CN117130351A - 基于数字孪生技术的新能源场站区域联合控制保护系统 - Google Patents
基于数字孪生技术的新能源场站区域联合控制保护系统 Download PDFInfo
- Publication number
- CN117130351A CN117130351A CN202311208133.3A CN202311208133A CN117130351A CN 117130351 A CN117130351 A CN 117130351A CN 202311208133 A CN202311208133 A CN 202311208133A CN 117130351 A CN117130351 A CN 117130351A
- Authority
- CN
- China
- Prior art keywords
- module
- fault
- simulation
- digital twin
- control protection
- 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.)
- Granted
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 95
- 230000009471 action Effects 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 238000012795 verification Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 239000013307 optical fiber Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于数字孪生技术的新能源场站区域联合控制保护系统，包括：若干个子系统、集中式控制保护模块、全景监测模块、数字孪生仿真模块及模型参数自动同步模块；若干个子系统分别包括有分布式传感器和动作模块，分布式传感器和动作模块获取子系统的数据信号和动作信号并分别上传至集中式控制保护模块和全景监测模块，动作模块依据集中式控制保护模块中的控制参数和保护定值进行动作；全景监测模块接收若干个子系统的数据信号和动作信号，并传送给数字孪生仿真模块进行仿真，进行运行分析、故障预判和故障定位；当需要调整控制参数和保护定值时，数字孪生仿真模块通过模型参数自动同步模块发送指令修改集中式控制保护模块的控制参数和保护定值。
Description
技术领域
本发明涉及电力控制技术领域，特别涉及一种基于数字孪生技术的新能源场站区域联合控制保护系统。
背景技术
现有的新能源场站的控制保护系统多数是非集中式的，各子系统各自配置一套控制保护系统，近年来也出现了新能源场站的集中式控制保护系统，不同于传统的分散式控制保护系统，可实现子系统同步采样和存储。当出现故障或者事件时，系统会全景记录事件发生时所有测点的数据，能够为事故反演和研究提供全面的数据。
针对区域联合的新能源场站，通常采用集中式控制保护系统，一般在其出厂前一般通过实时仿真平台对其进行测试及实验，如不满足需求，需要在此阶段调整控制参数和保护定值。但控制保护装置在现场调试运行期间将不再随意改动控制参数和保护定值，如需改动，需要开展离线仿真实验充分验证后方可手动更改，无法自适应调整，离线仿真系统只能在实验室开展，便携性差，整个流程耗时较长。一般利用离线仿真系统分析故障时，首先需要人工收集现场的运行数据，核对现场参数和状态等，然后结合收资修改仿真模型，开展故障复现和分析，过程耗时长，故障分析不够高效。
发明内容
本发明实施例的目的是提供一种基于数字孪生技术的新能源场站区域联合控制保护系统，通过设置数字孪生仿真系统，建立新能源场站一二次系统的数字孪生仿真模型，可实现仿真模型与现场统一、现场运行数据自动获取，便于快速准确的运行分析、故障预判和故障定位；设置可数字孪生模型参数自动同步系统，可对控制参数和保护定值进行实时校核和在线调整，实现对电力系统的安全校验；设置全景监测系统，具有故障数据全记录和回看功能，将系统实际运行参数与系统数字孪生仿真实时交互，数字孪生仿真系统可自动获取现场运行数据，为系统故障分析提供全方位数据支撑；以提升新能源场站的运行可靠性和运维效率。
为解决上述技术问题，本发明实施例提供了一种基于数字孪生技术的新能源场站区域联合控制保护系统，包括：若干个子系统、集中式控制保护模块、全景监测模块、数字孪生仿真模块及模型参数自动同步模块；
所述若干个子系统分别包括分布式传感器和动作模块，所述分布式传感器和动作模块获取所述子系统的数据信号和动作信号并分别上传至所述集中式控制保护模块和全景监测模块，所述动作模块依据所述集中式控制保护模块中的控制参数和保护定值进行动作；
所述全景监测模块接收所述若干个子系统的数据信号和动作信号，并传送给所述数字孪生仿真模块进行仿真，进行运行分析、故障预判和故障定位；
当需要调整控制参数和保护定值时，所述数字孪生仿真模块通过所述模型参数自动同步模块发送指令修改所述集中式控制保护模块的控制参数和保护定值。
进一步地，所述分布式传感器和动作模块通过光纤将所述数据信号和动作信号同步传输到所述集中式控制保护模块和所述全景监测模块。
进一步地，所述分布式传感器和动作模块获取的所述数据信号和动作信号采用同步采样和存储方式，并在所述全景监测模块中实时显示和存储所述数据信号和动作信号；
当发生故障时，集中式控制保护模块全面记录所有子系统的过程状态，也可将历史记录的状态量进行回放，进行故障分析。
进一步地，所述数字孪生仿真模块包含故障预警单元、故障分析单元和参数验证单元，结合所述全景监测模块传输的数据作为输入，通过在线仿真实现故障分析和快速定位，并将故障分析结果反馈至所述集中式控制保护模块。
进一步地，所述故障预警单元通过实时仿真，与采集的结果进行对比，当采集结果偏离预设阈值范围时，发送预警信息至所述故障分析单元和所述集中式控制保护模块。
进一步地，所述故障分析单元在接收到所述故障预警单元发出的预警信息后，依据预设故障分析策略对故障进行分析，完成故障定位，并通过所述模型参数自动同步模块发送至所述集中式控制保护模块；
其中，所述预设故障分析策略为依据系统中预设关键电路节点的典型正常参数，分析提出各节点参数之间的联动关系，再通过典型故障仿真预演，获取各种故障下各节点的电压和电流等参数故障特征库，结合预设每个设备的保护定值，当出现故障或有故障趋势时，将电路关键节点的实际运行波形与预设的典型故障波形对比，快速定位故障点和故障类型。
进一步地，所述参数验证单元通过离线仿真，在需要调整控制参数及保护定值时，通过典型工况验证确定相应参数值，并通过所述模型参数自动同步模块发送至所述集中式控制保护模块。
进一步地，所述数字孪生仿真模块通过降阶处理实现实时仿真，所述降阶处理的过程如下：
针对仿真目标设备的运行机理特点，选取预设影响因子相应的参数，构建数据矩阵；
对所述数据矩阵进行特征值分解，获取每个工况下设备的模态系数和对应函数的模态集合；
分析各种模态贡献度和关联度，精简所需的核心模态数，建立降阶处理后的所述数字孪生仿真模块；
通过各种典型工况下的物理实验对比，建立相应的误差评估体系，判断降阶模型的精度是否能够匹配实际标准；
若误差突破限值，则重新执行构建数据矩阵的步骤；若误差未突破限值，则判定所述降阶模型具备较高的结果可信度。
进一步地，所述数据信号包括：电压值、电流值、有功功率值、无功功率值、温度值、断路器状态和/或开关状态；
所述动作信号包括：断路器动作信号、避雷器动作信号和/或继电器保护动作信号。
进一步地，当需要调整控制参数和保护定值时，所述全景监测模块接收新的控制参数和保护定值并发送至所述数字孪生仿真模块，并将所述数字孪生仿真模块的仿真结果与预设的动态和稳态运行指标进行对比；
当所述仿真结果满足指标要求时，所述全景监测模块发送指令修改所述集中式控制保护模块的控制参数和保护定值；
当所述仿真结果不满足指标要求时，发送“重新调整参数”指令给所述集中式控制保护模块，并重新接收新的控制参数和保护定值以重新进行仿真及与指标进行对比，至所述仿真结果满足指标要求。
本发明实施例的上述技术方案具有如下有益的技术效果：
通过设置数字孪生仿真系统，建立新能源场站一二次系统的数字孪生仿真模型，可实现仿真模型与现场统一、现场运行数据自动获取，便于快速准确的运行分析、故障预判和故障定位；设置可数字孪生模型参数自动同步系统，可对控制参数和保护定值进行实时校核和在线调整，实现对电力系统的安全校验；设置全景监测系统，具有故障数据全记录和回看功能，将系统实际运行参数与系统数字孪生仿真实时交互，数字孪生仿真系统可自动获取现场运行数据，为系统故障分析提供全方位数据支撑；以提升新能源场站的运行可靠性和运维效率。
附图说明
图1是本发明实施例提供的基于数字孪生技术的新能源场站区域联合控制保护系统模块示意图；
图2是本发明实施例提供的基于数字孪生技术的新能源场站区域联合控制保护系统原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
请参照图1和图2，本发明实施例提供一种基于数字孪生技术的新能源场站区域联合控制保护系统，包括：若干个子系统、集中式控制保护模块、全景监测模块、数字孪生仿真模块及模型参数自动同步模块；若干个子系统分别包括分布式传感器和动作模块，分布式传感器和动作模块获取子系统的数据信号和动作信号并分别上传至集中式控制保护模块和全景监测模块，动作模块依据集中式控制保护模块中的控制参数和保护定值进行动作；全景监测模块接收若干个子系统的数据信号和动作信号，并传送给数字孪生仿真模块进行仿真，进行运行分析、故障预判和故障定位；当需要调整控制参数和保护定值时，数字孪生仿真模块通过模型参数自动同步模块发送指令修改集中式控制保护模块的控制参数和保护定值。
本发明技术方案基于数字孪生技术，通过新能源场站各个子系统中的分布式传感器和网络，可以实时获取实体状态数据，并将其输入数字孪生仿真模型中。同时，新能源场站的集中式控制保护模块也可以获取数字孪生仿真模型的模拟结果，完成双向同步。这保证了数字孪生仿真模型对新能源场站实时运行状态的动态映射。
通过高精度的3D模型，结合气象数据、设备参数等，建立新能源场站的虚拟样机，可以用于场站的整体规划设计和微观优化，评估不同方案的功效。通过各个子系统中的分布式传感器网络，实时监测设备的工作状态，并与数字孪生建立关联，实现对设备健康状态的实时评估，有助于防止设备故障，提高可靠性。此外，基于机器学习算法，分析历史运行数据，预测关键部件的寿命和维护周期。实现对设备的预测性维护，减少停机时间。通过物联网技术，数字孪生可以接收场站的数据，并使用优化算法决定最佳的运行方案，实时优化发电效率。数字孪生可以全面提升新能源场站的性能指标，是实现智慧能源的关键技术之一。
可选的，分布式传感器和动作模块通过光纤将数据信号和动作信号同步传输到集中式控制保护模块和全景监测模块。通过光纤连接新能源场站中各个子系统的分布式传感器和集中式控制保护模块，实现了数据与动作信号的高度实时同步，满足了数字孪生仿真模型与集中式控制保护模块的信息同步。
具体的，分布式传感器和动作模块获取的数据信号和动作信号采用同步采样和存储方式，并在全景监测模块中实时显示和存储数据信号和动作信号；当发生故障时，集中式控制保护模块全面记录所有子系统的过程状态，也可将历史记录的状态量进行回放，进行故障分析。
可选的，数字孪生仿真模块以建立与新能源场站实际系统一致的一二次数字孪生模型为基础，包含故障预警单元、故障分析单元和参数验证单元，结合全景监测模块传输的数据作为输入，通过在线仿真实现故障分析和快速定位，并将故障分析结果反馈至集中式控制保护模块。
进一步地，故障预警单元通过实时仿真，与采集的结果进行对比，当采集结果偏离预设阈值范围时，发送预警信息至故障分析单元和集中式控制保护模块。
对新能源场站的关键设备和部件建立数字孪生模型，可以实现故障预警，主要方式包括：1.状态监测与故障识别，通过各种传感器实时采集设备运行参数，并输入数字孪生模型，进行工作状态评估。此外，利用机器学习算法分析参数异常模式，识别可能导致故障的状态，发送预警。2.故障仿真，在数字孪生中，可以模拟不同类型的潜在故障，观察各参数的响应情况，建立故障模式库。当实时状态符合特定故障模式时，即判断为相应的预警信号。3.异常趋势分析，持续监测关键部件的性能参数，通过大数据分析其变化趋势。如果评估有参数持续恶化的趋势，即认为部件健康度在降低，发送故障预警。4.剩余可用周期预测，应用机器学习算法，结合历史运行数据、环境因素等，预测部件的剩余使用寿命；当预测寿命接近某一阈值时，进行故障预警。5.数字孪生联网，不同场站的数字孪生可以通过云平台互联，如果某一类型场站或设备出现故障，可以将预警扩散到类似的场站或设备。通过数字孪生的故障预警，可以让运维人员有更多时间准备应对措施，事前防范取代事后修复，从而最大限度减少故障造成的损失。
进一步地，故障分析单元在接收到故障预警单元发出的预警信息后，依据预设故障分析策略对故障进行分析，完成故障定位，并通过模型参数自动同步模块发送至集中式控制保护模块。
其中，预设故障分析策略为依据系统中预设关键电路节点的典型正常参数，分析提出各节点参数之间的联动关系，再通过典型故障仿真预演，获取各种故障下各节点的电压和电流等参数故障特征库，结合预设每个设备的保护定值，当出现故障或有故障趋势时，将电路关键节点的实际运行波形与预设的典型故障波形对比，快速定位故障点和故障类型。
对于新能源场站的故障分析，可以利用数字孪生模型和数据分析方法进行以下几个方面的工作：1.数据采集与存储，通过分布式传感器和监测设备实时采集各个子系统的运行数据，包括温度、压力、电流、电压等参数；同时，对这些数据进行持续记录和存储。2.数据清洗与预处理，对采集到的数据进行清洗和预处理，包括去除异常值、缺失值填充等，确保数据质量，可以提高数据的可信度和准确性。3.异常检测与故障诊断，利用机器学习和统计分析方法，对新能源场站的各个子系统的数据进行故障检测和诊断，通过建立模型，识别出数据中的异常模式，并将其与已知的故障模式进行匹配，以确定故障类型和位置。4.故障分析与根因定位，一旦发现故障，通过对故障数据和新能源场站的系统结构进行分析，能够追溯到故障的根本原因，有助于定位故障来源，进一步做出维修或更换决策。5.故障预测与预防，基于历史故障数据和运行情况，使用机器学习模型预测未来可能发生的故障，并采取预防措施，减少故障风险；具体的预测模型可以根据新能源场站的运行状态和特点进行优化。6.维修计划与优化，针对已诊断出的故障，制定相应的维修计划，并优化维修时间和资源分配。数字孪生模型可以帮助模拟不同的维修策略，以选择最优的方案。通过故障分析，可以及时发现和解决新能源场站各个子系统的故障问题，提高场站的可靠性和运行效率，从而提高新能源场站的整体性能和经济效益。
进一步地，参数验证单元通过离线仿真，在需要调整控制参数及保护定值时，通过典型工况验证确定相应参数值，并通过模型参数自动同步模块发送至集中式控制保护模块。
对于新能源场站各个子系统的控制参数，可以采取以下方法进行验证：1.参数设置与检查，验证控制系统中的参数设置是否正确。例如，对于光伏场站，验证逆变器的额定功率和电网连接参数是否正确配置；对于风电场，验证风机控制器的切入风速和切出风速是否适当。2.控制系统功能验证，通过模拟和测试，验证控制系统是否按照设计要求执行相应的控制动作。例如，对于光伏场站，验证逆变器是否能够按照设定的电压和频率条件将直流电源转换成交流电源；对于风电场，验证风机控制器是否能够实现可变桨距角和调节发电功率。3.响应速度和稳定性验证，模拟实时运行条件，测试控制系统对系统状态变化的响应速度和稳定性。例如，对于光伏场站，验证逆变器在电网故障时的迅速切断；对于风电场，验证风机控制系统在风速变化时的功率调节响应。4.多变量交互验证，考虑不同控制参数之间的相互作用，验证控制系统的整体性能。例如，对于光伏场站，验证逆变器在不同光强和温度条件下的MPPT(最大功率点跟踪)效果；对于风电场，验证风机控制器在不同风速和气温条件下的功率调节能力。5.故障模拟与应急响应验证，通过模拟故障情况，验证控制系统的应急响应能力。例如，对于光伏场站，验证逆变器在电网故障时的迅速切换至离网状态；对于风电场，验证风机控制器在风机故障时的安全停机控制。通过对控制参数的验证，可以确保新能源场站的控制系统正常运行，保证系统的稳定性、可靠性和性能。验证工作应定期进行，以确保场站随着时间的推移仍然符合预期的控制参数要求。
进一步地，数字孪生仿真模块通过降阶处理实现实时仿真，降阶处理的过程如下：
步骤1：针对仿真目标设备的运行机理特点，选取预设影响因子相应的参数，构建数据矩阵。
步骤2：对数据矩阵进行特征值分解，获取每个工况下设备的模态系数和对应函数的模态集合；
步骤3：分析各种模态贡献度和关联度，精简所需的核心模态数，建立降阶处理后的数字孪生仿真模块；
步骤4：通过各种典型工况下的物理实验对比，建立相应的误差评估体系，判断降阶模型的精度是否能够匹配实际标准；
步骤5：若误差突破限值，则重新执行构建数据矩阵的步骤；若误差未突破限值，则判定降阶模型具备较高的结果可信度。
进一步地，数据信号包括：电压值、电流值、有功功率值、无功功率值、温度值、断路器状态和/或开关状态；动作信号包括：断路器动作信号、避雷器动作信号和/或继电器保护动作信号。
进一步地，当需要调整控制参数和保护定值时，全景监测模块接收新的控制参数和保护定值并发送至数字孪生仿真模块，并将数字孪生仿真模块的仿真结果与预设的动态和稳态运行指标进行对比；当仿真结果满足指标要求时，全景监测模块发送指令修改集中式控制保护模块的控制参数和保护定值；当仿真结果不满足指标要求时，发送“重新调整参数”指令给集中式控制保护模块，并重新接收新的控制参数和保护定值以重新进行仿真及与指标进行对比，至仿真结果满足指标要求。
本发明实施例旨在保护一种基于数字孪生技术的新能源场站区域联合控制保护系统，包括：若干个分布式传感器和动作模块、集中式控制保护模块、全景监测模块、数字孪生仿真模块及模型参数自动同步模块；新能源场站的若干个子系统中分别配置有分布式传感器和动作模块，分布式传感器和动作模块获取子系统的数据信号和动作信号并分别上传至集中式控制保护模块和全景监测模块；全景监测模块接收若干个子系统的数据信号和动作信号，并传送给数字孪生仿真模块进行仿真，进行运行分析、故障预判和故障定位；当需要调整控制参数和保护定值时，数字孪生仿真模块通过模型参数自动同步模块发送指令修改集中式控制保护模块的控制参数和保护定值。上述技术方案具备如下效果：
通过设置数字孪生仿真系统，建立新能源场站一二次系统的数字孪生仿真模型，可实现仿真模型与现场统一、现场运行数据自动获取，便于快速准确的运行分析、故障预判和故障定位；设置可数字孪生模型参数自动同步系统，可对控制参数和保护定值进行实时校核和在线调整，实现对电力系统的安全校验；设置全景监测系统，具有故障数据全记录和回看功能，将系统实际运行参数与系统数字孪生仿真实时交互，数字孪生仿真系统可自动获取现场运行数据，为系统故障分析提供全方位数据支撑；以提升新能源场站的运行可靠性和运维效率。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，包括：若干个子系统、集中式控制保护模块、全景监测模块、数字孪生仿真模块及模型参数自动同步模块；
所述若干个子系统中的每个子系统分别包括分布式传感器和动作模块，所述分布式传感器获取所述子系统的数据信号和动作信号并分别上传至所述集中式控制保护模块和全景监测模块，所述动作模块依据所述集中式控制保护模块中的控制参数和保护定值进行动作；
所述全景监测模块接收所述若干个子系统的数据信号和动作信号，并传送给所述数字孪生仿真模块进行仿真，进行运行分析、故障预判和故障定位；
当需要调整控制参数和保护定值时，所述数字孪生仿真模块通过所述模型参数自动同步模块发送指令修改所述集中式控制保护模块的控制参数和保护定值。
2.根据权利要求3所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述分布式传感器和动作模块通过光纤将所述数据信号和动作信号同步传输到所述集中式控制保护模块和所述全景监测模块。
3.根据权利要求1所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述分布式传感器和动作模块获取的所述数据信号和动作信号采用同步采样和存储方式，并在所述全景监测模块中实时显示和存储所述数据信号和动作信号；
当发生故障时，集中式控制保护模块全面记录所有子系统的过程状态，也可将历史记录的状态量进行回放，进行故障分析。
4.根据权利要求3所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述数字孪生仿真模块包含故障预警单元、故障分析单元和参数验证单元，结合所述全景监测模块传输的数据作为输入，通过在线仿真实现故障分析和快速定位，并将故障分析结果反馈至所述集中式控制保护模块。
5.根据权利要求4所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述故障预警单元通过实时仿真，与采集的结果进行对比，当采集结果偏离预设阈值范围时，发送预警信息至所述故障分析单元和所述集中式控制保护模块。
6.根据权利要求4所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述故障分析单元在接收到所述故障预警单元发出的预警信息后，依据预设故障分析策略对故障进行分析，完成故障定位，并通过所述模型参数自动同步模块发送至所述集中式控制保护模块；
其中，所述预设故障分析策略为依据系统中预设关键电路节点的典型正常参数，分析提出各节点参数之间的联动关系，再通过典型故障仿真预演，获取各种故障下各节点的电压和电流等参数故障特征库，结合预设每个设备的保护定值，当出现故障或有故障趋势时，将电路关键节点的实际运行波形与预设的典型故障波形对比，快速定位故障点和故障类型。
7.根据权利要求4所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述参数验证单元通过离线仿真，在需要调整控制参数及保护定值时，通过典型工况验证确定相应参数值，并通过所述模型参数自动同步模块发送至所述集中式控制保护模块。
8.根据权利要求5-7任一所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述数字孪生仿真模块通过降阶处理实现实时仿真，所述降阶处理的过程如下：
针对仿真目标设备的运行机理特点，选取预设影响因子相应的参数，构建数据矩阵；
对所述数据矩阵进行特征值分解，获取每个工况下设备的模态系数和对应函数的模态集合；
分析各种模态贡献度和关联度，精简所需的核心模态数，建立降阶处理后的所述数字孪生仿真模块；
通过各种典型工况下的物理实验对比，建立相应的误差评估体系，判断降阶模型的精度是否能够匹配实际标准；
若误差突破限值，则重新执行构建数据矩阵的步骤；若误差未突破限值，则判定所述降阶模型具备较高的结果可信度。
9.根据权利要求5-7任一所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
所述数据信号包括：电压值、电流值、有功功率值、无功功率值、温度值、断路器状态和/或开关状态；
所述动作信号包括：断路器动作信号、避雷器动作信号和/或继电器保护动作信号。
10.根据权利要求5-7任一所述的基于数字孪生技术的新能源场站区域联合控制保护系统，其特征在于，
当需要调整控制参数和保护定值时，所述全景监测模块接收新的控制参数和保护定值并发送至所述数字孪生仿真模块，并将所述数字孪生仿真模块的仿真结果与预设的动态和稳态运行指标进行对比；
当所述仿真结果满足指标要求时，所述全景监测模块发送指令修改所述集中式控制保护模块的控制参数和保护定值；
当所述仿真结果不满足指标要求时，发送“重新调整参数”指令给所述集中式控制保护模块，并重新接收新的控制参数和保护定值以重新进行仿真及与指标进行对比，至所述仿真结果满足指标要求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208133.3A CN117130351B (zh) | 2023-09-18 | 2023-09-18 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208133.3A CN117130351B (zh) | 2023-09-18 | 2023-09-18 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117130351A true CN117130351A (zh) | 2023-11-28 |
| CN117130351B CN117130351B (zh) | 2024-03-19 |
Family
ID=88856485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311208133.3A Active CN117130351B (zh) | 2023-09-18 | 2023-09-18 | 基于数字孪生技术的新能源场站区域联合控制保护系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117130351B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110008647A (zh) * | 2019-05-08 | 2019-07-12 | 广东三向智能科技股份有限公司 | 数字孪生仿真装置和数字孪生仿真系统 |
| CN110276147A (zh) * | 2019-06-24 | 2019-09-24 | 广东工业大学 | 一种基于数字孪生模型的制造系统故障溯源方法、系统 |
| US20200218243A1 (en) * | 2017-10-17 | 2020-07-09 | Guangdong University Of Technology | Parallel control method and system for intelligent workshop |
| CN112131782A (zh) * | 2020-08-27 | 2020-12-25 | 浙江大学 | 一种多回路智能工厂边缘侧数字孪生场景耦合装置 |
| CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
| US11176290B1 (en) * | 2020-12-21 | 2021-11-16 | Guangdong University Of Technology | Approximate physical simulation integrated debugging method and system based on digital twinning |
| CN113656904A (zh) * | 2021-07-26 | 2021-11-16 | 重庆斯欧智能科技研究院有限公司 | 一种面向制造设备的数字孪生模型构建方法 |
| WO2021227325A1 (zh) * | 2020-05-13 | 2021-11-18 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
| CN114429092A (zh) * | 2022-04-06 | 2022-05-03 | 温州电力建设有限公司 | 一种基于数字孪生的继电保护设备数字化仿真系统 |
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| CN115470685A (zh) * | 2022-09-15 | 2022-12-13 | 北京工商大学 | 一种基于数字孪生体系的大米供应链优化模型构建方法 |
| WO2022257925A1 (zh) * | 2021-06-09 | 2022-12-15 | 五邑大学 | 基于数字孪生的故障预测方法、装置、服务器及存储介质 |
| US20230123322A1 (en) * | 2021-04-16 | 2023-04-20 | Strong Force Vcn Portfolio 2019, Llc | Predictive Model Data Stream Prioritization |
-
2023
- 2023-09-18 CN CN202311208133.3A patent/CN117130351B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200218243A1 (en) * | 2017-10-17 | 2020-07-09 | Guangdong University Of Technology | Parallel control method and system for intelligent workshop |
| CN110008647A (zh) * | 2019-05-08 | 2019-07-12 | 广东三向智能科技股份有限公司 | 数字孪生仿真装置和数字孪生仿真系统 |
| CN110276147A (zh) * | 2019-06-24 | 2019-09-24 | 广东工业大学 | 一种基于数字孪生模型的制造系统故障溯源方法、系统 |
| WO2021227325A1 (zh) * | 2020-05-13 | 2021-11-18 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的生产过程仿真优化方法 |
| CN112131782A (zh) * | 2020-08-27 | 2020-12-25 | 浙江大学 | 一种多回路智能工厂边缘侧数字孪生场景耦合装置 |
| US20220164502A1 (en) * | 2020-11-23 | 2022-05-26 | Jiangsu University | Pump machine unit optimized operation regulation system and method based on digital twin |
| US11176290B1 (en) * | 2020-12-21 | 2021-11-16 | Guangdong University Of Technology | Approximate physical simulation integrated debugging method and system based on digital twinning |
| CN112800668A (zh) * | 2021-01-20 | 2021-05-14 | 西安科技大学 | 基于数字孪生的复杂产品运维与制造集成总体模型 |
| US20230123322A1 (en) * | 2021-04-16 | 2023-04-20 | Strong Force Vcn Portfolio 2019, Llc | Predictive Model Data Stream Prioritization |
| WO2022257925A1 (zh) * | 2021-06-09 | 2022-12-15 | 五邑大学 | 基于数字孪生的故障预测方法、装置、服务器及存储介质 |
| CN113656904A (zh) * | 2021-07-26 | 2021-11-16 | 重庆斯欧智能科技研究院有限公司 | 一种面向制造设备的数字孪生模型构建方法 |
| CN114429092A (zh) * | 2022-04-06 | 2022-05-03 | 温州电力建设有限公司 | 一种基于数字孪生的继电保护设备数字化仿真系统 |
| CN115470685A (zh) * | 2022-09-15 | 2022-12-13 | 北京工商大学 | 一种基于数字孪生体系的大米供应链优化模型构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘子涵等: "数字孪生贾鲁河在工程施工期防洪度汛中的应用", 《水利信息化》, 25 August 2023 (2023-08-25) * |
| 李浩;王昊琪;程颖;陶飞;郝兵;王新昌;纪杨建;宋文燕;杜文辽;文笑雨;巩晓?;李客;张映锋;罗国富;李奇峰;: "数据驱动的复杂产品智能服务技术与应用", 中国机械工程, no. 07, 10 April 2020 (2020-04-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117130351B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146093B (zh) | 一种基于学习的电力设备现场勘查方法 | |
| CN107346899B (zh) | 一种光伏电站系统稳定性评估方法及系统 | |
| CN103855721B (zh) | 风电场监控系统接入电网调度系统的系统及信息交换方法 | |
| EP2869144A1 (en) | Simulation testing platform for wind power plant and testing method thereof | |
| KR100815032B1 (ko) | 발전소 온라인 실시간 성능 감시 시스템 | |
| CN104182902A (zh) | 一种基于调度数据网集中运维系统的监控方法 | |
| CN108252873A (zh) | 一种风力发电机组在线数据监测及其性能评估的系统 | |
| KR20210108257A (ko) | 부유식 해상풍력 터빈용 디지털 트윈 시스템 장치 | |
| KR102475374B1 (ko) | 휴지시간대를 활용한 스트링 단위의 태양광 발전시스템 능동형 고장예지 진단장치 및 그 방법 | |
| CN103606107A (zh) | 一种风光储联合发电系统设备状态评估信息系统 | |
| CN104821789A (zh) | 一种光伏发电系统可靠性的检测方法 | |
| CN117728585B (zh) | 一种分布式光伏电站状态预测方法及系统 | |
| CN116317169B (zh) | 一种风功率预测系统远程智能比对平台与方法 | |
| CN117674249A (zh) | 一种含分布式光伏的配电网故障自愈控制与评价方法 | |
| CN113780375A (zh) | 一种基于数字孪生的虚实交互风电场风力监测系统及应用 | |
| US20120065918A1 (en) | Systems and procedures for wind turbine self-diagnosis | |
| CN117913993A (zh) | 发电企业施工项目协同管理方法 | |
| CN118329232A (zh) | 一种光伏并网柜的温度监测方法及系统 | |
| KR20230091491A (ko) | Ai 기반 빅 데이터 분석에 의한 태양광 발전설비의 전주기 사후관리 방법 및 그 시스템 | |
| KR102228512B1 (ko) | 머신러닝을 이용한 태양광 발전설비의 고장 및 접속함 화재 감시기능과 원격제어기능을 구비한 태양광 발전장치 | |
| Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
| CN117130351B (zh) | 基于数字孪生技术的新能源场站区域联合控制保护系统 | |
| CN104601107A (zh) | 一种云光伏故障诊断系统 | |
| CN116335893A (zh) | 一种风力发电机组运行状态的分类方法和系统 | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Zihan Inventor after: Wang Deyou Inventor after: Ou Xuyu Inventor after: Tian Yan Inventor after: Mao Panpan Inventor after: Cheng Haifeng Inventor after: An Jian Inventor after: Tao Yingjia Inventor after: Han Chunmei Inventor after: Zhao Mengyuan Inventor after: Ma Qiankai Inventor after: Jiang Yajin Inventor after: Shen Dingfa Inventor before: Liu Zihan Inventor before: Wang Deyou Inventor before: Ou Xuyu Inventor before: Tian Yan Inventor before: Mao Panpan Inventor before: Cheng Haifeng Inventor before: An Jian Inventor before: Tao Yingjia Inventor before: Han Chunmei Inventor before: Zhao Mengyuan Inventor before: Ma Qiankai Inventor before: Jiang Yajin Inventor before: Shen Dingfa |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |