NO338521B1

NO338521B1 - Automatisk sanntids optimalisering og intelligent kontroll av elektrisk kraftdistribusjon og distribusjonssystem

Info

Publication number: NO338521B1
Application number: NO20090423A
Authority: NO
Inventors: Adib Nasle
Original assignee: Edsa Micro Corp
Priority date: 2006-06-29
Filing date: 2009-01-28
Publication date: 2016-08-29
Also published as: WO2008003033A3; NO20090423L; EP2033060A4; EP2033060A2; WO2008003033A2; AU2007264998A1; CA2653606A1; EP2033060B1; AU2007264998B2

Description

AUTOMATISK SANNTIDS OPTIMALISERING OG INTELLIGENT

KONTROLL AV ELEKTRISK KRAFTDISTRIBUS JON OG

DISTRIBUSJONSSYSTEM

Søknaden krever prioritet fra denne applikasjonen evner krav under 35 U.S.C §119(e) av US søknad nr. 60/806,224 søkt 29. juni 2006. Denne søknaden krever også prioritet som en ny innlevering ved prioritet under 35 U.S.C §120 til US patentsøknad nr. 11/734,709 søkt 12. april 2007 og med tittel system og metode for å utføre automatisk sanntids harmonisk for bruk i sanntids kraftanalyser av et elektrisk kraftdistribusjonssystem som igjen krever prioritet fra US patentsøknad nr. 60/792,175 søkt 12. April 2006. Redegjørelsen av den overfordefinerte søknaden er innkorporert herved med referanse som om den var fullt fremsatt.

BAKGRUNN:

Oppfinnelsens felt

Den foreliggende oppfinnelsen relaterer seg generelt til datamodelleringer og styring av systemer og mer spesielt til datasimuleringsteknikker med sanntidssystemovervåkninger og optimalisering av elektrisk systemytelse.

Bakgrunn for oppfinnelsen

Datamodeller av komplekse systemer muliggjør forbedret systemdesign, utvikling og implementering gjennom teknikker for off- line simulering av systemdriften. Dvs. systemmodeller kan bli laget som datamaskiner kan operere i et virtuelt miljø for å bestemme designparametere. Alle mulige systemer kan bli modellert, designet og drevet på denne åten. Inkluderende maskineri fabrikker elektrisk kraft og distribusjonssystemer, prosesseringsfabrikker, enheter, kjemiske prosesser, biologiske systemer, og lignende. Slike simuleringsteknikker har resultert i redusert utviklingskostnader og overlegen drift.

Design og produksjonsprosesser har dratt stor nytte av slike datasimuleringsteknikker, og slike teknikker er relativt godt utviklet, men slike teknikker har ikke blitt brukt i sanntid, for eksempel, for sanntids operasjonsovervåking, optimalisering, og styring. I tillegg bruker generelt sett ikke prediktiv feilanalyseteknikker sanntidsdata som reflekterer faktisk systemdrift. Større anstrengelse med sanntidsdriftsovervåking, optimalisering og styring ville gi mer nøyaktig og betimelige forslag for systemoptimaliseringsavgjørelser, og slike teknikker brukt på feilanalyser vil skaffe tilveie forbedrede prediksjoner av systemproblemer før de forekommer. Slike forbedrede teknikker ville driftskostnader bli redusert kraftig.

For eksempel har kraftsystems optimalisering tradisjonelt vært en statisk og off-line aktivitet som blir gjort av planleggere. Sanntidsbruk av en logisk simuleringsmodell for predikeringen av helsen og statusen til kraftsystemet som skal bli optimalisert sammen med bruken av slike teknikker gir en sanntidsavgjørelse og stillingssløyfe har ikke vært tilgjengelig. Dette er fordi moderne elektriske kraftsystemer er fullt komplekse, i en kompleksitet som blir gjort større som et resultat av den krevde redundansen. Dvs, med en gang fasiliteten er konstruert, fordi slik design er så kompleks, og at det er mange interne avhengigheter, kan det være ekstremt vanskelig og tidkrevende å følge en feil og alle dens avhengigheter som foretar korrekt handling som ikke resulterer i forstyrrelser i andre systemer. Videre, kan forandringer eller oppgraderinger av systemet likeledes være tidskonsumerende og dyre, og krever en ekspert for å modellere en potensiell forandring, for eksempel, ved bruk av design og modelleringsprogrammet. Dessverre, kan interne systemavhengigheter være vanskelig å simulere, hvilket gjør selv små forandringer risikable.

Faktisk, eksisterer det ingen pålitelige måter for optimalisering av det elektriske kraftsystemet som tar i bruk en virituell modell som eldes med den faktiske fabrikken. Alle tidligere system bruker en rigid simuleringsmodell som ikke overveier effekten ved elding ved beregning av predikerte elektriske verdier. En modell som kan eldes med fasiliteten er kritisk ved generering av optimaliserte parametere for kraftsystemer som er reflektive av systemets helse og ytelse i relasjon til syklusen til systemet. Uten en mulighet for elding, blir forslag om hvordan man optimaliserer kraftsystemets drift av liten verdi når det ikke lenger reflekterer den faktiske fasilitetens status og kan lede til falske konklusjoner.

Sammendrag:

Det er herved vedlagt et system og en metode for sanntids optimalisering og intelligent kontroll av et elektrisk kraftdistribusjons og transmisjonssystem.

I et aspekt, er det beskrevet et system for sanntids optimalisering av kraftressurser i et elektrisk system. Systemet inkluderer en datainnhentningskomponent, en analytisk server, et kontrollelement og en klientterminal. Datainnhentingskomponenten er kommunikativt knyttet til en sensor konfigurert til å hente sanntidsdata output fra det elektriske systemet.

Den analytiske serveren er kommunikativt knyttet til datainnhentingskomponenten og består av en virtuell systemmodelleringsmotor, en analytisk motor og en optimaliseringsmotor for kraftflyt.

Den virtuelle systemmodelleringsmotoren er konfigurert til å generere predikerte dataoutput for det elektriske systemet som bruker en virtuell systemmodell av det elektriske systemet. Den analytiske motoren er konfigurert til å overvåke sanntidsdata output og de predikerte data output av det elektriske systemet som bruker en kalbrerings og synkroniseringsoperasjon for å oppdatere den virtuelle systemmodellen når en forskjell mellom sanntidsdata output og predikert data output overskrider en terskelverdi. Optimaliseringsmotoren for kraftflyt er konfigurert til å bruke den virtuelle systemmodellen for å generere systemkontrollparametere som optimaliserer kraftresursene i det elektriske systemet.

Kontrollelementet har et grensesnitt med en elektrisk systemkomponent og kommunikativt knyttet til analytiske serveren. Kontrollelementet er konfigurert til å motta systemkontrollparametere og effektuere forandringer til driftssettingene til den elektriske systemkomponenten. Klientterminalen er kommunikativt knyttet til den analytiske serveren og konfigurert til å kommunisere systemkontrollparameterne og til å forandre en konfigurasjons setting til optimaliseringsmotoren for kraftflyt.

I et annet aspekt, er det beskrevet en metode for sanntidsoptimalisering av kraftressurser i et elektrisk system. Den virtuelle systemmodellen av det elektriske systemet er oppdatert i samsvar med sanntidsdataene. Den oppdaterte virtuelle systemmodellen er mottatt. Optimaliseringssettingene er valgt. Systemkontrollparameterne, som er responsive til optimaliseringssettingene, er generert for å optimalisere bruken av kraftressurser i det elektriske systemet. Operasjonssettingene til et element av det elektriske systemet er justert basert på systemkontrollparameterne som er generert. Disse og andre trekk, aspekter og utførelsesformer av oppfinnelsen er beskrevet under i seksjonen med tittelen detaljert beskrivelse.

Kort beskrivelse av figurene

For en mer komplett forståelse av prinsippene beskrevet her, og fordelene av disse, følger det nå en referanse til de følgende beskrivelsene som er tatt i samsvar med de medfølgende figurene, ved hvilke: Figur 1 er en illustrasjon av et system for bruk av sanntidsdata for prediktiv analyse av ytelses evnen til et overvåket system, i samsvar med en utførelsesform. Figur 2 er et diagram som illustrerer et detaljert bilde av en analytisk server inkludert i systemet i figur 1. Figur 3 er et diagram som illustrerer hvordan systemet i figur 1 opererer for å synkronisere operasjonsparameterne mellom en fysisk fasilitet og en virtuell systemmodell av fasiliteten. Figur 4 er en illustrasjon over skalérbarheten til et system som bruker sanntidsdata for prediktiv analyse av ytelsesevnen til systemet, i samsvar med en utførelsesform. Figur 5 er et blokkdiagram som viser de konfigurerte detaljene til systemet illustrert i figur 1, i samsvar med en utførelsesform. Figur 6 er en illustrasjon av flytskjema som beskriver en metode for sanntidsovervåking og prediktiv analyse av et overvåkingssystem, i samsvar med en utførelsesform. Figur 7 er en illustrasjon av et flytskjema beskrivende en metode for kontroll av sanntidsoppdateringene til en virtuell systemmodell av et overvåket system, i samsvar med en utførelsesform. Figur 8 er en illustrasjon av et flytskjema beskrivende metode for synkronisering av sanntidssystemdata med en virtuell systemmodell av det overvåkede systemet, i samsvar med en utførelsesform. Figur 9 er et flytskjema justerende et eksempel på en metode for oppdatering av den virtuelle modellen i samsvar med en utførelsesform. Figur 10 er et diagram som illustrerer et eksempel for overvåking av statusen til prediktive enheter i et overvåkingssystem og oppdateringen av en virtuell modell basert på overvåkede data. Figur 11 er et flytskjema som illustrerer et eksempel på en prosess for å bestemme de beskyttende kapasitetene til det prediktive enheten som blir overvåket. Figur 12 er et diagram som illustrerer et eksempel på en prosess for bestemmelse av beskyttende kapasiteter til høyspent skillebryter (HVCB). Figur 13 er et flytdiagram som illustrerer et eksempel på en prosess for bestemmelse av beskyttende kapasiteter til den beskyttende enheten som blir overvåket i samsvar med en annen utførelsesform. Figur 14 er et diagram som illustrerer en prosess for evaluering av motstandskapasiteten til en MVCB i samsvar med en utførelsesform. Figur 15 er et flytskjema som illustrerer et eksempel på en prosess for analyse av påliteligheten til et elektrisk kraftdistribusjonssystem i samsvar med en utførelsesform. Figur 16 er et flytskjema illustrerende et eksempel på en prosess for analyse av påliteligheten til et elektrisk kraftdistribusjons og transmisjonssystem som tar værinformasjon i betraktning i samsvar med en utførelsesform. Figur 17 er et diagram som illustrerer et eksempel på en prosess for predikering i sanntids forskjellige parametere assosiert med en vekselstrøm (AC) lysbue hendelse. Figur 18 er et flytskjema illustrerende et eksempel på en prosess for sanntids analyse av driftsstabiliteten til et kraftdistribusjons og transmisjonssystem i samsvar med en utførelsesform. Figur 19 er et flytskjema illustrerende et eksempel på en prosess for å holde en sanntidskraftkapasitets vurdering av et elektrisk kraftdistribusjons og transmisjonssystem, i samsvar med en utførelsesform. Figur 20 er et flytskjema illustrerende et eksempel på en prosess for å utføre sanntids harmoniske analyser av et elektrisk kraftsdistribusjons og transmisjonssystem, i samsvar med en utførelsesform. Figur 21 er et diagram illustrerende hvordan HTM mønstergjenkjenning og maskinlæringsmotoren virker i samsvar med andre elementer av det analytiske systemet for å utføre prediksjoner om de driftsmessige aspektene av det overvåkede systemet, i samsvar med en utførelsesform. Figur 22 er en illustrasjon av forskjellige kognitive lag som utgjør den neokortikale katalytiske prosessen brukt av HTM mønstergjenkjenning og maskin læringsmotoren for å analysere og gjøre produksjoner om de driftsmessige aspektene til overvåkningssystemet i samsvar med en utførelsesform. Figur 23 er et flytskjema illustrerende et eksempel på en prosess for sanntidsoptimalisering og intelligent kontroll av et elektrisk kraftdistribusjons- og transmisjonssystem i samsvar med en utførelsesform. Figur 24 er et diagram illustrerende hvordan den sikkerhetsbegrensende optimaliserte kraftflytsmotoren (SCOPF) virker i samsvar med de andre elementene av det analytiske systemet for optimalisering og kontroll av elektrisk kraft distribusjons og transmisjonssystem, i samsvar med en utførelsesform.

DETALJERT BESKRIVELSE

System og metode for sanntidsoptimalisering og intelligent kontroll av elektrisk kraftdistribusjons- og transmisjonssystemer er hermed vedlagt. Det vil uansett bli gjort klart at den foreliggende oppfinnelsen kan bli utøvet uten noen eller alle av disse spesifikke detaljene. I andre tilfeller, ved en kjent prosess operasjoner har ikke blitt beskrevet i detalj for ikke å unødvendig forklundre den foreliggende oppfinnelsen.

Som brukt her, et system betegner et sett av komponenter, faktiske eller av abstrakte, bestående av et hele hvor hver komponent samvirker med eller er relatert til i det minste en komponent inne i det hele. Eksempler på systemer inkluderer maskineri, fabrikker, elektriske systemer, prosesseringsfabrikker, enheter, kjemiske prosesser, biologiske systemer, datasentre, hangarskip, og lignende. Et elektrisk system kan betegne en kraftgenerering og/eller distribusjonssystem som er vidt spredt (dvs. kraftgenerering, omformere, og/eller elektrisk distribusjonskomponenter distribuert geografisk over et stort område) eller bundet innen en bestemt lokalisering (for eksempel en kraftgenererende fabrikk inne i en produksjonsfabrikk, et bundet geografisk område, om bord et skip, og lignende).

En nettverksanvendelse er en anvendelse som er lagret på en applikasjonsserver knyttet til et nettverk (for eksempel LAN, VAN, osv.) i samsvar med hvilken som helst nåværende klientserver er en arkitekturmodell og kan bli skaffet tilgang til via nettverket. I dette arrangementet, er nettverksapplikasjonsprogrammeringsgrensesnittet (API) på applikasjonsserveren separat fra klientmaskinen. Klientgrensesnittet ville typisk være en web browser (for eksempel Internett Explorer™, Firefox™, Netscape™, osv.) som er i kommunikasjon med nettverksapplikasjonsserveren via en nettverkstilkopling (for eksempel http, HTTPS, RSS, osv). Figur 1 er en illustrasjon av et system for bruk av sanntidsdata for prediktiv analyse av utførelsen av et overvåket system, i samsvar med en utførelsesform. Som vist her, inkluderer systemet 100 en serie av sensorer (for eksempel sensor A 104, Sensor B 106, Sensor C 108) med grensesnitt til forskjellige komponenter til det overvåkede systemet 102, en datainnsamlings hub 112, en analytisk server 116, og en tynn klientenhet 128.1 en utførelsesform, er det overvåkede systemet 102 en elektrisk kraftgenererende fabrikk. I en annen utførelsesform, er det overvåkede systemet 102 en infrastruktur for elektrisk krafttransmisjon. I ytterligere en utførelsesform, er det overvåkede systemet 102 et elektrisk kraftdistribusjonssystem. I enda et ytterligere utførelsesform inkluderer det overvåkede systemet el 02 en kombinasjon av en eller flere elektriske kraftgenererende fabrikker, infrastrukturer for krafttransmisjon, og/eller et elektrisk kraftdistribusjonssystem. Det bør bli forstått at det overvåkede systemet 102 kan være en hvilke som helst kombinasjon av komponenter hvilkes drift kan bli overvåket med konvensjonelle sensorer og hvor hver komponent samvirker med eller er relatert til i det minste en annen komponent i kombinasjonen. For et overvåket system 102 som er en elektrisk kraftgenerering, transmisjon eller distribusjonssystem, kan sensorene i data som volt, frekvens, strøm, kraft, kraftfaktor, og lignende. Sensorene er konfigurert til å bli outputverdier for systemparametere som indikerer driftsstatusen og/eller helsen til det overvåkede systemet 102. For eksempel, i et elektrisk kraftgenererende system, er utgangsstrømmen eller spenningsavlesningene for de forskjellige komponentene som utgjør det kraftgenererende systemet indikative på den generelle helsen og/eller driftsforholdende til systemet. I en utførelsesform, er sensoren konfigurert til også å måle ytterligere data som kan påvirke systemets drift. For eksempel, for et elektrisk kraftdistribusjonssystem, kan sensoroutput inkludere miljømessig informasjon, som for eksempel temperatur, fuktighet osv. som kan påvirke elektrisk kraftetterspørsel og kan også påvirke driften og effektiviteten til kraftdistribusjonssystemet.

I en fortsettelse til figur 1, i en utførelsesform, er sensorene konfigurert til å sende data på et analogt format. For eksempel, elektrisk kraftsensormålinger (for eksempel spenning, strøm, osv.) er noen ganger fremvist på et analogt format i det målingene kan være kontinuerlige i både tid og amplitude. I en annen utførelsesform, er sensorene konfigurert til å sende ut data på et digitalt format. For eksempel de samme elektriske kraftsensormålingene kan bli tatt i diskret tidsinkrementeringer som ikke er kontinuerlig i tid eller amplitude. I enda en annen utførelsesform er sensorene konfigurert til å sende data i enten en analog eller digitalt format avhengig av samplingskravene til det overvåkede systemet 102.

Sensorene kan være konfigurert til å fange utgangsdata på øyeblikkelige intervaller for å effektuere sanntids datainnsamlinger. For eksempel, i en utførelsesform, kan sensorene være konfigurert til å generere hundre av tusener av datalesninger per sekund. Det bør uansett bli satt pris på, at antallet av datautgangsavlesninger foretatt av sensorene kan bli satt til hvilke som helst verdi så lenge de driftsmessige begrensningene til sensoren og dataprosseringskapasitetene til datainnsamlings huben 112 ikke blir overskredet.

Fortsatt med blikk på figur 1, er hver sensor kommunikativt knyttet til datainnsamlingshuben 112 via en analog eller digital tilkopling 110. Datainnsamlingshuben 112 kan være en enkeltstående enhet eller integrert i den analytiske serveren 116 og kan være virkeliggjort som en del av hardware, software eller en kombinasjon av disse. En utførelsesform, er datatilkoplingen 110 en direktekoplet fysisk datakopling (for eksempel seriell, nettverk, osv.). For eksempel en seriell eller kabeltilkopling mellom sensoren og huben 112. En annen utførelsesform er datatilkoplingen 110 en trådløs datatilkopling. For eksempel en radiofrekvens, BLUETOOTH ™, infrarød eller ekvivalent tilkopling mellom sensoren og huben 112.

Datainnsamlingshub 112 er konfigurert til å kommunisere sanntidsdata fra det overvåkede systemet 102 til den analytiske serveren 116 ved bruk av en nettverkstilkopling 114. En utførelsesform er nettverkstilkoplingen 114 en direkte koplet direkte fysisk tilkopling. For eksempel kan datainnsamlingshuben 112 være kommunikativt knyttet (via kategori 5 (CAT 5), fiber optikk eller lignende kabling) til en dataserver (ikke vist) som er kommunikativt knyttet (via CAT 5, fiber optikk eller lignende kabling) gjennom internett og til den analytiske serveren 116. Den analytiske serveren 116 er også kommunikativt knyttet til internett (via CAT 5, fiberoptikk, eller lignende kabling). I en annen utførelsesform, er nettverkstilkoplingen 114 en trådløs nettverkstilkopling (For eksempel Wi-Fi, WLAN, osv). For eksempel ved bruk av en 802.11 b/g eller lignende transmisjonsformat. I praksis, er nettverkstilkoplingene som blir brukt av hengig av spesielle krav til overvåkingssystemet 102.

Datainnsamlingshuben 112 kan også være konfigurert til å skaffe tilveie varslinger og alarmer og alarmsignaler i tillegg til kontrollsignaler til det overvåkede systemet 102 og/eller sensorene 104,106, og 108 som beskrevet i ytterligere detalj under.

Som vist i figur 1, i en utførelsesform, har den analytiske serveren 116 en analytisk motor 118, en virtuell systemmodelleringsmotor 124 og et flertall av databaser 126, 130, og 132. Den virtuelle systemmodelleringsmotoren kan, for eksempel, være et datamaskinmodelleringssystem, slik som beskrevet over. I denne sammenhengen, kan imidlertid modelleringsmotoren være brukt for å presist modellere og speile det faktiske elektriske systemet. Den analytiske motoren 118 kan være konfigurert til å generere predikerte data for det overvåkede systemet og analysere forskjellen mellom de predikerte dataene og sanntidsdataene mottatt fra hub 112.

Figur 2 er et diagram som illustrerer i ytterligere detalj bilder av den analytiske serveren 116. Som det kan bli sett, har den analytiske serveren 116 grensesnitt med den overvåkede fasiliteten 102 via sensorene 202, for eksempel, sensorene 104, 106, og 108. Sensorene 202 er konfigurert til å skaffe tilveie sanntidsdata fra inne i den overvåkede fasiliteten 102. Sanntidsdataene er kommunisert til den analytiske serveren 116 via en hub 204. Hub 204 kan være konfigurert til å skaffe tilveie sanntidsdata til serveren 116 i tillegg til alarmering, avlesing og kontroll fremhevet for fasilitet 102.

Sanntidsdataene fra hub 204 kan bli sendt til en sammenligningsmotor 210 som kan være en del av den analytiske motoren 118. Sammenligningsmotoren 210 kan være konfigurert til å kontinuerlig sammenligne sanntidsdataene med de predikerte verdiene generert av simuleringsmotoren 208. Basert på sammenligningen, kan sammenligningsmotoren 210 være videre konfigurert til å bestemme om avvikene mellom sanntidsdataene og de forventede verdiene eksisterer, og hvis så er tilfelle å klassifisere avviket, for eksempel som høy, marginal, lav osv. Awiksverdiene kan så bli kommunisert til awiksmotoren 212, som også kan være en del av den analytiske motoren 118.

Avgjørelsesmotoren 212 kan være konfigurert til å se etter signifikante avvik mellom de predikerte verdiene og sanntidsverdiene som er mottatt fra sammenligningsmotoren 210. Hvis signifikant avvik er oppdaget, kan avgjørelsesmotoren 212 også være konfigurert til å bestemme om en alarmbetingelse eksisterer, aktivere alarmen og kommunisere alarmen til menneskemaskingrensesnittet (HMI) 214 for å vise sanntid via, for eksempel, den tynne klienten 128. Avgjørelsesmotoren 212 kan også være konfigurert til å utføre underliggende årsaksanalyser for signifikante avvik for å bestemme de interne avhengighetene og identifisere de foreldre- barn feilforholdene som kan oppstå. På denne måten, er foreldre alarm forhold ikke druknet av multiple barn alarm forhold, og tillater brukeren/operatøren til å fokusere på hovedproblemene, i det minste til å begynne med.

Således i en utførelsesform, og alle forholdene til foreldrefeilen kan bli vist vis (HMI) 214 sammen med en indikasjon på at prosessen og utstyret avhengig av foreldreprosessen eller utstyret er også i alarmforhold. Dette betyr også at serveren 116 kan ivareta en foreldre- barnlogisk forhold mellom prosessen og utstyret som av fasilitet 102. Videre kan prosessen være klassifisert som kritisk, essensiell eller ikke essensiell, osv.

Avgjørelsesmotor 212 kan også være konfigurert til å bestemme helse og ytelsesnivåene og indikere disse nivåene for de forskjellige prosessene og utstyret via (HMI) 214. Hvorav alle, når de er kombinert med den analytiske kapasiteten til analysemotoren 118 tillater operatøren å minimere risikoen for katastrofal utstyrsfeil ved å predikere fremtidige feil og skaffe tilveie øyeblikkelig, informativ informasjon om potensielle/predikerte feil før de oppstår. Å unngå katastrofale feil reduserer risiko og kostnad, og maksimerer fasilitetsytelsen og oppe tiden.

Simuleringsmotor 208 opererer på komplekse logiske modeller 206 for fasiliteten 102. Disse modellene er kontinuerlig og automatisk synkronisert med den faktiske fasilitetsstatusen basert på sanntidsdata skaffet til veie av hub 204. Med andre ord, er modellene oppdatert basert på strømbryterstatus, skillebryterstatus, for eksempel, åpen-lukket, utstyr av/på status, osv. Således er modellene automatisk oppdatert basert på slik status, som tillater stimuleringsmotoren å produsere predikerte data basert på den nåværende fasilitetsstatusen. Dette vil igjen tillate nøyaktig og meningsfullt sammenligning av sanntidsdata og predikert data.

Eksempelmodell 216 kan bli vedlikeholdt og brukt av server 116 inkluderende kraftslitemodeller brukt til å kalkulere forventet KW, Kvar, kraftfaktorverdier, osv, kortslutningsmodellen brukt for å kalkulere maksimums og minimums tilgjengelige feilstrømmer, predikerte modeller brukt for å bestemme virkelige beskyttelsesskjema, og forsikre selektiv koordinering av beskyttelsesenheter, kraftskvalitetsmodeller brukt for å bestemme spenning og strøm distribusjon ved hvilke som helst punkt i et nettverk, og for å nevne kun et fåtall. Det bør bli forstått at forskjellige modeller kan bli brukt avhengig av systemet som blir modellert.

I enkelte utførelsesformer, er hub 204 konfigurert til å forsvinne utstyrsidentifikasjon assosiert ved sanntidsdata. Denne identifikasjonen kan ha en kryssreferanse med identifikasjonen gitt i modellene.

En utførelsesform, indikerer sammenligningsmetode 210 hvis en sammenligning er utført at forskjellen mellom sanntidsoutputverdier og forventede verdier overskrider en definert differanse toleranse (DDT) verdi (dvs. sanntidsoutputverdier til sensoroutput ikke indikerer en alarmbetingelse) men under en alarmbetingelse (for eksempel alarmterskelverdi), en kalibreringsforespørsel er generert av den analytiske motoren 118. Hvis forskjellen overskrider alarmbetingelsen, er en alarm eller opplysningsbeskjed generert av den analytiske motoren 118. Hvis forskjellen er under DTT verdi, gjør den analytiske motoren ingenting og fortsetter å overvåke sanntidsdataene og de forventede dataene.

I en utførelsesform, er alarmen eller opplysningsbeskjeden sent direkte til klienten (dvs. brukeren) 128, for eksempel, via HMI 214, for å vise i sanntid på en web browser, pop-up beskjeder, e.mail eller lignende på displaypanelet til klienten 128.1 en annen utførelsesform, er alarm eller opplysningsbeskjeden sent til en trådløs mobilenhet (for eksempel BLACKBERRY™, bærbar datamaskin, personsøker, osv.) For å bli vist for brukeren ved hjelp av en trådløs ruter eller lignende enhet som har grensesnitt til den analytiske serveren 116.1 enda en annen utførelsesform, er alarm og/eller opplysningsbeskjeden sent til både klienten 128 sitt display og til den trådløse enheten. Alarmen kan være indikativ på behovet for en reparasjonshenvendelse eller vedlikehold som behøver å bli gjort på det overvåkede systemet. Det bør bli notert, at kalibreringsforespørselen ikke bør være tillatt hvis en alarmbetingelse eksisterer for å forhindre modellen fra å bli kalibrert til en unormal tilstand.

Med en gang kalibreringen er generert av den analytiske motoren 118, kan de

forskjellige driftsparameterne eller forholdene til modellen 206 bli oppdatert og justert for å reflektere de faktiske fasilitetskonfigurasjoner. Det kan inneholde, men ikke være begrenset til, modifisering av de predikerte dataoutputtene fra simuleringsmotoren 208, justere det logiske/prosesseringsparameterne brukt av modellen 206, legge til/trekke fra funksjonelle elementer fra modellen 206, osv. Det bør være forstått, at hvilke som helst driftsparametere til modell 206 kan være modifisert så lenge de resulterende

modifikasjonene kan være prosessert og registrert av simuleringsmotor 208.

Med referanse tilbake til figur 1, kan modell 206 være laget i den virtuelle systemmodelldatabasen 126. Som notert, kan et flertall av konvensjonelle virtuelle modellapplikasjoner bli brukt for å skape en virtuell systemmodell, slik at et bredt spekter av systemer og systemparametre kan bli modellert. For eksempel, i sammenheng med et elektrisk kraftdistribusjonssystem, kan den virtuelle systemmodellen inkludere komponenter for modelleringspålitelighet, modelleringsspenningsstabilitet, og modelleringskraftflyt. I tillegg, kan modell 206 inkludere dynamisk kontroll logikk som tillater en bruker å konfigurere modellen 206 ved å spesifisere kontrollalgoritmer og logiske blokker i tillegg til kombinasjoner og interne tilknytninger av generatorer, regulatorer, reléer, skillebrytere, overføringslinjer, og lignende. Spenningsstabilitetsparameterne kan indikere kapasiteten i form av størrelse, tilførsel, og distribusjon, og indikere tilgjengelighet i form av gjenværende kapasitet til den nåværende konfigurerte systemet. Kraftflytsmodellen kan spesifisere spenning, frekvens og kraftfaktor, således representerer den helsen til systemet.

Alle modellen 206 kan bli referert til som en virtuell systemmodell. Således, kan den virtuelle systemmodelldatabasen være konfigurert til å lagre den virtuelle systemmodellen. En duplikat, med en synkronisert kopi av den virtuelle systemmodellen kan bli lagret i en virtuell simuleringsmodelldatabase 130. Denne duplikate modellen kan bli brukt for hva-om simuleringer. Med andre ord, kan denne modellen bli brukt for å tillate en systemdesigner til å gjøre hypotetiske forandringer til fasiliteten og teste den resulterende effekten, uten å ta ned fasiliteten eller kostbart eller tidskonsumerende analyser. Slike hypoteser kan bli brukt for å lære feilmønstre og signaturer i tillegg til å teste foreslåtte modifikasjoner, oppgraderinger, tillegg, osv, for fasiliteten. Sanntidsdataene, kan i tillegg til trender produsert av den analytiske motoren 118 være lagret i en sanntids datainnsamlingsdatabase 132.

Som beskrevet over, er den virtuelle systemmodellen periodisk kalibrert og synkronisert under sanntidssensor output slik at den virtuelle systemmodellen skaffer tilveie dataoutputverdier som er konsistente med de faktiske sanntidsverdiene mottatt fra sensor outputsignalene. Ulikt konvensjonelle systemer som bruker virtuelle systemmodeller hovedsakelig for systemdesign og implementeringsformål (dvs, offlinesimulering og fasilitetsplanlegging), er den virtuelle systemmodellen beskrevet her oppdatert og kalibrert med sanntidssystem operasjonsdata for å skaffe tilveie bedre prediktive utgangsverdier. Et avvik mellom sanntids datasensorers utgangsverdier og de predikerte utgangsverdiene genererer enten en alarmbetingelse for verdiene det er spørsmål om/eller en kalibreringsforespørsel som blir sendt til kalibreringsmotor 120.

I fortsettelse til figur 1, kan den analytiske motoren 118 være konfigurert ved å implementere mønster/sekvensgjenkjenning i en sanntids avgjørelsessløyfe som, for eksempel, er muliggjort av en ny type av maskinlæring kalt assosiativt minne, eller hierarkisk midlertidig minne (HTM), som er en biologisk tilnærming til læring og mønstergjenkjenning. Assosiativt minne tillater lagring, oppdaging, og gjenhenting av lærde assosieringer mellom et ekstremt stort antall av attributter i sanntid. På et grunnleggende nivå, lagrer et assosiativt minne informasjon om hvordan attributter og deres respektive trekk forekommer sammen. Den prediktive kraften til det assosiativt minneteknologien kommer fra dens mulighet til å tolke og analysere disse sammenhengene hendelsene og til å produsere forskjellige matriser. Assosiativt minne er bygd gjennom eksperimentell læring ved hvilke hver nye observert tilstand er akkumulert i det assosiative minne som basis for tolkning av fremtidige hendelser. Således, ved observering av normal systemdrift over tid, og den normale predikerte systemdriften over tid, er det assosiative minnet i stand til å lære normale mønstre som en basis for identifisering av ikke normal oppførsel og passende responser, og til å assosiere mønstre med bestemte utfall, sammenhenger eller responser. Den analytiske motoren 118 er også bedre i stand til å forstå komponentenes gjennomsnittlige tid til feilrate gjennom observasjon og karakteristikker av systemtilgjengeligheten. Denne teknologien i kombinasjon med den virtuelle systemmodellen kan værekarakterisertsom en neokortikal modell av systemet som er under styring.

Denne tilnærmelsen presenterer også en ny måte å tolke og forstå alarmer på en håndterlig og sammenhengende måte. Den neokortikale modellen kan assistere med å oppdage mønstre og sekvenser av alarmer for å hjelpe og nøyaktig stedfeste lokaliseringen av den (nært forestående) feilen, dens sammenheng og i tillegg årsaken. Typisk, å svare på alarmer er gjort manuelt av eksperter som har skaffet seg familiaritet til systemet gjennom år av erfaringer. Imidlertid, er enkelte ganger mengder av informasjon så stor at et individ ikke kan svare fort nok eller ikke har den nødvendige ekspertisen. Et intelligent system lik det neokortikale systemet som observerer og foreslår mulige svar kan forbedre alarmhåndteringsprosessen ved enten å støtte den eksisterende operatøren, eller selv håndtere systemet autonomt.

I nåværende simuleringstilnærmelser for å ivareta transient stabilitet involverer tradisjonell nummeriske teknikker og tester typisk ikke alle mulige senarier. Problemet er videre komplisert ved at antallet av komponenter og stier øker. Gjennom benyttelsen av den neokortikale modellen, ved observering av simuleringer av kretser og ved å sammenligne dem til faktiske systemresponser, kan det være mulig å forbedre simuleringsprosessen, dermed å forbedre den overliggende designen til fremtidige kretser.

Den virtuelle systemmodelleringsbasen 126, i tillegg til databaser 130 og 132, kan bli konfigurert til å lagre en eller flere virtuelle systemmodeller, virtuelle simuleringsmodeller, og sanntids dataverdier, er skreddersydd til et bestemt system som blir overvåket av den analytiske serveren 118. Således, kan den analytiske serveren 118 være brukt til å overvåke mer enn et system samtidig. Som beskrevet her, kan databasene 126, 130 og 132 finnes på den analytiske serveren 116 og kommunikativt ha et grensesnitt til den analytiske motoren 118. En annen utførelsesform kan databasene 126, 130, og 132 være på en separat databaseserver (ikke vist) som er kommunikativt knyttet til den analytiske serveren 116 på en måte som tillater den virtuelle systemmodelleringsmotoren 124 og den analytiske motoren 118 å få tilgang til databasene når det trengs.

Derfor, i en utførelsesform, kan klientene 128 modifisere den virtuelle systemmodellen lagret på den virtuelle systemmodelleringsbasen 126 ved bruk av et utviklingsgrensesnitt for den virtuelle systemmodellen som bruker velkjente modelleringsverktøy som er separate fra de andre nettverksgrensesnittene. For eksempel, dedikerte softwareapplikasjoner som kjører i samsvar med nettverksgrensesnitt som tillater reflektor å lagre eller modifisere de virtuelle systemmodellene.

Klienten 128 kan bruke et flertall av et verktøy grensesnitt som for eksempel web browser, CITfUX™, WINDOWS TERMINAL SERVICES™, telnet, eller andre lignende tynnklientsterminalapplikasjoner, osv) for å få tilgang til, konfigurere, og modifisere sensorene (for eksempel konfigureringsfilene, osv), analytisk motor 118 (for eksempel konfigurasjonsfiler, analytisk logikk, osv), kalibreringsparametere (for eksempel konfigurasjonsfiler, kalibreringsparametere, osv), virtuell systemmodelleringsmotor 124 (for eksempel konfigurasjonsfiler, simuleringsparametere, osv) og virtuell systemmodell av systemet som er under styring (for eksempel, virtuell systemmodell driftsparametere og konfigurasjonsfiler). Tilsvarende, data fra disse forskjellige komponentene av det overvåkede systemet 102 kan bli vist på et displaypanel til klienten 128 for slik å være synlig for en systemadministrator eller lignende.

Som beskrevet over, er server 116 konfigurert til å synkronisere den fysiske verden med den virtuelle og rapportere, for eksempel via visuelle, sanntids visninger, avvik mellom de to i tillegg til systemhelse, alarmbetingelser, predikerte feil, osv. Dette er illustrert ved hjelp av figur 3, ved hvilke synkroniseringen av fysiske verden (venstre side) og den virtuelle verden (venstre side) er illustrert. I den fysiske verden, produserer sensor 202 sanntidsdata 302 for prosessene 312 og utstyret 314 som utgjør fasiliteten 102.1 den virtuelle verden, skaffer simuleringene 304 av den virtuelle systemmodellen 206 predikerte verdier 306, som er korrelert og synkronisert ved sanntidsdataene 302. Sanntidsdataene kan så bli sammenlignet til de predikerte verdiene slik at forskjellene 308 kan bli oppdaget. Signifikansen til disse forskjellene kan bli bestemt til å bestemme helsestatusen 310 til systemet. Helsestatusen kan så bli kommunisert til prosessen 312 og utstyret 314, for eksempel, via alarmer og indikasjoner, i tillegg til den tynne klienten 128, for eksempel, via web sider 316.

Figur 4 er en illustrasjon av skalerbarheten til et system for bruk av sanntidsdata for prediktiv analyse av utførelsen av et overvåket system, i samsvar med en utførelsesform. Som beskrevet her, er en analytisk sentralserver 422 kommunikativt knyttet til analytisk server A 414, analytisk server B 416, og analytisk server «418 (dvs en eller flere andre analytiske servere) ved hjelp av en eller flere nettverkstilkoplinger 114. Hver av de analytiske serverne er kommunikativt knyttet til de respektive datainnsamlingshubene (dvs hub A408, hub B410, hub n 412) som kommuniserer med en eller flere sensorer som har et grensesnitt med et system (dvs overvåkingssystem A 402, B 404, overvåkingssystem n 406) som de respektive analytiske serverne overvåker. For eksempel, er analytisk server A 414 kommunikativt knyttet til datainnsamlingshub A 408, som kommuniserer med en eller flere sensorer som er grensesnitt ved det overvåkede systemet A 402.

Hver analytisk server (dvs en analytisk server A 414, analytisk server B 416, analytisk server n 418) er konfigurert til å overvåke sensoroutputdata til sitt korresponderende overvåkingssystem og fore disse dataene til den sentrale analytiske serveren 422.1 tillegg, kan hver av de analytiske serverne virke som en proksiagent til den analytiske serveren 422 under modifiseringen og/eller justeringen av driftsparameterne til systemsensorene de overvåker. For eksempel, analytisk server B416 er konfigurert til å bli brukt som en proxy for modifisering av driftsparameterne til sensorenes grensesnitt med overvåkingssystemet B 404.

Videre, er den sentrale analytiske serveren 422 som er kommunikativt knyttet til en eller flere analytiske servere kan bli brukt for å øke skalerbarheten. For eksempel kan en sentral analytisk server 422 bli brukt til å overvåke multiple elektriske kraftgenereringsfasiliteter (dvs, overvåkingssystem A 402 kan være et kraftgenererende fasilitet lokalisert i by A mens overvåkingssystem B 404 er en kraftgenererende fasilitet lokalisert i by B) på et elektrisk kraftnettverk. I dette eksempelet, er antallet av elektrisk kraftgenererende fasiliteter som blir overvåket av den analytiske serveren 422 begrenset bare av dataprosesseringskapasiteten til den sentrale analytiske serveren 422. Den sentrale analytiske serveren 422 kan være konfigurert til å muliggjøre en klient 128 til å modifisere og justere driftsparameterne til hvilke som helst av de analytiske serverne kommunikativt knyttet til den sentrale analytiske serveren 422. Videre, som beskrevet over, er hver av de analytiske serverne konfigurert til å virke som proxyer for den sentrale analytiske serveren 422 for å muliggjøre en klient 128 til å modifisere og/eller justere driftsparameterne til sensorgrensesnittet med systemet som de respektivt overvåker. For eksempel, kan klient 128 bruke den sentrale analytiske serveren 422 og vice versa, for å modifisere og/eller modifisere driftsparameterne til den analytiske serveren A414 og bruke det samme til å modifisere og/eller justere driftsparameterne til sensorens grensesnitt med det overvåkede systemet A 402.1 tillegg, kan hver av de analytiske serverne være konfigurert til å tillate en klient 128 til å modifisere den virtuelle systemmodellen gjennom en virtuell systemmodell utviklingsgrensesnitt ved bruk av velkjente modelleringsverktøy.

I en utførelsesform, kan sentralanalytiske serveren 422 virke for å overvåke og kontrollere et overvåket system når det korresponderende og analytiske serveren er ute av drift. For eksempel, kan den sentrale analytiske serveren 422 ta over funksjonaliteten til den analytiske serveren B 416 når server B 416 er ute av drift. Dvs, den analytiske serveren 422 kan overvåke dataoutput fra overvåket system B 404 og modifisere og/eller justere styringsparameterne til sensorene som har grensesnitt med systemet 404.

I en utførelsesform, er nettverkstilkoplingen 114 etablert gjennom et (WAN) slik som Internett. I en annen utførelsesform, er nettverkstilkoplingen etablert gjennom et (LAN) slik som en bedriftsintranett. I en separat utførelsesform, er nettverkstilkoplingen 114 en direkte koplet fysisk tilkopling. For eksempel kan datainnsamlingshub 112 være kommunikativt knyttet (via kategori 5 (KAT5), fiberoptikk eller ekvivalent kabling) til en dataserver som er kommunikativt knyttet (via KAT5, fiberoptikk eller ekvivalent kabling) gjennom internett til den analytiske serveren 116 når serveren er hvert for den analytiske motoren 118.1 en annen utførelsesform, er nettverkstilkoplingen 114 en trådløs nettverkstilkopling (for eksempel Wi-Fi, WLAN, osv). For eksempel ved bruk av en 802.11 b/g eller lignende overføringsformat.

I enkelte utførelsesformer, kan regionale analytiske servere være plassert mellom lokale analytiske servere 414, 416,..., 418 og den sentrale analytiske serveren 422. Videre, i enkelte utførelsesformer kan et katastroferekonvalenssted være inkludert i nivået til den sentrale analytiske serveren 422.

Figur 5 er et blokkdiagram som viser konfigurasjonsdetaljene til den analytiske serveren 116 illustrert i figur 1 i ytterligere detalj. Det bør være forstått at konfigurasjonsdetaljene i figur 5 er kun en utførelsesform av delene beskrevet for figur 1, og det bør være forstått at alternative konfigurasjoner og arrangementer av komponenter kan også skaffe tilveie funksjonaliteten beskrevet her.

Den analytiske serveren 116 inkluderer et flertall av komponenter. I utførelsesformen i figur 5, er den analytiske serveren 116 implementert i en Web-basert konfigurasjon, slik at den analytiske serveren 116 inkluderer, (eller kommuniserer med) en sikker webserver 530 for kommunikasjon ved sensorsystemene 519 (for eksempel datainnsamlingsenhet, målingsenhet, sensorer, osv) og eksterne kommunikasjonsentiteter 534 (for eksempel web browser, "tynn klient" applikasjoner, osv). Et flertall av brukerbilder og funksjoner 532 er tilgjengelige for klient 128 slik som alarmrapporter, aktiv X kontroller, utstyrsbilder, bildeediteringsverktøy, brukertilpassede grensesnittside, og XML analyse algoritme. Det bør uansett bli satt pris på at disse er kun eksempler på et fåtall av en lang list av bilder og funksjoner 532 som den analytiske serveren 116 kan levere til den eksterne kommunikasjonsidentiteten 534 og er ikke ment å begrense typen av bilder og funksjoner 532 tilgjengelige for den analytiske serveren 116 på noen som helst måte.

