АНАЛИЗ ГЕОМАГНИТНО-ИНДУЦИРОВАННЫХ ТОКОВ В НЕЙТРАЛЯХ АВТОТРАНСФОРМАТОРОВ НА СЕВЕРО-ЗАПАДЕ РОССИИ С ПРИМЕНЕНИЕМ МАШИННОГО ОБУЧЕНИЯ

В настоящее время использование машинного обучения для анализа больших объемов данных в научных целях приобретает статус «золотого стандарта» в естественных науках. Правильно подобранный алгоритм машинного обучения позволяет сократить время анализа данных, при этом точность отлаженной модели в основном составляет не ниже 95 %. Кроме того, автоматический анализ с использованием искусственного интеллекта исключает ошибки в классификации явлений и их детектировании, которые могут быть вызваны человеческим фактором. С начала работы системы мониторинга геомагнитно-индуцированных токов (ГИТ) в 2011 г. было создано более 20 000 файлов, содержащих данные токов в нейтралях автотрансформаторов 330 кВ Кольско-Карельской магистральной электрической сети. В этой статье приводится описание разработанной программы нейросетевой классификации ГИТ, в которой свёрточная нейронная сеть (СНС) применяется для бинарной классификации скейлограмм, полученных после применения непрерывного вейвлет-преобразования (НВП) к токам нейтрали. Для проверки правильности предсказаний классов разработанной программой был проведен тестовый анализ данных, которые не входили в обучающий и валидационный датасет. Был проведен автоматический анализ данных с подстанций VKH и LKH за период 24-го солнечного цикла с использованием программы нейросетевой классификации ГИТ.