Elektrik şebekelerinden gerçek dünyaya ait osilogramlar içeren bir veri seti

Neden küçük elektrik aksaklıkları önemlidir

Her saniye, geniş güç şebekeleri sessizce ışıklarımızı açık tutar, hastaneleri işler durumda bırakır ve veri merkezlerini çalıştırır. Trafo merkezlerinin içinde gizlenen koruyucu cihazlar, şebekenin nabzını—voltaj ve akım sinyallerini—sürekli dinler; bu sinyaller bir şeylerin sağlıklı olup olmadığını ya da arıza eşiğinde bulunduğunu gösterir. Bu makale, normal çalışma, küçük bozulumlar ve ciddi arızalar sırasında güç sistemlerinin nasıl davrandığını yakalayan bu “nabızların” yeni, herkese açık bir koleksiyonunu tanıtıyor: gerçek dünyaya ait osilogramlardan oluşan bir veri seti. Amaç, mühendislere ve yapay zekâ sistemlerine elektrik arzımızı daha güvenilir ve dayanıklı hâle getirmede yardımcı olmaktır.

Şebekeyi dinlemek

Modern trafo merkezleri, şebekeyi izleyen ve bir sorun çıktığında anında devre kesicileri tetikleyen koruma ve otomasyon terminalleriyle doludur. Talep dalgalanmaları, yenilenebilir kaynaklar ve hassas elektroniğin yaygınlaşmasıyla güç sistemleri daha karmaşık hâle geldikçe, bu rölelerin zararsız dalgalanmaları tehlikeli arızalardan saniyenin kesirleri içinde ayırt etmesi gerekir. Bunu, saniyede binlerce örnek alınan voltaj ve akımların ayrıntılı zaman dizileri olan osilogramları kaydederek yaparlar. Bugüne dek, çoğu araştırma ve birçok yapay zekâ tabanlı koruma şeması, gerçek şebekelerin sensör hataları, öngörülemez yükler veya yıldırım kaynaklı bozulumlar gibi karmaşıklıklarını tam olarak yeniden üretemeyen sentetik, bilgisayar üretimi sinyallere büyük ölçüde dayanıyordu.

Büyük bir gerçek dünya sinyal kütüphanesi

Yazarlar, çoğunlukla 0,4 ile 35 kilovolt arasındaki orta gerilim şebekelerinden olmak üzere endüstriyel trafo merkezlerinden toplanmış 50.765 osilogramdan oluşan bir veri seti derlediler. Bu kayıtlar ekipmanların rutin devreye alma işlemlerinden ve şebekedeki gerçek olayların soruşturmalarından gelmektedir. Tüm dosyalar güç endüstrisinde yaygın olarak kullanılan standart COMTRADE formatında saklanmakta ve veri analizi ile makine öğrenimi için ön işlenmiş CSV dosyaları olarak da sunulmaktadır. Gizlilik ve ticari bilgileri korumak amacıyla ekip, tesis ve üretici adlarını, kayıt tarihlerini ve orijinal dosya adlarını kaldırdı; ayrıca sinyallerin etiketlenme biçimini standartlaştırarak kullanıcıların cihaz markası ya da trafo merkezi düzeninden bağımsız olarak tutarlı bir voltaj ve akım kanalları seti görmesini sağladı.

Sinyalleri anlamlandırmak

480 osilogramdan oluşan özenle seçilmiş bir alt küme detaylı insan denetimli açıklama aldı. Uzmanlar analog sinyalleri inceledi ve her anı dört sezgisel gruba ayırdı: normal işletim veya saf gürültü, devre kesicilerin açılması veya motorların çalışması gibi rutin anahtarlama işlemleri, yönetmeliklerden sapma gösteren ancak derhal kapatılmayı gerektirmeyen anormal olaylar ve koruma cihazlarını tetiklemesi gereken ciddi arıza olayları. Bu ayrıntılı etiketleme, araştırmacıların yalnızca “bir şey oldu” tespitini değil, aynı zamanda olayın ne tür bir olay olduğunu da tanıyabilen algoritmalar eğitip test etmelerine olanak tanır. Ekip ayrıca daha geniş koleksiyonu filtreleyerek açık bozulma içeren 20.000’den fazla osilogramı belirledi ve sıra dışı davranışla ilgilenenler için odaklanmış bir başlangıç noktası sağladı.

Ham dalgalardan daha akıllı korumaya

Etiketlerin kalitesini kontrol etmek için yazarlar, açıklamalı alt küme üzerinde birkaç tür sinir ağı eğitti. Önce, sinyalleri sıkıştırıp sonra yeniden oluşturan bir yapay zekâ modeli olan bir otoenkoder kullanarak dalga biçimlerinden doğrudan özellikler öğrendiler. Bu sıkıştırılmış tanımlamalar görselleştirildiğinde, dört olay kategorisi net şekilde ayrılan kümeler oluşturdu; bu da uzman etiketlerinin sinyallerde gerçek farklılıkları yakaladığını gösterdi. Konvolüsyonel ve tekrarlayan ağlar gibi standart sınıflandırıcılar daha sonra özellikle anormal ve arıza olayları için güçlü doğrulukla dört olay türünü tanımayı başardı. Bu, veri setinin şebeke izlemesi için makine öğrenimi yöntemlerinin geliştirilmesi ve kıyaslanması açısından uygun olduğunu kanıtlıyor.

Geleceğin şebeke zekâsı için bir temel oluşturmak

Uzman olmayanlar için ana çıkarım, bu veri setinin şebekeleri koruma ve kontrol etme biçimimizi iyileştirmek için gerçekçi bir laboratuvar sunduğudur. Hem etiketli hem de etiketsiz veriler içerdiğinden ve işleme araçları açıkça yayınlandığından, araştırmacılar temel anormallik tespitinden değişen şebeke koşullarına uyum sağlayan gelişmiş adaptif koruma şemalarına kadar her şeyi keşfedebilir. Zaman içinde, bu gerçek osilogramlar üzerinde eğitilmiş ve doğrulanmış modeller, işletmelere sorunları daha erken tespit etmede, kesintileri azaltmada ve daha fazla yenilenebilir üretimi güvenli şekilde entegre etmede yardımcı olabilir—günlük yaşamın arkasındaki görünmez altyapıyı daha sağlam ve akıllı hâle getirebilir.

Atıf: 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

Anahtar kelimeler: şebeke güvenilirliği, arıza tespiti, osilogram veri seti, koruma rölesi, enerjide makine öğrenimi