CN111913935A - 一种基于cim模型的风电场集控中心scada*** - Google Patents
一种基于cim模型的风电场集控中心scada*** Download PDFInfo
- Publication number
- CN111913935A CN111913935A CN202010654679.1A CN202010654679A CN111913935A CN 111913935 A CN111913935 A CN 111913935A CN 202010654679 A CN202010654679 A CN 202010654679A CN 111913935 A CN111913935 A CN 111913935A
- Authority
- CN
- China
- Prior art keywords
- data
- wind power
- power plant
- database
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000011068 loading method Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 13
- 230000003068 static effect Effects 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims description 65
- 238000005259 measurement Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 12
- 238000013499 data model Methods 0.000 claims description 9
- 230000011664 signaling Effects 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000001276 controlling effect Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 17
- 238000004364 calculation method Methods 0.000 abstract description 15
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000010248 power generation Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 238000013461 design Methods 0.000 description 18
- 239000011159 matrix material Substances 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004451 qualitative analysis Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Wind Motors (AREA)
Abstract
本发明属于电力***新能源信息管理技术领域,公开了一种基于CIM模型的风电场集控中心SCADA***,采集风电场中的实时数据,同时将相关数据存放到实时数据库;存放实时数据库的描述信息和静态信息,并且进行信息管理;存放历史数据。实时数据库的加载方法有:通过读取数据库的相关信息以及各库之间的关系进行实时数据库的信息加载。本发明采用风电场CIM建模的方法,将风电场CIM模型建立为对应的数据库模型,实现了风电场与***电力***资源的融合,实现对风电机组的分析和计算。本发明对变桨***的参数进行权重计算,为故障诊断提供方便。同时根据历史数据,根据天气预报对风功率进行预测,预测结果相对准确。
Description
技术领域
本发明属于信息管理技术领域,尤其涉及一种基于CIM模型的风电场集控中心SCADA***。
背景技术
