KR20160134986A - 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템 - Google Patents

기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템 Download PDF

Info

Publication number
KR20160134986A
KR20160134986A KR1020150067388A KR20150067388A KR20160134986A KR 20160134986 A KR20160134986 A KR 20160134986A KR 1020150067388 A KR1020150067388 A KR 1020150067388A KR 20150067388 A KR20150067388 A KR 20150067388A KR 20160134986 A KR20160134986 A KR 20160134986A
Authority
KR
South Korea
Prior art keywords
value
data
parameter
theoretical value
modbus
Prior art date
Application number
KR1020150067388A
Other languages
English (en)
Other versions
KR101779658B1 (ko
Inventor
이상엽
함경선
김태형
이재규
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020150067388A priority Critical patent/KR101779658B1/ko
Priority to US15/136,988 priority patent/US20160335378A1/en
Publication of KR20160134986A publication Critical patent/KR20160134986A/ko
Application granted granted Critical
Publication of KR101779658B1 publication Critical patent/KR101779658B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L12/40006—Architecture of a communication node
    • H04L12/40019—Details regarding a bus master
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/02—Standardisation; Integration
    • H04L41/0226—Mapping or translating multiple network management protocols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

기계 학습 기반으로 MODBUS 데이터를 IEC61850 데이터로 직변환하는 방법 및 시스템이 제공된다. 본 발명의 실시예에 따른 데이터 직변환 방법은, 외부 정보를 기초로 이론치를 생성하고, 발전 장치에서 출력되는 측정치와 이론치를 이용하여 기계 학습을 통해 측정치가 나타내는 파라미터를 추정하며, 추정된 파라미터를 참조하여 측정치의 데이터 구조를 변환한다. 이에 의해, 데이터 게이트웨이를 이용한 데이터 재변환 없이도, MODBUS 데이터를 IEC61850 데이터로 직변환할 수 있게 된다.

