Akıllı Grid Hata Tespiti: Enerji Yönetimi Profesyonelleri için Kapsamlı Bir Kılavuz

Modern akıllı ağ enerji yönetimi sistemleri (EMS) gerçek zamanlı izlemeye, iki yönlü iletişime ve ağ oluşturma ve talep etme, yenilenebilir kaynakları entegre etme ve güç kalitesine sahip olabilir. Ancak, hata tespit mekanizmalarının yavaş, yanlış anlama, yanlış algılama, veya veri tarafından boğulmaması durumunda, şebeke esnekliğin yatağının sabitlenmesi - bir satırın aşağı gittiğinde, bir dönüşüm sistemi algılama yöntemlerinin veya siber algılama yöntemlerinin en basit algılayıcılarının test edilmesi, hızlı ve doğru bir şekilde tanımlanması, hata bölümün hatalı olması ve yeniden yapılandırılması için izin verir.

Neden Hata Tespiti Akıllı Beyaz Izgaralar için Uygun Değildir

Geleneksel güç sistemlerinde, hatalar - karmaşık devreler, zemin hataları, açık devreler veya ekipman başarısızlıkları - bu seferki olası kesintilere yol açan hataları tespit ettikten sonra, bu sistemler yavaş olsa da, yetersiz kalabalığa ve sık sık sık sık sık sık sık sık sık sık sık sorun bulmak için gerekli el yordamları talep ediyor: gerçek zamanlı durum farkındalığı, uyarlayıcı koruma programları ve müşteri kesintilerine neden olan hataları tahmin etme yeteneği.

Başarısız hata algılamasının sonuçları, gecikmeden önce izole olmayan bir hata, birden fazla çizgi ve jeneratörler, potansiyel olarak yaygın karaouts. Ekipman hasarına devam eden hataların (arc flash, termal stres) pahalı dönüştürücüleri yok edebilir ve enerji kaynaklarını (DERs) güneş, rüzgar ve batarya depolamayı birçok noktadan enjekte eder, olası hataların mevcuttuğunu beklenmedik şekillerde akışa yol açabilir.

Akıllı Grid Dağıtım ve Transkript Türleri

Bir elektrik ağındaki hatalar genellikle yer alan ve onların zemine giden aşama sayısı tarafından sınıflandırılmaktadır:

  • [FONT:0)Line-toground-SLG): En yaygın hata türü, genellikle yıldırım, ağaç teması veya yalıtım başarısızlığı nedeniyle. Katı olarak zeminli sistemlerde, SLG hataları yüksek hata akımları üretir; imkansız sistemlerde, mevcut sistemler daha zorlanır, tespit edilir.
  • [FONT:0)Line-toline- (LL): İki aşama birlikte kısa bir süre (örneğin yüksek rüzgar sırasında iletken çatışma). Bu hatalar daha az sık ama şiddetli gerilim dengesizliklerine neden olabilir.
  • [DLG: [DLG: [DFLT:1] İki aşama kısa ve aynı zamanda yere bağlı olarak yüksek akımları ve dengesiz gerilimleri üretir.
  • [FONT:0) Üç fazlı (LLL veya LLLG): [DFLT:1), en nadir ama en ağır hata, üç aşamada denge. En yüksek hata akımları ve en büyük mekanik ve termal stres.
  • [FONT=0) Intermittent / High-impedance hataları: [Dönetici: [Dönetici: yüksek çözünürlükli bir yüzeyle temasa geçmek için genellikle (örneğin, ağaç uzuvları, çıplak tel üzerinde) çok düşük olabilir.

Akıllı ağlarda, hatalar da “yumuş” başarısızlıklar olabilir - iletişim bağlantıları düşer, sensör sürükler veya gerilim-bölgeleme dönüştürücüler yanlış çalışır. elektrik kısa devreleri olmasa da, bu anomaliler genel olarak ÇYS performansı korumak için tespit edilmelidir ve düzeltilmesi gerekir.

Akıllı Grid Enerji Yönetiminde Yanlış Tespit için Temel Yöntemler

Klasik Koruma Helikopterleri ve SCADA Entegrasyonları

İlk savunma hattı, IEC 61850, DNP3 veya Modbus gibi akıllı elektronik cihazlar olarak kalır. Akıllı bir ağda, bu tür testler, otomatikleme için GPS kullanarak, doğrulanmış bir kontrol ve veri satın alma (SCADA) sistemi ile iletişim kurar.Kasım 61850, DNP3 veya Modbus. Hata verileri (şimdi, gerilim, fasor ölçümler), otomatikleme için GPS kullanarak, doğrulanmış bir şekilde tekrarlanabilir ve sabit bir şekilde sabit bir şekilde sabit bir şekilde kontrol ve veri satın alma teknikleri ile iletişim kurar.Modern röpektifler, hangi operatörlerin de hata oturum açma işlemlerini doğrulayabilmesi için doğrulayabilir.

Seyahat EdWave Hatası Konum

İletim hatları için, seyahat eden dalga yöntemleri, birkaç metre içinde elektromanyetik dalgaların hızını ölçer. Bir hata gerçekleştiğinde, bir gerilim çöktü (resmi aralık boyunca) ve sabit zaman senkronizasyonu sağlar.

Impedance-Based Fault Konum

Dağıtım ağlarında daha yaygın, yanlış yöntemler hata noktasına mesafeyi hesaplamak için bir hataya kadar mesafeyi hesaplamak, hata sırasında askıya alınan hataları ölçmek ve fasor ölçüm birimlerinden (PMU) yararlanan hataların azaltılması için en iyi yöntemler.

Wavelet Dönüşüm ve Signal Processing

Hata sinyalleri, geleneksel Fourier analizinin kaçırabileceği yüksek frekanslı geçiciler içerir. Dalgalı transformasyon, hata olayları ve normal geçiş işlemleri arasındaki ayrımı ve sınıflandırma için özellikleri arasında ayrımcılığa izin vermek.Bu yaklaşım özellikle yüksek çözünürlükte olan mikrogrid hataları için etkilidir.

Mekanik Öğrenme ve Yapay Zeka Predictive Fault Tespit için

Makine öğrenimi (ML) modelleri, normal ve gerçek zamanlı veri akışlarından olayları sınıflandırmak için hata tespiti yapar. Süperviz modeller (örneğin, kontrol edici modeller, rastgele ormanlar, konvolutional sinir ağları) birçok kaynaktan veri toplamayı sağlar - normal, veya hata puanları, maddi olmayan yöntemler (toplama, otomatik kodlayıcılar) öğrenerek anomalileri tespit eder.

Anahtar uygulamalar şunları içerir:

  • [FONT:0) Yüksek dereceden yanlış algılama: Neural ağlar, ağaç bağlantı hatalarının sığışması ile ayırt edilen ince harmonik imzaları ve arkeasyon kalıpları öğrenir.
  • [FONT=0)Mikrogrid adalama algılaması:[DÜT 1: 1 ) ML modelleri, en iyi şekilde adanın, frekans ve gerilim fazlarını analiz ederek hatayla adanına geçişini ayırt eder.
  • [FONT:0) Tahmin edici bakım:[Dönetici:[DÜDÜ) Mevcut sinir ağları (LSTM) trend sensörü verileri (sıcak, titreşim, gaz basıncı) tahmin dönüştürücü veya devre dışı bırakmadan acil müdahale meydana gelir.

Güç sistemlerindeki ML uygulamaları hakkında daha fazla okuma için bkz. bakınız:0)IEEE Transactions on Power Systems) ve ).

Gerçek Zamanlı Hatalı Analytics için Edge Computing

Tüm ham örnekleri binlerce sensörden bir bulut veya merkezi kontrol merkezine göndermek, milisaniye ve bant sınırlamaları nedeniyle pratik değildir. Edge Computing veri işleme getiriyor - filtreleme, özellik çıkarma, ilk sınıflandırma - dolaylı olarak alt istasyon veya pole-top cihazlara yol açıyor. Örneğin, SCULLA'nın merkezi bir disk imzasını merkezine taşıyan akıllı bir sensör bile kaybolur.

Smart Grid Fault Tespitinde Meydanlar

Teknolojik ilerlemeye rağmen, birkaç engel hata tespitinin tamamen güvenilir olmasını engeller:

  • [FONT:0]Volume ve çeşitli veriler: Tek bir fayda, PMU'lardan günde zaman serisi verileri üretemez, akıllı metre ve DER kontrolörleri. Verimli depolama, drenaj ve gerçek zamanlı işlem sağlam veri mimarileri (data göller, akış işleme motorları) gerektirir ve bu yüzden modeller gürültüde boğulmamaktadır.
  • [FONT:0]False pozitif ve yanlış negatifler: Aşırı hassas algılama gereksiz gezileri tetikleyebilir, ihtiyaçsız kesintilere neden olur ve ekipmana giyebilir.Diğer yandan, yanlış hatalar felaket başarısızlıklara yol açabilir. Balancing hassasiyet ve spesifikite büyük bir ayar meydan okumadır, özellikle de normal yük değişikliklerini tetikleyen yüksek kesintili hatalar için.
  • [FONT:0) heterojen veri kaynaklarının belirlenmesi:[Dönetici:0) Legacy elektromechanical metre, modern röle dijital, IoT sensörleri, hava beslemeleri ve üçüncü taraf DER yönetim sistemleri tüm farklı protokolleri konuşur ve farklı örnekleme oranlarına sahiptir.
  • [FONT:0]Cybersecurity riskleri:[Dönetici:[Dönetici] Hata tespit sistemleri en zayıf bağlantılarından dolayı güvenlidir. Bir saldırgan yanlış gerilim/şimdilik okumalara (datalık saldırısı) veya gecikme alarmlara (daha iyi hizmet) enjekte edebilir, yanlış iş veya maske gerçek hatalarına neden olabilirler.
  • [FONT:0]Dynamic topology with DERs:[Dynamic topoloji][Dynamic topoloji][tr|Dynamic topology with DERs:[DDDDynamic topology with DERs:[DDynamic topology with DERs that limit current to 1.2-1.5x nominal. Classic overcurrent protections, and pil storage, adaptive protection that adjust protection based on real-time topology and production mix.

Gelişen Teknolojiler ve Gelecek Yollar

Hata Simülasyonu için Dijital Twins ve Tespit

Ağların dijital ikizi - yüksek bir sadakat, gerçek zamanlı sanal çoğaltma - ML ile birlikte yapılan dijital ikizler, "ne kadar" analizleri canlı işlemleri etkilemez. Gerçek bir anomaly olduğunda, dijital ikizler, kanallarını tanımlamak için ölçtü.

5G ve UltraReliable Low-Latency İletişim

5G gibi kablosuz iletişim teknolojileri düşük gecikmeli (sub-10 ms) ve yüksek güvenilirlik koruma seviyesi hata tespiti ve gezileri için gerekli olan yüksek güvenilirlikleri sunar. Ağla ilgili olarak, hizmetler görev-kritik hata sinyalleri için sanal bir ağ açabilir, tüketici trafiğinin bağımsız olarak. 5G ayrıca her kutupta düşük maliyetli sensörler destekler ve daha sonra görüntülenen musluklar üzerinde görüntülenebilir.

Federated Learning and Privacy-Preserving Analytics

Ürünler, belirli müşteri tüketimini veya hataların örgütsel sınırların genelindeki verileri paylaşma konusunda isteksizdir. Federated learning, ML modellerinin işbirliğine tabi tutulmasına olanak sağlar - her türlü fayda sağlar yerel bir model kendi verileri üzerinde ve yalnızca model parametreleri (gösterme verileri) ortak bir şekilde paylaşılır.Bu yaklaşım, veri gizliliğine ve düzenleyici kısıtlamalara saygı göstererek birçok yönden veri tespit modellerinden yararlanan sağlam bir hata tespit modelleri oluşturabilir.

Kendi kendini kınayan çubuklar ve Özerk Restorasyon

Nihai hedef, minimum insan müdahalesi ile bir hatadan sonra tespit edilebilir ve geri yükleme hizmetidir. Bugün, gelişmiş dağıtım yönetimi sistemleri (ADMS) zaten otomatik hata konumu, izolasyon ve hizmet restorasyonu (FLISR) Daha önceden belirlenmiş zamanları azaltmak için hatayı destekleyebilir.Gerçek dünya dağıtım algoritmaları ile bağlantı noktaları birleştirebilir ve bağlantı noktalarına bağlanır, sistem alternatif yemleme programlarından sağlıklı bölümler tedarik etmek için ağı yeniden yapılandırabilir.

Enerji Yönetimi Ekibi için Pratik Tavsiyeler

Güçlü bir hata algılama sistemi uygulamak bir fazlı yaklaşım gerektirir:

  1. [[Düzg:0) Mevcut koruma ve izleme: Harita Tüm röleleri, PMU'lar, sensörler ve iletişim protokolleri. Özellikle yüksek DER penetrasyonu ile ilgili kapsama boşlukları ve alanları tanımlayın.
  2. [FONT:0) Yüksek hızlı veri altyapısında Invest: İşi zaman senkronizasyonu temel düğümlerde (kampajlar, büyük DER interconnectler) SCADA sistemlerinin uygun örnekleme oranlarında en büyük ve depolama dalgaform verilerinin olmasını sağlar.
  3. [FONT:0) Hibrit analitik ile başlayın:[Dönetici:[Dönetici:0) Klasik dürtü kullanın ve hızlı gelişmeler için dalga yöntemleri, sonra yüksek kesintili hatalar ve tahmin edilebilir bakım için ML modellerine tabaka. Tarihi hata kayıtlarına karşı doğrulama modelleri.
  4. [FONT:0] kritik devreler için doğrulanmış kenar hesaplaması: Deploy edge işlemcileri yüksek hata riski (örneğin, yeraltı kabloları, vahşi yangın en yüksek bölgeleri) ile besleme konusunda.
  5. [FONT:0] Bir siber güvenlik programına bakınız:[Döneticiler için şifreli iletişim kurmak, ÇYS kullanıcıları için rol bazlı erişim uygulamak ve hata tespiti veri hattı üzerinde düzenli penetrasyon testleri yürütmek.
  6. [FONT:0) Sürekli ayar ve güncelleme: Eşleştirmeler olarak yanlış davranış değişiklikleri.Programlar yeni verilerle ML modellerini yeniden eğiterek ve her büyük olaydan sonra mühendislik ekipleri ile inceleme ayarlarını gözden geçirin.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Akıllı şebeke enerji yönetim sistemlerindeki hata tespiti, mevcut gecikmelerin ötesinde gelişmiştir. Bugünün yaklaşımı yüksek hızlı sensörleri birleştirir, zaman senkronizasyonlu ölçümler, gelişmiş sinyal işleme, makine öğrenimi ve kenar hesaplamaları, yanlış çözümler bulmak için hata bulmak için daha dayanıklı ve hassas bir şekilde. - kapsamlı, yanlış alarmlar, siber güvenlik ve DERs için adaptasyon - dijital ikizler, 5G gibi teknolojiler ve öğrenme yöntemleri hakkında daha güvenli bir şekilde bilgi edinmek için yollar sunmak.