Table of Contents

Вступ

Швидкий аванс інтернету речей (IoT) полягає в тому, як відстежуються електромережі, контрольовані та підтримуються. Серед найбільш ударних трансформацій є підвищення збору та аналізу фазорних даних. Фасорбційні блоки вимірювань (PMUs) давно були задніми системами широкореабілітаційних систем, але інтеграція технологій Інтернету речей різко посилює свої можливості. У статті досліджено, як IoT перетворює придбання, передавання та аналіз синхронних вимірювань, а також які це засіб для стабільності сітки, оперативної ефективності та майбутніх енергетичних систем.

Розуміння даних Phasor та її критична роль у операціях з мережами

Фасорні дані — специфічно синхронізовані дані — що дає час синхронізований, високофіделітний знімок електричної системи електромережі. Ці вимірювання захоплюють величину та фазовий кут напруги та струмових хвиль у точному часі, зазвичай використовують GPS синхронізацію. Отримані дані дозволяють операторам сітки спостерігати динамічну поведінку по всій перерізному.

Як працює блоки Phasor вимірювання

Напруга та струмові хвилі ПМУ за показниками 30 до 120 зразків на секунду, значно швидше, ніж традиційні системи SCADA. Кожен зразок за часом закріплюється мікросекундною точністю, що дозволяє порівняти вимірювання з географічно диспергованими розташуваннями. З'єднання даних подає в концентратори даних фазорів (ПДК), які вирівнюють і потокують інформацію для контрольних центрів.

Застосування даних Синхрофазору

Синхрофакторні дані підтримують критичні додатки, включаючи:

  • Системи моніторингу вікон (WAMS): В режимі реального часу візуалізація сіток коливань і фазових трикутників.
  • Державна оцінка: Підвищення точності в величинах напруги та кутах по всій мережі.
  • Евен Детекція та післясмертний аналіз: Дані про високорозчинне вирішення показують послідовність порушень, таких як несправності рядків або маршрутні поїздки.
  • Модель Виявлення: Порівняння вимірюваних динамічних відповідей з моделями моделювання покращує планування системи живлення.

Без надійних даних фазорів оператори не мають можливості для запобігання збою кадгардингу або інтеграції міжмітентних відновлюваних ресурсів.

Інтернет речей: новий парадигм для сенсування Grid

IoT розширює досягнення мереж PMU шляхом згортання інтелекту на пристрої на кожному рівні сітки. Традиційні ПМУ дорогі, автономні інструменти, що розгортаються на великих підстанціях. IoT-драйвові підходи використовують мікро-PMU, смарт-сенсори, а також пристрої кромки, які множить щільність вимірювань точок без пропорційної вартості збільшується.

Архітектура IoT для збору даних Phasor

Типова система IoT-enabled phasor поєднує три яруси:

  1. Sensing Layer: Розподілені МУС, струмові / вольтові датчики, і лічильники якості потужності, які генерують синхронні струмки.
  2. Комунікаційний шар: Протоколи, такі як IEEE C37.118, DNP3, MQTT, передав дані над волоконними, 5G, або приватними мережами LTE, щоб забезпечити низьку надійність.
  3. Processing Layer: Edge gateways виконує початкове фільтрування та стиснення, потім переадресацію даних на хмарні аналітичні платформи для зберігання та машинного навчання.

Архітектура дозволяє масштабувати десятки ММУ до тисячі тисяч — нав. сотні тисяч — з точки зору вимірювання по розподільчих схемах і задніх ресурсах.

Інтеграція з даними та інтеграцією в реальному часі

IoT сприяє безперервному, високому проходженню потокових даних. Наприклад, сучасна утиліта, що розгортається, що Інтернет-магазини можуть бути найвищими за 1 млн. точок даних на секунду від середнього міста. Цей обсяг даних, коли інтегрований з прогнозами погоди, цінами на енергетичний ринок, а також облік здоров'я активів, розблокує небачувані ситуаційні знання.

Ключові переваги аналізу фонограми IoT

Синергія між даними Інтернету речей та фазору створює трансформативні переваги. Нижче ми розглянемо найбільш суттєві переваги.

Покращена стабільність сітки та реагування на реальні час

З IoT, фазорні вимірювання прибувають в центри управління з субсекундною лаштункою. Оператори можуть виявити кутове поділ між регіонами і ініціювати ремедіальні дії - наприклад, як генерація червоної або навантаження скидання - нестійкість пропагує. Наприклад, при 2022 порушеннях в Західному взаємозв'язку, IoT-аугментовані мережі МУ виявили різницю 5 ° фазного кута 3 секунди раніше традиційних систем, що дозволяють успішну відповідь озеленення.

Операційна ефективність та автоматизоване прийняття рішень

Платформа IoT автоматизують аналіз даних фазору. Моделі машинного навчання, що навчаються на історичних синхронних струмах, можуть класифікувати порушення в режимі реального часу — відключення несправності, події перемикання або зміни навантаження. Це зменшує навантаження на диспетчери і скорочує час, щоб виявити аномалії з хвилин до секунд. Комунальні послуги повідомляють 30–50% швидше реагування на інцидент після розгортання аналітики на основі фентезі.

Попереднє обслуговування та управління активами

Фасорні дані показують тонкі підписи деградації обладнання. Наприклад, трансформатор відчуває внутрішню деформацію обмотки виробляє різні гармоніки в поточному фазорі. Інтеграція Інтернету може викликати оповіщення тижнів до катастрофічної недостатності, що дозволяє підтримувати стан. Одна велика Північна Американська утиліта продовжена життя номінально-змінних (ROCOF) реле на 20% з використанням передбачуваних інсайтів від фазорних даних.

Розгортання та витратно-ефективне розгортання

Історично, вартість встановлення ПМУ була заборонена для моніторингу рівня розподілу. Мікро-ПМУ Інтернету речей, які коштують частку традиційних одиниць і спілкуються над існуючою бездротовою інфраструктурою, роблять поширене розгортання економічним. пілотний проект в Каліфорнії розгорнув 200 мікро-ПМУС на 12 кВ розподільчого живильника за $ 50 000, не менше вартості однієї підстанції установки ПМУ. Ця масштабованість є критичною, оскільки сітки, що включають більш розподілені енергетичні ресурси (DERs).

Адреса викликів в системах IoT-Driven Phasor

Незважаючи на свою обіцянку, інтеграцію Інтернету речей з збіркою даних фазору вводить кілька викликів, які повинні бути вирішені для надійної роботи.

Конфіденційність та конфіденційність даних

Пасор даних є критичним для стабільності сітки, його компроміс може дозволити атаки, які викликають чорношкірі. Пристрої Інтернету речей часто мають обмежені обчислювальні ресурси, що робить їх вразливими для експлуатації. Захищений завантаження, легкий шифрування (наприклад, TLS 1.3), а також регулярні оновлення прошивки є важливим. Національний інститут стандартів і технологій (NIST) IR 8316 забезпечує IoT пристрій управління кібербезпекою, які можуть бути адаптовані для PMU мереж.

Надійність мережі та надійність

Синхрофасорні програми вимагають детермінативної затримки —часто нижче 50 мілісекундів для правильного управління діями. Мережа інтернет-зв'язку повинна гарантувати якість обслуговування. Гібридні підходи з використанням волоконно-оптичних задніх спонтан для підстанцій і 5G для розподільчих вузлів можуть задовольнити ці потреби. Однак сільські ділянки з обмеженою підключенням залишаються черлом; супутникові мережі IoT і сітки.

Стандартизація та взаємоздатність

екосистема PMU спирається на стандарти IEEE C37.118 для синхронізації передачі даних. Системи Інтернету речей додають протоколи, такі як MQTT, OPC UA та REST API. Без обережної інтеграції з'являються лосини. Ініціатива модернізації мереж (GMI) заохочує , що захищають ці протоколи. Утиліти повинні вимагати постачальників Інтернету для підтримки IEEE C37.118.2 та надавати відкриті API для PDCs.

Майбутні напрямки: AI, Edge Computing, і за межами

На наступному хвилі інновацій буде натиснути розвідувальну інформацію ближче до джерела даних і застосувати розширену аналітику до зростаючого океану фазорних вимірювань.

Edge Analytics для обробки низької відстані

Пристрої обробки краю, розміщені на підстанціях або навіть на стовпах, можуть працювати алгоритми легкого фазору, локально. Це зменшує пропускну здатність, необхідну для передачі даних і дозволяє відповідь під циклів - наприклад, проходячи конденсаторний банк протягом 15 мілісекундів виявлення напруги sag. Платформа NVIDIA Jetson і інструментарій Intel OpenVINO тестуються для таких розгортань.

Машинне навчання для виявлення аномалії та прогнозування

Глибокі моделі навчання, зокрема, конвульовані та рецидивні нейромережі, що виділяють при розпізнавання шаблонів в даних фазора. Дослідники компанії IEEE Power & Енергетичне товариство показали, що моделі LSTM можуть прогнозувати запаси стійкості 2–5 секунд, перш ніж використовувати синхронні вводи. Це відкриває вікно для преемптивних дій управління. Як описано в this IEEE paper, така прогнозна аналітика значно посилює стійкість сітки.

Інтеграція з розподіленими енергоресурсами

З вибуховим зростанням сонячної, вітрової та акумуляторної накопичувача, фазорні дані з датчиків Інтернету речей будуть незамінні для управління двосторонніми енергоблоками. IoT-enabled PMU може підключитися до інверторних контрольних контрольів для регулювання реактивної потужності в режимі реального часу, збереження стабільності напруги. U.S. Департамент енергоресурсів SunShot Initiative фонди проекти, які використовують синхронізацію даних для узгодження тисяч дахових сонячних інверторів, які неможливо без використання Інтернету речей, масштабних сенсів та зв'язку.

Висновок

Одруження збору даних Інтернету речей та фазору є трансформацією моніторингу електромереж з пасивної, малорозчинної активності в динамічну, високу ефективність розвідки. Завдяки потужних розгортання датчиків, потокового передавання в режимі реального часу та розширеної аналітики, оператори мережних мереж Інтернету стимулюють швидше, швидше реагування та планувати більш впевнено. Під час таких завдань як кібербезпека, затримки та стандартизацію залишаються, постійні дослідження та галузева співпраця продовжують їздити розчинами. Як ми переходимо до смартера, декарбонізованих сітки, аналіз фена буде незамінним - не тільки для стабільності, але для ефективного інтеграції кожного джерела від відновлюваних ресурсів.