Description

기계 학습 기반으로 MODBUS 데이터를 IEC61850 데이터로 직변환하는 방법 및 시스템{Direct Mapping Method and System for Converting MODBUS Data to IEC61850 Data based on Machine Learning}
본 발명은 데이터 직변환에 관한 것으로, 더욱 상세하게는 MODBUS 데이터를 IEC61850 데이터로 직변환하는 방법 및 시스템에 관한 것이다.
IEC61850은 디바이스와 시스템 종류에 관계없이 표준 프로토콜을 사용하여 시스템에서 운용 관리되도록 구축되었다.
IEC61850 기반의 전력 관리 시스템에 비표준인 MODBUS 프로토콜을 사용하는 디바이스를 연결하는 경우, 도 1과 같이 데이터 게이트웨이(Data Gateway)를 이용하여 MODBUS 데이터를 IEC61850 데이터로 직변환하여, HMI(Human Machine Interface) 컴퓨터의 SCADA(Supervisory Control And Data Acquisition) 시스템으로 전달하여야 한다.
즉, 데이터 게이트웨이의 OPC(OLE for Process Control) 관련 서버와 클라이언트가 추가되어야 하는 것이다.
도 1에 도시된 시스템에서 데이터를 처리 과정이, 도 2에 도시되어 있다. 도 2에 도시된 바와 같이, MODBUS 디바이스에서 출력되는 데이터는 OPC 구성에 맞도록 변경한 후 IEC61850 Interpreter에서 IEC61850 데이터로 변환하여 HMI 컴퓨터로 전달된다.
IEC61850 기반의 전력 관리 시스템에 비표준인 MODBUS 프로토콜을 사용하는 디바이스를 추가하는 경우, 소프트웨어 처리 측면에서 많은 단계의 추가 절차가 필요하고, 하드웨어 구성 측면에서도 추가 장비가 필요하게 되는 것을 확인할 수 있다.
이에 따라, 시스템 구축에 필요한 비용 증가와 소프트웨어 추가 비용, 문제 발생시 네트워크 유지 보수 비용이 증가하는 단점이 발생한다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, IEC61850 시스템에 MODBUS 디바이스를 추가하는 경우에 하드웨어/소프트웨어 비용을 낮추기 위한 방안으로, 기계 학습 기반으로 MODBUS 데이터를 IEC61850 데이터로 직변환하는 방법 및 시스템을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 데이터 직변환 방법은, 외부 정보를 기초로, 이론치를 생성하는 단계; 발전 장치에서 출력되는 측정치와 상기 생성단계에서 생성된 이론치를 이용하여, 기계 학습을 통해 측정치가 나타내는 파라미터를 추정하는 단계; 및 추정된 파라미터를 참조하여, 상기 측정치의 데이터 구조를 변환하는 단계;를 포함한다.
그리고, 상기 외부 정보는, 환경 정보 및 계통 상황 중 적어도 하나를 포함할 수 있다.
또한, 상기 추정 단계는, 상기 측정치와 상기 이론치의 패턴을 비교하는 단계; 및 상기 측정치와 패턴 유사도가 기준치 이상으로 가장 높은 이론치가 나타내는 파라미터를 상기 측정치의 파라미터로 추정하는 단계;를 포함할 수 있다.
그리고, 본 발명의 일 실시예에 따른 데이터 직변환 방법은, 상기 측정치와 패턴 유사도가 기준치 이상인 이론치가 없는 경우, 기계 학습의 이론치를 재생성하고, 파라미터를 재추정하는 단계;를 더 포함할 수 있다.
또한, 재생성되는 이론치는, 기생성된 이론치에서 이용하였던 외부 정보에 변형을 가하여 재생성되는 이론치일 수 있다.
그리고, 상기 변환단계는, 상기 측정치의 데이터 구조를 추정된 파라미터에 대해 표준에서 정의하는 데이터 구조로 변환할 수 있다.
또한, 본 발명의 일 실시예에 따른 데이터 직변환 방법은, 커맨드를 수신하는 단계; 수신된 커맨드의 내용으로부터 해당 파라미터를 파악하는 단계; 및 파악된 파라미터를 참조하여, 상기 커맨드의 포맷을 변환하는 단계;를 더 포함할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 데이터 직변환 시스템은, 외부 정보를 기초로, 이론치를 생성하는 생성부; 발전 장치에서 출력되는 측정치와 상기 이론치를 이용하여, 기계 학습을 통해 측정치가 나타내는 파라미터를 추정하는 분류부; 및 추정된 파라미터를 참조하여, 상기 측정치의 데이터 구조를 변환하는 직변환부;를 포함한다.
이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 데이터 게이트웨이를 이용한 데이터 재변환 없이도, MODBUS 데이터를 IEC61850 데이터로 직변환할 수 있게 된다.
또한, 본 발명의 실시예들에 따르면, 데이터 직변환을 위한 OPC 클라이언트/서버를 배제할 수 있어, 소프트웨어 추가가 필요 없게 된다.
도 1은 기존 IEC61850/MODBUS 통합 시스템의 구성도,
도 2는, 도 1에 도시된 시스템에서의 데이터 처리 과정을 나타낸 도면,
도 3은 신재생 에너지 시스템에서 데이터 직변환의 개념 설명에 제공되는 도면,
도 4는 MODBUS 프레임을 IEC61850 프레임으로 변환하는 방법이 나타난 도면,
도 5는 데이터 직변환을 위해 파라미터에 대한 순서를 재정렬한 테이블,
도 6 내지 도 8은, 측정치들을 예시한 그래프들,
도 9는 계통 전압, 로터 속도, 유효 전력, 무효 전력에 대해 생성한 이론치들을 예시한 그래프,
도 10은 본 발명의 실시예에 따른 데이터 직변환 시스템을 도시한 도면,
도 11은 제어 명령을 재-직변환하는 과정의 설명에 제공되는 도면,
도 12는 외부 정보가 고려되지 않은 경우 Q 팩터에 대한 이론치와 측정치의 패턴을 비교한 그래프,
도 13은 외부 정보로 풍향 정보가 고려된 경우 Q 팩터에 대한 이론치와 측정치의 패턴을 비교한 그래프이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 3은 신재생 에너지(풍력, 파력, 태양광 에너지 등) 시스템에서 데이터 직변환의 개념 설명에 제공되는 도면이다. 도 3에서는 MODBUS 프레임을 IEC61850 프레임으로 변환하는 시스템과 과정이 도식적으로 나타나 있다.
도 3에 도시된 바와 같이, 데이터 직변환 시스템(100)은 신재생 에너지 발전 장치의 MODBUS 디바이스(10)에 MODBUS 프레임을 요청/수신하고, 수신된 MODBUS 프레임을 IEC61850 프레임으로 변환하여 SCADA 시스템(20)으로 전달한다.
MODBUS 프레임의 구성은 도 3의 좌측 하부에 나타나 있고, IEC61850 프레임의 구성은 도 3의 우측 하부에 나타나 있다.
도 4에는 MODBUS 프레임을 IEC61850 프레임으로 변환하는 방법이 나타나 있다. 도 4에 도시된 직변환에서 가장 중요한 것은 데이터 부분이다. 즉, MODBUS 데이터를 IEC61850 데이터로 변환하는 것이 가장 중요하다.
본 발명의 실시예에서는, 기계 학습 기반으로 MODBUS 데이터를 IEC61850 데이터로 직변환(Direct Mapping)한다. 즉, 기존의 OPC(OLE for Process Control) 관련 서버와 클라이언트를 사용하지 않는다.
MODBUS 디바이스(10)로부터 수신한 MODBUS 데이터에는 파라미터, 데이터 타입, 어드레스 등이 포함된다. 하지만, 모든 MODBUS 데이터가 동일한 구성을 갖는 것은 아니며, MODBUS 디바이스(10)를 개발한 제조사에 따라 파라미터의 순서와 파라미터를 처리하는 어드레스의 구성이 다르다.
본 발명의 실시예에서는 MODBUS 데이터를 IEC618580 데이터로 직변환하기 위해, 파라미터에 대한 순서를 도 5에 도시된 바와 같이 재정렬한다. 그리고, MODBUS 데이터에 포함된 측정치의 파형을 이용한 기계학습으로 측정치의 파라미터를 추정한다.
도 6 내지 도 8에는, 도 5에 제시된 파라미터들 중 일부의 파라미터에 대한 측정치의 특성을 나타내었다. 구체적으로, 도 6에는 토크 변화량, 도 7에는 무효 전력량, 도 8에는 유효 전력량을 각각 나타내었다.
한편, 이 파라미터들에 대한 측정치가 아닌 이론치 생성이 가능하다. 본 발명의 실시예에서는, 이론치를 보다 정확하게 생성하기 위해, 외부 환경 정보나 신재생 에너지를 공급하는 계통의 상황(예를 들어, 요구 전력)을 반영할 수 있다.
예를 들어, 풍력 발전 시스템에서의 출력 전력은 로터 파워 계수(Rotor Power Coefficient:Cp), 공기 밀도(air density : ρ), 블레이드가 회전할 때 바람이 직접 접촉되는 유효면적(A) 및 바람의 속도(Vwind)를 다음과 같은 식에 대입하여 이론치 생성이 가능하다.
Pwind=0.5CpρAVwind 3
또한, MODBUS에서 전달되는 모든 파라미터는 서로 연계되어 있으며, 아래의 식을 이용하여 출력 전력을 유효전력(Real Power)과 무효전력(Reactive Power)으로 구분하여, 각각에 대한 이론치를 생성할 수 있다.
Figure pat00001
본 발명의 실시예에서는, 이와 같은 방식으로 이론치를 생성하게 되며, 도 9에는 계통 전압, 로터 속도, 유효 전력, 무효 전력에 대한 이론치 생성 결과를 예시하였다.
생성된 이론치는 기계 학습의 초기치로 이용된다. 즉, MODBUS 데이터에 포함된 측정치에 대해 각각의 이론치들과 패턴을 비교하여 MODBUS 데이터가 어느 파라미터에 대한 것인지 추정한다.
구체적으로, MODBUS 데이터를 획득하면, 그에 포함된 측정치를 유효 전력 이론치, 무효 전력 이론치 등과 각각 패턴 비교하여, MODBUS 데이터의 파라미터를 패턴이 가장 유사한 이론치의 파라미터로 추정하는 것이다.
도 10은 본 발명의 실시예에 따른 데이터 직변환 시스템을 도시한 도면이다. 도 10에서 데이터 직변환 시스템(Direct Mapping Converter)(100)은 MODBUS 디바이스(10)로부터 MODBUS 프레임을 수신하여 IEC61850 프레임으로 변환하여 SCADA 시스템(20)으로 전달한다.
이를 위해, 데이터 직변환 시스템(100)은, 데이터 도식화부(110), 이론치 생성부(120), 패턴 비교부(130), 결정부(140), 분류부(150) 및 직변환부(160)를 포함한다.
데이터 도식화부(110), 이론치 생성부(120), 패턴 비교부(130) 및 결정부(140)는 기계학습을 위한 구성이다.
데이터 도식화부(110)는 MODBUS 데이터에 수록된 측정치를 도식화하여, 도 6 내지 도 8에 도시된 바와 같은 결과물을 생성한다.
그리고, 이론치 생성부(120)는 풍황정보와 같은 환경 정보와 계통 상황 정보 등을 기초로, 파라미터들(토크, 속도, 유효 전력, 무효 전력, 전류, 전압 등)의 이론치들을 생성한다.
패턴 비교부(130)는 데이터 도식화부(110)에 의해 생성된 측정치의 패턴과 이론치 생성부(120)에 의해 생성된 이론치들의 패턴과 비교한다. 패턴 비교부(130)의 비교 결과를 기초로, 결정부(140)는 측정치와 이론치의 유사도를 생성한다.
이를 위해, 패턴 비교부(130)는 측정치와 이론치에서의 특징적인 부분을 추출하고, 추출된 부분에서 패턴의 차이(즉, 측정치와 이론치의 차이)를 계산하고, 변곡점의 위치를 비교하여, 그 결과를 결정부(140)에 전달하고, 결정부(140)는 비교결과를 조합하여 측정치와 이론치의 유사도를 결정한다.
분류부(150)는 결정부(140)에서 결정된 유사도를 기반으로 측정치의 파라미터를 추정한다. 구체적으로, 유사도가 가장 높은 파라미터를 측정치의 파라미터로 추정한다. 예를 들어, 측정치가 유효 전력의 이론치와 패턴 유사도가 가장 높은 경우, 측정치의 파라미터는 유효 전력으로 추정하는 것이다.
한편, 유사도가 기준치 이상인 파라미터가 없는 경우, 측정치의 파라미터를 결정하지 않을 수 있다. 이 경우, 이론치 생성부(120)는 이론치들을 재생성하는데, 재생성시에는 애초 생성시에 이용하였던 환경 정보와 계통 상황 정보에 약간의 변형(예를 들면, 환경 정보의 일종인 풍속을 5% 증가 또는 감소)을 가한다. 이후, 패턴 비교부(130)에 의한 재비교, 결정부(140)에 의한 유사도 재결정 및 분류부(150)에 의한 재추정 과정이 수행된다.
분류부(150)에 의해 추정된 파라미터를 참조하여, 직변환부(160)는 MODBUS 데이터 구조를 IEC61850 데이터 구조로 변환한다. 이에, MODBUS 프레임이 IEC61850 프레임으로 변환된다.
도 11은 데이터 직변환 시스템(100)이 SCADA 시스템(20)의 커맨드를 MODBUS 디바이스(10)에 전달하는 과정을 나타내었다. 이를 위해, 데이터 직변환 시스템(100)는 재-분류부(170) 및 재-직변환부(180)를 포함한다.
SCADA 시스템(20)의 커맨드는 IEC61850 규격을 따르므로, 재-분류부(170)는 프레임에 수록된 내용으로부터 커맨드 대상이 되는 파라미터가 무엇인지 파악할 수 있다.
재-직변환부(180)는 커맨드를 IEC61850 포맷으로부터 MODBUS 포맷으로 변환하여 MODBUS 디바이스(10)에 전달한다.
지금까지, 기계 학습 기반으로 MODBUS 데이터를 IEC61850 데이터로 직변환하고, IEC61850 커맨드를 MODBUS 커맨드로 재-직변환하는 과정에 대해 바람직한 실시예들을 들어 상세히 설명하였다.
위 실시예에서, 기계학습을 위한 이론치들을 생성함에 있어 외부 정보(환경 정보 등)를 이용하였다. 이는, 측정치와 이론치의 패턴을 비교할 때, 매칭률을 비교적 높이기 위함이다.
도 12에는 외부 정보가 고려되지 않은 경우 Q 팩터에 대한 이론치와 측정치의 패턴을 비교한 그래프이고, 도 13은 외부 정보로 풍향 정보가 고려된 경우 Q 팩터에 대한 이론치와 측정치의 패턴을 비교한 그래프이다. 도시된 바를 통해, 풍향 정보와 같은 외부 정보가 고려되는 경우, 패턴 매칭률이 높아져, 보다 정확한 파라미터 추정이 가능하게 됨을 확인할 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
10 : MODBUS 디바이스 20 : SCADA 시스템
100 : 데이터 직변환 시스템 110 : 데이터 도식화부
120 : 이론치 생성부 130 : 패턴 비교부
140 : 결정부 150 : 분류부
160 : 직변환부 170 : 재-분류부
180 : 재-직변환부

Claims (8)

  1. 외부 정보를 기초로, 이론치를 생성하는 단계;
    발전 장치에서 출력되는 측정치와 상기 생성단계에서 생성된 이론치를 이용하여, 기계 학습을 통해 측정치가 나타내는 파라미터를 추정하는 단계; 및
    추정된 파라미터를 참조하여, 상기 측정치의 데이터 구조를 변환하는 단계;를 포함하는 것을 특징으로 하는 데이터 직변환 방법.
  2. 청구항 1에 있어서,
    상기 외부 정보는,
    환경 정보 및 계통 상황 중 적어도 하나를 포함하는 것을 특징으로 하는 데이터 직변환 방법.
  3. 청구항 1에 있어서,
    상기 추정 단계는,
    상기 측정치와 상기 이론치의 패턴을 비교하는 단계; 및
    상기 측정치와 패턴 유사도가 기준치 이상으로 가장 높은 이론치가 나타내는 파라미터를 상기 측정치의 파라미터로 추정하는 단계;를 포함하는 것을 특징으로 하는 데이터 직변환 방법.
  4. 청구항 3에 있어서,
    상기 측정치와 패턴 유사도가 기준치 이상인 이론치가 없는 경우, 기계 학습의 이론치를 재생성하고, 파라미터를 재추정하는 단계;를 더 포함하는 것을 특징으로 하는 데이터 직변환 방법.
  5. 청구항 4에 있어서,
    재생성되는 이론치는,
    기생성된 이론치에서 이용하였던 외부 정보에 변형을 가하여 재생성되는 이론치인 것을 특징으로 하는 데이터 직변환 방법.
  6. 청구항 1에 있어서,
    상기 변환단계는,
    상기 측정치의 데이터 구조를 추정된 파라미터에 대해 표준에서 정의하는 데이터 구조로 변환하는 것을 특징으로 하는 데이터 직변환 방법.
  7. 청구항 1에 있어서,
    커맨드를 수신하는 단계;
    수신된 커맨드의 내용으로부터 해당 파라미터를 파악하는 단계;
    파악된 파라미터를 참조하여, 상기 커맨드의 포맷을 변환하는 단계;를 더 포함하는 것을 특징으로 하는 데이터 직변환 방법.
  8. 외부 정보를 기초로, 이론치를 생성하는 생성부;
    발전 장치에서 출력되는 측정치와 상기 이론치를 이용하여, 기계 학습을 통해 측정치가 나타내는 파라미터를 추정하는 분류부; 및
    추정된 파라미터를 참조하여, 상기 측정치의 데이터 구조를 변환하는 직변환부;를 포함하는 것을 특징으로 하는 데이터 직변환 시스템.
KR1020150067388A 2015-05-14 2015-05-14 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템 KR101779658B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020150067388A KR101779658B1 (ko) 2015-05-14 2015-05-14 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템
US15/136,988 US20160335378A1 (en) 2015-05-14 2016-04-25 Direct mapping method and system for converting modbus data to iec61850 data based on machine learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150067388A KR101779658B1 (ko) 2015-05-14 2015-05-14 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20160134986A true KR20160134986A (ko) 2016-11-24
KR101779658B1 KR101779658B1 (ko) 2017-09-20

Family

ID=57277175

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150067388A KR101779658B1 (ko) 2015-05-14 2015-05-14 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템

Country Status (2)

Country Link
US (1) US20160335378A1 (ko)
KR (1) KR101779658B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873824A (zh) * 2017-05-12 2018-11-23 中国石油化工股份有限公司 基于scada系统的仿真展示方法及装置、scada系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319161B (zh) * 2018-02-05 2020-08-14 浙江大学 一种工业scada系统仿真平台
CN110049014B (zh) * 2019-03-18 2021-03-23 武汉虹信技术服务有限责任公司 一种基于多Modbus总线协议的OpenAPI转换系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8131401B2 (en) * 2006-07-19 2012-03-06 Power Analytics Corporation Real-time stability indexing for intelligent energy monitoring and management of electrical power network system
WO2008044902A1 (en) * 2006-10-13 2008-04-17 Electronics And Telecommunications Research Institute Relaying method of relay station(rs) using a direct relaying zone in multi-hop relay system
KR101349939B1 (ko) * 2007-04-20 2014-01-14 현대중공업 주식회사 변전소 자동화 시스템용 프로토콜 변환장치
US20160343263A9 (en) * 2013-05-03 2016-11-24 Samsung Electronics Co., Ltd. Computing system with learning platform mechanism and method of operation thereof
CN106605150A (zh) * 2014-04-15 2017-04-26 Abb瑞士股份有限公司 使用端子测量的变压器参数估计

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108873824A (zh) * 2017-05-12 2018-11-23 中国石油化工股份有限公司 基于scada系统的仿真展示方法及装置、scada系统
CN108873824B (zh) * 2017-05-12 2021-02-05 中国石油化工股份有限公司 基于scada系统的仿真展示方法及装置、scada系统

Also Published As

Publication number Publication date
KR101779658B1 (ko) 2017-09-20
US20160335378A1 (en) 2016-11-17

Similar Documents

Publication Publication Date Title
KR101779658B1 (ko) 기계 학습 기반으로 modbus 데이터를 iec61850 데이터로 직변환하는 방법 및 시스템
Chowdhury et al. A novel aggregated DFIG wind farm model using mechanical torque compensating factor
Cárdenas et al. Analytical and experimental evaluation of a WECS based on a cage induction generator fed by a matrix converter
GB2551701A (en) Control or processing system and method
US8996739B2 (en) Electricity system configuration method and computer program for intelligent electronic devices (IEDs) confirgured for dynamic or static modes via converted description file
CN113300408B (zh) 微电网群同期控制方法和系统
CN112648140B (zh) 基于信号重构的风电机组桨距角编码器故障容错方法
CN112529373B (zh) 多回直流同时故障下电网频率稳定性评估方法
Bani-Ahmed et al. Foundational support systems of the smart grid: State of the art and future trends
DK179327B1 (en) System and method for controlling an electronic component of a wind turbine using contingent communication
Okedu et al. Comparative study of the effects of machine parameters on DFIG and PMSG variable speed wind turbines during grid fault
Naifar et al. Robust software sensor with online estimation of stator resistance applied to WECS using IM
Han et al. Cloud-edge hosted digital twins for coordinated control of distributed energy resources
Rachedi et al. MPPT control design for variable speed wind turbine
CN109950929B (zh) 一种应对大规模新能源机组低电压穿越的紧急控制方法及其系统
Ramirez et al. Non‐linear vector current source for the control of permanent magnet synchronous generators in wave energy applications
CN109660181A (zh) 一种用于直流组网系统的功率限制装置和功率限制方法
Wang et al. ANN based pitch angle controller for variable speed variable pitch wind turbine generation system
Karegar Relay curve selection approach for microgrid optimal protection
Kanellos et al. Wind Parks equivalent ARX models for the simulation of power systems with large wind power penetration, using system-identification theory
Lin Novel modified Elman neural network control for PMSG system based on wind turbine emulator
Dumnic et al. Artificial Intelligence Based Vector Control of Induction Generator Without Speed Sensor for Use in Wind Energy Conversion System
CN113689308A (zh) 基于动态模糊网络和多源信息融合的供电系统级故障诊断
Yogarathinam et al. Modeling adequacy for studying power oscillation damping in grids with wind farms and networked control systems (NCS)
Mishra et al. An IoT Integrated Reliability Estimation of Wind Energy System

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant