Ημερολόγιο Εκδηλώσεων

Περιγραφή:
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πρόγραμμα Μεταπτυχιακών Σπουδών ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΔΙΑΤΡΙΒΉΣ ΚΩΝΣΤΑΝΤΙΝΟΥ ΜΠΛΑΖΑΚΗ με θέμα Ανάπτυξη Καινοτόμων Μεθόδων Διαχείρισης Μετρήσεων σε Έξυπνα Δίκτυα Ηλεκτρικής Ενέργειας Development of Novel Approaches for Smart Electric Grids Measurements Processing Εξεταστική Επιτροπή Καθηγητής Γεώργιος Σταυρακάκης (επιβλέπων) Καθηγητής Κωνσταντίνος Καλαϊτζάκης (Σχολή ΗΜΜΥ, TUC) Καθηγητής Μιχάλης Ζερβάκης (Σχολή ΗΜΜΥ, TUC) Περίληψη Οι τεχνικές απώλειες που συμβαίνουν κατά τη διάρκεια της λειτουργίας του ηλεκτρικού δικτύου (παραγωγή, μεταφορά και διανομή) μπορούν να υπολογιστούν, αλλά οι μη τεχνικές απώλειες δεν είναι δυνατόν να προσδιοριστούν πλήρως. Η μεγάλη ποσότητα απωλειών αποδεικνύει τη συμμετοχή των μη τεχνικών απωλειών κυρίως στο δίκτυο διανομής που οφείλονται σε κλοπή ηλεκτρικής ενέργειας από παράνομη δραστηριότητα καταναλωτών. Η ανίχνευση των παράνομων καταναλωτών είναι μια πρόκληση στις μέρες μας, λόγω του μεγάλου ύψους των χρημάτων που δεν μπορούν να καταλογιστούν στο κράτος. Αυτή η διατριβή παρουσιάζει μια νέα μέθοδο που χρησιμοποιεί τα πρότυπα ενεργειακής κατανάλωσης των πελατών για τον εντοπισμό παράνομων καταναλωτών σε ένα έξυπνο ηλεκτρικό δίκτυο. Αρχικά, η παρούσα διατριβή πραγματοποιεί μια εκτεταμένη έρευνα για τις μεθόδους που εφαρμόζονται σε κλοπές ηλεκτρικής ενέργειας και των τεχνολογιών που αναπτύσσονται για την καταπολέμηση της κλοπής. Λόγω της μη διαθεσιμότητας δεδομένων κατανάλωσης ηλεκτρικής ενέργειας, μια βάση δεδομένων με πρότυπα κατανάλωσης ενέργειας έχει αναπτυχθεί σε αυτή την εργασία. Στη συνέχεια, ο αλγόριθμος Mean Shift παρουσιάζεται και υλοποιείται, ο οποίος κατηγοριοποιεί τα φορτία κατανάλωσης ενέργειας των πελατών σε νόμιμα και παράνομα. Abstract Technical losses that occur during the entire operation of the electrical network (generation, transmission and distribution) can be technically defined but non technical losses cannot be quantified completely. Substantial quantity of losses proves the involvement of Non-Technical Losses (NTL) mainly in distribution network due to electricity theft by illegal consumers. Detection of illegal consumers is an extremely challenging problem nowadays due to the large amount of money that are not imputable to the State. This dissertation presents a new method that uses customers’ energy consumption patterns to detect illegal consumers in a smart grid environment. Initially, this dissertation conducts an extended survey on the methods implemented in pilfering electricity and technologies involved in smart energy meters.Οwing to the unavailability of electric consumption data, a dataset with near real-time energy consumption patterns has been developed in this work. Then, the state of the art clustering algorithm mean shift is proposed and implemented, which maps customer energy consumption patterns into legal and illegal.