Original Title: Data Sources in Smart Grids: Sensors, Meters, and IoT Devices
Source: www.researchgate.net
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ប្រភពទិន្នន័យនៅក្នុងបណ្តាញអគ្គិសនីឆ្លាតវៃ៖ សេនស័រ ឧបករណ៍វាស់ស្ទង់ និងឧបករណ៍ IoT

ចំណងជើងដើម៖ Data Sources in Smart Grids: Sensors, Meters, and IoT Devices

អ្នកនិពន្ធ៖ Bamidele Matthew, Augustine Jason

ឆ្នាំបោះពុម្ព៖ 2022

វិស័យសិក្សា៖ Energy Systems and Smart Grids

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ តើការប្រមូល និងគ្រប់គ្រងទិន្នន័យនៅក្នុងបណ្តាញអគ្គិសនីឆ្លាតវៃ (Smart Grids) អាចដោះស្រាយបញ្ហាប្រឈមនៃប្រសិទ្ធភាពថាមពល ភាពជឿជាក់ និងការធ្វើសមាហរណកម្មថាមពលកកើតឡើងវិញដោយរបៀបណា? ឯកសារនេះរំលេចពីតួនាទី និងបញ្ហាប្រឈមនៃឧបករណ៍ប្រមូលទិន្នន័យក្នុងការធ្វើឱ្យប្រសើរឡើងនូវប្រតិបត្តិការបណ្តាញអគ្គិសនី។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះរៀបរាប់ពីទិដ្ឋភាពទូទៅនៃបច្ចេកវិទ្យា និងយន្តការប្រើប្រាស់ទិន្នន័យដែលជំរុញប្រតិបត្តិការបណ្តាញអគ្គិសនីឆ្លាតវៃ។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Wired Communication (Fiber Optics & PLC)
ការតភ្ជាប់បណ្តាញទំនាក់ទំនងតាមខ្សែ (Fiber Optics និង PLC)
មានកម្រិតបញ្ជូនទិន្នន័យខ្ពស់ (High Bandwidth) ភាពយឺតយ៉ាវទាប និងសុវត្ថិភាពខ្ពស់។ បច្ចេកវិទ្យា PLC អាចប្រើប្រាស់ខ្សែបណ្តាញអគ្គិសនីដែលមានស្រាប់ដើម្បីកាត់បន្ថយការចំណាយ។ ត្រូវការចំណាយខ្ពស់ក្នុងការដំឡើងហេដ្ឋារចនាសម្ព័ន្ធរូបវន្តថ្មី (សម្រាប់ Fiber Optics) និងមិនសូវស័ក្តិសមសម្រាប់តំបន់ដាច់ស្រយាលដែលពិបាកចូលទៅដល់។ ផ្តល់នូវស្ថិរភាព និងល្បឿនលឿនសម្រាប់ការបញ្ជូនទិន្នន័យបរិមាណច្រើនរវាងស្ថានីយរងនិងមជ្ឈមណ្ឌលគ្រប់គ្រងកណ្តាល។
Wireless Communication (5G, LoRaWAN, Mesh Networks)
ការតភ្ជាប់បណ្តាញទំនាក់ទំនងឥតខ្សែ (5G, LoRaWAN និង Mesh Networks)
ងាយស្រួលដំឡើងនៅតំបន់ដាច់ស្រយាល ចំណាយតិចលើហេដ្ឋារចនាសម្ព័ន្ធរូបវន្ត និងអាចគាំទ្រការតភ្ជាប់ឧបករណ៍ IoT ក្នុងចំនួនដ៏ច្រើនសន្ធឹកសន្ធាប់។ អាចរងការរំខានពីសញ្ញាផ្សេងៗ និងតម្រូវឱ្យមានការគ្រប់គ្រងថាមពលតឹងរ៉ឹងសម្រាប់ឧបករណ៍សេនស័រ (ដូចជាបច្ចេកវិទ្យា LPWAN ជាដើម)។ ជួយពង្រីកវិសាលភាពនៃការប្រមូលទិន្នន័យពីអ្នកប្រើប្រាស់ និងឧបករណ៍នៅចុងបណ្តាញ (Edge devices) បានយ៉ាងទូលំទូលាយ។
Cloud Computing vs Edge Computing
ការគណនាលើក្លោដ ធៀបនឹងការគណនានៅចុងបណ្តាញ
Cloud អាចផ្ទុកទិន្នន័យធំនិងវិភាគស៊ីជម្រៅដោយប្រើ AI/ML។ ចំណែក Edge ជួយកាត់បន្ថយភាពយឺតយ៉ាវ (Latency) និងអនុញ្ញាតឱ្យមានប្រតិកម្មរហ័សនៅកន្លែងផ្ទាល់។ Cloud ពឹងផ្អែកលើអ៊ីនធឺណិតខ្លាំង និងអាចមានហានិភ័យសុវត្ថិភាពទិន្នន័យ។ ចំណែក Edge មានកម្រិតលើសមត្ថភាពផ្ទុក និងការគណនាស្មុគស្មាញ។ ការរួមបញ្ចូលគ្នានៃបច្ចេកវិទ្យាទាំងពីរជួយឱ្យការសម្រេចចិត្តមានភាពរហ័សនៅមូលដ្ឋាន និងការវិភាគកម្រិតខ្ពស់នៅមជ្ឈមណ្ឌល។

ការចំណាយលើធនធាន (Resource Cost)៖ ឯកសារនេះមិនបានបញ្ជាក់ពីទំហំទឹកប្រាក់ជាក់លាក់នោះទេ ប៉ុន្តែបានរៀបរាប់ពីតម្រូវការហេដ្ឋារចនាសម្ព័ន្ធបច្ចេកវិទ្យាកម្រិតខ្ពស់សម្រាប់ការអនុវត្តបណ្តាញអគ្គិសនីឆ្លាតវៃ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ឯកសារនេះគឺជាការសិក្សាបែបរំលឹកឡើងវិញ (Review Paper) ដែលផ្តោតលើទិដ្ឋភាពទូទៅ និងស្តង់ដារបច្ចេកវិទ្យាសកល ដោយមិនបានប្រើប្រាស់ទិន្នន័យប្រជាសាស្ត្រ ឬទីតាំងភូមិសាស្ត្រជាក់លាក់ណាមួយឡើយ។ សម្រាប់ប្រទេសកម្ពុជា ការខ្វះខាតទិន្នន័យជាក់លាក់នេះមានន័យថា ការអនុវត្តពិតប្រាកដត្រូវគិតគូរយ៉ាងយកចិត្តទុកដាក់លើបរិបទក្នុងស្រុក ដូចជាកង្វះហេដ្ឋារចនាសម្ព័ន្ធអ៊ីនធឺណិតល្បឿនលឿននៅតំបន់ជនបទ និងការចំណាយលើការផ្លាស់ប្តូរឧបករណ៍ចាស់ៗ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

បច្ចេកវិទ្យានេះមានសក្តានុពលខ្ពស់ក្នុងការជួយធ្វើទំនើបកម្មវិស័យអគ្គិសនីនៅកម្ពុជា ជាពិសេសក្នុងការកាត់បន្ថយការបាត់បង់ថាមពល និងការកែលម្អស្ថិរភាពនៃការផ្គត់ផ្គង់។

សរុបមក ការអនុវត្តបណ្តាញអគ្គិសនីឆ្លាតវៃនៅកម្ពុជានឹងទទួលបានជោគជ័យ ប្រសិនបើចាប់ផ្តើមពីការធ្វើសមាហរណកម្មតាមដំណាក់កាល ដោយផ្តោតលើតំបន់ទីក្រុង និងការត្រួតពិនិត្យប្រភពថាមពលកកើតឡើងវិញជាមុនសិន។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. យល់ដឹងពីស្ថាបត្យកម្មប្រព័ន្ធ IoT និងអគ្គិសនី: ចាប់ផ្តើមសិក្សាពីមូលដ្ឋានគ្រឹះនៃឧបករណ៍ IoT ដោយអនុវត្តការតភ្ជាប់សេនស័រវាស់វ៉ុល និងចរន្តអគ្គិសនីខ្នាតតូចដោយប្រើប្រាស់ ArduinoRaspberry Pi
  2. អនុវត្តពិធីការទំនាក់ទំនង (Communication Protocols): រៀនសរសេរកូដដើម្បីបញ្ជូនទិន្នន័យពីសេនស័រទៅកាន់ម៉ាស៊ីនមេ ដោយប្រើប្រាស់ពិធីការទំនាក់ទំនងទម្ងន់ស្រាលដូចជា MQTT ក៏ដូចជាសាកល្បងជាមួយបណ្តាញ LoRaWANZigBee
  3. គ្រប់គ្រងនិងវិភាគទិន្នន័យខ្នាតធំ (Big Data): សិក្សាពីការរៀបចំ និងដំណើរការទិន្នន័យដែលប្រមូលបានដោយប្រើប្រាស់ប្រព័ន្ធមូលដ្ឋានទិន្នន័យ NoSQL និងឧបករណ៍វិភាគទិន្នន័យធំដូចជា Apache HadoopApache Spark
  4. ការសាកល្បងលើ Cloud Computing និង Machine Learning: បង្កើតគម្រោងសាកល្បង (Pilot Project) ដោយបញ្ជូនទិន្នន័យឡើងទៅកាន់សេវាកម្ម Cloud ដូចជា AWSGoogle Cloud Platform ហើយប្រើប្រាស់ក្បួនដោះស្រាយ Machine Learning ដើម្បីទស្សន៍ទាយតម្រូវការថាមពលនៅថ្ងៃបន្ទាប់។
  5. ស្វែងយល់ពីប្រព័ន្ធ SCADA និងសុវត្ថិភាពសាយប័រ: សិក្សាពីរបៀបដែលប្រព័ន្ធ SCADA ធ្វើការរួមបញ្ចូលជាមួយឧបករណ៍ IoT និងអនុវត្តវិធានការសុវត្ថិភាពទិន្នន័យ (Data Encryption) ដើម្បីការពារហេដ្ឋារចនាសម្ព័ន្ធពីការវាយប្រហារតាមអ៊ីនធឺណិត។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Smart Grids បណ្តាញអគ្គិសនីដែលប្រើប្រាស់បច្ចេកវិទ្យាឌីជីថល និងប្រព័ន្ធទំនាក់ទំនងទ្វេទិសដើម្បីត្រួតពិនិត្យ គ្រប់គ្រង និងធ្វើឱ្យប្រសើរឡើងនូវការផលិត ការចែកចាយ និងការប្រើប្រាស់អគ្គិសនីតាមពេលវេលាជាក់ស្តែង។ ដូចជាផ្លូវថ្នល់វៃឆ្លាតដែលអាចប្រាប់ពីការកកស្ទះចរាចរណ៍ និងបង្វែរទិសដៅយានយន្តដោយស្វ័យប្រវត្តិដើម្បីកុំឱ្យស្ទះ។
Predictive Maintenance ការវិភាគទិន្នន័យពីសេនស័រ (ដូចជាកម្តៅ ឬរំញ័រ) ដោយប្រើក្បួនដោះស្រាយដើម្បីទស្សន៍ទាយទុកជាមុនថាពេលណាគ្រឿងបរិក្ខារណាមួយនឹងខូចខាត ដើម្បីអាចបញ្ជូនជាងទៅជួសជុលបានទាន់ពេលវេលា។ ដូចជាការស្តាប់សំឡេងម៉ាស៊ីនឡានប្លែកៗ ហើយយកទៅជាងជួសជុលមុនពេលឡានខូចរលត់នៅកណ្តាលផ្លូវ។
Demand Response កម្មវិធីដែលគ្រប់គ្រងបណ្តាញអគ្គិសនីដោយលើកទឹកចិត្ត (តាមរយៈការបញ្ចុះតម្លៃ ឬបញ្ជាបិទឧបករណ៍ដោយស្វ័យប្រវត្តិ) ឱ្យអ្នកប្រើប្រាស់កាត់បន្ថយការប្រើប្រាស់អគ្គិសនីនៅម៉ោងដែលមានតម្រូវការខ្ពស់បំផុត។ ដូចជាការបញ្ចុះតម្លៃទំនិញនៅពេលព្រឹកដើម្បីឱ្យមនុស្សមកទិញនៅពេលនោះ ជៀសវាងការសម្រុកមកទិញនៅពេលល្ងាចដែលធ្វើឱ្យហាងចង្អៀតគ្មានកន្លែងដើរ។
Data Interoperability សមត្ថភាពនៃប្រព័ន្ធ និងឧបករណ៍ផ្សេងៗគ្នា (ទោះបីជាផលិតដោយក្រុមហ៊ុនផ្សេងគ្នាក៏ដោយ) ក្នុងការផ្លាស់ប្តូរទិន្នន័យ និងយល់ពីទិន្នន័យនោះយ៉ាងរលូនតាមរយៈស្តង់ដាររួមមួយ។ ដូចជាមនុស្សមកពីប្រទេសផ្សេងៗគ្នា ព្រមព្រៀងគ្នាប្រើប្រាស់ភាសាអង់គ្លេសជាភាសាកណ្តាលដើម្បីអាចនិយាយទាក់ទងគ្នាបានដោយមិនបាច់ប្រើអ្នកបកប្រែ។
SCADA ប្រព័ន្ធកុំព្យូទ័រដែលប្រើប្រាស់ដើម្បីប្រមូលទិន្នន័យពីឧបករណ៍នៅតាមទីតាំងផ្សេងៗក្នុងពេលជាក់ស្តែង និងអាចបញ្ជាគ្រប់គ្រងដំណើរការឧស្សាហកម្ម ឬហេដ្ឋារចនាសម្ព័ន្ធពីមជ្ឈមណ្ឌលកណ្តាល។ ដូចជាខួរក្បាលរបស់មនុស្សដែលទទួលព័ត៌មានពីញាណទាំង៥ រួចហើយបញ្ជាត្រឡប់ទៅវិញឱ្យសាច់ដុំធ្វើចលនា។
Edge Computing ការដំណើរការនិងវិភាគទិន្នន័យនៅក្បែរប្រភពដែលបង្កើតទិន្នន័យនោះផ្ទាល់ (ដូចជានៅលើឧបករណ៍សេនស័រតែម្តង) ជាជាងការបញ្ជូនទិន្នន័យទាំងអស់ទៅកាន់ Cloud ឆ្ងាយៗ ដើម្បីកាត់បន្ថយភាពយឺតយ៉ាវក្នុងការឆ្លើយតប។ ដូចជាការគិតលេខក្នុងខួរក្បាលខ្លួនឯងភ្លាមៗនៅកន្លែងទិញអីវ៉ាន់ ជាជាងត្រូវរត់ទៅយកម៉ាស៊ីនគិតលេខនៅផ្ទះមកគិត។
Phasor Measurement Units (PMUs) ឧបករណ៍វាស់ស្ទង់កម្រិតខ្ពស់ដែលវាស់វ៉ុលនិងចរន្តអគ្គិសនីយ៉ាងលម្អិតនិងលឿនបំផុត (ច្រើនដងក្នុងមួយវិនាទី) ជាមួយនឹងពេលវេលាច្បាស់លាស់ ដើម្បីតាមដានស្ថិរភាពនិងការពារការដាច់ចរន្តអគ្គិសនីទ្រង់ទ្រាយធំ។ ដូចជាកាមេរ៉ាសុវត្ថិភាពដែលអាចថតវីដេអូយឺតៗ (Slow-motion) ដើម្បីចាប់យករាល់ចលនាលម្អិតដែលភ្នែកមនុស្សមើលមិនទាន់។
Data Concentrators ឧបករណ៍កម្រិតកណ្តាលដែលប្រមូលទិន្នន័យពីសេនស័រឬម៉ែត្រភ្លើងជាច្រើន បញ្ចូលគ្នា និងចម្រាញ់ជាកញ្ចប់តែមួយ មុននឹងបញ្ជូនបន្តទៅកាន់ប្រព័ន្ធគ្រប់គ្រងកណ្តាល ដើម្បីសន្សំសំចៃទំហំបណ្តាញបញ្ជូន។ ដូចជាប្រធានភូមិដែលប្រមូលរបាយការណ៍ពីអ្នកភូមិម្នាក់ៗ រួចសរសេរជារបាយការណ៍សង្ខេបមួយផ្ញើទៅកាន់ចៅហ្វាយស្រុក ដើម្បីកុំឱ្យចៅហ្វាយស្រុកត្រូវអានសំបុត្ររាប់រយច្បាប់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