CN111736545B - 电源机组数据融合、纠错和分析的系统及方法 - Google Patents

电源机组数据融合、纠错和分析的系统及方法 Download PDF

Info

Publication number
CN111736545B
CN111736545B CN202010431328.4A CN202010431328A CN111736545B CN 111736545 B CN111736545 B CN 111736545B CN 202010431328 A CN202010431328 A CN 202010431328A CN 111736545 B CN111736545 B CN 111736545B
Authority
CN
China
Prior art keywords
data
analysis
diagnosis
error correction
equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010431328.4A
Other languages
English (en)
Other versions
CN111736545A (zh
Inventor
郝晓光
李泽
李剑锋
侯倩
苏灿
袁成成
包建东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
State Grid Hebei Energy Technology Service Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, State Grid Hebei Energy Technology Service Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010431328.4A priority Critical patent/CN111736545B/zh
Publication of CN111736545A publication Critical patent/CN111736545A/zh
Application granted granted Critical
Publication of CN111736545B publication Critical patent/CN111736545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/30—Reactive power compensation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了电源机组数据融合、纠错和分析的系统及方法，涉及大规模新能源发电并网与运行控制技术领域；系统包括运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块，数据融合模块，用于将时间标尺下的每一系统数据融合处理，得到在时间尺度下的数据流并保证数据流的连续有效性；方法包括通过建立数据模型并填充数据，得到同一时间尺度下的数据流，诊断错误和漏报的数据，评价系统调峰、调频和调压能力；其通过运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块等，实现了系统间数据对比形成数据纠错。

Description

电源机组数据融合、纠错和分析的系统及方法
技术领域
本发明涉及大规模新能源发电并网与运行控制技术领域，尤其涉及一种电源机组数据融合、纠错和分析的系统及方法。
背景技术
经过近几年的快速发展，清洁能源装机容量迅速提升，接入电网的占比逐步升高。伴随着新能源大规模接入，其负荷出力的高波动性和随机性对发电侧、用电侧以及电网侧带来剧烈变化，而并网发电机组调峰调频调压能力的好坏将直接影响到电力系统的稳定、安全、可靠和经济运行。
电力系统调峰是为了满足电力系统日负荷峰谷差的需要，保证电力系统安全经济运行所进行的调峰容量安排和设备配置的一项设计。电力系统调频是为使电力系统频率的变动保持在允许偏差范围内，而对发电机组有功出力进行的调整。电力系统调压是指为使电力系统中各电压中枢点运行电压保持在规定允许范围之内所采取的技术措施。
2019年发布的《电力系统安全稳定导则》中明确指出，电源及动态无功功率调节设备的参数选择必须与电力系统相协调，保证其性能满足电力系统稳定运行的要求。电源机组的一次调频、快速调压、调峰能力是满足网源协调的基本要求，而这些功能需要依靠多系统协同运行来实现。
目前电厂数据采集系统由多个子系统组成，如AGC、AVC、集散控制系统DCS等。上述系统采集数据精度、分辨率、时标均存在差异，如何形成融合分析，通过不同系统间数据对比形成数据纠错，并自动报送错误或误差大的数据，是目前亟待解决的问题。
DCS：Distributed Control System，集散控制系统。
UDP：User Datagram Protocal，用户数据报协议规约。
SIS：Supervisory Information System，火电厂厂级监控信息系统。
PMU：phasor measurement unit，同步相量测量装置。
AGC：Automatic Generation Control，自动发电控制。
AVC：Automatic Voltage Control，自动电压无功控制。
现有技术问题及思考：
如何解决系统间数据对比形成数据纠错的技术问题。
如何解决系统间报送错误数据的技术问题。
发明内容
本发明所要解决的技术问题是提供一种电源机组数据融合、纠错和分析的系统及方法，其通过运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块等，实现了系统间数据对比形成数据纠错。
为解决上述技术问题，本发明所采取的技术方案是：一种电源机组数据融合、纠错和分析的系统包括运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块，数据融合模块，用于将时间标尺下的每一系统数据融合处理，得到在时间尺度下的数据流并保证数据流的连续有效性。
进一步的技术方案在于：数据纠错识别模块，用于通过基于历史数据样本形成的数据模型，从数据融合模块的数据流中识别错误数据及漏报数据，并在校验系统运行正常后根据模型对数据进行纠错；数据诊断分析模块，用于对数据纠错识别模块纠错后的数据进行诊断分析，监测当前机组实时运行状态并掌握并网机组的调峰调频调压能力。
进一步的技术方案在于：数据诊断分析模块，还用于在识别到异常数据后报错并进行记录，每半个月形成一份数据报送异常设备报表并为运行人员考评设备可靠性提供参考依据。
进一步的技术方案在于：数据诊断分析模块，还用于采集厂站侧生产运行的数据，向厂站用户反馈就地设备运行状态和性能并为厂站更优运行提供就地数据分析支撑。
进一步的技术方案在于：数据诊断分析模块，还用于通过DCS接口机接收DCS数据，然后通过UDP规约将DCS数据转出并穿过正向隔离后进入数据诊断分析模块；或者根据电厂实际情况，通过SIS服务器接收DCS数据，然后通过反向隔离装置后进入数据诊断分析模块。
进一步的技术方案在于：数据诊断分析模块，还用于通过PMU子站采集用于调频、调压和调峰过程指标计算诊断分析的高频数据，然后穿过防火墙后将高频数据转发给数据诊断分析模块。
进一步的技术方案在于：所述诊断分析设备为工业服务器。
一种电源机组数据融合、纠错和分析的方法包括通过建立数据模型并填充数据，得到同一时间尺度下的数据流，诊断错误和漏报的数据，评价系统调峰、调频和调压能力。
进一步的技术方案在于：具体划分包括如下步骤：S1：建立相关设备自适应数据模型，采用自适应的线性回归函数作为数据模型；S2：导入并网机组相关设备历史数据，形成每一设备的实际数据模型；S3：以PMU时间流数据为基准，将每一设备的实时数据导入，形成时间尺度下的每一设备的数据流；S4：根据每一设备提前设定好的采样周期，对照数据流查看是或否存在漏报数据；S5：判断是否有错误数据主要以参数变化率是否超过300％作为标准来评价；S6：将处理完的数据传输至诊断分析设备，诊断分析设备对机组调峰调频调压能力进行评价。
进一步的技术方案在于：在S1步骤中，
hn＝kn-1△t+c (1)
式1中，hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；kn-1为前一时刻数据变化系数，无单位；△t为设备采样周期，单位s；c为数据模型常数；初始状态下设置k0为1、c为0；
在S4步骤中，有漏报数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是或否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统AGC、AVC、DCS、SIS系统及PMU设备无异常情况下，基于式1对数据流进行补齐，并在诊断分析设备上记录此次异常；无漏报数据则执行S5的步骤并对错误数据进行校验；
在S5步骤中，参数变化率如式(2)所示：
Figure BDA0002500702560000041
式2中，h'为参数变化率，无单位；hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-1为hn前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-2为hn-1前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；有错误数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统无异常情况下，基于式(1)对数据流进行纠错，并在诊断分析设备上记录此次异常；无漏报数据则执行S6的步骤并对数据进行分析。
采用上述技术方案所产生的有益效果在于：
一种电源机组数据融合、纠错和分析的系统包括运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块，数据融合模块，用于将时间标尺下的每一系统数据融合处理，得到在时间尺度下的数据流并保证数据流的连续有效性。其通过运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块等，实现了系统间数据对比形成数据纠错。
一种电源机组数据融合、纠错和分析的方法包括通过建立数据模型并填充数据，得到同一时间尺度下的数据流，诊断错误和漏报的数据，评价系统调峰、调频和调压能力。其通过建立数据模型并填充数据、得到同一时间尺度下的数据流以及诊断错误和漏报的数据等，实现了系统间数据对比形成数据纠错。
详见具体实施方式部分描述。
附图说明
图1是本发明实施例1的原理框图；
图2是本发明实施例2的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。
实施例1：
如图1所示，本发明公开了一种电源机组数据融合、纠错和分析的系统包括运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块，所述诊断分析设备为工业服务器。
数据融合模块，用于将时间标尺下的每一系统数据融合处理，得到在时间尺度下的数据流并保证数据流的连续有效性。
数据纠错识别模块，用于通过基于历史数据样本形成的数据模型，从数据融合模块的数据流中识别错误数据及漏报数据，并在校验系统运行正常后根据模型对数据进行纠错。
数据诊断分析模块，用于对数据纠错识别模块纠错后的数据进行诊断分析，监测当前机组实时运行状态并掌握并网机组的调峰调频调压能力。
数据诊断分析模块，还用于在识别到异常数据后报错并进行记录，每半个月形成一份数据报送异常设备报表并为运行人员考评设备可靠性提供参考依据。
数据诊断分析模块，还用于采集厂站侧生产运行的数据，向厂站用户反馈就地设备运行状态和性能并为厂站更优运行提供就地数据分析支撑。
数据诊断分析模块，还用于通过DCS接口机接收DCS数据，然后通过UDP规约将DCS数据转出并穿过正向隔离后进入数据诊断分析模块；或者根据电厂实际情况，通过SIS服务器接收DCS数据，然后通过反向隔离装置后进入数据诊断分析模块。
数据诊断分析模块，还用于通过PMU子站采集用于调频、调压和调峰过程指标计算诊断分析的高频数据，然后穿过防火墙后将高频数据转发给数据诊断分析模块。
实施例2：
如图2所示，本发明公开了一种电源机组数据融合、纠错和分析的方法包括通过建立数据模型并填充数据，得到同一时间尺度下的数据流，诊断错误和漏报的数据，评价系统调峰、调频和调压能力。具体步骤划分如下：
S1：建立相关设备自适应数据模型。
采用自适应的线性回归函数作为数据模型。
hn＝kn-1△t+c (1)
式1中，hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；kn-1为前一时刻数据变化系数，无单位；△t为设备采样周期，单位s；c为数据模型常数；初始状态下设置k0为1、c为0。
S2：导入并网机组相关设备历史数据，形成每一设备的实际数据模型。
S3：以PMU时间流数据为基准，将每一设备的实时数据导入，形成时间尺度下的每一设备的数据流。
S4：根据每一设备提前设定好的采样周期，对照数据流查看是或否存在漏报数据。有漏报数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是或否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统AGC、AVC、DCS、SIS系统及PMU设备无异常情况下，基于式1对数据流进行补齐，并在诊断分析设备上记录此次异常；无漏报数据则执行S5的步骤并对错误数据进行校验。
S5：判断是否有错误数据主要以参数变化率是否超过300％作为标准来评价，参数变化率如式(2)所示：
Figure BDA0002500702560000071
式2中，h'为参数变化率，无单位；hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-1为hn前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-2为hn-1前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz。有错误数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统无异常情况下，基于式(1)对数据流进行纠错，并在诊断分析设备上记录此次异常；无漏报数据则执行S6的步骤并对数据进行分析。
S6：将处理完的数据传输至诊断分析设备，诊断分析设备对机组调峰调频调压能力进行评价。
本申请目的：
本申请的技术方案适用于电力系统网源协调平台数据融合工作。现今已经建成的网源协调管理平台数据采集与融合方法不合理、不规范，由于不同系统数据采样频率与周期各不相同，各系统数据不在同一时间尺度下，导致网源协调系统无法直接筛选、分析数据，且无法对数据实现纠错，很多应用无法实现。为解决这一问题，有必要建设一种合理、规范、实时性良好的通用网源协调数据融合、纠错及诊断分析系统，为网源协调平台建设提供助力，为电网平稳高效运行提供助力。
本申请的特点：
发明点：现有的网源协调在线监测系统只能从各设备中提取实时数据并进行分析，由于各设备的数据采样精度不同，这导致提取的数据不在同一时间尺度下，分析结果也就存在一定时间偏差，无法对系统的调峰、调频、调压能力形成实时、完整、统一的评价。本发明解决了各设备的数据采样精度不同的问题，通过建立数据模型并填充数据，得到了同一时间尺度下的数据流，同时能完成错误、漏报数据的诊断，最后对系统调峰、调频、调压能力的评价更具实时性、完整性和统一性。
一种电源机组调峰、调频、调压系统数据融合方法。该方法能够将不同时间标尺下的各系统数据融合处理，得到在统一时间尺度下的数据流，并能保证数据流的连续有效性。
一种电源机组调峰、调频、调压系统数据纠错识别方法。该方法能够基于历史数据样本形成的数据模型，从内容1所述的数据流中识别错误数据及漏报数据，并在校验系统运行正常后根据模型对数据进行纠错。
一种电源机组调峰、调频、调压系统数据诊断分析设备。该设备能够对内容2纠错后的数据进行诊断分析，监测当前机组实时运行状态，掌握并网机组的调峰调频调压能力。
诊断分析设备在识别到异常数据后会报错并进行记录，每半个月会形成一份数据报送异常设备报表，为运行人员考评设备可靠性提供参考依据。
诊断分析设备作为厂站侧数据感知和边缘分析计算的边端设备，通过采集厂站侧生产运行全数据进行就地存储、刻录并实现逻辑运算和分析功能，向厂站用户反馈就地设备运行状态和性能，为厂站更优运行提供就地数据分析支撑。通过DCS接口机接收DCS数据，然后通过UDP规约将DCS数据转出并穿过正向隔离后进入诊断分析设备。也可根据电厂实际情况，通过SIS服务器接收DCS数据，然后通过反向隔离装置后进入诊断分析设备。
对于用于调频、调压、调峰过程指标计算诊断分析等的高频数据，可以通过PMU子站完成数据采集，然后穿过防火墙后将数据转发给诊断分析设备。
诊断分析设备能够对计算后的数据进行存储或转发处理。诊断分析设备配备容量不低于2T的企业级数据硬盘，能够存储至少30天完整数据。转发服务器可将存储数据转发至省电网公司调度机房，并能实现双向通讯，根据调度指令转发特定数据。
发明的优点：
电源机组多系统数据融合、纠错及分析系统就是为了解决网源协调管理平台下各系统数据采集频率与周期各不相同、融合性差、数据实时性不佳等问题而开发的。
电源机组调峰、调频、调压系统数据融合方法将不同设备、系统采集的数据融合在统一时间尺度下，为实时监测机组运行情况提供了数据基础。
电源机组调峰、调频、调压系统数据纠错识别方法基于历史数据形成的数据模型，能够对融合数据进行分析判断和纠错识别，对错误数据、漏报数据实现纠正和补齐，提高了融合数据的容错率。
电源机组调峰、调频、调压系统数据诊断分析设备能够对融合纠错后的数据进行存储，同时保证了数据采样精度，可满足厂站和调度对完整历史数据的查询需求。
诊断分析设备能够对异常数据后进行记录并报错，同时每半个月会形成一份数据报送异常设备报表，能够为运行人员考评设备可靠性提供参考依据。
诊断分析设备在采集数据时均通过正向隔离或反向隔离装置，数据融合均可在三区完成，与生产控制大区有效隔离，保证了厂站运行安全。
技术方案说明：
如图2所示，电源机组多系统数据融合、纠错及分析系统包括数据模型、诊断分析设备、通信服务器及相关通信协议规约等几部分。
Step1：建立相关设备自适应数据模型。因为采样周期短，设备参数短时间内不能突变，故采用自适应的线性回归函数作为数据模型，公式如式(1)所示：
hn＝kn-1△t+c (1)
