基于时序数据相关性挖掘的WAMS/SCADA数据融合方法

在电力系统多运行方式的背景下,研究WAMS/SCADA等量测数据融合是解决大电网在线稳定分析的关键点之一。为此,基于理论分析,从2者数据相关性角度研究了WAMS/SCADA相关性系数,提出了基于时序数据相关性挖掘的WAMS/SCADA数据融合方法。通过构建Pearson相关性系数,对WAMS/SCADA的相关性进行评估;运用广义EM算法对量测数据曲线时差问题进行函数模型求解;在考虑量测权值的情况下对量测有效性进行分析。结果表明:对3种不同数据进行状态估计后,经过数据融合后的曲线结果在系统稳定时段与出现扰动时段均保持平稳;基于时序数据相关性融合法所得到的状态估计曲线变化趋势与其他算法相同,混合量测状态估计结果误差<5%。IEEE 118节点母线系统算例的仿真结果验证了上述方法的有效性与稳定性。

用于电力系统状态估计的WAMS/SCADA混合量测数据融合方法

为了充分利用相量测量单元(PMU),并与数据监控及采集系统(SCADA)相结合以提高状态估计精度,详细分析了广域测量系统(WAMS)和SCADA这2套系统数据存在的4种差异(数据成分、传输延时、刷新频率、数据精度)。给出了2套数据在线性、非线性以及混合非线性3种估计模型下的数据成分处理方法;提出了全球定位系统(GPS)对时与时延校正相结合的方法以提高数据断面一致性;采用分段曲线拟合方法来填补PMU上传时刻SCADA数据的空缺,建立了多时间标尺混合量测预处理数据集,它可以用于多种时间尺度下的状态估计。在4节点测试系统潮流基础上叠加随机误差,形成量测数据,采用加权最小二乘估计算法,验证了该方法的有效性。

基于SCADA和WAMS的电网仿真运行方式

电网仿真初始运行方式是影响计算结果的主要因素之一。由于SCADA覆盖了电网主要运行设备,因此可以将SCADA数据作为建立电网仿真计算运行方式的主要数据源。然而,仅仅依赖SCADA数据建立的初始运行方式与实际系统相比可能存在较大偏差。随着广域实时动态监测系统(WAMS)逐步在电网中的广泛应用,由其采集的电网实时动态数据也成为建立仿真初始运行方式的主要数据源之一。作者提出了一种利用SCADA数据和WAMS数据建立电网仿真计算运行方式的方法。该方法计及了SCADA和WAMS的特点,确定了SCADA、WAMS与仿真计算数据库间的数据流,具有明确校核调整机制。利用该方法所建立的运行方式可以经受SCADA、WAMS实测数据的反复校核。

基于WAMS／SCADA混合量测的电网参数辨识与估计

针对目前电网参数辨识与估计方法存在的数值稳定性变差、易发散及易受残差污染干扰等问题,提出了一种基于混合量测的电网参数辨识与估计方法。该方法首先利用广域测量系统(WAMS)的测量数据计算相对残差,初步判断是否存在参数错误,然后利用相量测量单元(PMU)能够测量电压和电流相量的特性,建立支路两端变量之间的直接联系,对存在参数错误的支路进行辨识,并在此基础上使用智能优化算法估计支路参数。在IEEE 39测试系统上的仿真实验表明,该方法只需安装约1/2总母线数的PMU即可对全网传输线路和变压器进行参数辨识与估计。

与SCADA互补的WAMS中PMU的配置及数据处理方法

数据采集与监控(Supervisory Control and Data Acquisition,SCADA)系统只能提供稳态的、低采样密度的、不同步的电网时间断面信息;广域测量系统(Wide-Area Measurement System,WAMS)虽然能在毫秒级的时间尺度上对电力系统进行同步测量,但在现有技术条件下它还不能完全代替SCADA系统。在相当长的时间内,势必出现两种系统并存、互为补充的局面。文章以基于负荷区的简化核心网完全可观测为原则,提出了一种实用的相角测量单元(Phasor Measurement Unit,PMU)配置方法。该方法利用PMU所产生的精确数据来同步系统其它部分的SCADA数据,并对其加上时间坐标,然后进一步利用状态估计来提高数据精度。该方法有效地考虑了WAMS精确数据与SCADA非精确数据的相互配合,具有一定实用价值。

基于WAMS/SCADA数据兼容和改进FCM聚类算法的PMU最优配置

针对当前应用于状态估计的广域量测系统(wide area measurement system,WAMS)和SCADA系统混合量测中相量测量单元(phasor measurement unit,PMU)最优配置点的选取问题,在分析WAMS/SCADA数据差异的基础上,提出一种基于数据兼容和改进模糊C均值(fuzzy C-means,FCM)聚类算法的PMU最优配置方案。采用大数据挖掘理念,通过改进FCM聚类算法对SCADA数据依据相关度分区,在分区内可观测度最大的节点配置PMU,各分区内采用该PMU节点的最优平滑系数进行Vondrak插值,得到满足兼容性的数据,应用于混合模型的状态估计。相对只考虑可观测度的PMU配置方案,新方案不仅可以实现WAMS/SCADA数据有效兼容,提高估计精度,应用混合量测的状态估计还可有效控制系统负荷快速变化时的估计误差。通过在IEEE 39节点系统上模拟日负荷变化,验证了该PMU最优配置方案的有效性。

广东电网WAMS增强SCADA状态估计研究

针对电力系统中WAMS和SCADA量测共存的现状,研究利用WAMS量测来增强状态估计性能。给出了当前状态估计中基于WAMS量测的不同算法,对如何使用不同类型的WAMS量测进行了分析,并使用了相角差量测,使WAMS量测能够很好的应用到状态估计中,以增强估计性能。最后针对WAMS的实时性特点,提出了基于WAMS增量的局部追踪状态估计方法。以广东电网实时模型为基础进行的不同负荷变化时段的试验研究证明了该方法的有效性和正确性。

基于WAMS/SCADA混合量测和离散粒子群优化算法的PMU优化配置

当前应用于状态估计的量测数据由广域测量系统(wide area measurement system,WAMS)和数据监控及采集系统(supervisory control and data acquisition,SCADA)采集,WAMS向量测量单元(phasor measurement unit,PMU)的优化配置问题成为研究的重点。本文在分析WAMS/SCADA混合量测数据成分、时间断面、精度、刷新频率4个方面差异的基础上,实现了混合量测数据的有效兼容,提出了一种基于无迹卡尔曼滤波(unscented kalman filter,UKF)动态状态估计和离散粒子群优化(discrete particle swarm optimization,DPSO)算法的PMU优化配置方案。采用该方案下的混合量测数据进行UKF动态状态估计,很好地提高了状态估计精度。在IEEE39节点系统上模拟日负荷变化验证了该PMU配置方案的有效性。

基于Vondrak分区插值的WAMS/SCADA混合量测状态估计数据频率兼容性方案

针对当前应用于状态估计的广域测量系统(Wide Area Measurement System,WAMS)和数据监控及采集系统(Supervisory Control and Data Acquisition,SCADA)数据频率兼容问题,在分析WAMS/SCADA混合量测数据差异的基础上,提出了一种可行的解决混合量测数据频率兼容的方案。文章基于数据挖掘理念和Vondrak分区插值算法,对SCADA节点依据数据相关度划分插值区域,各分区内采用同一PMU节点的最优平滑系数进行Vondrk插值,得到WAMS测量时刻的SCADA拟量测数据,应用于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)动态状态估计。该方案不仅可以增补SCADA拟量测数据,提高量测数据和状态估计精度,有效控制系统负荷快速变化时的估计误差,还可以实现系统故障前后全网母线电压波动的可观测。通过在IEEE 118节点系统上模拟日负荷变化和故障过程的仿真分析,验证了该频率兼容方案的有效性。

调度中心SCADA与WAMS实时数据的差异

通过电网调度中心实时数据在线统计,比较了RTU与PMU曲线的相似程度和实时差异,发现在同一物理测点,直采RTU与PMU数据延迟小于1 s;RTU与PMU的有功、电流幅值、电压幅值差异小于2%者居多,RTU与PMU的无功差异一般在5%40%之间。分析显示,在电力系统分析计算中可以直接使用PMU的电流、电压瞬时量和有功量测数据;但应避免直接使用PMU电流、电压的相角信息和有选择地使用PMU的无功量测数据。建议通过定期检定来修正PMU角度补偿参数来提高相量测量的精度。

高含硫气田集输SCADA安全评估方法

油气能源基础设施安全越来越受到组织化攻击威胁,因此,对能源基础设施尤其是对高含硫气田集输SCADA系统安全状态识别就显得尤为必要。为了揭示高含硫气田集输SCADA系统安全评估中随机性和不完全性对安全状态评估结果的影响,提出了基于云模型改进白化权函数的灰云安全评估方法。首先,对评估结果进行等级划分,设计了组合权重优化模型;然后,按照专家评分细则确定出样本矩阵,利用云模型改进白化权函数,形成灰色评估权矩阵;最后,结合优化后的权重通过逐级评估得到系统最终的风险值并确定系统风险评估状态。以3个实际应用场景为例,验证了方法的有效性。研究结果表明,与层次分析法、变异系数法、线性加权和乘法加权法比较,组合优化赋权方法的离散度为0.456,线性加权和乘法加权的离散度为0.514和0.860,层次分析法和变异系数法的离散度为1.294和1.225,提出的组合优化赋权模型的离散度最小,表明此方法比其他方法更有效;将SCADA安全评估中风险指标信息不完全性与专家知识的不完全性和随机性结合起来,不仅能定性评估和预测整体SCADA系统的安全状态,而且实现二级指标风险量化;该模型能揭示各风险指标的脆弱程度,为下一步安全加固提供方向。本研究不仅有利于识别高含硫气田SCADA系统安全状态,而且为其他行业安全评估提供了参考。

基于移动通信网络的多终端类型SCADA系统

广泛应用于工业领域的SCADA系统具有多种实现方式。介绍了一种基于移动通信网络,适用于多种终端类型的SCADA系统。主站由云服务器、数据库和SCADA软件构成。终端站由现场数据源和数据传输单元构成。现场数据源包括可编程逻辑控制器、数据采集器和组态软件等多种类型,采用标准通信协议通过数据传输单元接入互联网并与主站建立通信,实现主站对终端站的数据采集。系统具有高可靠、低成本和易扩展的特点,对SCADA系统建设的方案选择和技术实现具有参考价值。

WAMS/SCADA混合测量状态估计数据兼容性分析

针对越来越多的研究利用由广域测量系统(wide area measurement system,WAMS)和监控及数据采集系统(supervisory control and data acquisition,SCADA)组成的混合测量来改善传统状态估计的情况,在分析WAMS/SCADA混合测量数据兼容性的基础上,提出一种可行的兼容方案解决混合测量的数据兼容问题。研究从WAMS和SCADA的数据差异入手,建立混合测量模型,分析得出2种数据的时间同步性和测量权值为影响混合测量数据兼容的主要因素,进而提出兼容方案,实现WAMS和SCADA数据的同步,并重新量化测量权值。在标准测试系统上的仿真验证了关于WAMS/SCADA混合测量状态估计数据兼容性分析的正确性和兼容方案的有效性。

微电路模块生产线集成SCADA的制造运行管理

以微电路模块生产线为对象,从生产组织方式和个性化管理需求出发,遵循数字化车间标准体系架构,阐述了集成数据采集与监控(SCADA)系统实现制造运行管理的设计方案,并概述了制造运行管理(MOM)平台、SCADA系统以及可视化看板的详细设计与开发情况,对电子组装行业提升产品全流程管理活动的数字化水平具有借鉴和参考意义。

基于SCADA系统预警报警系统研究应用

提出采用人工智能方法,开展基于SCADA系统预警报警开展预警报警模块深度研究应用,建立适用于长庆油田采油厂的各类复杂、通用类预警报警模型,并进行编码开发和嵌入式应用。相较传统SCADA系统具备有效降低误报率、提高报警可用性、开展多设备联动等功能,通过结合智能化预警报警功能的应用,加强预警报警数据的统一规范管理、数据复用、预警流程管理,并通过应用报警系统开展生产优化与精细化管理,真正将智能化应用落实到岗位。

基于SCADA-DCS通讯技术的油气开采数据自动化采集与控制系统

设计基于SCADA-DCS通讯技术的油气开采数据自动化采集与控制系统。系统以SCADA服务器为上层监控服务器,通过与井站现场仪器仪表实时通信,监控整个开采过程。当油气缓冲罐液位越限时,SCADA服务器自动下达指令至原油处理站DCS,启动基于智能PID的油泵控制器,调节油泵变频器,控制油气液位不溢出。系统使用SCADA-DCS通讯技术的MODBUS通信协议,并根据通信中断优先级分配方法,确保对中断处理时间要求高的通信请求能实时响应。实验结果表明,该系统能提升油气液位控制和紧急信息通讯效率。

基于WAMS和物联网技术煤矿全电网高压漏电监控系统方案设计

基于广域测量系统(Wide Area Measurement System, WAMS)和物联网技术的煤矿高压漏电保护技术是一种具有较高选线准确度的漏电选线技术,目前在我国煤矿得到推广。本文结合高家梁煤矿供电系统,分析了基于WAMS的煤矿高压选择性漏电保护技术原理,介绍了方案设计流程和煤矿全电网高压漏电监控系统选线方法及主要功能。

基于SCADA系统和神经网络的海上风电场故障预警方法研究

针对海上风电场的快速发展,风电场故障预警得到了广泛的关注,精准、及时的对海上风电场的风电机组运行进行监测,实现故障精确预警是目前研究的热点问题。本研究将SCADA系统和GA-BP神经网络相结合建立了发电机绕组温度预测模型,并耦合灰色关联度分析法来筛选神经网络模型的输入层数据,确定模型的敏感性指标,基于统计学原理结合风电场评价指标和滑动窗口,计算海上风电场运行预警阈值,根据预警阈值与机组的评价指标确定风电场机组的运行状态,提出一种海上风电场故障预警方法,研究结果表明该模型能有效实现海上风电场故障预警,为海上风电场故障预警方法提供理论依据和技术支撑。

基于SCADA数据协同的风力机故障检测与控制

为了在不停机的前提下,安全可靠地对齿轮箱进行故障检测,并实现风力发电机在齿轮箱故障工况下的容错控制运行,提出一种基于标准数据采集与监视控制(SCADA)数据协同的风力机故障检测与控制方案。介绍了风力发电机的系统模型与SCADA解决方案框架,通过回归建模、异常分析和集成学习对风力发电机系统进行故障检测并获得健康指标;借助模糊逻辑控制对风力发电机的输出功率进行降额控制,从而实现风力发电机在齿轮箱故障工况下的容错控制运行,最后进行仿真实验,并将仿真结果与一个实际运行的2 MW风力发电机系统进行对比。实验结果表明:该故障检测与容错控制方案可以有效地对齿轮箱进行故障检测,并在存在故障时适当对风力发电机的输出功率进行降额控制,从而降低叶片和塔架承受的应力,并有效降低了齿轮箱轴承和润滑油的温度。

基于SCADA和WAMS的线路参数辨识研究

线路参数是电力系统运行控制的基础,其准确性直接影响电力系统自动化的决策水平。在分析SCADA量测数据与WAMS量测数据特点的基础上,提出基于不同类型量测数据的参数辨识模型。应用实测数据对500kV线路的参数进行辨识,验证了文中所提方法的工程实用性。从辨识模型、辨识方法、辨识结果等方面分析了使用不同类型量测数据进行参数辨识的异同点。为电力系统调度人员更新数据库中线路参数提供依据。