מאגר נתונים של אוסילוגרמות מעולמות אמיתיים מרשתות חשמל

למה הפרעות חשמל קטנטנות חשובות

כל שנייה, רשתות חשמל נרחבות שומרות על האורות דולקים, בתי חולים מתפקדים ומרכזי נתונים פועלים. בתחנות המשנה, מכשירי הגנה מאזינים ללא הפסקה לדופק הרשת — אותות מתח וזרם שמגלים האם המערכת תקינה או על סף כשל. מאמר זה מתאר אוצר זמין לציבור של אותות כאלה, מאגר של אוסילוגרמות מעולם המציאות שמתעד כיצד מערכות חשמל מתנהגות במהלך פעולה שגרתית, הפרעות קטנות ותקלות משמעותיות. המטרה היא לסייע למהנדסים ולמערכות בינה מלאכותית לשפר את אמינותה ועמידותה של אספקת החשמל.

האזנה לרשת

תחנות מודרניות מלאות במכשירי הגנת ריליי וטרמינלים לאוטומציה — מכשירים שמנטרים את הרשת ומפעילים מיד מפסקי זרם כשהדברים משתבשים. ככל שהרשתות נעשות מורכבות יותר — עם דרישה תנודתית, מקורות מתחדשים ואלקטרוניקה רגישה — על הריליים להבדיל בין תנודות תמימות לבין תקלות מסוכנות בתוך עשיריות שנייה. הם עושים זאת באמצעות הקלטת אוסילוגרמות: סדרות זמן מפורטות של מתחים וזרמים הנמדדות אלפי פעמים בשנייה. עד כה, רוב המחקר ורבים ממערכות ההגנה המבוססות בינה מלאכותית הסתמכו על אותות סינתטיים שנוצרו במחשב, שאינם משחזרים במלואם את הבלגן של רשתות אמת — טעויות חיישנים, מעמוסים בלתי צפויים או הפרעות מגורמי טבע כמו ברקים.

ספריית אותות גדולה מהשטח

המחברים אספו מאגר של 50,765 אוסילוגרמות שנלקחו מתחנות תעשייתיות, בעיקר ברשתות מתח בינוני בטווח של 0.4 עד 35 קילובולט. רשומות אלה הגיעו מבדיקות התקנה שגרתיות ומהחקרות של אירועים אמיתיים ברשת. כל הקבצים מאוחסנים בפורמט הסטנדרטי COMTRADE הנפוץ בתעשיית החשמל ומוצעים גם כקבצי CSV מעובדים מראש לניתוח נתונים וללמידת מכונה. כדי להגן על פרטיות ומידע מסחרי, הצוות הסיר שמות מתקנים ויצרנים, תאריכי הקלטה ושמות קבצים מקוריים, ותקנן את שיטות התיוג כך שמשתמשים יראו מערך עקבי של ערוצי מתח וזרם ללא קשר למותג המכשיר או פריסת תחנת המשנה.

לעשות סדר באותות

תת־קבוצה שנבחרה בקפידה של 480 אוסילוגרמות קבלה תיוג אנושי מפורט. מומחים בדקו את האותות האנלוגיים וחילקו כל רגע זמן לארבע קבוצות אינטואיטיביות: פעולה תקינה או רעש טהור, פעולות החלפה שגרתיות כמו פתיחה של מפסקים או התחלת מנועים, אירועים חריגים שמותירים סטייה מהרגולציה אך אינם מצריכים כיבוי מיידי, ואירועי תקלה חמורים שצריכים להפעיל מכשירי הגנה. תיוג מדויק זה מאפשר לחוקרים לאמן ולבחון אלגוריתמים שלא רק מזהים ש"משהו קרה" אלא גם מזהים איזה סוג אירוע התרחש. הצוות גם סינן את האוסף הרחב יותר וזיהה יותר מ‑20,000 אוסילוגרמות שמכילות הפרעות ברורות, ומספק נקודת התחלה ממוקדת למתעניינים בהתנהגות לא שגרתית.

מגלים תובנות מהגלים הגולמיים להגנה חכמה יותר

כדי לבדוק את איכות התיוגים, המחברים אימנו מספר סוגי רשתות נוירונים על תת־הקבוצה המסומנת. ראשית, הם השתמשו באוטואנקודר — מודל בינה מלאכותית שמכווץ אותות לתיאור פנימי קומפקטי ואז משחזר אותם — כדי ללמוד תכונות ישירות מצורת הגל. כאשר תיאורים דחוסים אלה הוצגו בצורה ויזואלית, ארבע קטגוריות האירועים יצרו אשכולות מובחנים בבירור, מה שמראה שהתיוגים המומחים תפסו הבדלים אמיתיים באותות. מסווגים סטנדרטיים כגון רשתות קונבולוציה ורשתות רקורסיביות הצליחו לזהות את ארבעת סוגי האירועים בדיוק גבוה, במיוחד עבור אירועים חריגים ותקלות. זה מדגים שהמאגר מתאים לפיתוח ולהערכה של שיטות למידת מכונה לניטור רשת.

בניית יסוד לאינטליגנציה עתידית של הרשת

לתחומים שאינם מתמחים, המסקנה המרכזית היא שמאגר זה מציע מעבדה ריאליסטית לשיפור אופן ההגנה והבקרה על רשתות חשמל. מאחר שהוא כולל נתונים מתוייגים ובלתי מתוייגים, ומאחר שכלי העיבוד משוחררים באופן פתוח, חוקרים יכולים לחקור כל דבר מגילוי אנומליות בסיסי ועד סכמות הגנה אדפטיביות מתקדמות שמותאמות לתנאי רשת משתנים. ככל שעובר הזמן, מודלים מאומנים ומאומתים על אוסילוגרמות אמיתיות אלו עשויים לסייע לחברות החשמל לזהות בעיות מוקדם יותר, לצמצם הפסקות חשמל ולשלב יותר ייצור מתחדש בבטחה — ולהפוך את התשתית הבלתי נראית שמאחורי חיי היומיום לעמידה וחכמה יותר.

ציטוט: Evdakov, A., Filatova, G., Yablokov, A. et al. A dataset of real-world oscillograms from electrical power grids. Sci Data 13, 262 (2026). https://doi.org/10.1038/s41597-026-06587-8

מילות מפתח: אמינות רשת החשמל, איתור תקלות, מאגר אוסילוגרמות, הגנת ריליי, למידת מכונה באנרגיה