Geospatial data science in increasing electric utility sustainabilitystability
1
Issued Date
2023
Copyright Date
2023
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xiv, 139 leaves
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (Ph.D. (Information Technology Management))--Mahidol University, 2023
Suggested Citation
Thanaporn Thitisawat Geospatial data science in increasing electric utility sustainabilitystability. Thesis (Ph.D. (Information Technology Management))--Mahidol University, 2023. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/115319
Title
Geospatial data science in increasing electric utility sustainabilitystability
Author(s)
Abstract
Electricity grid reliability is a major factor in economic development and social well-being around the world. Thailand’s electricity grid is one of the most reliable in the East Asia and Pacific region, but there is still a high disparity between central urban areas of Bangkok and provincial areas. While there are several possible reasons for this, one of the main causes is the different locations in installing the equipment. Therefore, geographic information systems (GIS) data was incorporated into a predictive model to predict failure of the electric power distribution equipment (transformers). This research developed a location-based predictive model of equipment failure for preventative maintenance scheduling and planning. This study focused on equipment-related failures, in which data regarding the equipment and outages from the Provincial Electricity Authority (PEA) were merged with GIS data from multiple sources, including data on elevation, weather, natural landmarks, and points of interest (POIs). The data were divided into four datasets, representing four of PEA’s operational regions. Feature selection was conducted using random forests (RF) and identified the main factors causing power supply failure in each region and in the country. These factors were confirmed by using structural equation modelling (SEM). Finally, logistic regression and RF regression analysis were applied to compare the effectiveness of predictive models for equipment failures. The outcomes showed that RF regression was more effective than logistic regression at estimating equipment failure. Equipment lifespan and electrical load during outage were significant predictors for equipment breakdown in all regions. Moreover, geographic features were significant predictors in each region, but these may vary by region. Thus, the study concluded that the developed approach could be used in preventative maintenance planning and some modifications may be needed based on regional characteristics, including geographic location and patterns of urbanization and industrialization. Implication of the thesis: The result of the study shows that location is a significant factor related to the deviation of equipment lifespan. It also helps predict equipment lifespan for each piece of equipment depending on the installation location. This study will lead to more effectiveness and efficiency in preventive maintenance planning as engineers can maintain or replace equipment before its failure. Thus, reducing power outage frequency and duration will also result in improving electricity reliability, which will reduce economic loss, increase the standard of living, and enhance the country’s reputation.
งานวิจัยฉบับนี้เป็นการศึกษาพัฒนา Model การคาดการณ์อายุการใช้งาน หรือการเสียของอุปกรณ์ไฟฟ้าในระบบจำหน่ายไฟฟ้า ที่ใช้ข้อมูลเชิงตำแหน่งเป็นตัวแปรหลัก เพื่อให้สามารถวางแผนและกำหนดเวลาการซ่อมบำรุงที่เหมาะสม เพื่อป้องกันความเสียหายที่จะเกิดขึ้นจากเหตุการณ์ไฟฟ้าดับ ความมั่นคงของระบบไฟฟ้ามีบทบาทสำคัญอย่างยิ่งต่อการพัฒนาเศรษฐกิจและความเป็นอยู่ที่ดีในสังคมของโลกปัจจุบัน โครงข่ายระบบไฟฟ้าของประเทศไทยถือได้ว่ามีความมั่นคงมากที่สุดแห่งหนึ่งในภูมิภาคเอเชียตะวันออกและแปซิฟิก อย่างไรก็ตามในประเทศไทยยังคงมีความเหลื่อมล้ำสูงในเรื่องความมั่นคงของระบบไฟฟ้า ระหว่างพื้นที่ใจกลางเมืองของกรุงเทพฯ กับพื้นที่ต่างจังหวัด ซึ่งอาจจะมาจากสาเหตุที่เป็นไปได้หลายประการ และหนึ่งในสาเหตุหลักคือ ความแตกต่างของตำแหน่งหรือพื้นที่ที่ติดตั้งอุปกรณ์ระบบไฟฟ้า ดังนั้น ข้อมูลเชิงตำแหน่ง หรือข้อมูลระบบสารสนเทศภูมิศาสตร์ (GIS Data) จึงได้รับการพิจารณานำมาใช้เป็นตัวแปรสำคัญในแบบจำลองการคาดการณ์ ร่วมกับข้อมูลอุปกรณ์ไฟฟ้า เพื่อใช้คาดการณ์อายุการใช้งานของอุปกรณ์จ่ายไฟ (หม้อแปลงจำหน่าย)การศึกษานี้มุ่งเน้นไปที่การเสียของอุปกรณ์ที่เป็นหนึ่งในสาเหตุหลักของการเกิดไฟฟ้าดับในประเทศไทย โดยได้นำข้อมูลอุปกรณ์ไฟฟ้าและข้อมูลไฟฟ้าดับจากการไฟฟ้าส่วนภูมิภาค (PEA) มาใช้เป็นตัวแปรร่วมกับข้อมูล GIS ซึ่งได้มาจากหลายแหล่ง ประกอบด้วย ข้อมูลชั้นความสูง ข้อมูลสภาพอากาศ ข้อมูลสถานที่สำคัญทางธรรมชาติ และข้อมูลสถานที่สำคัญ (POI) โดยในการศึกษานี้จะแบ่งชุดข้อมูลออกเป็น 4 ชุดข้อมูล ซึ่งเป็นตัวแทนของ 4 ภูมิภาคภายใต้การกำกับดูแลของ กฟภ. โดยเลือก Feature Selection ด้วยเทคนิค Random Forest เพื่อให้ได้ชุดตัวแปรสำคัญที่มีผลต่อการเสียของอุปกรณ์มากที่สุดสำหรับแต่ละภูมิภาค และสำหรับพื้นที่ทั้งประเทศ โดยตัวแปรเหล่านี้ได้รับการยืนยันความสำคัญอีกครั้งด้วยการประมวลผลของ Structural Equation Modelling (SEM) และเมื่อได้ตัวแปรสำคัญที่มีผลต่อการเสียของอุปกรณ์จ่ายไฟแล้ว Logistic regression และ Random Forest Regression จะประมวลผลการคาดการณ์อายุการใช้งานของอุปกรณ์เพื่อเปรียบเทียบประสิทธิภาพของทั้งสอง Modelผลลัพธ์แสดงให้เห็นว่า Random Forest Regression มีประสิทธิภาพดีกว่า Logistic Regression ในการประเมินอายุการใช้งานของอุปกรณ์ จากการวิจัยพบว่า อายุของอุปกรณ์และภาระโหลดการใช้งาน ณ ขณะเวลาที่เกิดเหตุการณ์ไฟฟ้าดับ เป็นตัวแปรที่สำคัญในการคาดการณ์การเสียของอุปกรณ์สำหรับในทุกภูมิภาค และตัวแปรข้อมูลเชิงตำแหน่งก็เป็นตัวแปรที่สำคัญ แต่มีความแตกต่างกันไปในแต่ละภูมิภาค ดังนั้น การศึกษาวิจัยนี้จึงสรุปได้ว่าแนวทางที่พัฒนาขึ้น สามารถนำไปใช้ในการวางแผนการซ่อมบำรุงอุปกรณ์ไฟฟ้าในแต่ละภูมิภาคเพื่อป้องกันการเกิดไฟฟ้าดับ โดยการปรับเปลี่ยนตัวแปรที่เหมาะสมสำหรับในแต่ละภูมิภาค รวมทั้งตัวแปรเชิงพื้นที่หรือตัวแปรข้อมูลทางภูมิศาสตร์ตามลักษณะเฉพาะของแต่ละพื้นที่ ไม่ว่าจะเป็นในเขตเมืองหรือเขตอุตสาหกรรมก็ตาม การนำผลของวิทยานิพนธ์ไปใช้: ผลการวิจัยชี้ให้เห็นว่า Location เป็นปัจจัยที่มีผลต่อการเสียของอุปกรณ์ในระบบจำหน่ายไฟฟ้าอย่างมีนัยสำคัญ และจากผลการวิจัยยังได้ Model ที่สามารถคาดการณ์อายุการใช้งานของอุปกรณ์ในระบบจำหน่ายไฟฟ้า ซึ่งจะช่วยให้วางแผนการซ่อมบำรุงหรือเปลี่ยนทดแทนก่อนที่อุปกรณ์จะเสีย เพื่อป้องกันการเกิดเหตุการณ์ไฟฟ้าดับ ส่งผลให้โครงข่ายระบบจำหน่ายไฟฟ้ามีความมั่นคงและมีเสถียรภาพมากยิ่งขึ้น ช่วยลดความสูญเสียทางเศรษฐกิจของประเทศ ช่วยเพิ่มความพึงพอใจให้กับผู้ใช้ไฟฟ้า และยังช่วยเสริมภาพลักษณ์ด้านความพร้อมของโครงสร้างพื้นฐานของประเทศอีกด้วย
งานวิจัยฉบับนี้เป็นการศึกษาพัฒนา Model การคาดการณ์อายุการใช้งาน หรือการเสียของอุปกรณ์ไฟฟ้าในระบบจำหน่ายไฟฟ้า ที่ใช้ข้อมูลเชิงตำแหน่งเป็นตัวแปรหลัก เพื่อให้สามารถวางแผนและกำหนดเวลาการซ่อมบำรุงที่เหมาะสม เพื่อป้องกันความเสียหายที่จะเกิดขึ้นจากเหตุการณ์ไฟฟ้าดับ ความมั่นคงของระบบไฟฟ้ามีบทบาทสำคัญอย่างยิ่งต่อการพัฒนาเศรษฐกิจและความเป็นอยู่ที่ดีในสังคมของโลกปัจจุบัน โครงข่ายระบบไฟฟ้าของประเทศไทยถือได้ว่ามีความมั่นคงมากที่สุดแห่งหนึ่งในภูมิภาคเอเชียตะวันออกและแปซิฟิก อย่างไรก็ตามในประเทศไทยยังคงมีความเหลื่อมล้ำสูงในเรื่องความมั่นคงของระบบไฟฟ้า ระหว่างพื้นที่ใจกลางเมืองของกรุงเทพฯ กับพื้นที่ต่างจังหวัด ซึ่งอาจจะมาจากสาเหตุที่เป็นไปได้หลายประการ และหนึ่งในสาเหตุหลักคือ ความแตกต่างของตำแหน่งหรือพื้นที่ที่ติดตั้งอุปกรณ์ระบบไฟฟ้า ดังนั้น ข้อมูลเชิงตำแหน่ง หรือข้อมูลระบบสารสนเทศภูมิศาสตร์ (GIS Data) จึงได้รับการพิจารณานำมาใช้เป็นตัวแปรสำคัญในแบบจำลองการคาดการณ์ ร่วมกับข้อมูลอุปกรณ์ไฟฟ้า เพื่อใช้คาดการณ์อายุการใช้งานของอุปกรณ์จ่ายไฟ (หม้อแปลงจำหน่าย)การศึกษานี้มุ่งเน้นไปที่การเสียของอุปกรณ์ที่เป็นหนึ่งในสาเหตุหลักของการเกิดไฟฟ้าดับในประเทศไทย โดยได้นำข้อมูลอุปกรณ์ไฟฟ้าและข้อมูลไฟฟ้าดับจากการไฟฟ้าส่วนภูมิภาค (PEA) มาใช้เป็นตัวแปรร่วมกับข้อมูล GIS ซึ่งได้มาจากหลายแหล่ง ประกอบด้วย ข้อมูลชั้นความสูง ข้อมูลสภาพอากาศ ข้อมูลสถานที่สำคัญทางธรรมชาติ และข้อมูลสถานที่สำคัญ (POI) โดยในการศึกษานี้จะแบ่งชุดข้อมูลออกเป็น 4 ชุดข้อมูล ซึ่งเป็นตัวแทนของ 4 ภูมิภาคภายใต้การกำกับดูแลของ กฟภ. โดยเลือก Feature Selection ด้วยเทคนิค Random Forest เพื่อให้ได้ชุดตัวแปรสำคัญที่มีผลต่อการเสียของอุปกรณ์มากที่สุดสำหรับแต่ละภูมิภาค และสำหรับพื้นที่ทั้งประเทศ โดยตัวแปรเหล่านี้ได้รับการยืนยันความสำคัญอีกครั้งด้วยการประมวลผลของ Structural Equation Modelling (SEM) และเมื่อได้ตัวแปรสำคัญที่มีผลต่อการเสียของอุปกรณ์จ่ายไฟแล้ว Logistic regression และ Random Forest Regression จะประมวลผลการคาดการณ์อายุการใช้งานของอุปกรณ์เพื่อเปรียบเทียบประสิทธิภาพของทั้งสอง Modelผลลัพธ์แสดงให้เห็นว่า Random Forest Regression มีประสิทธิภาพดีกว่า Logistic Regression ในการประเมินอายุการใช้งานของอุปกรณ์ จากการวิจัยพบว่า อายุของอุปกรณ์และภาระโหลดการใช้งาน ณ ขณะเวลาที่เกิดเหตุการณ์ไฟฟ้าดับ เป็นตัวแปรที่สำคัญในการคาดการณ์การเสียของอุปกรณ์สำหรับในทุกภูมิภาค และตัวแปรข้อมูลเชิงตำแหน่งก็เป็นตัวแปรที่สำคัญ แต่มีความแตกต่างกันไปในแต่ละภูมิภาค ดังนั้น การศึกษาวิจัยนี้จึงสรุปได้ว่าแนวทางที่พัฒนาขึ้น สามารถนำไปใช้ในการวางแผนการซ่อมบำรุงอุปกรณ์ไฟฟ้าในแต่ละภูมิภาคเพื่อป้องกันการเกิดไฟฟ้าดับ โดยการปรับเปลี่ยนตัวแปรที่เหมาะสมสำหรับในแต่ละภูมิภาค รวมทั้งตัวแปรเชิงพื้นที่หรือตัวแปรข้อมูลทางภูมิศาสตร์ตามลักษณะเฉพาะของแต่ละพื้นที่ ไม่ว่าจะเป็นในเขตเมืองหรือเขตอุตสาหกรรมก็ตาม การนำผลของวิทยานิพนธ์ไปใช้: ผลการวิจัยชี้ให้เห็นว่า Location เป็นปัจจัยที่มีผลต่อการเสียของอุปกรณ์ในระบบจำหน่ายไฟฟ้าอย่างมีนัยสำคัญ และจากผลการวิจัยยังได้ Model ที่สามารถคาดการณ์อายุการใช้งานของอุปกรณ์ในระบบจำหน่ายไฟฟ้า ซึ่งจะช่วยให้วางแผนการซ่อมบำรุงหรือเปลี่ยนทดแทนก่อนที่อุปกรณ์จะเสีย เพื่อป้องกันการเกิดเหตุการณ์ไฟฟ้าดับ ส่งผลให้โครงข่ายระบบจำหน่ายไฟฟ้ามีความมั่นคงและมีเสถียรภาพมากยิ่งขึ้น ช่วยลดความสูญเสียทางเศรษฐกิจของประเทศ ช่วยเพิ่มความพึงพอใจให้กับผู้ใช้ไฟฟ้า และยังช่วยเสริมภาพลักษณ์ด้านความพร้อมของโครงสร้างพื้นฐานของประเทศอีกด้วย
Degree Name
Doctor of Philosophy
Degree Level
Doctoral degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University