式中hn为当前时刻数据预测值，kn-1为前一时刻数据变化系数，△t为设备采样周期，c为数据模型常数，初始状态下设置k0、c0分别为1、0。
Step2：导入并网机组相关设备历史数据，形成各设备的实际数据模型。
Step3：以PMU时间流数据为统一基准，将各设备的实时数据导入，由于各设备采样周期不同，将实际数据导入后，空白段将根据式(1)填充，从而形成统一时间尺度下的多种设备的数据流。
Step4：根据各设备提前设定好的采样周期，对照数据流查看是否有漏报数据。有漏报数据的话继续诊断系统是否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统无异常情况下，基于式(1)对数据流进行补齐，并在诊断分析设备上记录此次异常；无漏报数据则继续对错误数据进行校验。
Step5：判断是否有错误数据主要以参数变化率是否超过300％作为标准来评价，参数变化率如式(2)所示：
Figure BDA0002500702560000101
有错误数据的话继续诊断系统是否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统无异常情况下，基于式(1)对数据流进行纠错，并在诊断分析设备上记录此次异常；无漏报数据则继续对数据进行分析。
Step6：将处理完的数据传输至诊断分析设备，对机组调峰调频调压能力进行评价。
融合数据模型中的一个数据对象d由三个分量组成(dv，dtp，devi)，它们分别为d的当前值、采样时间、外部有效期(外部现实对象状态变化的时间向隔)，有效期即自dtp算起dv有效的时间长度。对于融合数据模型中的毎一个数据对象d都具有内部一致性、外部一致性和相互一致性特征，它们的定义如下：内部一致性：dv满足预先定义的数据库内部状态的完整性和一致性限制。这就是传统意义下的数据正确性。外部一致性：设化为当前或检测时间，当且仅当(tc-dtp)＜devi，则d是外部一致的，即dv和对应的外部现实对象的状态是一样的。相互一致性：用来决策或导出新数据的一组相关数据称为一个相互一致集，记为R，其中的数据必须尽可能地在一个允许的公共时间期内被采取(或导出)，这个公共时间期就称为R的相互有效期，记为Rmvi，对于R中的任两个数据d和d’，有|dtp-d’tp|＜Rmvi，则R中的数据是相互一致的。外部一致性和相互一致性都是关于时间的，统称为时间一致性。只有既符合内部一致性，又符合时间一致性的数据才是正确的。
诊断分析设备为一台具有多网口的工业服务器。最低配置要求为6核心6线程CPU，16G内存，2*2T企业级硬盘。设备分别通过网络连接线与发电机组DCS通信接口、通信服务器连接。设备内有完整DCS映射数据库及相关应用功能。
通信服务器为一台具有多网口的工业服务器。最低配置要求为4核心8线程CPU，16G内存，1T企业级硬盘。通信服务器分别通过网络连接线和电力调度网与电源侧子站和调度侧主站连接。通信服务器具有数据问询及数据转发功能。
配置数据采集装置通信协议，设置获取数据及采样精度，数据采集装置获取数据情况见表1。
表1：数据采集装置获取数据情况
Figure BDA0002500702560000111
本申请保密运行一段时间后，现场技术人员反馈的有益之处在于：
解决了网源协调涉及系统多、采集数据杂的问题，将多系统数据融合起来，能够实时监测系统的调频调峰调压能力，对厂站一次调频裕度进行计算，同时能够识别AGC、AVC调节性能的优劣，判定机组当前所处负荷阶段的调节过程是偶发性不合格还是持续调节障碍性不合格，识别AGC、AVC控制策略是否满足场站不同工况下适应能力。实现了对错误数据和漏报数据的识别、纠正，摒除了过去网源协调系统数据精度不统一的缺陷，分析系统准确率得到提高。对历史数据能够保存和查询，报送的日志记录完整清晰，错误报警系统更加完备。
发展前景：未来根据本发明提出的数据融合方法，可以开发实现更多厂站运行能力调整分析，如：
火电机组励磁调节器PID性能评价。通过选择PID模型及控制方式，可得到励磁调节器PID的传递函数。根据对发电机机端数据和励磁系统运行数据，评估模型控制参数可以自适应地随实际励磁系统PID控制参数进行调整。对于与模型无关的控制参数可以通过定值的方式进行整定；从而就能保证评估模型真实地反应实际励磁系统的运行状态。
新能源子站的设备损耗评价分析。对光伏电站光伏方阵、逆变器、汇流箱、箱变、升压站进行损耗计算和分析，找出电站内损耗大的光伏方阵和设备，指导系统优化，及时采取针对性维护，降低设备和电站整体损耗，提高发电量和发电效率。
新能源子站的高/低电压穿越能力监测与评价。结合录波数据，分析穿越过程中动作异常的光伏阵列和设备，定位到具体性能偏弱的集电线路下的某个逆变器，对子站高/低电压穿越能力进行评估，对不能可靠完成穿越的设备进行标记，从而指导光伏站关注逆变器涉网调节性能，积极改进逆变器的高/低电压穿越能力。
新能源子站的设备性能离散分析。集中逆变器有效支路电流的离散率反应了该设备下所带有效支路的整体运行情况。组串逆变器和直流汇流箱有效支路电流的离散率反应了该设备所带有效支路即光伏组串的整体运行情况，通过直流汇流箱和组串逆变器离散率分析可以精确定位到哪个光伏组串发电异常。

Claims (8)

1.一种电源机组数据融合、纠错和分析的方法，其特征在于：包括通过建立数据模型并填充数据，得到同一时间尺度下的数据流，诊断错误和漏报的数据，评价系统调峰、调频和调压能力；具体划分包括如下步骤：S1：建立相关设备自适应数据模型，采用自适应的线性回归函数作为数据模型；S2：导入并网机组相关设备历史数据，形成每一设备的实际数据模型；S3：以PMU时间流数据为基准，将每一设备的实时数据导入，形成时间尺度下的每一设备的数据流；S4：根据每一设备提前设定好的采样周期，对照数据流查看是或否存在漏报数据；S5：判断是否有错误数据主要以参数变化率是否超过300％作为标准来评价；S6：将处理完的数据传输至诊断分析设备，诊断分析设备对机组调峰调频调压能力进行评价；
在S1步骤中，
hn＝kn-1Δt+c (1)
式1中，hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；kn-1为前一时刻数据变化系数，无单位；Δt为设备采样周期，单位s；c为数据模型常数；初始状态下设置k0为1、c为0；
在S4步骤中，有漏报数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是或否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统AGC、AVC、DCS、SIS系统及PMU设备无异常情况下，基于式1对数据流进行补齐，并在诊断分析设备上记录此次异常；无漏报数据则执行S5的步骤并对错误数据进行校验；
在S5步骤中，参数变化率如式(2)所示：
Figure FDA0003024361200000011
式2中，h'为参数变化率，无单位；hn为当前时刻数据预测值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-1为hn前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；hn-2为hn-1前一时刻的数据实际值，单位由数据类型决定，电流为A,电压为V，功率为kW，频率为Hz；有错误数据，则继续诊断AGC、AVC、DCS、SIS系统及PMU设备是否运行异常，异常则在诊断分析设备上发出异常运行警报并在运行日志上记录下此次异常；有漏报数据而系统无异常情况下，基于式(1)对数据流进行纠错，并在诊断分析设备上记录此次异常；无漏报数据则执行S6的步骤并对数据进行分析。
2.一种电源机组数据融合、纠错和分析的系统，其特征在于：采用权利要求1的电源机组数据融合、纠错和分析的方法，包括运行于诊断分析设备上的数据融合模块、数据纠错识别模块和数据诊断分析模块，数据融合模块，用于将时间标尺下的每一系统数据融合处理，得到在时间尺度下的数据流并保证数据流的连续有效性。
3.根据权利要求2所述的电源机组数据融合、纠错和分析的系统，其特征在于：数据纠错识别模块，用于通过基于历史数据样本形成的数据模型，从数据融合模块的数据流中识别错误数据及漏报数据，并在校验系统运行正常后根据模型对数据进行纠错；数据诊断分析模块，用于对数据纠错识别模块纠错后的数据进行诊断分析，监测当前机组实时运行状态并掌握并网机组的调峰调频调压能力。
4.根据权利要求3所述的电源机组数据融合、纠错和分析的系统，其特征在于：数据诊断分析模块，还用于在识别到异常数据后报错并进行记录，每半个月形成一份数据报送异常设备报表并为运行人员考评设备可靠性提供参考依据。
5.根据权利要求4所述的电源机组数据融合、纠错和分析的系统，其特征在于：数据诊断分析模块，还用于采集厂站侧生产运行的数据，向厂站用户反馈就地设备运行状态和性能并为厂站更优运行提供就地数据分析支撑。
6.根据权利要求5所述的电源机组数据融合、纠错和分析的系统，其特征在于：数据诊断分析模块，还用于通过DCS接口机接收DCS数据，然后通过UDP规约将DCS数据转出并穿过正向隔离后进入数据诊断分析模块；或者根据电厂实际情况，通过SIS服务器接收DCS数据，然后通过反向隔离装置后进入数据诊断分析模块。
7.根据权利要求6所述的电源机组数据融合、纠错和分析的系统，其特征在于：数据诊断分析模块，还用于通过PMU子站采集用于调频、调压和调峰过程指标计算诊断分析的高频数据，然后穿过防火墙后将高频数据转发给数据诊断分析模块。
8.根据权利要求2所述的电源机组数据融合、纠错和分析的系统，其特征在于：所述诊断分析设备为工业服务器。
CN202010431328.4A 2020-05-20 2020-05-20 电源机组数据融合、纠错和分析的系统及方法 Active CN111736545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010431328.4A CN111736545B (zh) 2020-05-20 2020-05-20 电源机组数据融合、纠错和分析的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010431328.4A CN111736545B (zh) 2020-05-20 2020-05-20 电源机组数据融合、纠错和分析的系统及方法

Publications (2)

Publication Number Publication Date
CN111736545A CN111736545A (zh) 2020-10-02
CN111736545B true CN111736545B (zh) 2021-08-17

Family

ID=72647520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010431328.4A Active CN111736545B (zh) 2020-05-20 2020-05-20 电源机组数据融合、纠错和分析的系统及方法

Country Status (1)

Country Link
CN (1) CN111736545B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112632127B (zh) * 2020-12-29 2022-07-15 国华卫星数据科技有限公司 设备运行实时数据采集及时序的数据处理方法
CN114123237B (zh) * 2021-11-12 2024-08-06 国网河北省电力有限公司电力科学研究院 云边协同的火电及新能源调频、惯量在线监测系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8321118B2 (en) * 2008-12-23 2012-11-27 Honeywell International Inc. Operations support systems and methods with power assurance
CN106094755B (zh) * 2016-07-08 2018-09-07 华电电力科学研究院 一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法
CN106771852B (zh) * 2016-11-25 2019-07-23 国网浙江省电力有限公司电力科学研究院 一种网源在线监测数据统一采集和分析处理方法
CN108319131B (zh) * 2017-12-27 2021-02-26 国网山东省电力公司电力科学研究院 基于数据挖掘的机组调峰能力评估方法
CN110377001A (zh) * 2019-06-04 2019-10-25 上海华电奉贤热电有限公司 基于数据融合的工业设备智能故障诊断系统和方法
CN110808608A (zh) * 2019-10-22 2020-02-18 国网江苏省电力有限公司电力科学研究院 规模化新能源参与受端电网调频调压能力评估方法及系统

Also Published As

Publication number Publication date
CN111736545A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN105245185B (zh) 一种接入配电网的区域分布式光伏故障诊断系统及方法
CN111736545B (zh) 电源机组数据融合、纠错和分析的系统及方法
CN102288842B (zh) 基于wams滤除agc影响的一次调频在线评价方法
CN108173261B (zh) 新能源并网有功高可靠性自动控制系统
CN107168197A (zh) 智能电网二次设备远程管控方法
CN110750760B (zh) 一种基于态势感知和控制图的异常理论线损检测方法
CN117477794B (zh) 基于网关机数据交换的配电站用电管理优化系统及方法
CN116914939A (zh) 基于大数据的储能管理系统、方法和储能电站系统
CN104283222A (zh) 一种地区电网无功电压控制系统
CN116405407A (zh) 一种基于大数据的网络管理方法及系统
CN110265998B (zh) 一种稳控系统策略定值校核的方法及装置
CN118071327B (zh) 一种光伏电站汇流监测的智慧电气运维系统
CN118399883A (zh) 一种光伏发电数据采集系统及方法
CN117993614A (zh) 一种基于配电网架的配电网规划装置
CN114765451A (zh) 基于故障知识图谱的光伏电站故障检测方法
CN202231496U (zh) 变电站设备远程监测诊断系统
CN115065167A (zh) 新能源场站一次调频在线监测系统
CN114564518B (zh) 一种火电机组多工况状态次数和非停率实时统计的方法
CN114707841B (zh) 一种基于集中监控的光伏健康度评估系统及方法
CN106451760A (zh) 一种500kV变电站集控系统遥测信息实时监控方法
CN111539642B (zh) 一种基于面向对象的电厂数据采集处理系统及其方法
CN112486126A (zh) 一种基于工业互联网的火电厂输煤控制系统
CN108414851B (zh) 基于ems理论电量数据与采集电量数据的智能校核方法
CN112001555A (zh) 一种用于发电厂发电计划考核的方法、装置、系统及介质
Li et al. Real-time control and monitoring technologies used for multi-type energy storage laboratory in Zhangbei

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant