美国普度大学研究人员领导的一组工程师推断,如果北美电力系统“智能”动力高压输电网获得经由神经网络和模糊逻辑收集的信息支持,在事故出现之前预测局部过载,那么8月14号在美国东北部和加拿大中西部发生的历史上前所未有的断电事故就很可能防患于未然。然而在目前的系统下这起事故无法避免。
为了防止再次出现类似的崩溃现象,该研究小组推荐,电力工业应当采用的不是更强大的电力线网络,而应该是基于互联网的监控策略。
普度大学核工程学院院长兼该小组领导Leftari Tsoukalas表示,“如果输电网不采用更重要的信息技术,系统还会出现更多问题。”
很多报告显示,技术含量低的电话网无法在断电发生前就电力网问题发送足够的警告信息。这次断电事故问题始于俄亥俄州,后来连锁反应波及到伊利湖,东扩至宾夕法尼亚州及纽约州。
据称,所说的智能系统的关键之处在于应用了所谓的软件代理,该软件采用神经网络和模糊逻辑来记忆并学习局部网消费模式,如医院、矿厂、大型制造厂和零售业等。研究人员表示,处于这些“局部区域网”的软件代理因而能够在数分钟抑或数小时前预测电力需求的高峰期,然后与变电站软件协同作用,识别电力需求小的区域,以平衡电力消耗量。
该系统名为Telos (transmission entities with learning capabilities and online self-healing),采用的软件包通过小城市或大商行的计算机集群与电表连接,价格在几千美元到1万美元之间。Telos还可被集成到内含8位微处理器和因特网能力的小型嵌入式模块内,然后用来与单个家庭用户的电表通信。
Tsoukalas表示,“这套系统的美妙之处是,你可以在价值仅为2美元的微处理器上实现它。”
研究人员目前正在Argonne国家实验室试行这套“神经模糊”系统。
京公网安备 11011202001138号
