גילויים במערכות ניהול אנרגיה חכמות

Smart Grid Fault Detection for Energy Management Professionals

מערכות ניהול אנרגיה חכמות ברשת חכמה (EMS) תלויות במעקב בזמן אמת, תקשורת דו-זמנית, ושליטה אוטומטית לאיזון היצע וביקוש, שילוב מקורות מתחדשים, ושמירה על איכות הכוח.אך אפילו ה-EMS המתוחכמות ביותר יכול להיכשל אם מנגנוני זיהוי תקלות איטיים, גילויי ראייה או מוצפת על ידי זיהוי רשת מקוונת מתקדמת, מאפשר זיהוי מוקדם של מערכות הגנה מפני מחלות מהירות - כאשר קו יורד, ממערכות אבטחה מתקדמות, או עיוותים של אבטחה מתקדמות, מאפשר זיהוי רשת מתקדמות, ועיוותים של מערכות אבטחה מתקדמות, ועיוותים של מערכות אבטחה מתקדמות, ופעולות מתקדמות, ופעולות אבטחה מהירות, מאפשר זיהוי רשת מתקדמות, ועיוותים של מערכות אבטחה מהירות של מערכות אבטחה מתקדמות, ופעולות אבטחה מתקדמות, מאפשר זיהוי רשתיות של מערכות אבטחה מתקדמות, ופעולות מתקדמות, ופעולות מתקדמות של מערכות אבטחה מהירות של מערכות אבטחה מתקדמות, ופעולות אבטחה מהירות, ופעולות אבטחה מתקדמות, מאפשר זיהוי רשת מתקדמות, ופעולות מתקדמות, ופעולות מתקדמות של מערכות אבטחה מתקדמות, ופעולות אבטחה מהירות, מאפשר זיהוי רשת מתקדמות של מערכות אבטחה מהירות, ופעולות אבטחה מתקדמות, ופעולות אבטחה מתקדמות, מאפשר זיהוי רשתיות של מערכות אבטחה מהירות, ופעולות אבטחה מתקדמות, מאפשר זיהוי רשת מתקדמות, מאפשר זיהוי רשתיות של מערכות אבטחה מהירות,

מדוע גילוי לקוי אינו ניתן להשגה עבור רשתות חכמות

במערכות חשמל מסורתיות, תקלות - מעגלים קצרים, תקלות קרקעיות, מעגלים פתוחים, או כשלים בציוד - מטופלים על ידי הודעות אלקטרו-מכאניות ששוטפות לאחר גילוי תנאים שוטפים.בעוד יעיל, מערכות אלה היו איטיות, חסרות גרפיטי, ולעתים קרובות נדרש התערבות ידנית כדי לאתר ולפתור את הבעיה.

ההשלכות של גילוי לקוי של תקלות להאריך מעבר לזמן האחרון. A אשמה כי לא מבודד במהירות יכול קשקייד, טיול קווים מרובים גנרטורים, מוביל להיקף נרחב של ציוד נזק מזרםי תקלות מתמשך (arc פלאש, לחץ תרמי) יכול להרוס משתנים יקרים מתגנגאר. ועם משאבי אנרגיה מבוזרים (DERs) כגון אנרגיה סולארית, רוח, אחסון סוללות בעוצמת מנקודות רבות, מרפאות יכולות לבלבל את התקני הגנה גבוהים, חסימתיים, חסימתיים, חסימתיים, חסימתיים, חסימת הגנה יציבה, חסימתיים, והגנתיים, חסימתיים, חסימתיים, חסימתיים, חסימתיים, חסימתיים, חסימתיים על כלכלות מודרניות, שמירה על כלכלות מודרניות, שמירה על תכונות יציבות.

