SGtech Research Showcase: Ep.8 Adaptive K-means clustering on load profiles and spatial patterns of distributed substations in Thailand.
งานวิจัยนี้มุ่งเน้นการประยุกต์ใช้ Adaptive K-means Clustering เพื่อจำแนกรูปแบบการใช้โหลดไฟฟ้าตลอด 24 ชั่วโมง ของสถานีไฟฟ้าย่อยระบบจำหน่าย 627 แห่งของการไฟฟ้าส่วนภูมิภาค (PEA) ในประเทศไทย การทำความเข้าใจพฤติกรรมการใช้ไฟฟ้าในระดับสถานีไฟฟ้าย่อยเป็นปัจจัยสำคัญในการบริหารจัดการระบบไฟฟ้าและวางแผนโครงสร้างพื้นฐาน
.
วิธีการที่นำเสนอการจัดกลุ่มรูปแบบของโหลดไฟฟ้า (Load Profile Clustering) มีวัตถุประสงค์เพื่อจำแนกสถานีไฟฟ้าย่อยที่มีคุณลักษณะการใช้พลังงานที่สอดคล้องกัน งานวิจัยนี้ได้ประยุกต์ใช้มาตรวัดระยะทางสองประเภท ได้แก่
1. Euclidean distance: มีประสิทธิภาพในการจัดกลุ่มตาม ขนาด (magnitude) ของปริมาณการใช้ไฟฟ้าโดยรวม
2. Cosine similarity: เหมาะสมสำหรับการจำแนกตาม รูปร่างและรูปแบบทางเวลา (shape and temporal patterns) ของการใช้โหลด
.
นอกจากนี้ ยังมีการเสนอตัวชี้วัดเพิ่มเติม (ASD, SDDS, และ ADA) เพื่อประเมินความสม่ำเสมอของรูปแบบการใช้โหลดไฟฟ้าภายในแต่ละกลุ่ม ผลการวิเคราะห์พบว่า จำนวนคลัสเตอร์ที่เหมาะสมที่สุด (K) สำหรับสถานีไฟฟ้าย่อยของ PEA คือ 4 ซึ่งสร้างความสมดุลระหว่างความเรียบง่ายและรายละเอียดเชิงลึกของข้อมูล
.
นอกจากนี้ผลการศึกษาแสดงให้เห็นว่ากลุ่มสถานีไฟฟ้าของ PEA มีการกระจายตัวที่แตกต่างกันในภูมิภาคต่าง ๆ ของประเทศไทย รูปแบบโหลดไฟฟ้าและภาคส่วนของผู้ใช้ไฟฟ้าที่หลากหลายในประเทศ ภาคกลางแสดงให้เห็นถึงความหลากหลายของความต้องการใช้ไฟฟ้าเนื่องจากภูมิทัศน์เมือง การค้า และอุตสาหกรรม ภาคเหนือและภาคตะวันออกเฉียงเหนือโดดเด่นด้วยลักษณะของรูปแบบโหลดไฟฟ้าที่เกี่ยวข้องกับพื้นที่ชนบทและเกษตรกรรมเป็นส่วนใหญ่ ภาคใต้แสดงให้เห็นถึงการผสมผสานระหว่างการใช้ไฟฟ้าที่เสถียรและความต้องการที่เพิ่มขึ้นอย่างค่อยเป็นค่อยไป ซึ่งอาจได้รับอิทธิพลจากที่อยู่อาศัย การค้า อุตสาหกรรม และกิจกรรมการท่องเที่ยว
.
ดังนั้นวิธีการจัดกลุ่มที่เหมาะสม ด้วยวิธีระยะห่างแบบยูคลิดหรือความคล้ายคลึงแบบโคไซน์ จึงเน้นย้ำถึงแง่มุมที่แตกต่างกันของข้อกำหนดและข้อมูล โดยเน้นที่ขนาดของโหลดไฟฟ้า หรือความคล้ายคลึงกันของรูปร่างและรูปแบบของโหลดไฟฟ้า ระยะห่างแบบยูคลิดเน้นที่ขนาดของโหลดไฟฟ้าโดยรวม ในขณะที่ความคล้ายคลึงแบบโคไซน์เน้นไปที่ความคล้ายคลึงกันในรูปร่างและรูปแบบของโหลดไฟฟ้า ข้อมูลเชิงลึกเหล่านี้มีความสำคัญอย่างยิ่งต่อการจัดการพลังงานแบบเฉพาะเป้าหมาย โปรแกรมประหยัดพลังงาน และกลยุทธ์การตอบสนองด้านโหลดไฟฟ้า และการวางแผนโครงสร้างพื้นฐานด้านไฟฟ้าของประเทศไทย
.
สามารถติดตามข้อมูลประเด็นอื่นๆ ได้ที่