. 8219. P. 1–16. doi: 10.1007/978-3-642-41338-4_1

13. Calbimonte J., Corcho O., Gray A. Enabling ontology-based access to streaming data sources // Lecture Notes in Computer Science. 2010. V. 6496. P. 96–111. doi: 10.1007/978-3-642-17746-0_7

14. Le-Phuoc D., Dao-Tran M., Xavier Parreira J., Hauswirth M. A native and adaptive approach for unified processing of linked streams and linked data // Lecture Notes in Computer Science. 2011. V. 7031. P. 370–388.

15. Kolchin M., Mouromtsev D., Arustamov S. Demonstration: web-based visualisation and monitoring of smart meters using CQELS // Proc. 7th Int. Workshop on Semantic Sensor Network. Trentino, Italy, 2014. P. 1–4.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License