Den analytiske serveren 116 inkluderer også en alarmmotor 506 og meldingsmotor 504 for de tidligere nevnte eksterne kommunikasjonene. Alarmmotoren 506 er konfigurert til å virke i samsvar med meldingsmotoren 504 for å generere alarm eller opplysningsbeskjeder 502 (i form av tekstbeskjeder, e-poster, personanrop, osv) som en respons til alarmbetingelsene beskrevet tidligere. Den analytiske serveren 116 bestemmer alarmforholdene basert på utgangsdata som den mottar fra de forskjellige sensorsystemene 519 gjennom en kommunikasjonskopling (for eksempel trådløs 516, TCP/IP 518, Seriell 520, osv) og simulerte utgangsdata fra en virtuell systemmodell 512 av det overvåkede systemet, plassert av den analytiske serveren 118.1 en utførelsesform, er den virtuelle systemmodellen 512 laget av en bruker gjennom interaksjon med en ekstern kommunikasjons entitet 534 ved spesifisering av komponentene som utgjør det overvåkede systemet og ved spesifisering av forhold mellom komponentene til det overvåkede systemet. I en annen utførelsesform, er den virtuelle systemmodellen 512 automatisk generert av den analytiske motoren 118 som komponenter av det overvåkede systemet blir brakt online og for grensesnitt med den analytiske serveren 508.

En fortsettelse av figur 5, er en virtuell systemmodelldatabase 526 kommunikativt knyttet til den analytiske serveren 116 og er konfigurert til å lagre en eller flere virtuelle systemmodeller 512, hver av hvilke representerer et bestemt overvåket system. For eksempel, kan den analytiske serveren 116 tenkelig overvåke multiple elektriske kraftgenereringssystemer (for eksempel system A, system B, system C, osv) spredt over et stort geografisk område (for eksempel by A, by B, by C, osv). Derfor vil den analytiske serveren 116 benytte seg av forskjellige virtuelle systemmodeller 512 for hver av de elektriske kraftgenererende systemene som den overvåker. Den virtuelle systemmodelleringsdatabasen 538 kan være konfigurert til å lagre og synkronisere, duplikate kopier av den virtuelle systemmodellen 512, og sanntids datainnsamlingsdatabasen 540 kan lagre sanntids og trenddata for systemene som blir overvåket.

Således, ved drift, kan den analytiske serveren 116 motta sanntidsdata fra forskjellige sensorer, dvs, komponenter, gjennom datainnsamlingssystemet 202. Som det kan bli sett, kan den analytiske serveren 116 bestå av forskjellige drivere konfigurert til å ha grensesnitt til forskjellige typer sensorer, osv, som utgjør datainnsamlingssystemet 202. Disse dataene representerer operasjonelle sanntidsdata for de forskjellige komponentene. For eksempel, kan data indikere at enkelte komponenter er i drift ved et spesielt spenningsnivå og trekker en bestemt mengde med strøm. Denne informasjonen kan så bli foret til en modelleringsmotor for å generere en virtuell systemmodell 612 som er basert på faktiske sanntids driftsdata.

Den analytiske motoren 118 kan være konfigurert til å sammenligne predikert data basert på den virtuelle systemmodellen med sanntidsdata mottatt fra datainnsamlingssystemet 202 og for å identifisere forskjeller. I enkelte hendelser, kan den analytiske motoren være konfigurert ved å identifisere disse forskjellene også oppdatere dvs. kalibrere, den virtuelle systemmodellen 512 for bruk i videre sammenligning. På denne måten, kan mer nøyaktige sammenligninger og varsler bli generert.

Men for andre hendelser, vil forskjellen indikere en feil, eller potensiale for en feil. For eksempel, når en komponent begynner å feile vil driftsparameterne begynne å forandre seg. Denne forandringen kan være brå eller den kan være en progressiv forandring over tid. Den analytiske motoren 118 kan dektere slike forandringer og sende ut varsler som kan tillate forandringer og bli detektert før feil oppstår. Den analytiske motoren 118 kan være konfigurert til å generere varsler som kan bli kommunisert via grensesnitt 532.

For eksempel kan en bruker få tilgang til informasjon fra server 116 ved bruk av den tynne klienten 534. For eksempel, kan rapporter bli generert og servert til den tynne klienten 534 via server 540. Disse rapportene kan for eksempel, bestå av skjematiske eller symbolske illustrasjoner av systemet som blir overvåket. Statusinformasjon for hver komponent kan bli illustrert eller kommunisert for hver komponent. Denne informasjonen kan være nummerisk, dvs, spenning eller strømnivåer. Eller det kan være symbolsk, dvs, grønn for normal, rød for feil eller varsler. I enkelte utførelsesformer kan også mellomliggende nivåer av feil også bli kommunisert, dvs gul kan bli brukt for å indikere driftsforhold som forteller om potensialet for fremtidig feil. Det bør bli notert at denne informasjonen kan man få tilgang til i sanntid. Videre, via den tynne klienten 534, kan informasjon bli skaffet tilveie fra hvor som helst og når som helst.

I en fortsettelse av figur 5, har den analytiske motoren et kommunikativt grensesnitt til en HTM mønstergjenkjenning og maskinlæringsmotor 551, HTM motoren 551 er konfigurert til å arbeide i sammenheng med den analytiske motoren 118 og en virtuell systemmodell av det overvåkede systemet for å lage sanntidspredikeringer (dvs. prognoser) om de forskjellige driftsaspekter av det overvåkede systemet. HTM motoren 551 virker ved prosessering og lagring av mønsteret observert under den normale driften av det overvåkede systemet over tid. Disse observasjonene er skaffet til veie i form av sanntidsdata fanget ved bruk av multiple sensorer som er satt inn i det overvåkede systemet. I en annen utførelsesform er den virtuelle systemmodellen også oppdatert med sanntidsdata slik som den virtuelle systemmodellen aldres sammen med det overvåkede systemet. Eksempler på et overvåket system inkluderer maskineri, fabrikker, elektriske systemer, prosesseringsfabrikker, enheter kjemiske prosesser biologiske systemer, datasentre, hangarskip, og lignende. Det bør være forstått at det overvåkede systemet kan være en hvilken som helst kombinasjon av komponenter ved hvilket drift kan bli overvåket av konvensjonelle sensorer og hvor hver komponent samvirker med eller er relatert til i det minste en av en komponent i kombinasjonen.

Figur 6 er en kombinasjon av et flytskjema som beskriver en metode for sanntidsovervåking og prediktiv analyse av et overvåket system, i samsvar med en utførelsesform. Metode 600 begynner med drift 602 hvor sanntidsdata indikativ på det overvåkede systemets status er prosessert og muliggjør en virtuell modell av det overvåkede systemet under kontroll og blir kalibrert og synkronisert med sanntidsdataene. I en utførelsesform, er det overvåkede systemet 102 en driftskritisk elektrisk kraftsystem. I en annen utførelsesform, kan det overvåkede systemet 102 inkludere en infrastruktur for elektrisk krafttransmisjon. I ytterligere en annen utførelsesform inkluderer overvåkingssystemet 102 en kombinasjon av disse. Det bør bli forstått at det overvåkede systemet 102 kan være en hvilken som helst kombinasjon av komponenter hvilkes operasjon kan bli overvåket med konvensjonelle sensorer og hvor hver komponent samvirker med eller er relatert til i det minste en annen komponent i kombinasjonen.

Metode 600 beveger seg så til drift 604 hvor den virtuelle systemmodellen til det overvåkede systemet som er under kontroll er oppdatert som en respons til sanntidsdataene. Dette kan inkludere, men er ikke begrenset til, modifisering av disse mulige dataoutputtene fra den virtuelle systemmodellen, justering av de logiske/prosesseringsparameterne brukt av den virtuelle systemmodelleringsmotoren for å simulere driften til overvåkingssystemet, legge til/trekke fra funksjonelle elementer til den virtuelle systemmodellen, osv. Det bør bli forstått at hvilke som helst driftsparametere til den overvåkede systemmotoren og/eller den virtuelle systemmodellen kan være modifisert av kalibreringsmotoren så lenge de resulterende modifikasjonene kan bli prosessert og registrert av den virtuelle systemmodelleringsmotoren.

Metode 600 fortsetter til operasjon 606 hvor de simulerte sanntidsdataene indikative på det overvåkede systemets status er sammenlignet med korresponderende virtuell systemmodelleringer laget på designtrinnet. Designtrinnsmodellene, som kan bli kalibrert og oppdatert basert på sanntids overvåket data, er brukt som en basis for de predikerte ytelsene til systemet. De sanntids overvåkede dataene kan så gi den faktiske ytelsen over tid. Ved å sammenligne sanntidsdataene med de predikerte ytelsesinformasjon, kan forskjeller bli identifisert og sporet ved for eksempel den analytiske motoren 118. Den analytiske motoren 118 kan så spore forandringer, bestemme alarmtilstander, osv. Og generere en sanntidsrapport av systemstatusen i samsvar med sammenligningen.

Med andre ord, kan analysene bli brukt til å analysere sammenligningen og sanntidsdata og bestemme om det er et problem som bør bli rapportert og ved hvilket nivå problemet kan være, for eksempel, lav prioritet, høy prioritet, kritisk, osv. Analysene kan også bli brukt til å predikere fremtidige feil og tiden til feil, osv. I en utførelsesform kan rapporter bli vist på en konvensjonell web browser (for eksempel INTERNETT EXPLORER™, FIREFOX™, NETSCAPE™, osv) som finnes på en standard personlig datamaskin. En annen utførelsesform, kan sanntidsrapportene bli fremvist på en tynn klient databehandlingsenhet (for eksempel, CITRIX™, WINDOWS TERMINAL SERVICES™, telnet, eller andre ekvivalente tynn klients terminal applikasjoner). I enda en ytterligere utførelsesform, kan rapporten bli vist på en trådløs mobil enhet (for eksempel BLACKBERRY™, bærbar datamaskin, personsøker, osv). For eksempel i en utførelsesform, kan sanntidsrapporter inkludere slik informasjon som forskjellen i en bestemt kraftparameter (dvs, strøm, spenning, osv) mellom sanntidsmålinger og de virtuelle utgangsdataene.

Figur 7 er en illustrasjon av et flytskjema beskrivende en metode for håndtering av sanntidsoppdateringer til en virtuell systemmodell av et overvåket system, i samsvar med en utførelsesform. Metode 700 begynner med operasjon 702 hvor sanntidsdata output fra en sensor med grensesnitt til det overvåkede systemet er mottatt. Sensoren er konfigurert til å fange utgangsdata på øyeblikksintervaller for å effektuere sanntids dataoppfangelse. For eksempel, i en utførelsesform, er sensorene konfigurert til å generere hundretusener av dataavlesninger per sekund. Det bør bli satt pris på, at antallet av datautgangsavlesninger foretatt av sensoren kan bli satt til hvilke som helst verdi så lenge driftsbegrensningene til sensoren og til dataprosesseringskapasiteten til datainnsamlingshuben ikke blir overskredet.

Metode 700 beveger seg så videre til operasjon 704 hvor sanntidsdataene er prosessert i et definert format. Disse vil være et format som kan bli brukt av analyseserveren til å analysere eller sammenligne data med de simulerte utgangsdataene fra den virtuelle systemmodellen. I en utførelsesform, er dataene konvertert fra et analogt signal til et digitalt signal. I en annen utførelsesform, er dataene konvertert fra et digitalt signal til en analogt signal. Det bør bli forstått, at sanntidsdataene kan være prosessert til hvilke som helst definert form så lenge den analytiske motoren kan bruke de resulterende dataene til en sammenligning med de simulerte utgangsdataene fra en virtuell systemmodell av overvåkingssystemet.

Metode 700 fortsetter med operasjon 706 hvor de predikerte (dvs simulerte) dataene for det overvåkede systemet er generert ved bruk av en virtuell systemmodell av det overvåkede systemet. Som diskutert over, bruker en virtuell systemmodelleringsmotor dynamisk kontrollogikk lagret i den virtuelle systemmodellen for å generere de predikerte utgangsdataene. De predikerte dataene er antatt å være representative for dataene som faktisk bør bli generert og utgangssignaler fra det overvåkede systemet.

Metode 700 fortsetter med operasjon 708 hvor en bestemmelse er gjort om forskjellen mellom sanntidsdata output og det predikerte systemdataene faller mellom en satt verdi og en alarmbetingelsesverdi, hvis forskjellen faller mellom den satte verdien og alarmbetingelsesverdien kan en kalibrering av den virtuelle systemmodellen og en respons bli generert. Dvs. hvis sammenligningen indikerer at forskjellen mellom sanntidssensor output verdier og de korresponderende virtuell modelldata utgangsverdiene overskrider en definert referansetoleranse (DDT) verdi (dvs. sanntids data output verdiene til sensor outputten ikke indikerer en alarmbetingelse) men under en alarmbetingelse (dvs. alarmterskelverdi), kan en respons bli generert av den analytiske motoren. I en utførelsesform, hvis forskjellen overskrider en alarmbetingelse, er en alarm eller opplysningsbeskjed generert av den analytiske motoren 118.1 en annen utførelsesform, hvis forskjellen er under DTT verdien, gjør den analytiske serveren ingenting og fortsetter å overvåke sanntidsdata og de virtuelle dataene. Generelt sett er sammenligningen av de satte verdiene og alarmforholdene indikative på funksjonaliteten til en eller flere komponenter i det overvåkede systemet.

Figur 8 er en illustrasjon av et flytskjema som beskriver en metode for synkronisering av sanntidssystemdata med en virtuell systemmodell av et overvåket system, i samsvar med en utførelsesform. Metode 800 begynner med operasjon 802 hvor en virtuell systemmodell kalibreringsforespørsel blir mottatt. En kalibreringsforespørsel av den virtuelle modellen kan bli generert av en analytisk motor når som helst når forskjellen mellom sanntidsdata outputten og de predikerte systemdataene faller mellom en satt verdi og en alarmbetingelsesverdi.

Metode 800 fortsetter med operasjon 804 hvor de predikerte systemoutputverdiene for den virtuelle systemmodellen er oppdatert med en sanntids outputverdi av det overvåkede systemet. For eksempel, hvis sensorene med grensesnitt til det overvåkede systemet sender ut en sanntids strømverdi på A og den predikerte systemdataverdien av den virtuelle systemmodellen er justert til å reflektere en predikert strømverdi på A. Metode 800 beveger seg videre til operasjon 806 hvor en forskjell mellom sanntidssensorverdier målt fra en sensor integrert i det overvåkede systemet og en predikert sensorverdi for sensoren er bestemt. Som diskutert over, er den analytiske motoren konfigurert til å motta sanntidsdata fra sensorer med grensesnitt til det overvåkede systemet via datainnsamlingshuben (eller alternativ direkte fra sensoren) og virtuelle data dra den virtuelle systemmodelleringsmotoren som simulerer dataoutput fra en virtuell systemmodell av det overvåkede systemet. I en utførelsesform, er verdiene i enheter av elektrisk kraft output (dvs. strøm eller spenning) fra en elektrisk kraftgenererende eller oversendelsessystem. Det bør bli satt pris på, at verdiene kan hovedsakelig være hvilke som helst enhetstype så lenge sensorene kan bli konfigurert til å sende data i denne enheten eller den analytiske motoren kan omforme de utsendte dataene mottatt fra sensoren til den ønskede enhetstypen før den utfører sammenligningen.

Metode 800 fortsetter til operasjon 808 hvor driftsparameterne til den virtuelle systemmodellen er justert for å minimere differansen. Dette betyr at de logiske parameterne til den virtuelle systemmodellen som en virtuell systemmodelleringsmotor bruker for å simulere dataoutput fra den aktuelle sensorens grensesnitt med det overvåkede systemet er justert slik at forskjellen mellom sanntids dataoutput og de simulerte dataoutput er minimert. Tilsvarende, vil denne operasjonen oppdatere og justere hvilke som helst virtuelle systemmodells utgangsparametere som er funksjon av den virtuelle systemmodells sensorverdier. For eksempel, i kraftdistribusjonsmiljøer, kan utgangsparametere på kraftlast eller behovsfaktor være en funksjon av multiple sensordataverdier. Driftsparameterne til den virtuelle systemmodellen kan etterligne driften av sensoren som vil bli justert for å reflektere sanntidsdataene mottatt fra disse sensorene. I en utførelsesform, er autorisasjon fra en systemadministrator forespurt før operasjonsdriftsparameterne til den virtuelle systemmodellen blir justert. Dette er for å forsikre at systemadministratoren er klar over at forandringer blir utført på den virtuelle systemmodellen. I en utførelsesform, etter fullføringen av alle de forskjellige kalibreringsoperasjonene, er en rapport generert for å skaffe tilveie et sammendrag av alle justeringene som har blitt gjort på den virtuelle systemmodellen.

Som beskrevet over, kan den virtuelle systemmodelleringsmotoren 124 være konfigurert til å modellere forskjellige aspekter av systemet for å produsere predikerte verdier for driften av forskjellig komponenter i det overvåkede systemet 102. Disse predikerte verdiene kan bli sammenlignet med faktiske verdier som ble mottatt via datainnsamlingshuben 112. Hvis forskjellen er større enn en bestemt terskel, for eksempel DTT, men ikke er en alarmbetingelse, så kan en kalibreringsinstruksjon bli generert. Kalibreringsmetoden kan forårsake en kalibreringsmotor 134 til å oppdatere den virtuelle modellen som blir brukt av systemmodelleringsmotoren 124 for å reflektere den nye driftsinformasjonen.

Det vil bli forstått at idet det overvåkede systemet 102 eldes, eller mer spesifikt når komponentene som utgjør det overvåkede systemet 102 eldes, så vil driftsparameterne, for eksempel, strøm og spenninger assosiert med disse komponentene vil også forandres. Således prosessen med kalibrering av den virtuelle modellen basert på de faktiske driftsinformasj onene forsvinner en mekanisme ved hvilke den virtuelle modellen kan eldes sammen med det overvåkede systemet 102 slik at sammenligningene som blir generert av den analytiske motoren 118 er mer meningsfulle.

På en høyere nivå, kan denne prosessen være illustrert ved hjelp av figur 9, som er et flytskjema som illustrerer et eksempel på en metode for oppdatering av den virtuelle modellen i samsvar med en utførelsesform. I trinn 902, blir data samlet fra for eksempel sensorene 104, 106, og 108. For eksempel kan sensorene være konfigurert til å overvåke beskyttende enheter inne i et elektrisk distribusjonssystem for å bestemme og overvåke evnen til den beskyttende enheten til å motstå feil, som er beskrevet i ytterligere detalj under.

I trinn 904, kan data fra de forskjellige sensorene bli prosessert av den analytiske motoren 118 for å evaluere forskjellig parametere relatert til det overvåkede systemet 102.1 trinn 905, kan simuleringsmotoren 124 være konfigurert til å generere predikerte verdier for overvåkingssystemet 102 som bruker en virtuell modell av systemet som kan bli sammenlignet med parameterne generert av den analytiske motoren 118 i trinn 904. Hvis det er forskjeller mellom den faktiske verdien og de predikerte verdiene, så kan den virtuelle modellen oppdateres for å forsikre at den virtuelle modellen eldes med det faktiske systemet 102.

Det bør bli notert at i det overvåkede systemet 102 eldes, kan forskjellige komponenter bli reparert erstattet, eller oppgradert, som også kan forårsake forskjeller mellom de simulerte og de faktiske dataene som ikke er en alarmbetingelse. Slik aktivitet kan også lede til kalibreringen av den virtuelle modellen for å forsikre at den virtuelle modell produserer relevante predikerte verdier. Således kan ikke bare den virtuelle modellen bli oppdatert for å reflektere elding av det overvåkede systemet, men kan også bli oppgradert for å reflektere ettertilpasninger, reparasjoner, osv.

Som notert over, i enkelte utførelsesformer, kan en logisk modell av en fasilitets elektriske system, et datainnsamlingssystem (datainnsamlingshub 112), og kraftsystemsimuleringsmotor (modelleringsmotor 124) bli integrert i en logikk og metodebasert tilnærming til justeringene av parameterne i nøkkeldatabasen inne i en virtuell modell av det elektriske systemet for å evaluere evnen det beskyttende enhetene i det elektriske distribusjonssystemet har til å motstå feil også effektivt elde det virtuelle systemet med det faktiske systemet.

Kun gjennom en slik prosess kan prediksjoner av motstandsevnen til beskyttende enheter, og statusen, sikkerheten og helsen til et elektrisk system bli nøyaktig kalkulert. Nøyaktigheten er viktig i det beskyttelsene kan bli brukt til å komme frem til utførbare, driftskritiske eller businesskritiske konklusjoner som kan lede til rejustering av det elektriske distribusjonssystemet for optimalisert utførelse eller sikkerhet.

Figur 10-12 er flytskjemaer som presenterer logiske flyter for å bestemme evnen til de beskyttende enhetene inne i et elektrisk distribusjonssystem har til å motstå feil også effektivt elde det virtuelle systemet med det faktiske systemet i samsvar med en utførelsesform. Figur 10 er et diagram som illustrerer et eksempel på en prosess for overvåking av status av beskyttende enheter i et overvåket system 102 og oppdatere en virtuell modell basert på det overvåkede systemet. Først, i trinn 1002, kan statusen til de beskyttende enhetene bli overvåket sanntid. Som nevnt kan de beskyttende enhetene inkludere sikringer, brytere, releer eller skillebrytere. Henholdsvis, kan statusen til sikringene/bryterne, releene og/eller skillebryterne, for eksempel, den åpne/lukkede statusen, kildene og laststatusen, og av eller på statusen, bli overvåket i trinn 1002. Det kan bli bestemt i trinn 1004, om det er noen forandringer i statusen til de overvåkede enhetene. Hvis det er en forandring, så kan, i trinn 1006, den virtuelle modellen bli oppdatert for å reflektere statusforandringen, dvs., de korresponderende virtuelle komponentdataene kan bli oppdatert for å reflektere den faktiske statusen til de forskjellige beskyttende enhetene.

I trinn 1008, kan beskyttende verdier for de forskjellige komponentene av det overvåkede systemet 102 bli generert. Det bør bli notert at disse verdiene er basert på den nåværende, sanntidsstatusen til det overvåkede systemet. I trinn 110, kan det bli bestemt hvilke predikerte spenninger som er for en verdi, slik som en verdi for en node eller en last, som kan bli kalibrert. Og på den samme tiden, kan sanntidssensordata bli mottatt i trinn 1012. Disse sanntidsdataene kan bli brukt for å overvåke statusen i trinn 2002 og det kan også bli sammenlignet med predikerte verdier i trinn 1014. Som notert ovenfor, kan forskjellen mellom predikerte verdiene og sanntidsdataene også bli bestemt i trinn 1014.

Henholdsvis, kan meningsfulle predikerte verdier basert på de faktiske forholdene til å overvåke systemet 102 bli generert i trinn 1004 til 1010. Disse predikerte verdiene kan så bli brukt til å bestemme om videre handlinger bør bli tatt basert på den sammenligningen i trinn 1014. For eksempel, hvis det er bestemt i trinn 1016 at forskjellene mellom de predikerte verdiene og sanntidsdataene er mindre enn eller lik en bestemt terskelverdi, for eksempel DTT, så kan ingen handling bli tatt, for eksempel, en instruksjon om ikke å utføre kalibrering kan bli sent til trinn 118. Alternativt, hvis det er bestemt i trinn 1020 at sanntidsdataene faktisk indikerer en alarmsituasjon, for eksempel, hvis den er over en alarmterskelverdi, så kan en ikke utfør kalibrerings instruksjon bli generert i trinn 1018 og en alarm kan bli generert som beskrevet over. Hvis sanntidssensordataene ikke er indikative på en alarmbetingelse, og forskjellen mellom sanntidsdataene og de predikerte verdiene er større enn terskelverdien, som bestemt i trinn 1022, så kan en initiert kalibreringskommando bli generert i trinn 1024.

Hvis en initiert kalibreringskommando er sendt i trinn 1024, så kan en funksjonslokaling til kalibreringsmotoren 134 bli generert i trinn 1026. Funksjonsoppkallingen vil forårsake kalibreringsmotoren 134 til å oppdatere den virtuelle modellen i trinn 1028 basert på sanntidssensordata. En sammenligning mellom sanntidsdata og predikert data kan så bli generert i trinn 1030 og forskjellen mellom de to beregnet. I trinn 1032, kan en bruker bli oppfordret til og den virtuelle modellen faktisk bør bli oppdatert eller ikke. En annen utførelsesform, kan oppdateringen være automatisk, og trinn 1032 kan bli sløyfet. I trinn 1034, kan den virtuelle modellen bli oppdatert. For eksempel, kan den virtuelle modell lasten, bussene, etterspørselsfaktoren, og/eller prosent driftsreformasjon blir oppdatert basert på informasjonen skaffet i trinn 1030. En instruksjon om å initiere simulering kan så bli generert i trinn 1036, som kan forårsake nye predikerte verdier til å bli generert basert på den oppdaterte virtuelle modellen.

På denne måten, er de predikerte verdiene generert i 1008 ikke bare oppdatert som en årsak av faktisk operasjonell status av det overvåkede systemet 102, men det er også oppdatert for å reflektere de naturlige forandringene i det overvåkede systemet 102 slik som elding. Henholdsvis, kan realistiske predikerte verdier bli generert i trinn 1008.

Figur 11 er et flytskjema som illustrerer et eksempel på en prosess for å bestemme de beskyttende kapasitetene til de beskyttende enhetene som blir overvåket i trinn 1002. Avhengig av utførelsesformen, kan de beskyttende enhetene være evaluert i henhold til den internasjonale elektrotekniske kommunisjonen QEC) sine standarder eller i samsvar med United States or American National Standards Institute (ANSI) sine standarder. Det bør bli forstått, at de prosessene beskrevet i relasjon til figur 11 ikke er avhengig av at en bestemt standard blir brukt.

Først til trinn 1102, kan en kortslutningsanalyse bli utført for den beskyttende enheten. Igjen, kan den beskyttende enheten være hvilke som helst ene av flertall av beskyttende enhetstyper. For eksempel, kan den beskyttende enheten være en sikring eller en bryter, eller en type av skillebryter. Det bør være forstått at det er forskjellig typer av skillebrytere inkluderende lavspenningsskillebryter (LVCB), høyspenningsskillebryter (HVCB), mellomspenningsskillebryter (MVCB), miniatyrskillebryter (MCB), formstøpt kasseskillebryter (MCCB), vakumskillebryter og luftskillebryter, for å nevne kun et få. Hvilke som helst ene av disse forskjellige typene av beskyttende enheter kan være montert og evaluert ved bruk av prosessen illustrert i henhold til figur 10-12.

For eksempel, for LVCB, eller MCCB, kan kortslutningsstrømmen, symmetrisk (Lym) eller asymmetrisk (Iasym), og/eller toppstrømmen (Ipeak) bli bestemt i trinn 1102. For for eksempel LVCB, som ikke er en umiddelbar utløst skillebryter, kan kortslutningsstrømmen ved en forsinket tid (Lymdeiay) bli bestemt. For HVCB, kan en første syklus av kortslutningsstrømmen (Isym) og/eller Ipeakbli bestemt i trinn 1102. For sikringer eller brytere, kan kortslutningsstrømmen (symmetrisk eller asymmetrisk) bli bestemt i trinn 1102. Og for MVCB'er kan kortslutningsstrømmens avbrytelsestid være kalkulert. Disse er kun noen eksempler på typen av kortslutningsanalyser som kan bli utført i trinn 1102 avhengig av typen av beskyttende enheter som blir analysert. Med en gang kortslutningsanalysen er utført i trinn 1102, kan forskjellig trinn bli utført for å kunne bestemme beskyttelseskapasiteten til de beskyttende enhetene. For eksempel, hvis den beskyttende enheten er en sikring eller en bryter, så kan trinnene på den venstre side av figur 11 bli utført. I dette tilfellet, kan sikringsgraderingen først bli bestemt i trinn 1104.1 dette tilfellet, kan sikringsgraderingen være den gjeldende graderingen for sikringen. For enkelte sikringer, kan X/R være beregnet i trinn 1105 og den asymmetriske kortsyklusstrømmen (Iasym) for sikringen kan bli bestemt i trinn 1106 ved hjelp av ligning 1.

I andre implementeringer, kan induktantene/reaktantene (X/R) sin proposjon bli beregnet i trinn 1108 og sammenlignet til en sikringstest X/R for å bestemme om den kalkulerte X/R er større enn sikringstest X/R. Den kalkulerte X/R kan være bestemt ved bruk av de predikerte verdiene gitt i trinn 1008. Forskjellige standard testverdier for X/R kan bli brukt for kikringstestverdiene X/R i trinn 1108. For eksempel standardtestverdiene for X/R for en LVCB kan være som følger:

Hvis den kalkulerte X/R er større enn sikringstest X/R, så kan ligningen 12 i trinn 1112, være brukt til å beregne en justert symmetrisk kortslutningsstrøm (Iadjsym).

Hvis den kalkulerte X/R ikke er større en sikringstest X/R så kan Iadjsym være satt lik til Lym i trinn 1110.1 trinn 1114, kan det så bli bestemt om sikringsgraderingen (trinn 1104) er større enn eller lik Iadjsymeller Iasym.Hvis den er det, kan det bli bestemt i trinn 1118 at den beskyttende enheten har passert og prosentgraderingen kan bli kalkulert i trinn 1120 som følger:

Hvis den er bestemt i trinn 1114 at enveisgraderingen ikke er større enn eller lik Iadjsym, så kan det bli bestemt at enheten har feilet i trinn 1116. Prosentgraderingen kan fortsatt bli beregnet i trinn 1120.

For LVCB'er, kan det først bli bestemt om de har sikring i trinn 1122. Hvis det er bestemt at LVCB ikke har sikring, så kan det i trinn 1124 bli bestemt om LVCB er en umiddelbar utløsbar LVCB. Hvis det er bestemt at LVCB er en umiddelbar utløsbar LVCB, så kan det i trinn 1130 bli kalkulert og sammenlignet den første syklusfeil X/R med en skillebrytertest X/R (se eksempelverdier over) for å bestemme om feil X/R er større enn skillebrytertest X/R. Hvis feil X/R ikke er større enn skillebryter X/R, så kan det i trinn 1132 bli bestem om LVCB er toppgradert. Hvis den er toppgradert, så kan Ipeakbli brukt i trinn 1146 under. Hvis det er bestemt at LVCB ikke er toppgradert i trinn 1132, så kan Iadjsymbli satt lik til Lymi trinn 1140.1 trinn 1146, kan det bli bestemt om enhetsgraderingen er større eller lik til Iadjsymeller til Ipeaksom passende, for LVCB.

Hvis det er bestemt at enhetsgraderingen er større enn eller lik Iadjsym, så kan det bli bestemt at LVCB har passert i trinn 1148. Prosentgraderingen kan så bli bestemt ved bruk av ligninger for Iadjsymdefinert over (trinn 1122) i trinn 1152. Hvis det er bestemt at enhetsgraderingen ikke er større enn eller lik Iadjsym, så kan det bli bestemt at enheten har feilet i trinn 1150. Prosentgraderingen kan fortsatt være kalkulert i trinn 1152.

Hvis feil X/R er beregnet større enn skillebrytertest X/R som bestemt i trinn 1130, så kan det bli bestemt om LVCB er toppgradert i trinn 1134. Hvis LVCB ikke er toppgradert, så kan Iadjsymvære bestemt ved bruk av ligning 12. Hvis LVCB er toppgradert, så kan Ipeakbli bestemt ligning 11.

Det kan bli bestemt om enhetsgraderingen er større enn eller lik Iadjsymeller Ipeaksom passende. Passer/feilbestemmelsene kan så bli gjort i trinn 1148 og 1150 respektivt, og prosentgraderingene kan bli beregnet i trinn 1152.

Hvis LVCB ikke er en umiddelbar utløsbar LVCB som bestemt i trinn 1124, så kan en tidsforsinkelsesberegning bli utført i trinn 1128 fulgt av kalkuleringen og feil X/R og en bestemmelse om feil X/R er større enn skillebrytertest X/R. Hvis den ikke er det, så kan Iadjsym bli satt lik Iadjsym i trinn 1136. Hvis den kalkulerte feilen ved X/R er større enn skillebrytertest X/R så kan Iadjsymdelay være beregnet i trinn 1138 ved bruk av følgende ligning med for eksempel, en 0,5 sekunders maksimums forsinkelse:

Det kan bli bestemt om enhetsgraderingen er større enn eller lik Iadjsym eller Iadjsymdelay. Passering/feilbestemmelsen kan så bli gjort i trinn 1148 og 1150, respektivt og prosentgraderingene kan bli beregnet i trinn 1152.

Hvis det er bestemt at LVCB er sikret i trinn 1122, så kan feil X/R være beregnet i trinn 1126 og sammenlignet med skillebrytertest X/R for å bestemme om den beregnede feil X/R er større enn skillebrytertest X/R. Hvis den er større, så kan Iadjsymvære beregnet i trinn 1154 ved bruk av følgende ligning:

Hvis den kalkulerte feil X/R ikke er større enn skillebrytertest X/R, så kan Iadjsym være satt lik Lym i trinn 1156. Det kan så bli bestemt om enhetsgraderingen er større enn eller lik Iadjsymi trinn 1146. Passer/feilbestemmelsene kan så bli utført i trinn 1148 og 1150 respektivt, og prosentgraderingen kan bli bestemt i trinn 1152.

Figur 12 er et diagram som illustrerer et eksempel på en prosess for å bestemme om beskyttelseskapasiteten til en HVCB. I enkelte utførelsesformer, som X/R være kalkulert i trinn 1157 og en toppspenning (Ipeak) kan bli bestemt ved bruk av ligning 11 i trinn 1158.1 trinn 1162, kan det bli bestemt om HVCB'ens gradering er større enn eller lik. Ipeaksom bestemt i trinn 1158. Hvis enhetsgraderingen er større enn eller lik Ipeak, så har enheten passert i trinn 1164. Ellers, feiler enheten i trinn 1166.1 begge tilfeller, kan prosentgraderingen være bestemt i trinn 1168 ved bruk av følgende:

I en annen utførelsesform, kan en avbruddstidsberegning bli gjort i trinn 1170.1 en slik utførelsesform, kan feil X/R være beregnet og så kan det bli bestemt om feil X/R er større enn eller lik en skillebrytertest X/R i trinn 1172. For eksempel, kan den følgende skillebrytertest X/R bli brukt;

Hvis feil X/R ikke er større enn skillebrytertest X/R så kan Iadjintsymvære satt lik Isymi trinn 1174. Hvis den kalkulerte feil X/R er større enn skillebrytertest X/R, så kan kontaktavskillelsestiden for skillebryteren bli bestemt i trinn 1176 og ligning 15 kan bli brukt for å bestemme Iadjintsymi trinn 1178.

I trinn 1180, kan det bli bestemt om enhetsgraderingen er større enn eller lik Iadjintsym. Passering/feilbestemmelsen kan så bli gjort i trinn 1182 og 1184 respektivt og prosentgraderingen kan bli beregnet i trinn 1186 ved bruk av følgende: Figur 13 er et flytskjema som illustrerer et eksempel på en prosess for å bestemme om de beskyttende kapasitetene til beskyttelsesenhetene blir overvåket i trinn 1002 i samsvar med en annen utførelsesform. Prosessen kan starte med en kortslutningsanalyse i trinn 1302, for systemets drift ved en frekvens annen enn 60hz, kan den beskyttende enheten X/R være modifisert som følger:

For sikringer/brytere, kan et valg bli gjort, som passende, mellom bruken av symmetrisk avdeling eller asymmetrisk gradering for enheten. Den multiplisserende faktoren (MF) for enheten kan så bli beregnet i trinn 1304. MF kan så bli brukt til å bestemme Iadjasymeller Iadjsym. I trinn 1306, kan det bli bestemt om enhetsgraderingen er større enn eller lik Iadjasym eller Iadjsym. Basert på denne bestemmelsen, kan det bli bestemt om enheten baserer eller feiler i trinn 1308 og 1310 respektivt og den prosentmessige graderingen kan bli bestemt i 1312 ved bruk av følgende:

For LVCB'er, kan det først bli bestemt om enheten har sikringer i trinn 1314. Hvis enheten ikke har sikringer, så kan det i trinn 1315 bli bestemt om X/R er kjent for enheten. Hvis den er kjent, så kan LVF bli beregnet for enheten i trinn 1320. Det bør bli notert at LVF kan variere avhengig av om LVCD er en umiddelbar utløsbar enhet eller ikke. Hvis X/R ikke er kjent, så kan det bli bestemt i trinn 1317, for eksempel ved bruk av følgende:

Hvis enheten har sikringer, så kan det i trinn 1316 igjen bli bestemt om X/R er kjent. Hvis den er kjent, så kan LVF bli beregnet i trinn 1319. Hvis den ikke er kjent så kan X/R bli satt lik til for eksempel 4,9.

I trinn 1321 kan det bli bestemt om LVF er mindre enn 1 og hvis den er det, så kan LVF være satt lik 1.1 trinn 1322 kan Imtadj bli bestemt ved bruk av følgende:

I trinn 1323, kan det bli bestemt om enhetens symmetriske gradering er større enn eller lik Iintadj, og det kan bli bestemt basert på denne evalueringen om enheten baserer på feil i trinn 1324 og 1325 respektivt. Den prosentmessige graderingen kan så bli bestemt i trinn 1326 ved bruk av følgende: Figur 14 er et diagram som illustrerer en prosess for evalueringen av motstandskapasiteten til en MVCB i henhold til en utførelsesform. I trinn 1328, kan en bestemmelse bli gjort om den følgende beregningen vil bli basert på alle fjerntliggende inngangssignaler, alle lokale inngangssignaler eller på en No AC Decay (NACD) forhold. For enkelte implementeringer kan beregningen så bli gjort av det totale fjerntliggende bidraget, det totale lokale bidraget, det totale bidraget (Iintemssym), og NACD. Hvis den kalkulerte NACD er lik null, så kan det bli bestemt at alle bidragene er lokale. Hvis NACD er lik 1, så kan det bli bestemt at alle bidragene er fjerntliggende. Hvis alle bidragene er fjerntliggende, så kan fjerntliggende MF (MFr) bli beregnet i trinn 1332 og lint kan bli beregnet ved bruk av følgende:

Hvis alle innputtene er lokale, så kan MFl bli beregnet og lint kan bli beregnet som følgende:

Hvis bidragene er fra NACD, så kan NACD, MFr, MFl, og AMFI bli beregnet. Hvis AMFI er mindre enn 1, så kan AMFI bli satt lik 1. lint kan så bli beregnet ved bruk av følgende:

I trinn 1338, kan enhetens 3-fasesyklus bli beregnet og den kan bli bestemt i trinn 1340, om enhetens gradering er større enn eller lik lint. Om enheten passerer eller feiler kan så bli bestemt i trinn 1342 og 1344 respektivt. Den prosentmessige graderingen ble bestemt i trinn 1346 ved bruk av følgende:

I andre utførelsesformer, kan det bli bestemt, i trinn 1348, om brukeren har valgt en bestemt MF. Hvis så er tilfelle kan topp tjenesten (crest) i enkelte utførelsesformer bli bestemt i trinn 1349 og MFP kan bli satt lik 2,7 i trinn 1354. Hvis en bestemt MF ikke har blitt valgt, så kan toppforpliktelsen (crest) bli beregnet i trinn 1350 og MFP kan bli beregnet i trinn 1358.1 trinn 1362, kan MFP bli brukt til å beregne følgende:

I trinn 1366, kan det bli bestemt om enhetens toppgradering (crest) er større enn eller lik Imompeak. Det kan så bli bestemt om enheten passerer eller feiler i trinn 1368 og 1370 respektivt og prosentgraderingen kan bli beregnet som følger:

I andre utførelsesformer, hvis en bestemt MF er valgt, så kan den midlertidig arbeidssyklus (C&L) bli bestemt i trinn 1351 og MFm kan bli satt lik 1,6. Hvis en bestemt MF ikke har blitt valgt, så kan MFm bli beregnet i trinn 1352. MFm kan bli brukt til å bestemme følgende:

Det kan så bli bestemt i trinn 1374 om enheten C&L, rms gradering er større enn eller lik Imomsym. Om enheten passerer eller feiler kan så bli bestemt i trinn 1376 og 1378 respektivt, og den prosentmessige graderingen kan bli beregnet som følger:

Således, forsvinner de overfor nevnte metodene en måte å bestemme motstandsdyktigheten til forskjellige beskyttende enheter, under forskjellige forhold og ved bruk av forskjellige standarder, og bruker en eldet, oppdatert virtuell modell av systemet som blir overvåket.

Overfloden av massiv sensordata, for eksempel forsynt via sensorene 104, 106, og 108, intelligent filtrering av denne tette strømmen av data inn i håndterbare og avledet

forståelig kjennskap. For eksempel som nevnt tidligere, er det viktig å ha muligheten til å ha tilgang til sanntidsevnen til kraftsystemet for å forsyne tilstrekkelig generering til å tilfredsstille systemlastkravene og til å flytte den genererte energien gjennom systemet til lastpunktene. Konvensjonelle systemer benytter seg ikke av online sanntidssystem snapshot oppfanget av en sanntids dataplattform for å utføre

sanntidssystemrimelighetsevalueringer.

Figur 15 er et flytdiagram som illustrerer et eksempel på en prosess for analysering av påliteligheten til en elektrisk kraftdistribusjon og transmisjonssystem i samsvar med en utførelsesform. Først i trinn 1502 kan pålitelighetsdata bli beregnet og/eller bestemt. Inngangsverdiene brukt i trinn 1502 kan bestå av kraftflytsdata, for eksempel nettverkstilgjengelighet, laster, genereringer, kabler/omformer impedanser, osv, som kan bli skaffet fra de predikerte verdiene generert i trinn 1008, pålitelighetsdata assosiert med hver kraftsystemkomponent lister av eventualiteter som skal bli overveid, som kan variere med implementeringen inkludert ved region, sted, osv, kostnader ved kundeskade (lastavbrudd) kan også variere med implementering og last varighetskurveinformasjon. Andre inngangsverdier kan inkludere feilrater reparerrater, og krevd tilgjengelighet av systemet og av forskjellige komponenter.

I trinn 1504 kan en liste av tilgjengelige utgangsforhold og eventualiteter bli evaluert inkluderende tap av tilførsel av nyttig kraft, generatorer, UPS, og/eller distribusjonsligninger og infrastruktur. I trinn 1506, kan en kraftflytanalyse for det overvåkede systemet 102 under forskjellige eventualiteter bli utført. Denne analysen kan inkludere den resulterende feilraten, reparasjonsraten, kostnaden ved avbrudd eller nedtid mot den krevde systemtilgjengeligheten, osv. i trinn 1510, kan det bli bestemt om systemet er i drift i en tilfredsstillende tilstand ved konfrontering med en spesifikk eventualitet. Hvis den er det, så kan det i trinn 1512, bli evaluert påvirkningen på systemet, lastavbrudd, kostnader, feilvarighet, systemutilgjengelighet, osv.

Etter evalueringen av trinn 1512, eller om det er bestemt at systemet ikke er i en tilfredsstillende tilstand i trinn 1510, så kan det bli bestemt om videre eventualiteter trenger å bli evaluert. Hvis så er tilfelle kan prosessen gå tilbake til trinn 1506, og videre eventualiteter kan bli evaluert. Hvis ingen videre eventualiteter skal bli evaluert, så kan en rapport bli generert i trinn 1514. Rapporten kan inkludere et sammendrag av systemet, total og detaljert pålitelighetsindikasjoner, systemtilgjengelighet, osv. Rapporten kan også identifisere flaskehalser i systemet som er potensielle problemområder.

Pålitelighetsindikasj onene kan bli basert på resultatet av pålitelighetssystem eventualiteter som involverer både generering og oversendelsesmangler. Pålitelighetsindikasj onene kan inkludere punktlastpålitelighetsindikasjoner, avgrenings pålitelighetsindikasjoner, og systempålitelighetsindikasjoner. For eksempel, kan forksjellige last/busspålitelighetsindikasjonene bli bestemt slik at sannsynligheten og frekvensen av feil, forventet lastreduksjoner, forventet energi ikke forsynt, frekvens av spenningsovertredelser, relativ kraft som behøves, og forventet kundeavbrudd koster. Lastpunktindikasj onene kan bli evaluert for de store lastbussene i systemet og kan bli brukt i systemdesignet for å sammenligne alternative systemkonfigurasjoner og modifikasjoner.

Den overliggende systempålitelighetsindikasjonen kan inkludere kraftsavbruddsindikasjoner, avkortinger av gjennomsnittlig krafttilførsel MW krafttilførselsforstyrrelsesindikasjoner, kraftenergiavkortelsesindikasjoner, alvorlighetsindikasjoner, og systemtilgjengelighet. For eksempel, kan den individuelle lastpunktsindikasj onene bli samlet til å produsere et sett av systemindikasjoner. Disse indikasjonene er indikatorer på den overliggende adekvatheten til det sammensatte systemet for å møte det totale systemets lastbehov og energibehov og kan være ekstremt brukbar for en systemplanlegger og ledergruppen, tillate mer informerte avgjørelser å bli gjort både i planleggingen og i håndteringen av systemet.

De forskjellige analysene og teknikkene kan bli lett kvalifisert som å være enten Monte Carlo simuleringer eller eventualitets opptellinger. Prosessen kan også bruke AC, DC og fastlineær nettverkskraftflytsløsningsteknikker og kan støtte multiple eventualitetsmodelleringer, multiple lastnivåer, automatisk eller brukervalgte eventualitetsopptellinger, bruke et flertall av støttehandlinger, og forsyne sofistikerte rapportgenereringer.

Analysen av trinn 1506 kan inkludere adekvatanalyser av kraftsystemet som blir overvåket basert på predikerte sett av kriterier ved hvilke systemet må bli bedømt som enten å være suksess eller feiltilstand. Systemet er antatt å være i feilet tilstand hvis servicen på lastbusser er forstyrret og dens kvalitet blir uakseptabel, dvs, hvis det er kapasitetsfeil, overlast, og/eller under/overspenninger.

Forskjellige lastmodeller kan bli brukt i prosessen til figur 15 inkluderende multitrinns

lastvarighetskurver, avkortinger og faste, og kundedriftsstanskostmodeller. I tillegg, kan forskjellige støttehandlinger bli forskrevet eller til og med injisert inkluderende MW og MV AR genereringskontroll, generator buss spenningskontroll, faseskiftjusteringer, MW genererings omtabeller, og lastavkortninger (avbrytbare og faste).

I andre utførelsesformer, kan effekten av andre variabler, slik som vær og menneskelige feil også bli evaluert i sammenheng med prosessen i figur 15 og indikasjonene kan bli assosiert med disse faktorene, for eksempel, er figur 16 et flytskjema som illustrerer et eksempel på en prosess for analysering av påliteligheten til et elektrisk kraftdistribusjons og transmisjonssystem som tar værinformasjon i betraktning i samsvar med en utførelsesform. Således i trinn 1602, kan sanntidsværdata bli mottatt, for eksempel, via en dataforing slik som en XML foring fra National Oceanic and Atmosphere Administration (NOAA). I trinn 1604, kan disse dataene bli konvertert til pålitelige data som kan bli brukt i trinn 1502.

Det bør også bli notert at National Fire Protection Association (NFPA) og the Occupational Safety and Health Association (OSHA) har forlangt at fasilitetene føyer seg etter skikkelig arbeidsplass sikkerhetsstandarder og foretar lys studier for å bestemme hendelsesenergien, beskyttelsesgrensende og PPE nivåene som trengs for å bli boret av teknikere. Uheldigvis, forsvinner ikke konvensjonelle tilnærminger, systemer for utførelse av slike studier på en pålitelig måte for sanntidsprediksjon av potensielle energiutbrudd (i kalorier per kvadrat centimeter) for en lysbuehendelse. Videre, eksisterer det ingen sanntidssystemer som kan forutsi de krevde personalbeskyttelsesutstyret (PPE) som kreves for sikkert å utføre reparasjoner som kreves av NFPA 70E og IEEE 1584.

Når en feil i systemet blir overvåket inneholder en lysbue, kan varmen som blir utløst ødelegge utstyr og forårsake personlige skader. Det er den siste bekymringen som forårsaket utviklingen av varmeekspaneringsprogrammene referert til over. Kraften spredt i lysbuen stråler til omkringliggende overflater. Jo lenger vekk fra lysbuen overflaten er jo mindre energi er mottatt per enhetsareal.

Som notert over, er konvensjonelle tilnærmelser basert på høyt spesifikke statiske simuleringsmodeller som er rigide og ikke refleksive på fasilitetens driftsstatus og tiden en teknikker kan behøve for å utføre reparasjoner på det elektriske utstyret. Men PPE nivåene som kreves for en reparasjon, eller sikkerhetsbeskyttende grenser kan forandres basert på den faktiske driftsstatusen til fasiliteten og justeringen av kraftdistribusjonssystemet ved tidspunkter reparasjonene er krevd. Derfor, forsyner ikke en statisk modell sanntids dataanalyser som kan være kritiske for nøyaktige PPE nivåbestemmelser. Dette er fordi statiske systemer ikke kan justeres til mange daglige forandringer til det elektriske systemet som forekommer ved en fasilitet. For eksempel motorer, og pumper kan være av eller på, genereringstilstand på stedet kan ha forandret seg ved å ha dieselgeneratorer online, utbyttbar elektrisk foring kan også forandre seg, osv, ei heller kan det eldes med fasiliteten for nøyaktig å predikere de krevde PPE nivåene.

Henholdsvis, avhenger eksisterende systemer på store studier som må utføres offline av en kraftsystemingeniør eller en profesjonell designspesialist. Ofte må spesialisten manuelt manifestere en simuleringsmodell slik at den reflekterer den foreslåtte fasilitetens driftsforhold og kan foreta en statisk simulering eller en serie av statiske simuleringer for å komme opp med forslag på sikker arbeidsdistanse, energikalkuleringer og PPE verdier. Men en slik prosess er ikke betimelig, nøyaktig eller effektiv, og som notert over kan den være ganske kostbar.

Ved bruk av systemer og metoder beskrevet her kan en logisk modell av en fasilitet av et elektrisk system bli integrert i sanntidsmiljøet, med en robust AC lysbuesimuleringsmotor (systemmodelleringsmotor 124), et datainnsamlingssystem (datainnsamlingshub 112), og en automatisk feedbacksystem (kalibreringsmotor 134) som kontinuerlig synkroniserer og kalibrerer den logiske modellen til de faktiske driftsforholdene til det elektriske systemet. Evnen til å rejustere simuleringsmodellen i sanntid slik at det speiler den faktiske fasilitetens driftsforhold, koplet med muligheten til å kalibrerer og elde modellen lik den faktiske fasiliteten eldes, som beskrevet over, gir en ønsket tilnærming for å forutsi PPE nivåer, og sikre arbeidsforhold på den nøyaktige tiden reparasjonene er ment å bli utført. Henholdsvis, kan fasilitetshåndteringen gi sanntidsoverensstemmelse med for eksempel NFPA 70E og IEEE 1584 standarder og krav.

Figur 17 er et diagram som illustrerer et eksempel på en prosess for å predikere i sanntid forskjellige parametere assosiert med vekselstrøm lysbuehendelser. Disse parameterne kan inkludere for eksempel lysbuehendelsesenergien, lysbuebeskyttelsesområde, og krevet personalbeskyttelsesutstyr (PPE) som nivåer, for eksempel, for å etterkomme NFPA 70E og IEEE 1584. Først i trinn 1702 kan en oppdatert virtuell modell bli skaffet for systemet som blir modellert, for eksempel, de oppdaterte dataene til trinn 1006, og driftsmodusene for systemet kan bli bestemt. I trinn 1704, kan en AC 3-fase kortslutningsanalyse bli utført for å skaffe full kortslutningsstrømverdier for systemet. I trinn 1706, kan for eksempel IEEE 1584 ligningene bli skaffet tilveie for de fulle kortslutningsverdiene og hvilke som helst korresponderende lysmønstrene kan bli beregnet i trinn 1708.

Graderingen av lysbuestrømmer til fulle kortslutninger kan så bli brukt, i trinn 1710, for å bestemme lysbuestrømmen i spesifikke beskyttende enheter, slik som skillebrytere eller sikringer. En koordinert tids- strømkurveanalyse kan bli utført for den beskyttende enheten i trinn 1712.1 trinn 1714, kan lysbuestrømmen i den beskyttende enheten og tidsstrømanalysen bli brukt for å bestemme en assosiert feilklareringstid, og i trinn 1716 en korresponderende lysbueenergi kan bli bestemt basert på for eksempel IEEE 1584 ligningene brukt på feilklareringstiden og lysbuestrømmen.

I trinn 1718, kan den 100% lysbuestrømmen bli beregnet og for systemer på mindre enn lkV kan den 85% lysbuestrømmen også bli beregnet. I trinn 1720, kan feilklareringstiden i den beskyttende enheten bli bestemt ved den 85% lysbuestrømnivået. I trinn 1722, kan for eksempel IEEE 1584 ligningene bli brukt til feilklareringstiden (bestemt i trinn 1720) og lysbuestrømmen kan bli bestemt på 85% lysbueenerginivået, og i trinn 1724 kan den 100% lysbuestrømmen bli sammenlignet med den 85% lysbuestrømmen, hvor den høyeste av de to blir valgt. IEEE 1584 ligningene, kan for eksempel så bli brukt på de valgte lysbuestrømmene i trinn 1726 og PPE nivåene områdeavstanden kan bli bestemt i trinn 1728.1 trinn 1730, kan disse verdiene bli sendt ut, for eksempel, i form av en visning på en skjerm på en rapport.

I andre utførelsesformer, ved bruk av samme eller lignende prosedyre som demonstrert i figur 17, kan de følgende evalueringene bli gjort i sanntid og basert på nøyaktige, for eksempel, eldede modeller av systemet: Eksponering for lysbuer basert på IEEE 1584;

Eksponering for lysbuer basert på NFPA 70E;

Eksponering for nettverksbasert lysbuer på AC systemer/enkle avgreiningstilfeller;

Eksponering for nettverksbasert lysbue på AC systemet/multiple avgreiningstilfeller;

Eksponering for nettverklysbuer på DC nettverk;

Eksponeringssimulering ved bokser tilkoplingsutstyr, MCC bokser, åpent område og kabling jordet og ujordet;

Beregne og velge kontrolleringsavgreninger for simulering av lysbuer;

Teste valgte klær;

Beregne krav til klær;

Beregne sikre soner med hensyn til brukerdefinert klær kategorier;

Simulerte eksponeringer for lysbuevarme og brukervalgte lokaliseringer;

Bruker definerte feilsykluser for 3-fase og kontrolleringsavgreninger;

Brukerdefinert avstand for objektet;

100% og 85% lysbuestrøm;

100% og 85% beskyttelsesenhetstid;

Beskyttelsesenhetssettinger sin innvirkning på eksponeringsenergi fra lysbuer;

Brukerdefinert merkestørrelser;

Feste merker på enkeltlinjediagrammer for brukerreferat;

Plotte energi for hver buss;

Skriverresultatet til Excel;

Se på og printe geografiske merker for brukervalgte busser; og Arbeidstillatelse.

Med utbytte man har hatt med hensikten gjennom de overfor nevnte metodene, kan passende beskyttelsesmidler, bekledning og prosedyrer bli mobilisert for å minimere potensialet for at en skade skal skje når en lysbuehendelse forekommer. Eierne av fasiliteten og operatørene kan effektivt implementere en sanntidssikkerhetshåndteringssystem som er i samsvar med NFPA 70E og IEEE 1584 sine retningslinjer.

Figur 18 som er et flytskjema som illustrerer et eksempel på en prosess for sanntidsanalyse av driftsstabiliteten til et elektrisk kraftdistribusjons og oversendelsessystem i samsvar med en utførelsesform. Evnen til å forutsi, i sanntid, kapasiteten til et kraftsystem til å ivareta stabilitet og/eller gjenhente seg fra forskjellige eventualitetshendelser og forstyrrelser uten å ødelegge systemets driftanstrengelser er viktig. Denne analysen bestemmer sanntidsevnen til et system til: 1. Ivareta kraftetterspørsel og ivareta effektiv vedlikehold og reaktive kraftreserver til å ta hånd om pågående forandringer i etterspørsel og systemforstyrrelser pga. eventualiteter, 2. Operere sikkert med minimums driftskostnader mens ivareta en adekvat nivå på pålitelighet, og 3. Forsyne et akseptabelt høyt nivå av kraftkvalitet, (ivareta spenning og frekvenser i innenfor tolererbare grenser) ved drifting under eventualitetsforhold.

I trinn 1802, kan dataene til den dynamiske tidsmodellen bli oppdatert for å rejustere den virtuelle systemmodellen i sanntid slik at den speiler de faktiske driftsforholdene til fasiliteten. Oppdateringene til domenemodelldataene koplet med evnen til å kalibrere og elde den virtuelle systemmodellen av fasiliteten i det den eldes (for eksempel sanntidsforhold for fasiliteten), som beskrevet over, gir en ønsket tilnærming for predikering av driftsstabilitet av det elektriske kraftsystemets styring under eventualitetssituasjoner. Dvs, disse oppdateringene teller for den naturlige eldingseffekten av hardware som utgjør det totale elektriske kraftsystemet ved kontinuerlig synkronisering og kalibrering både av kontroll logikken brukt i semuleringen og de faktiske driftsforholdene til det elektriske systemet.

Dataene for domenemodellen inkluderer data som er reflektive på både det statiske og ikke statiske (roterende) komponentene til systemet. Statiske komponenter er de komponentene som er opptatt og viser ingen forandringer under tid ved hvilke de transiente eventualitetene finner sted. Typiske tidsrammer for forstyrrelser i denne typen av elementer spenner deg fra et fåtall sykluser av driftsfrekvensene til systemet opptil noen få sekunder. Eksempler på statiske komponenter i et elektrisk system inkluderer men er ikke begrenset til omformere, kabler, luftlinjer, reaktorer, statiske kondensatorer, osv. Ikke statiske (roterende) komponenter omhandler synkrone maskiner inkluderende deres assosierte kontroll (magnetiseringsmaskiner, automatiske regulatorer, osv, induksjonsmaskiner, kompensatorer, motoropererte ventiler (MOV), turbiner, statiske var kompensatorer, feilisolerende enheter (FIU), statiske automatiske bussoverføringsenheter (SABT), osv. Disse forskjellige typene av ikke statiske komponenter kan bli simulert ved bruk av forskjellige teknikker. For eksempel: • For synkrone maskiner: termiske (runde motorer) og hydrauliske (utpreget pol) enheter kan bli både simulert enten ved bruk av enkle modeller eller av de mest komplette to-aksene inkluderende demper viklende representasjonene. • For induksjonsmaskiner: en komplett toaksemodell kan bli brukt. Det er også mulig å modellere dem ved kun å forsyne testkurvene (spenning, kraftfaktor, og momentet som en funksjon av hastighet) • For motor opererte ventiler (MOVer) to modi av MOV operasjoner er av interesse, nemlig, åpning og lukkingsoperasjonsmodiene. Hver modus av driften består av fire bestemte trinn, a) start, b) full hastighet, c) åpning, d) bevegelse, e) stall. Systemet støtter brukerdefinerte modelltyper for hver av trinnene. Dvs. start kan bli modellert som en konstant strøm mens ved full hastighet kan bli modellert som konstant kraft. Denne samme fleksibiliteten eksisterer i alle fem distingte trinn for lukkemodusen. • For AVR og oppvekkelsessystemer: er det et antall av modeller som spenner seg fra roterende (DC og AC) og analoge til statiske og digitale kontroller. I tillegg, tilbyr systemet en brukerdefinert modelleringskapasitet, som kan bli brukt for å definere en ny oppvekkelsesmodell. • For automatiske regelatorer og turbiner: er systemet designet for å adressere strøm og fremtidig teknologier inkluderende men ikke begrenset til hydrauliske, diesel, gass, og kombinerte sykluser med mekaniske og/eller digitale automatiske regulatorer. • For statiske VAR kompensatorer (SVCer): er systemet designet til å adressere strømmer og fremtidige teknologier inkluderende et antall av halvledere (thyristor) kontrollerte SVCer eller til og med mettbare reaktortyper. • For feilisolerende enheter (FIU'er): er systemet designet til å adressere strøm og fremtidige teknologier for FIU'er også kjent som strømgrensende enheter,

enheter som er isolert mellom kraftkilden og lasten for å begrense størrelsen på feilstrømmer som forekommer i laster knyttet til kraftdistribusjonsnettverket. For statisk automatisk bussoverføringer (SABT): er system designen til å adressere strøm og fremtidige teknologier for SABT (dvs. halvleder tre-fase, dobbelposisjon, og tre pol brytere, osv).

I en utførelsesform, inkluderer dataene for tidsdomenemodellen innebygd dynamiske modelldata for vekkere, automatiske regulatorer, omformere, releer, skillebrytere, motorer, og kraftsystemstabilisatorer (PSS) tilbudt av et flertall av produsenter. For eksempel, kan dynamisk modelldata for det elektriske kraftsystemet være OEM produsert forsynt kontroll logikk for elektrisk utstyr som automatisk spenningsregulatorer (AVR), automatiske regulatorer, uttaksforandrende omformere underlast, releer, skillebrytermotorer, osv. I andre utførelsesformer, for å kunne håndtere de siste fremskrittene i kraftelektronikk og digitalkontrollere, dataene til tidsdomenemodellen inkluderer brukerdefinerte dynamisk modelleringsdata som er laget av et autorisert systemadministrator i samsvar med brukerdefinert kontroll logikkmodeller. De brukerdefinerte modellene samvirker med den virtuelle systemmodellen til det elektriske kraftsystemet gjennom grensesnitt variable, 1816, som er laget ut ifra de brukerdefinerte kontrollogikkmodellene. For eksempel, for å bygge en brukerdefinert oppbyggingsmodell, krever kontrollene at generator terminalspenningen blir målt og sammenlignet med referansekvantiteten (satt punktspenning). Basert på den spesifikke kontroll logikken til oppbakkingen og AVR, vil modellen så beregne den predikerte generatorfeltspenningen og returnere verdien tilbake til applikasjonen. Den brukerdefinerte modelleringen støtter et stort antall av predefinerte kontrollblokker (funksjoner) som er brukt for å sette sammen det krevde kontrollsystemet og sette de bruk i et sanntidsmiljø for å øke styrken og sikkerheten til kraftsystemet. I enda en annen utførelsesform, inkluderer dataene for tidsdomene modellen både innebygde dynamiske modelldata og brukerdefinert modelldata.

Videre i trinn 1804, kan en eventualitetshandling bli valgt ut ifra en diverse liste av eventualitetshandlinger som kan bli evaluert. Dvs., driftsstabiliteten til det elektriske kraftsystemet kan bli fastsatt under et antall av forskjellige eventualitetshandlingssenarier inkluderende men ikke begrenset til enkelteventualitetshandlinger eller multiple eventualitetshandlinger (som er simultane eller sekvensert i tid). I en annen utførelsesform, er eventualitetshandlingene fastsatt manuelt valgt av en systemadministrator i samsvar med brukerkravene. I en annen utførelsesform, er eventualitetshandlingene fastsatt automatisk valgt i samsvar med kontroll logikken som er dynamisk adaptiv til foregående observasjoner av det elektriske kraftsystemet. Dvs. kontroll logikken lærer hvilke eventualitetshandlinger den skal simulere basert på tidligere observasjoner av det elektriske kraftsystemets drift under forskjellige forhold. Noen eksempler på eventualitetshandlinger inkluderer men er ikke begrenset til:

Tilføring/fjerning av tre-fase feil.

Tilføring/fjerning av fase til jordfeil

Tilføring/fjerning av fase til fase til jordfeil

Tilføring/fjerning av fase til fase feil

Avgreningstillegg

Avgreningsutløsning

Starting av induksjonsmotor

Stopping av induksjonsmotor

Skjønt utløsning

Skjønt tillegg (kondensator og/eller induksjon)

Generator utløsning

SVC utløsning

Virknings lasting (last av omforandring av mekanisk moment på induksjonsmaskinen. Med denne muligheten er det faktisk mulig å gjøre om en induksjonsmotor til en induksjonsgenerator).

Tap av tilført brukskraft, generatorer, UPS, distribusjon, linjer/system,

Infrastruktur

Lastavkasting.

I trinn 1806, kan en transientstabilitetsanalyse ha det elektriske kraftsystemet sin drift under de forskjellige valgte eventualitetene bli utført. Denne analysen kan inkludere identifikasjon av systemets svakheter og usikre eventualitetsforhold. Dvs., analysen kan forutsi systemets evne til å ivareta kraftetterspørsel, vedlikeholdet tilstrekkelig aktive og reaktive kraftreserver, operere sikkert med minimum driftskostnader mens den ivaretar et adekvat nivå av pålitelighet, og forsyne akseptabelt høyt nivå av kraftkvalitet mens den blir utsatt for forskjellige eventualitetshandlinger. Resultatet av analysen kan bli lagret av en assosiativ minnemotor 1818 under trinn 1814 som støtter inkrementell læring om driftskarakteristikkene til systemet. Dvs., resultatet av prediksjonene, analysene og sanntidsdataene kan bli foret, ved behov, inn i den assosiative minnemotoren 1818 for gjenkjennelse av mønster og sekvenser for å kunne lære om de logiske realitetene til kraftsystemet. I enkelte utførelsesformer, kan motoren 1818 også virke som en mønstergj enkj eimende motor eller en hierarkisk midlertidig minnemotor

(HTM). I tillegg, kan samtidige inngangssignaler fra forskjellige elektriske, miljømessige, mekaniske, og andre sensordata bli brukt til å lære om og bestemme normaliteten og unormaliteten til forretningene og fabrikkdriften for å gi en måte å forstå feilmoduser og i anbefalinger.

I trinn 1810, kan det bli bestemt om systemet er drevet i en tilstrekkelig tilstand når den blir konfrontert med en spesifikk eventualitet. Hvis den gjør det, så kan det i trinn 1812 bli generert en rapport som gir et sammendrag av driftsstabiliteten til systemet. Sammendraget kan inkludere generelle prediksjoner om den totale sikkerheten og stabiliteten til systemet og/eller detaljerte prediksjoner om hver komponent som utgjør systemet.

Alternativt, hvis det er bestemt at systemet ikke er i en tilstrekkelig tilstand i trinn 1810, så kan det i trinn 1808 bli bestemt om videre eventualiteter trenger å bli evaluert. Hvis så er tilfelle, så kan prosessen gå tilbake til trinn 1806 og videre eventualiteter kan bli evaluert.

Resultatet fra sanntidssimuleringer utført i samsvar med figur 18 kan bli kommunisert til trinn 1812 via en rapport, slik som en utskrift eller en fremvisning av statusen. I tillegg, kan informasjonen bli rapportert via et grafisk brukergrensesnitt (tykk eller tynn klient) som illustrerer de forskjellige komponentene til systemet på en grafisk måte. Slike utførelsesformer, kan rapporten kun bestå av grafisk indikasjoner på sikkerheten eller usikkerheten til en komponent, en undersystem, eller systemet, inkluderende hele fasiliteten. Resultatet kan også bli sendt til assosiativt minnemotoren 1818, hvor de kan bli lagret og gjort tilgjengelige for prediksjoner, mønstre/sekvensgjenkjenning og evnen til å forestille seg, for eksempel via minneagenter eller andre teknikker hvorav noen er beskrevet under i trinn 1820.

Prosessen i figur 18 kan bli brukt til et antall av behov inkluderende men ikke begrenset til prediksjonssystemer stabilitet pga. motorstarting og motorsekvensiering, et eksempel er bedømmelsen av adekvatheten til et kraftsystem i kritiske oppstartinger av hjelpesystemet; evaluering av beskyttelser slik som under frekvens og under spenningslastavkastningsskjemaer, eksempler på dette er allokeringen av krevet lastavkasting for et potensielt tap av kraftgenereringskilde; bestemmelse av kritisk klareringstid for de forskjellige brytere og ivareta stabilitet; og bestemmelse av sekvensen for beskyttelsesenhetsdrift og interaksjon.

Figur 19 er et flytskjema som illustrerer et eksempel på en prosess for å foreta en sanntidskraftskapasitetsvurdering av en elektrisk kraftdistribusjons og distribusjonssystem, i samsvar med en utførelsesform. Stabiliteten til et elektrisk kraftdistribusjonssystem kan bli klassifisert i to brede kategorier: transient (vinkelrett) stabilitet og spenningsstabilitet (dvs. kraftkapasitet). Spenningsstabilitet refererer til det elektriske systemets evne til å ivareta en akseptabel spenningprofil under forskjellige system topografier og lastforandringer (dvs. eventualitetshendelser). Dvs. spenningsstabilitetsanalyser bestemmer buss spenningsprofilen og kraftflyten i det elektriske systemet før, under, og umiddelbart etter en stor forstyrrelse. Generelt sett, stammer spenningsustabilitet fra forsøket på lastdynamikk til å gjenskape kraft konsumering forbi kapasiteten til den kombinerte transmisjonen og genereringssystemet. En faktor som gjør deg gjeldende er at ulikt aktiv kraft, kan ikke reaktiv kraft, kan ikke reaktiv kraft bli transportert over store avstander. Således, er et kraftsystem rikt på reaktive kraftressurser mindre sannsynlig til å oppleve spenningsstabilitetsproblemer. Generelt sett, er spenningsstabiliteten til et kraftsystem av enorm betydning i planleggingen og den daglige driften av et elektrisk system.

Tradisjonelt sett, har transient stabilitet vært hovedfokus for kraftsystemprofesjonelle. Imidlertid, med den økende etterspørselen for elektrisk energi og de regulære hindringene som hindrer ekspansjonen av eksisterende kraftsystemer, har forekomsten av spenningsustabilitet hatt en økende frekvens og derfor har oppnådd økt fokus fra kraftsystemplanleggere og fasilitetsoperatørene til kraftsystemet. Evnen til å lære, forstå og gjøre prediksjoner om tilgjengelige kraftsystemskapasitet og system mottagelighet til spenningsustabilitet, vil i sanntid være begunstiget i genereringen av krafttrender for prognoseårsaker.

I trinn 1902, kan modelleringsdataene til spenningsstabiliteten for komponentene som utgjør det elektriske systemet bli oppdatert og rejustert med den virtuelle systemmodellen sanntid slik at den speiler det faktiske driftsforholdet til fasiliteten. Disse oppdateringene til spenningsstabilitetens modelleringsdata koplet med evnen til å kalibrere og elde den virtuelle systemmodellen til fasiliteten i det den elder (dvs. sanntidsforholdene til fasiliteten), som beskrevet over, forårsaker en ønsket tilnærming til predikerte hendelser av spenningsustabilitet (eller kraftkapasitet) i det elektriske kraftsystemet når det drives under eventualitetssituasjoner. Dvs., disse oppdateringene står for den naturlige eldingseffekten av hardware som utgjør det totale elektriske kraftsystemet ved kontinuerlig synkronisering og kalibrering både av den kontroll logikken brukt i simuleringen og de faktiske driftsforholdene til det elektriske systemet. Spenningsstabilitetens modelleringsdata inkluderer systemdata som har direkte innflytelse på det elektriske systemets evne til å ivareta akseptable spenningsprofiler når systemet er utsatt for forskjellige eventualiteter, slik som når systemets topografi forandrer seg eller når systemet møter kraftlastsforandringer. Noen eksempler på modelleringsdata av spenningsstabiliteten er lastskaleringsdata, genereringsskaleringsdata, lastvekstfaktordata, lastvekstinkrementeringsdata osv.

I en utførelsesform, inkluderer spenningsstabilitetens modelleringsdata innebygde data tilført av en OEM produsent av komponentene som utgjør det elektriske utstyret. I en annen utførelsesform, for å kunne ta hånd om de siste fremskrittene innen kraftsystemkontroll, inkluderer spenningsstabilitetsdataene brukerdefinert data som er laget av en autorisert systemadministrator i samsvar med brukerdefinert kontroll logikkmodeller. De brukerdefinerte modellene samvirker med den virtuelle systemmodellen av det elektriske systemet gjennom grensesnitt variabler 1916 som er laget utfra logisk modeller av brukerdefinert kontroll. I enda en annen utførelsesform, inkluderer spenningsstabilitetens modelleringsdata en kombinasjon av både innebygde modelleringsdata og brukerdefinerte modelleringsdata.

Når vi flytter oss over til trinn 1904, kan en eventualitetshandling bli valgt utfra en diverse liste av eventualitetshandlinger som skal bli evaluert. Dvs., spenningseventualiteten til et elektrisk kraftsystem kan bli vurdert under et antall av forskjellige eventualitetshandlingssenarier inkluderende men ikke begrenset til enkelte hendelser av eventualiteter eller multiple hendelser av eventualiteter (som er simultane eller sekvensert over tid). I en utførelsesform, er eventualitetshandlingene som er vurdert manuelt valgt av en systemadministrator i samsvar med brukerkravene. I en annen utførelsesform, er eventualitetshandlingene som skal bli vurdert automatisk valgt i samsvar med kontroll logikk som er dynamisk additive til foregående observasjoner av det elektriske kraftsystemet. Dvs. at kontroll logikken lærer hvilke eventualitetshandlinger den skal simulere basert på tidligere observasjoner av det elektriske kraftsystemet sin drift under forskjellige forhold. Noen eksempler på eventualitetshandlinger inkluderer men er ikke begrenset til tap av brukstilførsel til det elektriske systemet, tap av tilgjengelig kraftgenererende kilder, systemlastforandringer/vekslinger, tap av distribusjonsinfrastruktur assosiert med det elektriske systemet, osv.

I trinn 1906, kan en spenningsstabilitetsanalyse av det elektriske kraftsystemets drift under forskjellige valgte eventualiteter bli utført. Denne analysen kan inkludere en prediksjon av det totale systemets kraftkapasitet, tilgjengelig systemkraftkapasitet og brukt systemkraftkapasitet av det elektriske systemet under forskjellige eventualiteter. Dvs. analysen kan predikere det elektriske systemets evne til å ivareta akseptable spenningsprofiler under lastforandringer og når den overliggende systemtopografien undergår forandringer. Resultatet av analysen kan bli lagret av en assosiativ minnemotor 1918 under trinn 1914 for å støtte inkrementell læring om kraftkapasitetskarakteristikkene til systemet. Dvs., resultatet av prediksjonene, analysene, og sanntidsdata kan bli foret, når det trengs, i den assosiative minnemotoren 1918 for mønster og sekvensgjenkjenning for å kunne lære om spenningsstabiliteten til det elektriske systemet i trinn 1920.1 tillegg, sammenfallende inngangssignaler av forskjellige elektriske, miljømessige, mekaniske og andre sensordata kan bli brukt til å lære om og bestemme normaliteten og unormaliteten til forretninger og fabrikk operasjoner for å skaffe et middel for å forstå feilmoduser og gi anbefalinger.

I trinn 1910, kan det bli bestemt om det er spenningsustabilitet i systemet når det blir konfrontert med spesifikke eventualiteter. Hvis det er tilfelle, kan det i trinn 1912, bli generert en rapport som gir et sammendrag av de spesifikke tingene og kildene til spenningsustabiliteten. Sammendraget kan inneholde generelle prediksjoner om spenningsstabiliteten til det overliggende systemet og/eller detaljerte prediksjoner om hver enkelt komponent som utgjør systemet.

Alternativt, hvis det er bestemt at systemet ikke er en tilfredsstillende tilstand i trinn 1910, så kan trinn 1908 bestemme om videre eventualiteter trenger å bli evaluert. Hvis så er tilfelle, så kan prosessen gå tilbake til trinn 1906 og videre eventualiteter kan bli utført. Som et resultat av sanntidssimuleringer utført i samarbeid med figur 19 kan disse bli kommunisert i trinn 1912 via en rapport, slik som en utskrift eller en fremvisning av statusen. I tillegg, kan informasjonen bli rapport via et grafisk brukergrensesnitt (tykk eller tynn klient) som illustrert i forskjellige komponenter av systemet i et grafisk format. I slike utførelsesformer, kan rapporten ganske enkelt bestå av grafiske indikasjoner på kapasiteten til undersystemet eller systemet inkluderende hele fasiliteten. Resultatet kan også bli sendt videre til det assosiative minnemotoren 1918, hvor de kan bli lagret og gjort tilgjengelige for prediksjon, mønster/sekvensgjenkjenning og evnen til å forestille seg, for eksempel, via minneagenter eller andre teknikker, noen av hvilke er beskrevet under i trinn 1920.

Systemet og metodene beskrevet over kan også bli brukt for å skaffe tilveie en rapport (trinn 1912) på, for eksempel det totale systemets elektriske kapasitet, det totale systemets kapasitet gjenværende kapasitet, den totale kapasiteten ved alle databussene og/eller prosessene, total gjenværende kapasitet ved alle databussene og/eller prosessene, total systembelastning, lasting av hver databuss og/eller prosess osv. Således, kan det i prosessen i figur 19 bli mottatt inngangsdata relatert til kraftflyt, for eksempel nettverkstilkopling, laster, genereringer, kabler/omformere, impedanser, osv, kraftsikkerhet, eventualiteter, og kapasitetsvurderingens modelleringsdata og kan produsere som outputdata relatert til de predikerte og designede totalsystemets kapasitet, tilgjengelig kapasitet og nåværende kapasitet. Denne informasjonen kan bli brukt til å utføre mer informerte avgjørelser med hensyn på styringen på fasiliteten.

Figur 20 er et flytskjema som illustrerer et eksempel på en prosess for utførelse av

sanntidsharmoniske analyser av et elektrisk kraftdistribusjons og oversendelsessystem, i samsvar med en utførelsesform. I det teknologiske fremskritt fortsetter å bli gjort i feltet av elektriske enheter, har det vært spesiell fokus på utviklingen av energisparende trekk. Elektrisitet er nå brukt ganske forskjellig fra måten det pleide å bli brukt på med nye

generasjoner av datamaskiner og foretrekker enheter som bruker veldig stor skala av integrerte kretser som drives av lave spenninger og strømmer. Typisk, i disse enhetene, er den innkommende vekselstrømmen (AC) rettet av en diode og den brukt til å lade stor kondensator. Denne elektroniske enheten trekker så like strøm (DC) fra kondensatoren i korte ikke lineære pulser som gir strøm til den interne kretsen. Dette forårsaker noen ganger at det oppstår harmoniske forstyrrelser i laststrømmen, som kan resultere i overopphetede omformere og midtledere, i tillegg til at skillebryterne blir utløst i det elektriske systemet.

Den iboende risikoen (for sikkerhets og driftslivet til komponenten som utgjør det elektriske systemet) som harmoniske forvridninger sitter til elektriske systemer har ført til inkluderingen av harmoniske forvrengningsanalyser som del av den tradisjonelle kraftanalysen. Måling og sensorpakker er i det nåværende øyeblikk tilgjengelig for å overvåke harmoniske forvridninger inne i et elektrisk system. Imidlertid, er det ikke mulig å fylle det elektriske systemet med sensorer fullt ut ved alle mulige lokaliseringer pga. kostnaden og den fysiske tilgjengelighetens begrensninger i enkelte deler av systemet. Derfor, er det et behov for teknikker som predikerer, gjennom sanntids simuleringer, kildene til harmoniske forvridninger inne i et elektrisk system, påvirkningene de harmoniske forvrengningene har eller ikke har, hvilke trinn (dvs. harmonisk filtrering) som kan bli tatt for å minimere eller eliminere harmoniene fra systemet.

På det nåværende øyeblikk er det ingen pålitelige teknikker som predikerer, i sanntid, potensiale for periodiske ikke sinusformet bølgeformer (dvs. harmoniske forvrengninger) som forekommer ved hvilke som helst lokalisering inne i et elektrisk system som får kraft via en sinusformet spenning. I tillegg, tar ikke eksisterende teknikker til overværelse direkte forholdende og topografien til det elektriske systemet eller bruker en virtuell systemmodell av systemet som eldes med den faktiske fasiliteten eller dens nåværende forhold. Videre, eksisterer det ingen teknikker som kombinerer sanntidskraftkvalitetsmålingsavlesninger og predikerte kraftkvalitetsavlesninger for bruk i et system for mønstergjenkjenning slik som en assosiativ minnemaskin som lærer systemet å predikere harmoniske forvrengninger i et system pga. forandringene i topografien eller dårlige driftsforhold inne i et elektrisk system.

Prosessen beskrevet her, gir en harmonisk analyseløsning som bruker et sanntidsbilde fanget av et datainnhentingssystem for å utføre en

sanntidssystemkraftskvalitetsevaluering ved alle lokaliseringene uavhengig av kraftkvalitetens målingstetthet. Denne prosessen integrerer, i sanntid, en logisk simuleringsmodell (dvs. virtuell systemmodell) av det elektriske systemet, en datainnsamlingssystem, og kraftsystemets simuleringsmotor med en logikk basert tilnærmelse for å synkronisere den logiske simuleringsmodellen med forhold ved det virkelige elektriske systemet for å effektivt elde simuleringsmodellen sammen med det faktiske elektriske systemet. Gjennom denne tilnærmelsen, kan prediksjoner om harmoniske forvrengninger i et elektrisk system være nøyaktig kalkulert i sanntid. Konsentrert, virker denne prosessen ved simulering av harmoniske forvrengninger i et elektrisk system gjennom å utsette en sanntidsoppdatert virtuell systemmodell av systemet til en eller flere simulerte eventualitetssituasjoner.

I trinn 2002, kan modelleringsdataene til den harmoniske frekvensen for komponentene som utgjør det elektriske systemet bli oppdatert til å rejustere den virtuelle systemmodellen i sanntid slik at den speiler de faktiske driftsforholdene til en fasilitet. Denne oppdateringen til modelleringsdataene til den harmoniske frekvensen koplet med evnen til å kalibrere og elde den virtuelle systemandelen av fasiliteten slik den eldes (dvs. sanntidsforholdene til fasiliteten) som beskrevet over, forsyner en ønsket tilnærming til prediktive hendelser av harmonisk forvrengning ved det elektriske kraftsystemet under drift under eventualitetshendelser. Dvs., disse oppdateringene teller i hovedsak for eldingseffektene av hardware som utgjør det totale elektriske kraftsystemet ved kontinuerlig synkronisering og kalibrering både av kontroll logikken brukt i simuleringen og de faktiske opereringsforholdene til det elektriske systemet.

Modelleringsdata for den harmoniske frekvensen har direkte innflytelse over hvordan harmonisk forvrengning er simulert under en harmonisk analyse. Eksempler på data som er inkludert med modelleringsdataene for den harmoniske frekvensen inkluderer simuleringsdata for systemer som er føyelige til IEEE 519 og/eller Mil 1399, generatorer, kabler, motorskinneffektsdata, omformerfaseskiftingsdata, generatorimpedansedata, induksjonsmotorimpedansedata, osv.

Videre i trinn 2004, kan en eventualitetshandling bli valgt ut ifra en diverseliste av eventualitetshendelser som skal bli evaluert. Dette vil si, det elektriske systemet kan bli fastsatt for harmoniske forvrengninger under et antall av forskjellige eventualitetshendelsessenarier inkluderende men ikke begrenset til en enkelt hendelseseventualitet eller multippel hendelseseventualiteter (som er simultane eller sekvensiert over tid). I en utførelsesform, er eventualitetshendelsene fastsatt manuelt valgt av en systemadministrator i samsvar med brukerkravene. I en annen utførelsesform, er eventualitetshendelsene som er fastsatt automatisk valgt i samsvar med kontroll logikk som er dynamisk tilpasset til tidligere hendelser i det elektriske kraftsystemet. Dvs. at kontroll logikken lærer hvilke eventualitetshendelser som skal simuleres basert på tidligere observasjoner av det elektriske kraftsystemets drift under forskjellige forhold. Noen eksempler på eventualitetshendelser inkluderer men er ikke begrenset til tillegg (få online) og forandringer av utstyr som påvirker en ikke lineær last på et elektrisk kraftsystem (for eksempel, som opprettere, lysbueovner, AC/DC drivere, variable frekvensdrivere, kraftinngangstilførsler fra diodekondensatorer, uavbrytbar krafttilførsel, osv) eller annet utstyr som trekker kraft i korte mellomliggende poser fra det elektriske kraftsystemet.

I en fortsettelse av figur 20, i trinn 2006, kan en harmonisk forvrengningsanalyse av det elektriske kraftsystemets drift under forskjellige valgte eventualiteter bli utført. Denne analysen kan inkludere prediksjoner av forskjellige typer av harmonisk forvrengningsdata ved forskjellige punkter inne i systemet. Harmonisk forvrengningsdata kan inkludere men er ikke begrenset til:

Bølgeformede forvrengninger/osilasj onsdata

Parallell og seriell resonanseforholdsdata

Total harmonisk forvrengningsnivådata (både spenning og strømtype)

Data på sann RMS system belastning av linjer, omformere, kondensatorer, osv. Data på den negative sekvensharmonien som blir absorbert av AC motorene Omformere K-faktor nivådata

Frekvens scan ved positive, negative, og nullvinkelsrespons gjennom hele det scannede spekteret i det elektriske systemet.

Dvs., den harmoniske analysen kan predikere forskjellige indikatorer (harmonisk data) av harmoniske forvrengninger som forekommer inne i det elektriske systemet i det det blir utsatt for forskjellige eventualitetssituasjoner.

Resultatet av analysen kan bli lagret av en assosiativ minnemotor 2016 under trinn 2014 for å støtte inkrementell læring om de harmoniske forvrengningskarakteristikkene til systemet. Dvs., resultatene av prediksjoner, analysen, og sanntidsdataene kan bli foret, når det trengs, til den assosiative minnemotoren 2016 for mønster og sekvensgjenkjenning for å kunne lære om den harmoniske forvrengningsprofilen til det elektriske systemet i trinn 2018.1 tillegg, kan sammenfallende inngangssignaler fra forskjellige elektriske, miljømessig, mekaniske og andre sensordata bli brukt til å lære om og bestemme normaliteten og unormaliteten av forretninger og fabrikkoperasjoner for å skaffe tilveie et middel for å forstå feilmoduser og i anbefalinger. I trinn 2010, kan det bli bestemt om det er harmoniske forvrengninger inne i systemet når det blir konfrontert med en spesifikk eventualitet. Hvis så er tilfelle, så blir det i trinn 2012 generert en rapport som gir et sammendrag av spesifikke hendelser om karakteristikkene og kildene til de harmoniske forvrengningene. Sammendraget kan inkludere prediksjoner om de forskjellige typene harmoniske forvrengningsdata (for eksempel bølgeformede forvrengning/osilasjonsdata, parallell og seriell resonanseforholdsdata, osv.) generert ved forskjellig punkter gjennom hele systemet. I tillegg, gjennom disse prediksjonene, kan den assosiative minnemotoren 2016 gjøre prediksjoner om den naturlige osilasjonsresponsen til fasiliteten og sammenligne disse prediksjonene med den harmoniske komponenten til den ikke lineære lasten som blir foret og vil bli foret fra systemet som indikert fra datainnsamlingssystemet og kraftkvalitetsmålerne. Dette vil gi en indikasjon på hvilke harmoniske frekvenser som de potensielle resonanseforholdene ligger ved og skaffe tilveie fasilitetsoperatorer med muligheten for effektivt å ta i bruk et flertall av harmoniske dempende teknikker (for eksempel tillegging av harmoniske filterbanker, osv.)

Alternativt hvis det er bestemt at systemet ikke er en tilfredsstillende tilstand i trinn 2010, så kan trinn 2008 bestemme om videre eventualiteter trenger å bli evaluert. Hvis så er tilfelle, så kan prosessen gå tilbake til trinn 2006 og videre eventualiteter kan bli evaluert. Resultatet av sanntidssimuleringer utført i samsvar med figur 20 kan bli kondensert i trinn 2012 via en rapport, slik som en utskrift eller en fremvisning av statusen. I tillegg, kan informasjon bli rapportert via et grafisk brukergrensesnitt (tykk eller tynn klient) som illustrerer de forskjellige komponentene i systemet på en grafisk måte. I slike utførelsesformer, kan rapporten ganske enkelt bestå av en grafisk indikasjon på den harmoniske tilstanden til undersystemet eller systemer inkluderende hele fasiliteten. Dette resultatet kan også bli sendt til assosiativ minnemotor 2016, hvor de kan bli lagret og gjort tilgjengelig for prediksjoner, mønster/sekvens gjenkjenning og evnen til å se for seg, for eksempel, via minneagenter eller andre teknikker, noen av de som er beskrevet under, i trinn 2018.

Således kan prosessen i figur 20 motta inngangsdata relatert til kraftflyt, for eksempel nettverkstilkopling, laster, genereringer, kabler/omforminger, impedanser osv., kraftsikkerhet, eventualiteter, og kan produsere som utgangsresultater data relatert til punkt spesifikke kraftkvalitetsindikasjoner, indikasjoner på den totale strømmens harmoniske vridninger i avgreninger, indikasjoner på bussene og nodenes totale spenningsharmoniske forvrengninger, frekvens skanningsindikasjoner for positive negative og nullsekvenser, filterfrekvensens vinkelrespons, filternes frekvens impedanserespons, og spennings og strømverdiene over hvert filterelement (r, xl, xc).

Figur 21 er et diagram som illustrerer hvordan HTM mønstergjenkjenning og maskinlæringsmotoren virker i sammenheng med de andre elementene av det analytiske systemet som gjør prediksjoner om den driftsmessige aspektet av det overvåkede systemet, i samsvar med en utførelsesform. Som beskrevet her, er HTM mønstergjenkjenning og HTM maskinlæringsmotoren 551 huset inne i den analytiske serveren 116 og kommunikativt knyttet via en nettverkstilkopling 114 med en datainnsamlingshub 112, en klientterminal 128 og en virtuell systemmodelldatabase 526. Den virtuelle systemmodelldatabasen 526 er konfigurert for å lagre den virtuelle systemmodellen av det overvåkede systemet. Den virtuelle systemmodellen er konstant oppdatert med sanntidsdata fra datainnsamlingshuben 112 for effektivt ta til følge for naturlig eldingseffekter av hardware som utgjør det totale overvåkede systemet, således, speile de faktiske driftsforholdene til systemet. Dette skaffer tilveie en ønskbar tilnærming til predikering av driftsaspektene til det overvåkede kraftsystemet som drives under eventualitetssituasjoner.

HTM maskinlæringsmotoren 551 er konfigurert til å lagre og prosessere mønsteret observert fra sanntidsdata foret fra huben 112 og predikerte utgangsdata fra det sanntidsvirtuelle systemmodellen av det overvåkede systemet. Disse mønsterne kan senere bli brukt av HTM motoren 551 for å lage sanntidsprediksjoner om de forskjellige driftsaspektene til systemet. Datainnsamlingshuben 112 er kommunikativt knyttet via datatilkoplingen 110 til et flertall av sensorer som er innarbeidet gjennom et overvåket system 102. Datainnsamlingshuben 112 kan være en enkeltstående enhet eller en integrert i den analytiske serveren 116 og kan være virkeliggjort som en del av hardware, software eller som en kombinasjon av disse. En utførelseform, er datatilkopling 110 en direkte koplet fysisk datatilkopling (for eksempel seriell, nettverk, osv). For eksempel en seriell eller parallell kabeltilkopling mellom sensorene og huben 112.1 en annen utførelsesform er datatilkopling 110 en trådløs tilkopling, for eksempel en radiofrekvens (RF), BLUETOOTH™, infrarød eller lignende tilkoplinger mellom sensoren 112.

Eksempler på et overvåket system inkluderer et maskineri, fabrikker, elektriske systemer, prosesseringsfabrikker, enheter, kjemiske prosesser, biologiske systemer, datasentre, hangarskip, og lignende. Det bør bli forstått at det overvåkede systemet kan være en hvilken som helst kombinasjon av komponenter hvilkes operasjon kan bli overvåket med konversjonelle sensorer og hvor hver komponent samvirker med eller er relatert til i det minste en av komponent inne i kombinasjonen.

En fortsettelse med figur 21, er klienten 128 typisk en konversjonell datamaskinenhet i form av en tynn klient eller tykk klient som kan bruke et flertall av nettverksgrensesnitt (for eksempel weblesere, CITRLX™, WINDOWS TERMINAL SERVICES™, telnet, eller andre ekvivalente tynnklientsterminal applikasjoner, osv.) for å få tilgang til, konfigurere og modifisere sensorene (for eksempel konfigurasjonsfilene osv.), analytisk motor (for eksempel konfigurasjonsfilene, analytisk logikk, osv), kalibreringsparametere (for eksempel konfigurasjonsfiler, kalibreringsparametere, osv.), virtuell systemmodelleringsmotorer (for eksempel konfigurasjonsfiler, simuleringsparameter osv.) og virtuell systemmodell av systemet som er under kontroll (for eksempel virtuell systemmodelleringsdriftsparametere og konfigurasjonsfiler). Tilsvarende, i en utførelsesform, kan data fra de forskjellige komponentene i det overvåkede systemet og sanntidsprediksjonene om de forskjellige driftsaspektene til systemet bli vist på en klient 128 sitt displaypanel for å bli sett av en systemadministrator eller lignende. I en annen utførelsesform, kan dataene bli summert opp i en utskrevet rapport 2102.

Som beskrevet over, er HTM maskinlæringsmotoren 551 konfigurert til å virke i samsvar med et sanntidsoppdatert virtuelt systemmodell av det overvåkede systemet for å lage prediksjoner om enkelte driftsaspekter av det overvåkede systemet når det er utsatt for eventualitetshendelser. For eksempel, hvor det overvåkede systemet er et elektrisk kraftsystem, kan, i en utførelsesform, HTM maskinlæringsmotoren 551 blir brukt til å lage prediksjoner om driftspåliteligheten til et elektrisk kraftsystem som en respons til eventualitetshendelser slik som tap av kraft til systemet, tap av distribusjonsligninger, ødeleggelse av systeminfrastruktur, forandringer i værforhold, osv. Eksempler på indikatorer er driftspåliteligheten inkluderende men ikke begrenset til feilrater, reparasjonsrater, og krever tilgjengelighet av kraftsystemet og av de forskjellige komponentene som utgjør systemet.

I en annen utførelsesform, relaterer driftsspekteret seg til en lysbueutladelseseventualitet som forekommer under driften av kraftsystemet. Eksempler på en lysbuerelatert driftsaspekt inkluderer men er ikke begrenset til kvantiteten av energi utløst av en lysbuehendelse, krevet personell beskyttende utstyr (PPE) for personell drift inne i avgrensende til systemet under en lysbuehendelse, og målinger av sikkerhetsområder i forbindelse med lysbuer rundt komponenter som utgjør kraftsystemet. I enda en annen utførelsesform, relaterer driftsaspektene seg til driftstabiliteten til systemet under eventualitetshendelser. Dvs., systemets mulig evne til å ivareta kraftetterspørsel, ivareta tilstrekkelig aktive og reaktive kraftreserver, operere sikkert med minimums driftskostnader mens den ivaretar en adekvat nivå av pålitelighet, og forsyner en akseptabelt høyt nivå av kraftkvalitet mens den blir utsatt for en eventualitetshendelse.

I enda en ytterligere utførelsesform, relaterer driftsaspektene seg til spenningsstabiliteten til det elektriske systemet umiddelbart etter det har blitt utsatt for en stor forstyrrelse (dvs. eventualitetshendelse). Generelt sett, stammer spenningsustabilitet fra forsøket lastdynamikk gjør for å gjenskape kraftkonsumering, etter en forstyrrelse, på en måte som er over kapasiteten til den kombinerte overførings og genereringssystemet. Eksempler på predikert driftsaspekter som er indikative på spenningsstabilitet til et elektrisk system utsatt for en forstyrrelse inkluderer det totale systemets kapasitet, tilgjengelig systemkraftskapasitet og brukt systemkraftskapasitet til det elektriske systemet når det blir utsatt for forskjellige eventualiteter. Sagt enkelt, er spenningsstabilitet evnen systemet har til å ivareta en akseptabel spenningsprofil mens det er under innflytelse av en forstyrrelse.

I enda en ytterligere utførelsesform, relaterer driftsaspektene seg til harmoniske forstyrrelser i det elektriske systemet som er utsatt for store forstyrrelser. Harmoniske forstyrrelser erkarakterisertsom ikke sinusformet (ikke lineære) spenning og strømbølgeformer. De fleste harmoniske forstyrrelsene resulterer fra genereringen av harmoniske strømmer forårsaket av ikke lineære lastsignaturer. En ikke lineær last erkarakterisert vedprodukter slik som datamaskiner, printere, lys, og motorkontrollere, og det meste av dagens halvlederutstyr. Ved ankomsten av krafthalvledere og bruken av vekslende krafttilførsler, har de harmoniske forstyrrelsesproblemene blitt betraktelig større.

Eksempler på driftsaspekter som er indikative på harmoniske forstyrrelser inkluderer men er ikke begrenset til bølgeformede forstyrrelser/osilasjoner, parallelle og serielle resonanser, total harmoniske forstyrrelsesnivåer, omformer K-faktor, samme RMS laster av linjer/omformer e/kondensator er, indikatorer på negative harmoniske sekvenser som blir absorbert av vekselstrøms (AC) motorer,

positive/negative/nullvinkelfrekvensresponser, osv.

Figur 22 er en illustrasjon av forskjellige kognitive lag som utgjør den neokortikale katalysatorprosessen brukt av HTM mønster gjenkjenning og maskinlæringsmotoren for å analysere og utføre prediksjoner om driftaspektene til det overvåkede systemet, i samsvar med en utførelsesform. Som beskrevet her, er det neokortikale katalystprosessen utført av en neonkortikal modell 2202 som er innkapslet av et sanntidssensorsystemlag 2204, som i seg selv er innkapslet av et assosiativt minnemodell lag 2206. Hvert lag er essensielt for driften av den neokortikale katalystprosessen men nøkkelkomponenten er fortsatt den neokortikale modellen 2202. Den neokortikale modellen 2202 representerer den ideelle tilstanden og utførelsen av det overvåkede systemet og det er kontinuerlig oppdatert i sanntid av sensorlag 2204. Sensorlag 2204 er essensielt sett et datainnsamlingssystem bestående av et flertall av sensorer satt inn i det overvåkede systemet og konfigurert til å forsyne sanntidsdata feedback til den neokortikale modellen 2202. Det assosiative minnelaget observerer interaksjonene mellom det neokortikale modellen 2202 og sanntidssensorinnputt fra sensorlaget 2204 for å lære og forstå komplekse forhold i det overvåkede systemet. I det den neokortikale modellen 2202 eldes over tid, blir den neokortikale katalysatorprosessen mer og mer nøyaktig i utførelsen av prediksjoner om driftaspektene til det overvåkede systemet. Denne kombinasjonen av den neokortikale modellen 2202, sensorlag 2204 og laget for den assosiative minnemodellen 2206 virker sammen for å lære foredle og foreslå og forutsi likt hvordan den menneskelige neokorteksen opererer. Figur 23 er et flytskjema som illustrerer en prosess for sanntidsoptimalisering og intelligent kontroll av en elektrisk kraftdistribusjons og transmisjonssystem i henhold til en utførelsesform.

Som beskrevet over, eldes kraftsystemdriften naturlig på tiden pga. forandringer i systemets arkitektur (for eksempel tillegg og/eller fratrekk av utstyr, osv) og/eller effekten av naturlig slitasje (naturlig forandringer på driftsytelsen til utstyret) på komponentene som utgjør systemet. Kraftsystemets optimalisering har tradisjonelt sett vært en statisk og offline aktivitet som blir foretatt av ingeniører og konsulenter som utfører detaljerte og tidskonsumerende studier av kraftsystemets arkitektur og utfører hver gang systemet er optimalisert. Dett gjør det vanskelig, hvis ikke umulig, å optimalisere kraftsystemoperasj onene, i sanntid, slik at systemet er optimalisert bruk av operasjonelle data som reflekterer den samme eldingstilstanden til systemet. Derfor, er det et behov for teknikker som kan optimalisere kraftsystemets drift, gjennom sanntidssimuleringer, slik at den naturlige eldingseffekt av systemet kan bli tatt høyde for.

Prosessen beskrevet her, integreres i sanntidsmiljøet, som er en logisk modell (dvs. en virtuell systemmodell) av fasilitetens elektriske kraftsystem, et datainnsamlingssystem, og kraftsystemets simuleringsmotor med en logisk basert tilnærmelse til optimaliseringen (gjennom anbefalinger eller faktiske kontrollhandlinger) av kraftsystemets infrastruktur, og justeringer av nøkkeldatabaseparametere inne i den virtuelle systemmodellen til fasiliteten for effektivt å elde det virtuelle systemet med eldingstilstanden til det faktiske systemet.

Dvs. denne prosessen tilbyr en avansert sikkerhets anstrengt simuleringsmotor for optimalkraftflyt (SCOPF) som er et verktøy for å optimalisere kraftsystemenes kontrollsettinger (for eksempel, aktive kraftgeneratorer, omformeravtapninger, skjematiske spenninger for generatorene, osv.) og å forsyne optimal planleggingen (dvs. størrelse og plassering) for ytterligere tilkoplinger av nye reaktive kraftressurser (for eksempel reaktorer, kondensatorer, SVCer, osv.) til kraftsystemet. Kraftflytens simuleringsmotor kan operere i enten en operasjonsoptimalisert modus eller en reaktiv kraftoptimalisering og planleggingsmodus.

Når den driftes i en driftsoptimaliserende modus, finner et driftspunkt hvor optimaliseringer er gitt objektive funksjoner (dvs. optimaliseringsobjektiver) og tilfresstiller et sett av fysikalske (dvs. kontrollenheter kontrollmoduser) og/eller driftsbegrensninger (dvs. enhetskapasitetsbegrensninger) for den grunnleggende kraftsystemskonfigurasjonen og kontinuitetssituasjonen (for eksempel tap av brukstilførsel til det elektriske systemet, tap av tilgjengelig kraftgenererende kilder, systemlastforandringer variasjoner, tap av distribusjonsinfrastruktur assosiert med det elektriske systemet, osv).

Når den drives i en reaktiv kraftoptimaliserende og planleggingsmodus, bestemmer prosessen en minimum kostnad av reaktiv kraft ekspansjonsplanlegginger med reaktiv kraft (Var) utstyr, som forsikrer en akseptabel systemdriftsnivå mens den er under normal tilstand (grunnleggende tilstand). Eller uakseptable eventualitetssituasjoner. Generelt sett, forblir den optimaliserte prosessen den samme som under enten kraftflytsoptimaliseringsmotorens operasjonsmodus, unntatt at anbefalingene generert av optimaliseringsmotoren er forskjellige avhengig av operasjonsmodusene til motoren.

I trinn 2302, genererer en virtuell systemmodell til det elektriske kraftsystemet simulerte kraftflytdata for komponenter som utgjør kraftsystemet og sender disse dataene til SCOPF simuleringsmotoren. Den virtuelle systemmodellen blir oppdatert i sanntid med data kontinuerlig foret fra et datainnsamlingssystem bestående av et flertall sensorer som har grensesnitt ved forskjellig komponenter som utgjør kraftsystemet, slik at modellen alltid speiler sanntids driftsforholdene til fasiliteten. Denne evnen til å kalibrere og elde den virtuelle systemmodellen av fasiliteten i det den eldes (dvs. sanntidsforhold av fasiliteten), gir en grunnleggende dataplattform for optimalisering av operasjonene av kraftsystemet i sanntid. Dvs, disse oppdateringene står for den naturlige eldingseffekten av hardware som utgjør den totale elektriske kraftsystemet ved kontinuerlig synkronisering og kalibrering både av driftsparameterne til den virtuelle systemmodellen av kraftsystemet (brukt for predikert dataoutput fra systemet) og kontroll logikken (dvs. kraftdata) brukt av SCOPF simuleringsmotoren.

I trinn 2304, bruker kontrollenheten/modusene til å optimalisere det elektriske kraftsystemet som kan bli valgt. Dvs., disse er kontrollenhetene og kontrollenhetenes settinger som kraftflytoptimaliseringsmotoren simulerer for å optimalisere driften av kraftsystemet. Eksempler på kontrollenheter og kontrollsettinger inkluderer, men er ikke begrenset til: generatorsettinger som kontrollerer aktivt kraftutførsel, avtapningssettinger for omformere, skjematisk generatorsettinger for spenning, skjematisk kondensator/reaktorspenningssettinger, lastavkastinger og avbrudd, osv. Det bør bli forstått, imidlertid at disse er kun et fåtall av eksempler av typen av kontrollenheter og kontrollenhetssettinger som kan bli brukt for å optimalisere et elektrisk kraftsystem, og at essensielt hvilke som helst komponent integrert i det elektriske kraftsystemet kan bli brukt til å optimalisere kraftsystemet så lenge det kan påvirke forandringer til den totale kraftutførselen til det elektriske systemet.

I en fortsettelse av figur 23, i trinn 2306, kan kontrollenhetens driftsanstrengelser bli valgt. Denne enhetens anstrengelser er settinger som representerer den maksimale driftskapasiteten til hver av kontrollenhetene som er brukt av optimaliseringsmotoren for kraftflyt for å optimalisere kraftsystemet. I en utførelsesform, representerer enhetsanstrengningene den faktiske maksimale driftskapasiteten til kontrollenhetene. Dvs., disse anstrengelsene representerer de sikre driftsbegrensningene til kontrollenhetene. I en annen utførelsesform, er enhetsbegrensningene de teoretiske maksimale driftskapasitetene til kontrollenhetene. Dvs., anstrengelsene er valgt basert på brukerkrav eller ønsker og representerer ikke den maksimale sikre driftsbegrensningene til kontrollenhetene.

Eksempler på begrensninger på kontrollenheter inkluderer men er ikke begrenset til: normal buss spenningsbegrensninger, nødbuss spenningsbegrensninger, kabel/linjelastbegrensninger, omformerlastbegrensninger, utgangsbegrensninger for relativ kraft fra generator (MVAr) utgangsbegrensninger på aktiv kraft fra generator (MW), og vekselbare kondensator/reaktorbegrensninger. Det bør imidlertid bli satt pris på at disse kun er eksempler på begrensninger på kontrollenheter og at hovedsakelig hvilke som helst type av driftsbegrensninger kan bli brukt på de kontrollerende enhetene så lenge det ikke medfører usikker drift av kontrollenheter.

Videre i trinn 2308, kan de optimaliserte objektene bli valgt. Disse er de optimaliserte objektene som kraftflytsoptimaliseringsmotoren har som mål mens den prosesserer sanntidsdatainnganger (dvs. sanntidskraftflytdata) forsynt av sensorenes grensesnitt med komponentene som utgjør det elektriske kraftsystemet og konfigurasjonsinngangen (for eksempel kontrollenheter valg/moduser, kontrollenheters driftsbegrensninger, osv.) Forsynt av brukeren. Eksempler på optimaliseringsformål inkluderer, men er ikke begrenset til:

Sanntidsminimaliserings av total systemtap:

formålet er å finne den optimale kontrollsettingen for generatorenes foreskrevne spenning, aktiv kraft generering, omformer avtapninger, SVCs foreskrevne spenninger slik at total system aktivt krafttap blir minimalisert. Løsningen forsikrer samtidig at all systemspenning er innen det brukerdefinerte området, kraftflyt gjennom linjer og omformere er innenfor begrensningene, aktiv kraft genereringer er innen minimum og maksimum av generators begrensninger, og omformeravtapningen er innen deres øvre og lavere grenser.

Sanntids minimalisering og totalgenereringskostnad ( også kjent som økonomisk avsending)

Formålet er å allokere aktiv kraft generering til forskjellig generatorer i systemet slik at total genereringskostnader blir minimalisert. Igjen vil løsningen forsikre at all systemanstrengelser blir møtt (dvs. systemspenninger er innenfor brukerdefinerte grenser, kraftflyt gjennom linjer og omformere er innen begrensningene osv.).

Sanntidsminimalisering av kontrollbevegelser:

Formålet er å finne den minimale kontrollbevegelsen (generatorers foreskrevne spenning, aktiv kraftgenerering, omformeravtapninger, SVCs foreskrevne spenning) slik at all systemspenning er innenfor de brukerdefinerte grensene, kraftflyt gjennom linjer og omformere er innenfor begrensningene, aktiv kraftgenerering er innen minimum og maksimum av generatorens begrensninger, og omformeravtapningene er innen deres øvre og lavere begrensninger.

Sanntidsminimalisering av lastavkastning:

Formålet er å bestemme den minimale mengden av lastavkastning (inkluderende lokaliseringer) som krever slik at all systemanstrengelser blir møtt (dvs. systemspenninger er innenfor brukerdefinerte grenser, kraftflyt gjennom linjer og omformere er innen begrensningene, osv.)

Sanntids interaktive minimalisering av reaktiv kraftressursers allokeringskostnader: Formålet er å minimere kostnadene ved tillegg av nye reaktive kilder (dvs. kondensatorer/induksjonspoler) slik at alle systemenes anstrengelser blir møtt. Brukeren kan interaktivt velge lokaliseringen av reaktive kraftressurser eller programmet vil identifisere de mest effektive stedene.

Sanntidsmaksimering av aktiv kraftflyt over et grensesnitt:

Formålet er å maksimere aktiv kraftflyt over et grensesnitt (sett av kretser) mens det på samme tid ivaretar gjennomførbarhet i eventualitetskonfigurasj onene og basetilfellene (dvs. alle systemenes anstrengelser blir møtt). Dette er viktig for bestemmelse av tilgjengelige overføringskapasitet (ATC) av systemet og den predikerte ytelsen og oppførselen.

Sanntidsmaksimering av last på en gruppe av busser:

Formålet er å maksimere, i sanntid, lasten på en gruppe av busser mens den ivaretar den samme lastkraftfaktoren og gjennomførbarheten i basetilfellene og eventualitetskonfigurasj onene. Løsninger kan også bestemme, i sanntid, den optimale retningen til lastøkningen. Mulige steder for lastøkning kan bli spesifisert individuelt, ved hjelp av områder, eller soner. Denne formålsfunksjonen kan bli brukt i beregningen av spenningsstabilitetsmarginer (spenningskollaps) innkapasitet i et gitt område.

Sanntidsmaksimering av aktiv kraftoverførsel mellom to grupper av busser: Formålet er å maksimere, i sanntid, den aktive overføringen av kraft mellom hvilke som helst par av nettverkbusser mens det forsikrer systemets gjennomførbarhet i basetilfellene og eventualitetskonfigurasj onene. I en utførelsesform, kan denne funksjonen også bli brukt for å bestemme tilgjengelig overføringskapasitet (ATC).

Sanntidsminimalisering av svingbussgenerering:

Formålet er å reallokere kraftgenerering ved svingbussene til alle andre generatorer i systemet slik at alle systemanstrengelsene blir møtt.

Det bør bli forstått imidlertid at disse er bare et fåtall av eksempler på kraftsystemoptimaliseringsformål som kraftflytsoptimaliseringsmotoren kan bli satt til å fokusere på og at motoren kan bli satt til å oppnå essensielt hvilke som helst optimaliseringsformål så lenge det ikke resulterer i usikker drift av det elektriske kraftsystemet.

Etter å motta inngangsdataene fra sanntidsdataflyten, bruker konfigurasjonens innputt og optimaliseringsobjektene, er optimaliseringsmotoren for kraftflyten konfigurert til å utføre en serie av algoritmer for å generere en reaktiv kraftoptimaliseringsplan og/eller et sett av kontrollparametere for kraftsystemet for å oppnå de fastsatte optimaliseringsformålene. Optimaliseringsmotoren kan bli drevet for å løse de reaktive kraftressursenes optimaliseringsproblemer alene eller sammen med de sikkerhetsanstrengte optimaliserte kraftflytsproblemene, basert på den hierarkisk dekomposisjon av problemene i to deler: 1. det reaktive kraftplanleggingsproblemene, hvor lokaliseringen og størrelsen av nye reaktive kilder er bestemt, og 2. problemene rundt sikkerhetsanstrengelsen ved optimal kraftflyt ved hvilke relative kraftressurser er brukt for å optimalisere kraftsystemets drift. Algoritmen genererer når den reaktive kraftoptimaliseringsplanen og/eller settet av optimaliserte kraftsystemkontrollparametere gjennom en iterativ metode av investeringer og driftsunderproblemer. Det investerte underproblemet produserer initielt prøveverdier for de reaktive ressursene. Effekten av å legge til disse ressursene i form av driftsgjennomførbarhet er evaluert av driftsunderproblemet. Hvis driftsanstrengelsene ikke er brutt, så, har den optimale løsningen blitt funnet.

Hvis ikke, er informasjonen om ikke gjennomførbarhet av problemene ført tilbake til investeringsunderproblemet for å skaffe en mottatt reaktiv ressursplan. Denne prosessen fortsetter til en gjennomførbar løsning er funnet. Når valget for optimalisering av basetilfellets objektive funksjon sammen med reaktive kildenes investeringskostnader blir betraktet, er både gjennomførbarheten og optimalitetskriteriene testet før den interative prosessen er terminert.

Systemet løser det reaktive kraftressursenes planleggings underproblem av en blandet integerprogrammeringsmetode og driftens underproblem av en avansert ikke lineær opprinnelig dobbel innvendig punktmetode. Hvis eventualitetene skal bli betraktet, så, er driftslinjeproblemet videre delt opp i basetilfeller og eventualitetsoperasjonenes underproblemer hvilket gjør hele prosessen om til en hierarkisk struktur på tre nivåer. For å løse det rene SCOPF problemet blir det brukt en hierarkisk struktur på to nivåer som består bare av driftens underproblemer.

Systemet finner den optimale driften av kraftsystemet ved å justere kontrollerbare kvantiteter slik at fysiske og driftsanstrengelser er tilfredsstilt. Matematisk kan det bli uttrykt som følger:

g (z) er den objektive funksjonen og h(z) er likhetsanstrengelsene. z er en vektor som inkluderer avhengige (x) og kontrollvariablene (u), dvs. z=[x, u]. Ligningene for kraftflyt er gitt av h(z) og utstyrsbegrensningene og systemdriftens begrensninger er spesifisert av L og U.

I de fleste konvensjonelle optimaliseringsprogrammene er ulikhetsanstrengelsene konvertert til likhetsantrengelser. Optimaliseringsmotoren for kraftflyten beskrevet her, bruker en ikke lineær optimalisert teknikk som benytter en barrieremetode (opprinnelig og dobbel) for å konvertere ulikheter til likheter. Ligning 1, blir så omformulert som følger i systemets implementasjon:

Hvor Si og S2er slakk variabler som representerer systemet og utstyrets begrensninger. Systemet vil optimalisere formålsfunksjonene ved justering av kontrollsettingene til utstyret (dvs. aktiv kraftgenerator og sett punktene for spenningen, posisjonene for omformeravtapninger, og sett punktene for spenningen til vekslbare oppkoplbare shunter).

Disse kontrollene kan bli optimalisert separat eller i hvilke som helst kombinasjon. Det bør bli notert at et kraftflytsdiagram løser likhetsbegrensninger, h(z), definert i ligning (1) over og holder ligningssettingene innen deres akseptable områder (for eksempel reaktiv kraftgenerator er mellom maksimum og minimum reaktiv kraftgenerering). Systemet løser komplette systemer av ligninger definert i (1) med hensyn til begrensningene på systemets variabler (for eksempel buss spenninger, kraftflyt, osv.).

Når man fortsetter til trinn 2310, sender optimaliseringsmotoren for kraftflyten ut det reaktive kraftoptimaliseringens plan og/eller settet av kraftsystems kontrollparametere i form av anbefalinger eller faktiske enhetskontrollhandlinger. Eksempler på utgangssignaler fra optimaliseringen inkluderer, men er ikke begrenset til optimal buss spenning, minste kostnadsgeneratorer for aktiv kraftforsendelse, optimal generator/SVC planlagte spenning, optimal omformeravtapningssettinger, reaktor/kondensatorers planlagte spenningssettinger, lastavkastingssettinger, osv.

I trinn 2312, kan anbefalingene bli vist på en HMI brukergrensesnitt for å bli sett og tolket av en bruker. I en utførelsesform, er anbefalingene vist til brukeren i form av en tekstrapport som detaljerer at den reaktive kraftoptimaliseringsplanen og/eller settet av kraftsystemets kontrollparametere. I en annen utførelsesform, er anbefalingene vist til brukeren i form av grafiske elementer som sammenfatter og destillerer den reaktive kraftoptimaliseringsplanen og/eller settet av kontrollparametere for kraftsystemet. I enda en annen utførelsesform, er anbefalingene vist til en bruker som benytter både tekst og grafikk.

Alternativt, kan utgangssignalene bli sendt til et mønstergjenkjennings/assosiativt minneavgjørelsesmotor 2314 (hvor den kan bli lagret og gjort tilgjengelig for prediksjoner, mønster/sekvensgjenkjenning og evne til å forestille seg, for eksempel, via minneagenter eller andre teknikker) eller til den mottagende enheten 2316 (som utfører de anbefalte oppsummeringene i utgangssignalet). I en utførelsesform er den mottagende enheten en kraftsystemoperator som tolker rapporten og så avgjør hvilke av anbefalingene som skal bli implementert. I en annen utførelsesform, er den mottagende enheten kontrollenheten selv. Dvs., anbefalingene (summert opp i utgangssignalet) er automatisk implementert av kontrollenheten.

Figur 24 er et diagram som illustrerer hvordan sikkerhetsbegrensningenes optimale kraftflyt (SCOPF) sin motor virker i sammenheng med de andre elementene i det analytiske systemet for å optimalisere og kontrollere en elektrisk kraftdistribusjon og transmisjonssystem, i sammenheng med en utførelsesform. Som beskrevet her, er SCOPF motoren 2402 huset i en analytisk server 116 og kommunikativt knyttet via en nettverkskopling 114 med en datainnsamlingshub 112, en klientterminal 128, en virtuell systemmodelleringsdatabase 526, og et flertall av kraftsystemskontrollerende enheter 2404. Den virtuelle systemmodelldatabasen 526 er konfigurert til å lagre den virtuelle systemmodellen til det overvåkede systemet. Den virtuelle systemmodellen er kontinuerlig oppdatert ved sanntidsdata fra innsamlingshuben 112 for å ta høyde for den naturlige eldringseffekten til hardware som utgjør det totale kraftsystemet, således, speile den faktiske driftstilstanden til systemet. Dette gir en ønsket tilnærming til optimalisering av driftssettingene til et kraftsystem i sanntid.

SCOPF motoren 2402 er konfigurert til å prosessere sanntidsdata sendt fra hub 112, predikert dataoutput (for eksempel kraftflytdata osv.) generert ved hjelp av sanntids virtuell systemmodell av kraftsystemet, og brukerdefinerte inngangssignaler (for eksempel kontrollenheter/modier, kontrollenhetsbegrensninger, optimaliserte formål, osv) for å optimalisere driften av kraftsystemet i sanntid. Som beskrevet tidligere, involverer optimaliseringsprosessen SCOPF motoren 2402 en utførelse av en serie av komplekse algoritmer for å simulere driften av kraftsystemet under forskjellig kontrollsettinger enhetskombinasj oner.

Datainnsamlingshub 112 er kommunikativt knyttet via datakoplinger 110 til et flertall sensorer som er innarbeidet gjennom hele det overvåkede systemet 102. Innsamlingshuben 112 kan være en enkeltstående enhet eller integrert i den analytiske serveren 116 og kan være virkeliggjort som del av hardware, software, eller en kombinasjon av disse. I en utførelsesform, er datatilkoplingene 110 direktekoplede datatilkoplinger (for eksempel serielle, nettverk, osv.). For eksempel, en seriell eller parallell kabeltilkopling mellom sensorene og huben 112.1 en annen utførelsesform, er datatilkoplingene 110 trådløse datatilkoplinger. For eksempel en radiofrekvens (RF), BLUETOOTH™ eller ekvivalente tilkoplinger mellom sensoren og huben 112.

En fortsettelse av figur 24 er klienten 128 typisk en konvensjonell "tynn-klient" eller "tykk klient" i form av en datamaskinenhet som kan bruke et flertall av nettverksgrensesnitt (for eksempel weblesere, CITRIX™, WINDOWS TERMINAL SERVICES™, telnet, eller andre lignende tynnklients terminal applikasjoner osv.) for å få tilgang til, konfigurere, og modifisere sensorene (for eksempel konfigurasjonsfilene, osv.) analytisk motor (for eksempel konfigurasjonsfiler, analytisk logikk, osv.), kalibreringsparametere (for eksempel konfigurasjonsfiler, kalibreringsparametere, osv.), SCOPF motor 2402 (for eksempel konfigurasjonsfiler, brukerdefinerte optimaliserte parametere, osv.) og virtuell systemmodell av systemet som er under kontroll (for eksempel virtuell systemmodells driftsparametere og konfigurasjonsfiler). Samsvarende, kan dataene fra de forskjellige komponentene i det elektriske kraftsystemet og sanntidsanbefalingene for å optimalisere kontrollenheten til systemet bli vist på en klient 128 sitt displaypanel for å bli sett av en systemadministrator eller lignende.

For å optimalisere driftsutførelsen til kraftsystemet, simulerer SCOPF motoren 2402 justeringene til konfigurasjonssentrene til hver av flertallet av

kraftsystemkontrollenheter 2404 til det anskaffer et sett av kontrollenhetssettinger som resulterer i at kraftsystemet drives på en måte som tilsvarer eller overskrider de brukerdefinerte optimaliseringsformålene til systemet. Som diskutert over, er eksemplene på kontrollenhetssettinger inkluderende men ikke begrensende til: generatorsettinger som kontrollerer aktiv kraftoutput, omformeravtapningssettinger, planlagte generatorspenningssettinger, planlagte kondensator/reaktorspenningssettinger, lastavkasting og avbrudd, osv.

I en utførelsesform, genererer SCOPF motoren 2402 et sett av anbefalte kontrollsettinger, for optimalisering av kraftsystemet, som er sendt til en kraftsystemoperator som tolker anbefalingene og avgjør hvilke av anbefalingene som skal bli brukt. I en annen utførelsesform, genererer SCOPF motoren 2402 et sett av anbefalte kontrollenhetssettinger og så automatisk bruker disse på kontrollenhetene via en enhetsmanagerkomponent eller lignende.

Utførelsesformene beskrevet her, kan bli utført med andre datamaskinsystemer konfigurert inkluderende håndvalgte enheter, mikroprosessorsystemer, mikroprosessorbaserte eller programmerbare brukerelektronikk, minidatamaskiner, mainframe datamaskiner eller lignende. Utførelsesformer kan også bli utført i distribuerte datamaskinmiljøer hvor oppgaver er utført av fjerntliggende prosesseringsenheter som er linket gjennom et nettverk.

Det bør også bli forstått at utførelsesform beskrevet her kan bruke forskjellige datamaskin implementerte operasjoner som involverer data lagret i datamaskinsystemer. Disse operasjonene er de som krever fysisk manipulering av fysiske kvantiteter. Vanligvis, men ikke nødvendigvis, tar disse kvantitetene form av elektriske eller magnetiske signaler en mulighet for å bli lagret, overført, kombinert, sammenlignet, og på en eller annen måte manipulert. Videre, er manipuleringen som blir utført oftere referert til i form av termer, slik som produsering, identifisering, bestemmelse, eller sammenligning.

Hvilke som helst av operasjoner som danner deler av utførelsesformene beskrevet her er brukbare maskinoperasjoner. Oppfinnelsen relaterer seg også til en enhet eller et apparat for utførelse av disse operasjonene. Systemet eller metoden beskrevet her kan være spesielt konstruert for spesielt krevde formål, slik som bærenettverket diskutert over, eller det kan være en vanlig datamaskin selektivt aktivert eller konfigurert av et datamaskinprogram lagret i datamaskinen. Spesielt, kan forskjellige vanlige datamaskiner bli brukt med et datamaskinprogram beskrevet i samsvar med det beskrevet her, eller det kan være mer behendig å konstruere et mer spesialisert apparat for å utføre de krevde operasjonene.

Utførelsesformene beskrevet her kan også være utført som datamaskinlesbare koder på et datamaskinlesbart medium, det datamaskinlesbare mediet er hvilke som helst datalagringsenhet som kan lagre data, som kan deretter bli lest av et datamaskinsystem. Eksempler på datamaskinlesbare medier inkluderer harddisker, nettverktilkoplede lagringer (NAS), read-only memory, random-access memory, CD-rommer, CD-R'er, CD-RW er, magnetiske bånd, eller andre optiske og ikke optiske lagringsenheter. Det datamaskinlesbare medie kan også være distribuert over et nettverk koplet datamaskinsystem slik at den datamaskinlesbare koden er lagret og utført på en distribuert måte.

Enkelte utførelsesformer kan også bli utført som datamaskinlesbare koder på et datamaskinlesbart medium. Det datamaskinlesbare medie er en hvilken som helst datamaskinenhet som kan lagre data, som deretter kan bli lest av en datamaskin. Eksempler på datamaskinlesbare medier inkluderer harddisker, nettverkstilkoplede lagringer (NAS), read-only memory, random-access memory, CD-rommer, CD-R'er, CD-RW er, magnetiske bånd, og andre optiske og ikke optiske lagringsenheter. Det datamaskinlesbare medie kan også bli distribuert over et nettverk koplet datamaskinsystem slik at den datamaskinlesbare koden er laget og utført på en distribuert måte.

Selv om kun et fåtall av utførelsesformer er beskrevet her for den foreliggende oppfinnelsen bør det bli forstått, av fagmenn på området, at den foreliggende oppfinnelsen kan bli utført på mange andre spesifikke former uten å vike fra grunntanken eller omfanget til oppfinnelsen. Derfor, skal de foreliggende eksemplene og utførelsesformene bli betraktet som illustrative og ikke restriktive, og oppfinnelsen skal ikke bli begrenset til detaljene beskrevet der, men kan bli modifisert og praktisert innenfor omfanget til de vedlagte kravene.

Claims

1. System (100) for sanntidsoptimalisering av kraftressurser i et elektrisk system, omfattende: en datainnsamlingskomponent (112) kommunikasjonsmessig koplet til en sensor (104, 106, 108) konfigurert til å hente sanntidsdataoutput fra det elektriske systemet; en analyseserver (116) som kommunikasjonsmessig er koplet til datainnsamlingskomponenten, omfattende: en virtuell systemmodelleringsmotor (124) konfigurert til å generere predikert dataoutput for det elektriske systemet benytter en virtuell systemmodell av det elektriske systemet, en analysemotor (118) konfigurert til å overvåke i sanntid dataoutput og den predikerte dataoutput av det elektriske systemet, analysemotoren er videre konfigurert til å starte en kalibrering og synkroniseringsoperasjon for å oppdatere den virtuelle systemmodellen når en forskjell mellom sanntids dataoutput og den forutsagte dataoutput overskrider en terskel, og en kraftflyt optimaliseringsmotor konfigurert til å bruke den virtuelle systemmodellen for å generere systemstyringsparametere som optimaliserer kraftressursene på det elektriske anlegget; et betjeningselement integrert med en elektrisk komponent i systemet og kommunikasjonsmessig koblet til analysetjeneren, reguleringselementet er konfigurert for å motta systemstyringsparametere, og effektuere endringer av driftsinnstillingene forden elektriske system komponenten; og en klientterminal (128) som kommunikasjonsmessig er koblet til analysetjeneren, klientterminalen er konfigurert for å kommunisere systemstyringsparametere og for å endre en konfigurasjonsinnstilling av effektstrømoptimaliseringsmotoren, hvori konfigurasjonsinnstillingen er et optimaliseringsobjektiv, og hvor i optimaliseringsmålet er en av minimalisering av kraftproduksjon kostnader, minimalisering av lastutkobling, optimering av generatorens spenningsprofiler, minimalisering av reaktorens kraft ressursallokeringskostnadene, maksimering av aktive effektstrømmen på det elektriske anlegget, maksimering av last på en gruppe av busser, maksimering av aktiv kraftoverføring mellom to grupper av busser og minimalisering av sving buss generasjon.

2. System for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 1, hvori konfigurasjonsinnstilling er en systemstyreanordning optimalisering innstilling.

3. System for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 2, hvori systemstyringsanordningens optimaliseringsinnstilling er minst en av: (I) en generator for innstilling forts rullende aktiv effekt; eller (II) en transformator trykk setting; eller (III) en planlagt generator spennings setting; eller (IV) en planlagt kondensator/reaktor spennings setting; eller (V) en belastningsavkastning og avbruddsordning.

4. System for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 1,karakterisert vedat systemstyringsparametrene omfatter minst en av: (I) en generator for innstilling styring av aktiv effekt; eller (II) en transformator trykk setting; eller (III) en planlagt generator spennings setting; eller (IV) en planlagt kondensator/reaktor spennings setting; eller (V) en belastningsavkastning og avbruddsordning.

5. Fremgangsmåte (600) for sanntidsoptimalisering av kraftressurser i et elektrisk system, hvori: å skaffe sanntidsdataoutput fra det elektriske systemet; genererer predikert dataoutput for det elektriske systemet benytter et virtuelt system modell av det elektriske systemet; overvåking av sanntidsdataoutput og den forutsagte dataoutput fra det elektriske systemet; initiere en kalibrering og synkroniseringsoperasjonen for å oppdatere den virtuelle systemmodellen når en forskjell mellom dataoutputen i sanntid og den forutsagte dataoutput overskrider en terskelverdi; motta et utvalg av optimaliseringsinnstillingene, hvor valg av optimaliseringsinnstillingene omfatter et utvalg av testing utstyr og kontrollmoduser for å optimalisere; å motta en optimalisering objektiv,karakterisert vedat optimalisering målet er i det minste en av minimering av kraftproduksjon kostnader, minimalisering av lastutkobling, optimering av generatoren spenningsprofiler, minimalisering av reaktoren kraft ressursallokeringskostnadene, maksimering av aktive effektstrømmen videre det elektriske systemet, maksimering av last på en gruppe av busser, maksimering av aktiv kraftoverføring mellom to grupper av busser og minimalisering av sving buss generasjon; generere systemstyringsparametere, utnytte den virtuelle systemmodellen, for å optimalisere kraftressurser på det elektriske anlegget; og justering av en eller flere operasjonssettinger for et element av det elektriske system basert på systemstyringsparametere genereres.

6. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 14, hvori en eller flere kontrollinnretninger omfatter en strømgenerator.

7. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 14, hvori en eller flere kontrollinnretninger omfatter en transformator.

8. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 14, hvori en eller flere kontrollinnretninger omfatter en kondensator / reaktor.

9. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 14, hvori en eller flere kontrollinnretninger omfatter en systemkontroller belastning.

10. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 14, videre omfattende å motta optimalisering innstillinger,karakterisert vedat optimaliseringsinnstillingene er begrenset av en eller flere av begrensningene av en eller flere styreinnretningsenhet.

11. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 10,karakterisert vedat en eller flere av begrensningsenheten omfatter minst ett av: (I) en normal buss spenningsgrense; eller (II) en nødsituasjon buss spenningsgrense; eller (III) en last grensekabel / linje; eller (IV) en transformator lasting grense; eller (V) en generator reaktiv effekt (MVAr) output grense; eller (VI) en generator aktiv effekt (MV) output grense; eller (VII) en valgbar reaktor / kondensator grense.

12. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 10, hvori optimaliseringsinnstillingene omfatter optimalisering målet.

13. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 5, hvori ett eller flere operasjonssettinger omfatter minst en av: (I) en generator for innstilling styring av aktiv effekt; eller (II) en transformator runde innstilling; eller (III) en planlagt generator spenning setting; eller (IV) en planlagt kondensator / reaktor spenning setting; eller (V) en belastning avkastning og avbrudd ordningen.

14. Fremgangsmåte for sanntidsoptimalisering av kraftressurser i et elektrisk system, som angitt i krav 5, videre omfattende å motta et valg av en eller flere styreinnretninger for å optimalisere.