מבוא

ההתקדמות המהירה של האינטרנט של הדברים (IoT) מעצבת מחדש את האופן שבו רשתות החשמל מנטרות, מבוקרות, ונשמרו. בין הטרנספורמציות המשפיעות ביותר הוא שיפור איסוף הנתונים והניתוח.יחידות מדידה Phasor (PMUs) היו ארוכות עמוד השדרה של מערכות ניטור רחב-שטח, אך שילוב טכנולוגיות IoT מדגימות באופן דרמטי את יכולותיהם.

הבנת נתונים Phasor ותפקידו הקריטי בפעילות גריידית

נתונים Phasor - ספציפית סינכררופס - מספק תמונה של זמן מסונכרן, נאמנות גבוהה של מצב חשמל של מערכת חשמל. המדידות האלה ללכוד את גודל וזווית שלב של מתח וגלי גל נוכחי בזמנים מדויקים, בדרך כלל באמצעות סינכרוניזציה GPS.המידע המתקבל מאפשר מפעילי רשת להתבונן התנהגות דינמית על פני קשרים נרחבים.

כיצד יחידות מדד Phasor לעבוד

מתח דגימות PMU וגלימות גל נוכחיות בשיעורים של 30 עד 120 דגימות לשנייה, הרבה יותר מהר מאשר מערכות SCADA מסורתיות.כל דגימה היא זמן-מוטבע מיקרו-שני, המאפשר השוואה של מדידות ממקומות מבוזרים גיאוגרפיים.ההנתונים המצטברים מזינים לתוך מקודמי נתונים phasor (PDCs) אשר מיישרים את המידע למרכזי בקרה.

מידע על Synchrophasor Data

נתונים של Synchrophasor תומכים ביישומים קריטיים, כולל:

  • (ב) ⁇ :0)Wide-area Monitoring Systems (WAMS): ויזואליזציה של 1:1 בזמן אמת של תנודות רשת והבדלים בזווית שלב.
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (FLT:0) גילוי ופוסטמורטמונים ניתוח: המחשה: נתונים ברזולוציה גבוהה מגלה את רצף ההפרעות כגון תקלות קו או טיולי גנרטור.
  • (ב) ,0)Model אימות: FLT:1 השוואת תגובות דינמיות נמדדות עם מודלים סימולציה משפרת את תכנון מערכת החשמל.

ללא נתונים phasor אמינים, מפעילי לא היו צריכים את הנראות הדרושה כדי למנוע כשלים מתקפלים או לשלב משאבים מתחדשים לסירוגין ביעילות.

האינטרנט של הדברים: פרדרגום חדש עבור גריד סינגסינג

IoT מרחיב את ההגעה של רשתות PMU על ידי הטמעת אינטליגנציה למכשירים בכל רמה של הרשת. PMUs מסורתי הם יקרים, מכשירים עמידים פרוסים בתת-תאימות עיקריים. גישות מונעות על ידי IoT להשתמש micro-PMUs בעלות נמוכה יותר, חיישנים חכמים, ומכשירי קצה כי להכפיל את צפיפות של נקודות מדידה ללא עלייה פרופורציונלית.

אדריכלות IoT עבור איסוף נתונים

מערכת טיפוסית של IoT-enabled phasor משלבת שלושה tiers:

  1. (ב) [15] ,917 ,9 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  2. (FLT:0) Communication Layer:FLT:1 פרוטוקולים כגון IEEE C37.118, DNP3 ו- MQTT מעבירים נתונים על סיבים, 5G, או רשתות LTE פרטיות כדי להבטיח שקיפות נמוכה.
  3. (FLT:0)Processing Layer:FLT:1 Edge שערים מבצעים סינון ראשוני ודחיסה, ולאחר מכן להעביר נתונים לפלטפורמות ניתוח מבוססות ענן עבור אחסון ולמידה של מכונה.

אדריכלות זו מאפשרת דרוג של עשרות ראשי ממשלה לאלפי – אפילו מאות אלפים – של מדידת נקודות על פני מעגלי הפצה ומשאבים מאחורי הקלעים.

שחזור נתונים בזמן אמת ואינטגרציה

IoT מאפשר זרימת נתונים רציפה, גבוהה באמצעות חישוב.לדוגמה, שירות מודרני פריסת PMUs מבוסס IoT יכול לצטט מעל מיליון נקודות נתונים לשנייה מעיר בינונית. העושר הזה של נתונים, כאשר משולב עם תחזית מזג אוויר, מחירי שוק אנרגיה ורשומות בריאות נכסים, פותח מודעות מצבית חסרת תקדים.

יתרונות מרכזיים של ניתוח IoT-Enable Phasor

הסינרגיה בין נתונים של IoT ו-phasor יוצרת יתרונות טרנספורמטיביים.

שיפור יכולת הרשת ותגובה בזמן אמת

עם IoT, מדידות phasor להגיע למרכזי בקרה עם שקיפות שנייה. המפעילים יכולים לזהות הפרדה זוויתית בין אזורים ליזום פעולות מתווך - כגון דור Redispatch או לשפוך לשפוך - לפני חוסר יציבות propagates. לדוגמה, במהלך הפרעה 2022 ב- Western Interconnection, רשתות PMU מבוזרות IoT זיהו הבדל של 5 מעלות שלב 3 שניות מוקדם יותר, המאפשר תגובה מוצלחת.

יעילות תפעולית והחלטות אוטומטיות - קבלת החלטות

פלטפורמות IoT משליכות את הניתוח של נתונים phasor. Machine Learning מודלים מאומן על זרמי סינכרון היסטוריים יכולים לסווג הפרעות בזמן אמת - ניתוק בין תקלה, אירוע מעבר, או שינוי עומס.זה מקטין את הנטל על שולחי אינטרנט וחתכים פירושו זמן לזהות חריגות מ דקות עד שניות.

תחזוקה חיזוי וניהול נכסים

נתונים Phasor חושפים חתימות עדינות של הפחתת ציוד.לדוגמה, מהפך שחווה עיוות פנימי מייצר הרמוניות נפרדות ב-phasor הנוכחי. IoT ניתוח יכול לגרום התראות שבועות לפני כישלון קטסטרופלי, המאפשר תחזוקה מבוססת מצב. אחד גדול כלי צפון אמריקה הרחיב את החיים של שינוי קצב של קידוד (ROF) מועברים על ידי 20% באמצעות תובנות חיזוי מהנתונים חיזוי.

סקאלהפול ועלויות-Effective Deployment

מבחינה היסטורית, עלויות ההתקנה של PMU היו אוסרות על ניטור ברמת ההפצה.IoT micro-PMUs, אשר עלות חלק מהיחידות המסורתיות ותקשרות על תשתיות אלחוטיות קיימות, להפוך את פריסה כלכלית. פרויקט טייס בקליפורניה לפרוס 200 מיקרו-PMUs על 12 kV התפלגות להאכיל עבור 250,000 $ - פחות מאשר העלות של התקנת ראש ממשלה חד-ת.

תגיות: IoT-Driven Phasor Systems

למרות הבטחתו, שילוב של IoT עם איסוף נתונים מפזורה מציג מספר אתגרים שיש לפתור עבור פעולה אמינה.

אבטחת סייבר ופרטיות נתונים

נתונים של Phasor הם קריטיים ליציבות הרשת; הפשרה שלה יכולה לאפשר התקפות שגורמות לשחורים.תקני IoT לעתים קרובות יש משאבים חישוביים מוגבלים, מה שהופך אותם פגיעים לניצול. Secureחול, הצפנה קלה (למשל, TLS 1.3), ועדכוני קושחה קבועים הם חיוניים.המכון הלאומי לתקנים וטכנולוגיה (NIST) IR 8316 מספק 316F:0 הדרכה של מכשיר אבטחת סייבר-Fitual FLT1 שניתן להתאים לרשתות 1U.

אמינות רשת וסובלנות

יישומים Synchrophasor דורשים שקיפות ⁇ - לעתים קרובות מתחת 50 מילישניות לפעולות בקרה תקנת.רשתות תקשורת IoT חייבות להבטיח איכות של שירות. גישות היברידיות באמצעות עמודות אחוריות סיבים אופטיים עבור תת-קרקעיות ו-5G עבור נודים ההפצה יכולים לענות על הצרכים האלה.עם זאת, אזורים כפריים עם קישוריות מוגבלת נשאר חידה; אינטרנט מבוסס לווייני ורשתות mesh הם פתרונות מתעוררים.

סטנדרט והתאמה

המערכת האקולוגית של PMU מסתמכת על תקן IEEE C37.118 עבור העברת נתונים מסנכרנטרופיה.מערכות IoT להוסיף פרוטוקולים כמו MQTT, OPC UA, ו- API RESTs.ללא אינטגרציה זהירה, סילופוס נתונים עולה.התוכנית של גרידיזציה (GMI) מעודדת את ה-APLT:0interoperability מסגרות FLT:1 אשר פוגעות בפרוטוקולים אלה.

כיוונים עתידיים: AI, Edge Computing, ומעבר

הגל הבא של חדשנות ידחוף את האינטליגנציה קרוב יותר למקור הנתונים וייישם ניתוח מתקדם לאוקיאנוס ההולך וגדל של מדידותphasor.

צוק Analytics עבור Low-Latency Processing

מכשירי מחשוב צוק המוצבים בתת-תאימות או אפילו על קטבים יכולים להפעיל אלגוריתמים קלים לניתוח באופן מקומי. זה מקטין את רוחב הפס הדרוש להעברת נתונים גולמית ומאפשר תגובה תת-מחזורית - לדוגמה, משיכת בנק קיבול בתוך 15 מ"מ שניות של גילוי מתח חבל סאג.ה.הפלטפורמת Jetson של NVIDIA ו-'s OpenNOkit של אינטל נבדקים עבור פריסה כזאת.

Machine Learning for Anomaly Detection and Predicting

מודלים מעמיקים של למידה, במיוחד רשתות עצביות אבולוציה וחדשניות, מצטיינים בזיהוי דפוס בנתונים של הגרלות זמן.חוקרים ב- IEEE Power & החברה לאנרגיה הפגינה כי מודלים מבוססי LSTM יכולים לחזות שולי יציבות transientיים 2-5 שניות לפני השימוש ב-Sנכרוןhrophasor קלטs.זה פותח חלון לפעולות בקרה טרום-מספקטיביות.

שילוב עם משאבי אנרגיה ממורמרים

עם הגידול הנפץ של השמש, הרוח ומחסן הסוללה, נתונים מחיישנים של IoT יהיה חיוני לניהול זרימת חשמל דו-כי-כי-כי-פיית. PMUs ניתן להתחבר לפקדים בלתי-מעצורים כדי להתאים את תפוקת הכוח השבירה בזמן אמת, שמירה על יציבות המתח.המחלקה האמריקאית של אנרגיה-FLT:0 SunShot InitiativeFLT פרויקטים בלתי-מתאים לשימוש בנתוני Sync-אפשרי ל-Aropraroper-AfLT-אפשרי-to-to-to-C.

מסקנה

הנישואין של אוסף נתונים של IoT ו-phasor הופכים ניטור רשת חשמל מפעילות פסיבית, נמוכה-resolution למערכת אינטליגנציה דינמית, גבוהה נאמנות גבוהה. על ידי מתן פריסות חיישן מסיבי, זרימת זמן בזמן אמת, וניתוח מתקדם, IoT מעצימה את מפעילי רשת האינטרנט כדי לראות הפרעות מוקדם יותר, להגיב מהר יותר, ותכנן יותר בטוח.