סוגים של Faults in Smart Grid Distribution and Transmission

תקלות ברשת חשמלית מסווגות בדרך כלל על ידי מספר השלבים המעורבים ואת הדרך שלהם לקרקע:

(FLT:0)Line-to-ground (SLG): ⁇ F1) הסוג הנפוץ ביותר של אשמה, הנגרמת לעתים קרובות על ידי ברק, מגע עץ, או כישלון בידוד. במערכות מוטבעות מוצקות, SLG פגמים לייצר זרמים גבוהים; במערכות סודיות, זרמים הם נמוכים יותר, מה שהופך יותר קשה.
(ב) [ה]העיקרון [ה] [ב]] [ה]] [ה]] [ה]] [ה]]] [ה]]] [ה]]]]] [ה]]]], שתי תקופות קצרות [ברוח גבוהה], הן פחות תכופות, אך הן עלולות לגרום לחוסר איזון חמור של מתח.
(ב) [ה]] [ה]] [ה]], [ה], [ה], [ה], [ה]], [ה], [ה], [ה]]]], [ה], [ה], [ה], [ה], [ה], [ה]]]], [התחילה [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה]]]] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה] [ה]]]]] [ה] [ה]]] [ה] [ה] [ה] [ה] [ה] [ה] [ה]]]] [ה] [ה] [ה] [ה] [ה] [ה]]] [ה] [ה]] [ה] [ה]]]]] [ה] [ה] [ה] [ה] [ה]]]]]]]]] [ה]]]]]]] [ה[ה]
(ב) [ה] [ה] שלוש-פאוזה (LLL or LLLGear:FLT] 1 הדבר הנדיר ביותר אך החמור ביותר, מאוזן בכל שלושת השלבים.
(FLT:0)I לסירוגין / כישלונות גבוהה-היתר: ⁇ FLT (במקרים רבים בשל מגע מוליך עם משטח התנגדות גבוהה (למשל, גוף עץ על חוט חשוף) יכול להיות נמוך מדי לנסיעות ממסרים מקבילים, הדורש שיטות זיהוי מיוחדות (למשל, ניתוח הרמוני, גלות משנה).

ברשתות חכמות, תקלות יכולות גם להיות "רך" כשלים - קישורים תקשורת טיפות, סחף חיישן, או מעכבי בידוד מתח לא משתבשים. בעוד שלא מעגלים קצרים חשמליים, אלה אנומליות חייב להיות מזוהה ותיקונים כדי לשמור על ביצועי EMS הכוללים.

שיטות ליבה לגילוי חכם של ניהול אנרגיה

אינטגרציה הגנה קלאסית ו-SCADA

קו ההגנה הראשון נשאר מכשירים אלקטרוניים אינטליגנטיים (IEDs) כגון מערכת בקרה ובקרה עדכנית, ומרחק הודעות.ברשת חכמה, הודעות אלה מבוססות מיקרו-מעבדים ומתקשרות עם מערכת בקרה מרכזית ורכישת נתונים (SCADA) באמצעות פרוטוקולים כגון IEC 61, DNP3, או Modbus. Fault Data (נוכחי, מתח, מדידות phasor) הוא זמן באמצעות פילטרים להגדרות מדויקות של GPS, אשר יכולות לזהות תקלות, או לתקן הגדרות הגנה על ידי בדיקות.

כתובת: WAVE Fault Location

עבור קווי שידור, שיטות גלי נסיעה להשתמש במהירות של גלים אלקטרומגנטיים כדי לזהות תקלות בתוך כמה מטרים. כאשר מתרחשת תקלה, התמוטטות מתח מייצרת גל כי propagates בשני הכיוונים לאורך הקו. חיישנים בשני הקצוות להקליט את זמן ההגעה של הגל; ההבדל בגלי הגל מניב את המרחק לשבר.טכניקה זו הוא מהיר ומדויק מאוד, אבל דורש במהירות גבוהה דגימה (Mpoint) ושפל זמן מדויק יותר ויותר על גבי קווי תיקון זמן.

מיקום Fault Location

נפוץ יותר ברשתות ההפצה, שיטות מניעה לחשב את המרחק לאשמה על ידי מדידה של הדחף לכאורה לראות על ידי הודעה במהלך האשמה.שימוש טרום-פוזה ומתח אשמה / phasors עכשווי, הממסר מעריך את אורך קו עד נקודת השגיאה. אתגרים כוללים השפעות של התנגדות אשמה (במיוחד בפגמים של פסיקות גבוהה), שינויים ברשת עקב DERs, ועומסים על שיפור של יחידות מרובות (ממדנפסדפסים) ללא תקלות.

עיבוד Wavelet Transform and Signal Processing

אותות Fault מכילים טרנסים גבוהים כי ניתוח פורייה קונבנציונלי יכול להחמיץ.הגל הופך את decompose לרכיבים של זמן- ⁇ , המאפשר זיהוי של שינויים פתאומיים (הדורות) האופייניים לפגמים. אלגוריתמים מבוססי גלים יכולים לזהות את תחילתו של התקף הנוכחי בתוך שבריר של מחזור, הבחנה בין אירועים לבין שינוי נורמלי, ותמצית עבור גישה זו יעילה במיוחד עבור תקלות מיקרו-סרפסנטיות גבוהה.

Machine Learning ו-Artificial Intelligence for Predictive Fault Detection

מודלים של למידת מכונות (ML) משנים את זיהוי שגיאות על ידי למידה דפוסי התנהגות רגילים מזרמים היסטוריים ומציאותיים מסיביים של נתונים. מודלים על-ידי Supervised (למשל, תמיכה מכונות וקטורות, יערות אקראיים, רשתות עצביות אבולוציה) מאומן על תקלות מתוויות ונתוני מזג אוויר לא-fault כדי לסווג אירועים כמו נורמלי, הפרעה או תקלות.

יישומים מרכזיים כוללים:

(ב) ⁇ :0) גילוי אשמה של התנגדות גבוהה: ניב 1 (Nuralרשתות נילי) לומד את החתימות ההרמוניות והתבניות המתפתלות שמבדילות את פגם מגע העץ מהחלפת קיבולטור.
(FLT:0Microgrid Islanding Detection: FIRLT:1 ML מודלים להבחין האי מכוון מאי המושרה על ידי ניתוח קצב שינוי - של שינוי ושינויים שלב המתח.
(FLT:0) תחזוקה מוקדמת: FLT:1 רשתות עצביות חוזרות ונשנות (LSTM) נתוני חיישן מגמה (זמן, רטט, לחץ גז) לחיזוי משנה או כישלון שובר מעגל, התערבות מהירה לפני הופעת הזיעה.

לקריאה נוספת על יישומי ML במערכות חשמל, ראה עסקאות על Power SystemssFLT:1 ו-FLT:2 מערכות חשמל אתריות מחקר מערכות מחקר LT 3

צוק עבור Real-Time Fault Analytics

העברת כל דגימות הגלם מאלפי חיישנים למרכז ענן או מרכזי בקרה היא בלתי מעשית בשל מגבלות לב ופס רוחב פס. Edge מחשוב מביא עיבוד נתונים - סינון, מיצוי תכונה, סיווג ראשוני - ישירות ל substation או מכשירים קטנטנים. לדוגמה, חיישן אינטליגנטי פועל רשת עצבית קל-מהפכניתקלית יכול לזהות בזק בתוך מ"מ לשנייה ולשלוח רק תגובה ברמה גבוהה ל- EMS אבודה.

אתגרים ב Smart Grid Fault Detection

למרות ההתקדמות הטכנולוגית, כמה מכשולים מונעים זיהוי אשמה להיות אמין לחלוטין:

(FLT:0Volume andמגוון של נתונים: FIRLT:1 ; A יחיד שימושי יכול לייצר terabytes של זמן-סדרה נתונים ליום מ PMUs, מ"ח חכם" ו- DER בקרים. אחסון יעיל, ריפוי, עיבוד בזמן אמת דורש ארכיטקטורות נתונים חזקים (אגמים, מנועי עיבוד) והנדסת תכונות זהירה כך מודלים לא לטבוע ברעש.
(FLT:0) חיובי חיובי ושלילים כוזבים: אנדרל 1 (Irph 1) רגיש יתר על המידה יכול לגרום נסיעות פורצות מיותרות, גרימת OUTS ללא צורך ללבוש על ציוד. מצד שני, תקלות מפספסות יכולות להוביל לכשלים קטסטרופליים.
(FLT:0) אינטגרציה של מקורות נתונים הטרוגניים: FLT:1 Legacy אלקטרומכניקה, ממסרים דיגיטליים מודרניים, חיישני IoT, משככי מזג אוויר ומערכות ניהול צד שלישי כל דבר פרוטוקולים שונים ויש להם שיעורי דגימה שונים.
(FLT:0) סיכוני אבטחת מידע: FLT:1ir זיהוי מערכות הם מאובטחים כמו הקשר החלש ביותר שלהם.אם תוקף יכול להזריק מתח כוזב / קריאה עכשווית (התקפה על נתונים) או עיכובים אזעקה (עם שירות), הם יכולים לגרום לשיתוף פעולה שגוי או מסיכה של תקלות אבטחה ברמה גבוהה - תקשורת מוצפנת, זיהוי סימפט עבור תנועה SCADA, אימות של מערכת אבטחה חכמה ו-NF2 (N)
(FLT:0) ,Dynamic טופology עם DERs:03: 1 כאשר לקוחות להתקין גג השמש, מטען רכב חשמלי ואחסון סוללות, התנהגות לקויה של הרשת משתנה. זרמי Fault כבר לא לזרום רק מן תת-התחכמה בחוץ; הם יכולים להגיע מנקודות מרובות, כולל מ DERs המבוססים על שגרה של 1.2-1.5x ללא כלמין על פני מערכת הגנה אמיתית חייב להיות מתואם עם מערכות הגנה אמיתית.

טכנולוגיות מתפתחות וכיוונים עתידיים

תאומים דיגיטליים ל-Fault Simulation and Detection

תאום דיגיטלי של הרשת - נאמנות גבוהה, העתק וירטואלי בזמן אמת - חברות המפעילות לדמות תרחישים פגומים, הגדרות הגנה במבחן, ולנהל "מה אם" ניתוחים ללא השפעה על פעולות חיים.כאשר מתרחשת למעשה, התאום הדיגיטלי יכול להשוות ערכים נמדדים נגד סימולציה של אלה שעברו אופטימיזציה כדי לזהות את הסוג והמיקום הסביר ביותר.

5G ו- Ultra-Reliable Low-Latency תקשורת

טכנולוגיות תקשורת אלחוטיות כמו 5G מציעות את השקיפות הנמוכה (sub-10 ms) ואמינות גבוהה הנדרשת לזיהוי שגיאות כיתה וטיול. עם שידור רשת, שירותים יכולים להקדיש רשת וירטואלית עבור אותות קריטיים של משימות, עצמאי של התנועה לצרכנים. 5G תומך גם פריסות IoT מסיביות, המאפשר חיישנים בעלות נמוכה על כל קוטבי ומאוחר יותר ניסויים שדה התעופה הפגינו שגיאות מהירות על מיקום 5G עם דיוק דומה קישורים אופטיים.

למידה מבוססת פרטיות ו-Preworth Analytics

חברות שירות אינן מעוניינות לשתף את צריכת הלקוחות המפורטת או נתונים פגומים על פני גבולות ארגוניים.למידה פדרנד מאפשרת למודלים של ML להיות מאומן בשיתוף פעולה - כל כלי רכב ממעבד מודל מקומי על הנתונים שלו, ורק פרמטרים מודל (לא נתונים גולמיים) משותפים עם שרת מרכזי כדי לצבור שיפורים.גישה זו יכולה לבנות מודלים זיהוי לקויים חזקים המנצלים נתונים ממגוון רחב של כלי רכב תוך שמירה על נתונים ופרטיות ומגבלות רגולטוריות.

רשתות חימום עצמי ושיקום אוטונומי

המטרה הסופית היא רשת שיכולה לזהות, לבודד ולשחזר את השירות לאחר תקלה עם התערבות אנושית מינימלית.היום, מערכות ניהול הפצה מתקדמות (ADMS) כבר תמיכה עצמית באמצעות מיקום אוטומטי, בידוד, שיקום שירות (FLISR) על ידי שילוב של קידודים אינטליגנטיים, מקטעים וקשורים עם אלגוריתמים זיהוי תקלות, המערכת יכולה לשנות את הרשת לאספקת חלקים בריאים ממקרי החיזוי עתידי של UCC.

המלצות מעשיות לצוותי ניהול אנרגיה

יישום מערכת זיהוי תקלות חזקה דורש גישה מגובשת:

(FLT:0) Audit קיים הגנה וניטור:FreaLT:1 Map all ממסרים, PMUs, חיישנים ופרוטוקולים תקשורת.זהה פערים כיסוי, במיוחד על מטרות ותחומים עם חדירה גבוהה.
(FLT:0) Invest בתשתיות נתונים מהירות גבוהה:BuildFLT:1 ; Deploy time-synchronized PMUs ב- key nodes (substations, DER גדול חיבורים) , להבטיח שמערכות SCADA יכולות למקם ולאחסן נתונים גלפורים בשיעורי דגימה מתאימים.
(FLT:0)Start with Hybrid analytics:FLT:1hil) השתמש בשיטות אימפולס קלאסיות ותהליכי הגלים למסע לשיפורים מיידיים, ולאחר מכן שכבת מודלים של ML עבור תקלות של פיתוי גבוה ותחזוקה חיזוי.
(FLT:0) מחשוב קצה קצה עבור מעגלים קריטיים: IRLT:1 , מעבדי קצה עומק על להאכיל עם סיכון גבוה של תקלות (למשל, כבלים תת-קרקעיים, אזורי פיה-פרון של שריפות).
(FLT:0)Drive תוכנית אבטחת סייבר: 1.FLT 1 נדרש תקשורת מוצפנת לכל ה- IED, לאכוף גישה מבוססת תפקידים עבור משתמשי EMS, ולנהל בדיקות חדירה סדירות על צינורות הנתונים זיהוי תקלות.
(FLT:0) באופן עקבי ועדכון: התנהגות Fault 1 (Fault) משתנה כאשר הרשת מתפתחת.זמנה מחדש תקופתית של מודלים של ML עם נתונים חדשים, ולבחון הגדרות הגנה עם קבוצות הנדסיות לאחר כל אירוע מרכזי.

מסקנה

גילוי Fault במערכות ניהול אנרגיה חכמות מתקדם הרבה מעבר להודעות פשוטות יותר.גישה של היום משלבת חיישנים במהירות גבוהה, מדידות מסונכרנות זמן, עיבוד אותות מתקדם, למידת מכונה, ומחשוב קצה כדי לזהות ולאתר תקלות עם מהירות ודיוק חסר תקדים, בעוד אתגרים נשארים - נתונים יתר על המידה, אזעקות שווא, אבטחת סייבר, והתאמה לדרסס - טכנולוגיות מאוזניות כגון תת- 5G, ו-ידי למידה מקיפה יותר, היא מספקת, כלומר, לא מספקת שיטות למידה, היא יעילה יותר, כלומר, לא מספקת, היא מערכת אבטחה, היא מספקת, היא מספקת, היא מספקת, כלומר, היא יעילה יותר, כלומר, היא מספקת, היא פתרונות אבטחה, כלומר, כלומר, כלומר, היא מספקת, היא מספקת, עבור שיטות אבטחה, כלומר, כלומר, שיטות אבטחה, שיטות אבטחה, שיטות אבטחה, עבור שיטות אבטחה, עבור שיטות למידה, שיטות אבטחה, שיטות אבטחה, שיטות אבטחה, כלומר, כלומר, לא זמין, שיטות אבטחה, יעיל יותר, יעיל יותר, שיטות אבטחה, עבור שיטות אבטחה, תוכניות אבטחה, תוכניות אבטחה, תוכניות אבטחה, עבור שיטות למידה, לא זמין, לא זמין, כלומר, עבור שיטות אבטחה, תוכניות אבטחה, תוכניות למידה, תוכניות אבטחה, תוכניות אבטחה, תוכניות אבטחה, לא זמין, כלומר,