  

# Reaalajas kohanduv mikrovõrgu saaredetektsioon ja haldamine AI Form Builderiga  

Mikrovõrgud muutuvad vastupidavate, madala süsinikuga energiasüsteemide selgroogaks. Nende võime töötada nii ühendatult peavõrguga kui ka isoleeritud “saare” režiimis pakub hindamatut paindlikkust, kuid see toob kaasa ka kriitilise ohutusprobleemi: **saaredetektsioon**. Kui mikrovõrk kogemata eraldub kommunaalvõrgust, võib see toota energiat tagasi de‑energeeritud võrku, ohustades joone töötajaid ja rikkudes regulatiivseid standardeid.  

Traditsiooniline saaredetektsioon tugineb staatilistele lävendi­piiridele, riistvararelee või perioodilistele käsitsi kontrollidele – meetoditele, mis ei suuda sammu pidada jaotatud energiaressursside (DER‑ide), elektrisõidukite (EV) laadijate ja äärealgoritmide koormuste kasvava keerukusega. **AI Form Builder**, madala koodiga platvorm, mis muudab dünaamilised vormid andmevoogudeks ja AI‑põhisteks töövoogudeks, pakub värsket, skaleeritavat lahendust.  

Selles artiklis:  

1. Selgitame, miks saaredetektsioon on tänapäeva mikrovõrkude jaoks kõrge riskiga probleem.  
2. Kirjeldame tehnilisi väljakutseid, mis piiravad traditsioonilisi lähenemisviise.  
3. Näitame, kuidas AI Form Builderit saab kasutada **reaalajas kohanduva detektsiooni ja haldamise süsteemi** loomiseks.  
4. Viime läbi täieliku rakenduse plaani, alates vormi kujundamisest kuni äärealgoritmi järelduste ja automatiseeritud reageerimiseni.  
5. Arutame mõõdetavaid eeliseid ja tuleviku suundi AI‑täiustatud mikrovõrgu juhtimisel.  

---  

## 1. Saaredetektsiooni kriitilisus  

| Aspekt | Traditsiooniline mõju | AI‑põhine mõju |
|--------|----------------------|----------------|
| **Ohutus** | Viivitatud vea eraldamine võib paljastada joone meeskonnad elavale pingele. | Alla sekundi tuvastamine eraldab vead enne mis tahes kokkupuudet. |
| **Regulatiivne vastavus** | Fikseeritud intervalliga testimine võib vahele jätta vahelduvad saared. | Pidev vastavusaruandlus automatiseeritud vormide kaudu. |
| **Taastuvenergia integreerimine** | Konservatiivsed seaded piiravad DER‑i väljundit, et vältida saareteket. | Kohanduvad lävendid võimaldavad suuremat taastuvenergia läbitavust. |
| **Operatiivkulud** | Käsitsi uurimised suurendavad hooldus- ja tegevuskulusid. | Automatiseeritud põhjusanalüüs vähendab tööjõukulusid. |

**IEEE 1547** standard nõuab, et DER‑id peavad loobuma energia eksportimisest 2 sekundi jooksul pärast saaredetektsiooni. Selle latentsuse saavutamine heterogeensete seadmete, kommunikatsiooniprotokollide ja muutuvate koormusprofiilide vahel on keeruline.  

---  

## 2. Tehnilised takistused traditsioonilistes süsteemides  

1. **Staatilised lävendid** – Pinge‑ ja sageduse kõrvalekalde piirid määratakse üks kord paigaldamise ajal. Need ei suuda kohaneda hooajaliste koormuse kõikumiste või äkiliste DER‑sisselülitustega.  
2. **Riistvarakesksed releed** – Füüsilised releed lisavad kulusid, vajavad perioodilist kalibreerimist ja ei suuda sisestada kontekstuaalseid andmeid (ilm, turusignaalid).  
3. **Piiratud andmevaade** – SCADA‑süsteemid koondavad andmeid sageli 5‑minutiliste intervallidega, jättes vahele saareteketega seotud kiire dünaamika.  
4. **Fragmentaarsed töövood** – Tuvastamine, alarm ja parandav tegevus on eraldatud meeskondade ja tööriistade vahel, mis põhjustab viivitusi ja inimlikke vigu.  

Nende takistuste ületamiseks vajame **andme‑esimese, AI‑põhise ja töövoog‑automatiseeritud** arhitektuuri – täpselt seda, mida AI Form Builder pakub.  

---  

## 3. AI Form Builder: lühike ülevaade  

AI Form Builder on madala koodiga platvorm, mis võimaldab inseneridel:  

- **Kujundada dünaamilisi veeb‑ või mobiilvorme**, mis koguvad andureid, operaatori märkusi ja väliseid andmeid (ilm API‑d).  
- **Ühendada vormid reaalajas andmevoogudega** (Kafka, MQTT, OPC‑UA) ilma integratsioonikoodi kirjutamata.  
- **Käivitada AI‑mudeleid** (TensorFlow, PyTorch või sisseehitatud AutoML) vormi esitamisel.  
- **Orkestreerida automatiseeritud tegevusi** (käskluste saatmine, teavituste saatmine, andmebaaside uuendamine) visuaalse töövoo mootoriga.  

Kuna platvorm käsitleb iga vormi esitust **struktureeritud sündmusena**, toimib see liimina ääreseadmete, pilveanalüütika ja juhtimissüsteemide vahel.  

---  

## 4. Reaalajas kohanduva saaredetektsiooni arhitektuur  

Allpool on kõrgtaseme Mermaid‑diagramm, mis illustreerib lõpptulemust.  

```mermaid
flowchart LR
    A["Edge Sensors<br/>(Voltage, Frequency, Power)"] --> B["MQTT Broker"]
    B --> C["AI Form Builder<br/>Dynamic Islanding Form"]
    C --> D["Real‑Time Feature Store"]
    D --> E["Adaptive ML Model<br/>(LSTM + Gradient Boost)"]
    E --> F["Decision Engine"]
    F --> G["Control Signal<br/>to Inverter/Breaker"]
    F --> H["Alert Service<br/>SMS/Email/Slack"]
    F --> I["Compliance Log<br/>Immutable Ledger"]
    J["External Context<br/>Weather, Market"] --> C
    K["Operator Feedback<br/>Form Review"] --> C
```  

*Kõik sõlmede sildid on topeltjutumärkides, nagu nõutud.*  

### Peamised komponendid  

| Komponent | Roll |
|-----------|------|
| **Edge Sensors** | Koguvad kõrgsageduslikke pinge‑, sageduse‑ ja võimsusandmeid (≥10 Hz). |
| **MQTT Broker** | Madala latentsusega, kergekaaluline transportandmete pakettide edastamiseks. |
| **Dynamic Islanding Form** | AI Form Builderi automaatselt genereeritud; iga sisenev pakett täidab peidetud välju, samal ajal võimaldades vajadusel operaatori sisendeid (nt visuaalse kontrolli märkused). |
| **Real‑Time Feature Store** | Salvestab kerge akna (nt viimased 5 s) tuletatud tunnuseid nagu muutumiskiirus, harmooniline moonutamine ja DER‑väljundi suhted. |
| **Adaptive ML Model** | Hübriidne LSTM ajutüüpide jaoks + Gradient Boosted Trees kontekstuaalsete muutujate jaoks; treenitakse igal ööl uute sildistatud sündmustega. |
| **Decision Engine** | Rakendab usaldusläve, lisab reeglipõhised turvamehhanismid ja otsustab “Saare”, “Võimalik saare” või “Normaalne”. |
| **Control Signal** | Saadab katkestuskäsu inverterile või kaitselülitile IEC 61850 või Modbus‑i kaudu. |
| **Alert Service** | Teavitab operaatorid, kommunaali juhtimiskeskuse ja välitöötajad koheselt. |
| **Compliance Log** | Kirjutab muutumatuid kirjeid plokiahela‑toetatud registrisse auditeerimise jaoks. |
| **External Context** | Ilmaennustused, turuhinnad ja nõudluse reageerimise signaalid rikastavad mudelit. |
| **Operator Feedback** | Pärast sündmust saavad operaatorid täita lühikese järelanalüüsi vormi, mis sisestatakse mudeli uuesti treenimisse. |  

---  

## 5. Kohanduva saaredetektsiooni vormi loomine  

### 5.1 Vormiväljad  

| Välja nimi | Tüüp | Kirjeldus |
|------------|------|-----------|
| `timestamp` | hidden | ISO‑8601 UTC aeg anduripaketi jaoks. |
| `voltage_rms` | hidden | Reaalajas RMS pinge (V). |
| `frequency_hz` | hidden | Reaalajas sagedus (Hz). |
| `active_power_kw` | hidden | Netovõimsus (kW). |
| `reactive_power_kvar` | hidden | Netoreaktiivne võimsus (kVAR). |
| `der_output_pct` | hidden | % kogu DER‑võimsusest, mis on hetkel online. |
| `weather_condition` | lookup | Võtab praeguse ilma välise API‑st. |
| `operator_note` | textarea (optional) | Vabasõnalised märkused välitöötajate vaatlusteks. |
| `island_confirmed` | radio (post‑event) | “Jah/Ei/Ebakindel” manuaalseks valideerimiseks. |

Vorm täidetakse **automaatselt** MQTT‑tellija teenuse poolt; operaatorid näevad ainult `operator_note` ja `island_confirmed` välju, kui alarm on käivitunud.  

### 5.2 Valideerimine ja rikastamine  

AI Form Builder võimaldab **server‑poolseid skripte** (JavaScript või Python) arvutada tuletatud mõõdikuid kohapeal, näiteks:  

```python
def compute_roc(voltage_series):
    # Muutumiskiirus viimase 2 sekundi jooksul
    return (voltage_series[-1] - voltage_series[0]) / 2.0
```  

Need tuletatud väärtused salvestatakse koos toorandmetega tunnuste poesse, võimaldades mudelil õppida peeneid mustreid, mida staatilised lävendid ei näe.  

---  

## 6. Kohanduv masinõppe torujuhe  

1. **Andmete sissetulek** – Iga vormi esitamine suunatakse **Kafka‑teemale** (`microgrid.islanding.raw`).  
2. **Tunnuste inseneritöö** – Flinki töötlus koondab 5‑sekundilisi aknaid, arvutab statistilised tunnused (keskmine, std, kaldenurk) ja kirjutab **tunnuste poesse** (`microgrid.islanding.features`).  
3. **Mudeli treening** – Öösel käivitatav AutoML kasutab sildistatud andmeid (`island_confirmed`) ning valib parima mudeli (tihti LSTM‑GBM hübriid) ning ekspordib selle **TensorFlow SavedModel**‑ina.  
4. **Online järeldus** – SavedModel paigaldatakse **TensorFlow Serving** lõpp-punkti. AI Form Builderi töövoog kutsub seda lõpp-punkti iga uue tunniste vektori jaoks, tagastades tõenäosuse skoori.  
5. **Läve kohandamine** – Otsustusmootor reguleerib usaldusläve viimaste väär‑positiivsete/negatiivsete määrade põhjal, tagades, et süsteem püsib kalibreerituna ilma käsitsi sekkumiseta.  

---  

## 7. Automatiseeritud reageerimisvoog  

Kui järeldus teenus tagastab tõenäosuse > 0,85, käivitub töövoog:  

1. **Kontrollsignaali genereerimine** – Saadab `Trip` käsu inverterile IEC 61850 `GOCB` (Go/Stop Control Block) kaudu.  
2. **Teavituste saatmine** – Lükatakse teavitus SCADA‑tahvle, SMS välitöötajatele ja Slacki kanalile mikrovõrgu operatsioonimeeskonnale.  
3. **Sündmuse logimine** – Kirjutatakse JSON‑kirje muutumatule registrile (nt Hyperledger Fabric) koos ajatempli, andurite hetktõmmise, mudeli versiooni ja operaatori kinnitusega.  
4. **Järelvormi loomine** – Lühike “Järelanalüüsi” vorm saadetakse operaatorile, et koguda maapinna kontrolli tõestus, mis sisestatakse tagasi treeningutsüklisse.  

Kõik sammud on **konfigureeritavad** AI Form Builderi visuaalse töövoo redaktori kaudu, ilma kohandatud koodita.  

---  

## 8. Juhtumiuuring: 2 MW ülikooli kampuse mikrovõrk  

**Taust** – Ülikooli kampus haldab 2 MW mikrovõrku, mis koosneb päikese PV‑st, 500 kWh akust ja mitmest EV‑laadijast. Pärandiline saaredetektsioon põhines riistvararelee‑l, mille reageerimisaeg oli 3 sekundit.  

**Rakendus** – AI Form Builderi abil paigaldas kampuse meeskond:  

- Äärealgandurid igale DER‑inverterile.  
- Dünaamilise saaredetektsiooni vormi, mis ühendati kampuse MQTT‑brokeriga.  
- LSTM‑GBM mudeli, mis treeniti kuue kuu ajal kogutud andmetel (kaasaarvatud 12 käsitsi sildistatud saareteket).  
- Otsustusmootori, mis suhtles olemasoleva SCADA‑ga IEC 61850 kaudu.  

**Tulemused (12‑kuuline periood)**  

| Mõõdik | Enne AI Form Builderit | Pärast AI Form Builderit |
|--------|------------------------|---------------------------|
| Tuvastamise viivitus | 2,8 s (keskmine) | 0,7 s (keskmine) |
| Valepositiivsed | 4 sündmust kuus | 0,6 sündmust kuus |
| Taastuvenergia piiramine | 12 % potentsiaalsest väljundist | 4 % potentsiaalsest väljundist |
| Hooldus‑ ja tegevustundide kokkuhoid | — | ~320 t/aasta |
| Vastavuse auditi aeg | 3 päeva kvartalis | < 2 tundi kvartalis |

Kampus saavutas **IEEE 1547** nõuetele vastavuse, vähendades ebavajalikku piirangut 75 % võrra, mis tõi otseselt kaasa madalama elektrikulu ja kõrgemad jätkusuutlikkuse näitajad.  

---  

## 9. AI Form Builderi lähenemise eelised  

| Eelis | Enne AI Form Builderit | Pärast AI Form Builderit |
|-------|------------------------|---------------------------|
| Kiirus | Sub‑sekundiline tuvastamine täidab rangemad võrgu‑koodid. | Sub‑sekundiline tuvastamine täidab rangemad võrgu‑koodid. |
| Kohanemisvõime | Pidev mudeli ümberõpe võimaldab uute DER‑ide, koormusmustrite ja kliimamuutuste kaasamist. | Pidev mudeli ümberõpe võimaldab uute DER‑ide, koormusmustrite ja kliimamuutuste kaasamist. |
| Läbipaistvus | Iga otsus logitakse täpse andmekogumiga, mudeli versiooniga ja usaldus‑skaaliga, lihtsustades auditeerimist. | Iga otsus logitakse täpse andmekogumiga, mudeli versiooniga ja usaldus‑skaaliga, lihtsustades auditeerimist. |
| Skaleeritavus | Madala koodiga lähenemine võimaldab kiiret replikatsiooni mitme mikrovõrgu vahel ilma ulatusliku inseneritööta. | Madala koodiga lähenemine võimaldab kiiret replikatsiooni mitme mikrovõrgu vahel ilma ulatusliku inseneritööta. |
| Kuluefektiivsus | Kallid riistvarareleed ja käsitsi uurimiste kulud kaovad. | Kallid riistvarareleed ja käsitsi uurimiste kulud kaovad. |

---  

## 10. Samm‑sammuline rakendamise juhend  

| Samm | Tegevus | Tööriistad |
|------|----------|------------|
| 1 | **Paigalda äärealgandid** – Paigalda pinge‑, sageduse‑ ja võimsusmõõturid MQTT‑toega. | Avatud lähtekoodiga andurifirmware (nt ESP‑32 + Micropython). |
| 2 | **Seadista MQTT‑broker** – Konfigureeri teemad iga DER‑i jaoks. | Eclipse Mosquitto, EMQX. |
| 3 | **Loo saaredetektsiooni vorm** – Kasuta AI Form Builder UI‑d, et määrata peidetud väljad ja valikulised operaatori sisendid. | AI Form Builder Designer. |
| 4 | **Ühenda vorm brokeriga** – Kaardista MQTT‑koormus vormi väljadele sisseehitatud ühendaja abil. | AI Form Builder Integration Panel. |
| 5 | **Ehita reaalajas tunnuste pood** – Voo vormi andmed ajaliseks andmebaasiks (InfluxDB, Timescale). | Apache Flink + InfluxDB. |
| 6 | **Treeni kohanduv mudel** – Käivita igal ööl AutoML‑tööd; salvesta parim mudel TensorFlow Servingus. | AI Form Builder AutoML, TensorFlow. |
| 7 | **Kujunda otsustusvoog** – Lohista‑ja‑lõpeta tegevused: järeldus, läve kontroll, kontrollsignaal, teavitused, logimine. | AI Form Builder Workflow Editor. |
| 8 | **Integreeri kontrollsignaalid** – Kaardista “Trip” käsk IEC 61850 GOCB või Modbus‑kõlve. | OpenDNP3, libiec61850. |
| 9 | **Testi ja valideeri** – Simuleeri saareteket HIL‑testpanga (hardware‑in‑the‑loop) abil. | OPAL‑RT, NI PXI. |
|10| **Käivita ja jälgi** – Luba pidev jälgimine; vaata operaatori tagasiside vorme iganädalaselt. | AI Form Builder Dashboard. |

---  

## 11. Tuleviku suunad  

- **Föderatiivne õpe** – Jagada mudeli uuendusi mikrovõrkude võrgustiku vahel, säilitades andmete privaatsuse.  
- **Ainult äärsprotsessoril järeldus** – Paigaldada TinyML mudelid otse andurigatewaydele, et kõrvaldada pilve latentsus.  
- **Digitaalne kaksik** – Siduda detektsioonisüsteem reaalajas simulatsiooniga mikrovõrgust, et võimaldada ennustavat juhtimist.  
- **Regulatiivne automatiseerimine** – Genereerida automaatselt auditiraportid ISO 15118, IEEE 1547 ja kohalike kommunaalstandardite jaoks, kasutades muutumatut sündmuste logi.  

---  

## 12. Kokkuvõte  

Saaredetektsioon ei ole enam staatiline, riistvarakeskne probleem. **AI Form Builder** võimaldab mikrovõrgu operaatoritel luua **reaalajas, kohanduva ja täielikult auditeeritava** detektsiooni‑ ja haldamissüsteemi, mis täidab rangelt ohutusstandardeid, maksimeerib taastuvenergia kasutamist ja vähendab operatiivseid kulusid. Madala koodiga, andme‑esimese filosoofia annab inseneridele võimaluse kiiresti iteratsiooni teha, uusi DER‑e sisse viia ja püsida arenevate võrgu‑eeskirjade ees, säilitades samal ajal arhitektuuri läbipaistvuse ja skaleeritavuse.  

---  

## Vaata ka  

- IEEE 1547 standard jaotus‑ ja interoperabiilsusnõuded jaotatud energiaressurssidele  
- [Edge AI for Power Systems: A Review of Recent Advances](https://ieeexplore.ieee.org/document/9876543)  
- [Open‑Source Microgrid Simulation with GridLAB‑D](https://www.gridlabd.org)  
- [Hyperledger Fabric for Immutable Energy Event Logging](https://www.hyperledger.org/use/fabric)