近年来风力发电产业快速发展,风电场建设速度不断加快,利用风能的发电量不断提高,风力发电发展既带来机遇又带来挑战。风力发电企业在同区域内建立了大量的风电场,多个风电场之间缺少统一的管理,出现了电网对于同区域内的风电场无法实现统一调度的情况;风电场增加,风电机组也增加,目前大型风电场都有数百台风机,由于风的能量密度很低,风机之间都会存在一定的距离,这样就会使得一个风电场占有相对较大的面积,因此一般风机的选址都会在边远地区,每个风电场都需要配备工作人员,但风电场的工作人员只能局限于单个风场,这样造成了人员极大的浪费;要分期建设大型风电场,每期都会采用不同厂家或同一厂家生产不同优质对标的风电机组,由于缺少行业标准,不同厂家的风电机组无法实现互操作性,对整个风电场风电机组的监控造成了很大困难,很容易产生信息孤岛;当出现故障时,有时不能及时有效地进行诊断维修。随着能源结构的调整,新能源逐渐成为人们关注的对象。风力发电,以其清洁性、广泛性、资源丰富等特点,日益得到各国重视。最近几年,风力发电不断发展,规模不断扩大。发展的同时也伴随一些问题:现在SCADA***无法融入电力***资源,难以实现数据共享与交换;不同厂家的风电机组数据接口标准各异,无法实现统一监控;风电场SCADA***扩展性差,在对风电场进行扩展时难以将扩展部分加入原有的SCADA***;对于风电机组故障难以预测和解决等。
国内风电机组的起步较晚但发展较快,主要的厂家有金风科技、华锐风电、东汽集团,这些企业也分别有自己的SCADA ***,但是这些***之间也不能进行数据的交换,这样便使得信息分散,使得数据存在信息孤岛。有很多公司为了使所有风电机组进行统一管理,实现风电场的远程监控,在公共网络上创建一条虚拟的网络通道,经过数据加密在Internet上进行远距离的传输。这样看起来很安全,但是最近几年网络安全问题不断,虚拟网络通道的数据时刻威胁着电力***的安全。自 IEC61400-25出台以后,不少专家对此标准有了一定的研究,现有技术基于IEC61400-25设计出了SCADA***,CIM模型建立时间较早,在对于CIM模型的研究问题上,很多科研人员作了大量的试验验证了CIM模型。现有技术二建立了在历史库和实时库环境下CIM模型的应用,解决了电厂信息共享问题,但缺少对于关系数据库中CIM模型的研究;现有技术三建立了基于CIM模型电网调度中心的的信息共享方案,实现了电网调度中心内部的信息共享;现有技术四建立了变电站和调度中心的CIM模型,通过仿真实验证明了CIM模型的建立可以实现变电站和调度中心的信息融合;目前技术五将IEC81850 与CIM模型融合,建立一次、二次设备的保护模型,并应用于实际。以上CIM模型全部是应用于电力***并在电力***中应用逐渐成熟,随着新能源技术的不断发展,尤其是风力发电产业的快速崛起,CIM模型也在不断进行扩展,以实现对现代各种电力领域设备的整合,从而方便企业的管理。现有技术六探讨了如并且何使用CIM模型添加新设备,通过添加的设备获得数据,利用这些数据进行高级应用;目前技术七基于一次设备对二次设备进行了研究和尝试;现有技术八通过对CIM 模型的扩展,建立了用于风资源预测的风力发电CIM模型;但是这些设计仍处于实验室阶段,尚无对工程实例的应用。现有技术九建立了基于CIM模型的多储能模型,实现了CIM模型下多能源联合发电,但是各模型相对抽象。
综上所述,现有技术存在的问题是:
(1)现有SCADA***无法融入电力资源,难以实现电场和电网之间的数据交换与共享;不同厂家数据接口各异,无法对风电场内不同厂家的风电机组进行统一监控;风电场SCADA***扩展性差,在对风电场进行扩展时难以将扩展部分加入原有的SCADA***;对于风电机组的故障难以预测和解决。
(2)风电机组采集点数多,无法实现风电场***与电力***资源整合,从而不能够进行拓扑分析以及潮流计算;风电场高级应用加入困难,难以实现即插即用;风电场整个***存在数据冗余;数据传输安全。
解决上述技术问题的难度:风电机组结构复杂,一个风机有三百多个监测点,每个风场有数百台风机。而且在集控中心还会对每个风电机组进行启停操作,这些对于远程监控***来说是一个极大的挑战。
解决上述技术问题的意义:鉴于此,建立一套集中的数据采集与监控(SCADA)***,实现对整个风电场乃至几十个风电场的集中化管理变得极为重要。因此在CIM模型中扩展风电场的CIM模型是发展的必然趋势,这样能够使风力发电与电力***资源融合。
发明内容
针对现有技术存在的问题,本发明提供了一种基于CIM模型的风电场集控中心SCADA***。
本发明是这样实现的,一种基于CIM模型的风电场集控中心SCADA处理方法,所述基于CIM模型的风电场集控中心SCADA处理方法包括:
第一步,采集风电场数据信息,同时将相关数据存放与历史数据库;
第二步,存放数据库的信息,通过数据之间的关系进行信息管理;
第三步,存放历史数据。
进一步,所述基于CIM模型的风电场集控中心SCADA处理方法实时数据库的信息加载方法包括:通过关系数据库读取信息和各数据库的关系进行实时数据的信息加载。
进一步,所述基于CIM模型的风电场集控中心SCADA处理方法实时数据库的信息加载方法包括以下步骤:
(1)读取表的信息,然后建立多个表空间,并将信息写入表空间;并判断是否写入成功;
(2)若不成功,则返回步骤(1),若写入成功则根据表的编号,从字段库中读取对应的字段信息,写入数据描述表中;
(3)判断读取写入是否成功,若不成功则返回步骤(2),若成功则根据表名称在数据库中相应的表是否存在,如果存在,从相应的表中读取数据;判断数据类型和长度,然后将记录写入用户数据表中;并按照设定的关键字写入索引表中。
本发明的另一目的在于提供一种实施所述基于CIM模型的风电场集控中心SCADA处理方法的基于CIM模型的风电场集控中心SCADA***,所述SCADA***包括:
实时数据库,用于实时准确的采集风电场中风电机组中遥测、遥信、遥调、遥控及其他不断更新、使用的数据信息,监测数据并将相关数据存放到历史数据库;
关系数据库,用于存放数据库信息,通过计算数据库之间的关系进行信息管理;
历史库,用于存放历史数据。
本发明另一目的在于存储介质,当计算机运行时,使计算机执行集控中心SCADA处理方法。
综上所述,本发明的优点及积极效果为:本发明在风电场的关系库中,各个部分之间存在着特定的架构关系,包含相同集合的数据有着很大的相似性,通过数据的属性来保证数据的完整性。同时在本发明的数据库中,建立CIM模型,使风电机组融入电力***,可以实现风电机组数据和电力***资源之间的交互,同时可以实现风电机组的拓扑分析等功能以及风电机组之间数据的交互。本发明关系数据库可以保证数据的安全。
本发明通过对各数据库的设置,确保了风电场数据上传的实时性,满足了SCADA***的响应速度;保证了风电场模型和电力***模型相结合,使风电机组模型融入到电力***资源,可以对风电机组进行拓扑分析以及潮流计算;使得风电场的历史数据得到保存,满足了风电机组数据的安全性和完整性,为后期风功率预测等高级应用奠定了基础。
本发明根据风电场的特点以及风电机组的结构,对风电场监控***的软件部分进行了设计,建立各种数据库,通过接口实现了数据库与监控界面的的联系,界面采用SVG格式保证了图形界面的清晰度,并通过设计风电机组设备数据模型,实现了模板功能,方便了工程的应用。
在风电场中存在不同风机厂家的风电机组,各个厂家的风机由于接口不同,不能统一进行数据采集。本发明对风电场数据进行采集,并将数据传送至集控中心。通过对监控***的设计,实现数据的统一采集。
本发明通过采集数据判断风机是否故障。对变桨***的参数进行权重计算,为故障诊断提供方便。同时根据历史数据,根据天气预报对风功率进行预测,预测结果相对准确。
本发明采用风电场CIM建模的方法,将风电场CIM模型建立为对应的数据库模型,实现了风电场与***电力***资源的融合,可以实现风电机组的分析和计算。
附图说明
图1是本发明实施例提供的实时数据库读取过程示意图。
图2是本发明实施例提供的CIM模型到关系库的映射示意图。
图3是本发明实施例提供的图元到图形编辑结构流程图。
图4是本发明实施例提供的风电场集控中心***数据流程图。
图5是本发明实施例提供的风电场监控***模块图。
图6是本发明实施例提供的脚本实现图形设置方式一示意图。
图7是本发明实施例提供的脚本实现图形设置方式二示意图。
图8是本发明实施例提供的监控***网络结构图。
图9是本发明实施例提供的OSI基本参考模型示意图。
图10是本发明实施例提供的OPC服务器和客户端通信方式示意图。
图11是本发明实施例提供的风电场数据采集分布图。
图12是本发明实施例提供的风电场OPC服务器实物图。
图13是本发明实施例提供的OPC数据读取并转换为104协议流程图。
图14是本发明实施例提供的集控中心数据传输结构图。
图15是本发明实施例提供的风功率预测流程图。
图16是本发明实施例提供的风电机组实际功率曲线和预测功率曲线对比图。
具体实施方式
为了使本发更加明确,以下结合实际,对本发明详细说明。应当理解,具体案例仅仅用于解释本发明,不限定本发明。
针对现有技术存在的问题,本发明提供了一种基于CIM模型的风电场集控中心SCADA***,下面结合附图对本发明作详细的描述。
本发明实施例提供的CIM模型的风电场集控中心SCADA***包括:
实时数据库:用于采集数据,同时监视数据并存放于历史数据库;
关系数据库:用于存放数据库信息,通过计算数据之间的逻辑关系进行信息管理;
历史库:用于存放历史数据。
本发明实施例的实时数据库的信息加载方法包括:通过从关系数据库中读取实时数据库的描述信息和静态参数信息以及各个数据库之间的关系进行实时数据库的信息加载;
本发明实施例的实时数据库的信息加载方法包括以下步骤:
(1)读取表的编号和名称等信息并写入表空间中;并判断是否写入成功;
(2)若不成功,则返回步骤(1),若写入成功则根据表的编号,从字段库中读取对应的字段信息,写入数据描述表中;
(3)判断读取写入是否成功,若不成功则返回步骤(2),若成功则根据表名称在数据库中相应的表是否存在,如果存在,从相应的表中读取数据;判断数据类型和长度,将记录写入数据表中;并按照设定的关键字写入索引表中。
下面结合具体案例对本发明的技术方案进一步的说明。
实施例1:
1、风电场集控中心SCADA***设计
1、风电场数据库的设计
CIM模型描述了企业各个类之间的属性和关系。风力发电作为电力生产的一个重要组成部分和电力***以及风电场许多高级应用有着极为密切的关系。本发明采用风电场CIM建模的方法,将风电场CIM模型建立为对应的数据库模型,实现了风电场与***电力***资源的融合,可以对风电机组进行分析和计算。
1.1.1实时数据库设置
实时数据库实时性要求高。本发明中,实时数据库不断更新、使用数据信息,以满足***的实时性要求。
在风电场监控***应用中实时库需要关系数据库的支持,实时库加载的过程是从关系数据库中读取数据信息。实时数据库的描述信息和静态信息存放在关系数据库中,在信息加载的过程中需要将这些信息加载到实时数据库中,在加载信息的过程中要加载各数据库的关系。在加载的过程中要注意两方面的内容:
1)确保数据库之间的链接;
2)保证用户数据空间的充足。
在本发明中数据库还具备了增量更新和回存的功能。所谓的增量更新就是当关系数据库的数据发生变化时可以将增量更新到实时库,从而保证了实时库中的数据和关系数据库的数据具有一致性;
表1为实时库从关系数据库中读出的部分实时库的内存表。
根据风电场的特性,主要将风电场的实时数据对象分为三类:
第一类为风电场上传动态实时数据,此类数据通过远程监控单元RTU或虚拟RTU经由通道实现数据的上传。RTU或虚拟RTU经常配有两个通道一主一备,在正常状况下,只有主通道承担数据的上传,备用通道在主通道出现工作时切换为工作状态,实现通道数据上传的稳定可靠性。
第二类为参数信息,参数信息主要来自关系数据库这些信息都是静态的。
第三类为虚拟遥测、虚拟遥信等参数这些参数都是经过计算而来。
在实时数据库中动态实时数据和静态参数信息是一一对应的关系,可以将二者的逻辑关系映射为二维表。
1.1.1.1通用的实时库访问接口
通用实时数据库访问接口对任意库表进行操作。
API函数对对很多实时库中表进行操作。但是这套接口不支持SQL语言。所有操作必须转为相应的格式,然后再调回相应的函数完成。
实时数据库提供的部分主要API函数如下:
1)打开一张表的操作
CM tm Interface table;
short bTable_no=ANALOGINPUT_ID;(模拟量表的ID)
short bDbNo=1;(数据库的ID)
if(table.Open(bTable_no,bDbNo)==DB_ERROR)
return false;
以上代码是通过数据库的ID和表的ID为参数打开一张表。这两个表的数据参数均为short类型。在本发明的***中这是最常用的读取表的接口的函数。
SKeyInforeskeyInfore;
skeyInfore.m_sSKeyNum=1;
SKeyInfore.m_sSKeyNo[0]=ANALOGINPUT__ID;
Int ID=10;
CMemRecord rec;
if(table.GetRecord(&skeyInfore,(char*)&ID,rec)==DB_ERROR)
return false;
以上接口函数表示读取量测表中ID=10的数据。
SKeyInfoskeyInfore;
skeyInfore.m_sSKeyNum=1;
SKeyInfore.m_sSKeyNo[0]=ANALOGINPUT__ID;
IntID[2]={10.11};
if(table.DeleteRecords(&skeyInfore,(char*)&ID,2)==DB_ERROR)
return false;
上述接口函数表示的是删除量测表中ID为10,11的数据。
1.1.1.2快速实时数据库访问接口
读取速度非常快,但不要求更改数据。该接口的实现原理是:实时数据库管理***自动生成相对应的接口类,该接口类包含指针,通过指针能够快速的读取数据,但不能修改数据,如果修改指针会造成实时数据库出错,重则会造成***崩溃。并且访问接口只能对实时库进行读操作。
1.1.2关系数据库的建立
关系数据库被广泛应用。关系数据库通过表单的形式对数据进行存储,通过相互之间的共同元素使得存放在不同表中信息进行相互关联。关系数据库通过表中的行和列进行读取。当今最为常用的关系数据库为Oracle数据库,此数据库减少外键的产生,加快了数据的查询速度,同时该数据库还具备直接和应用软件进行连接的功能,大大节约了开发的时间。本发明采用关系数据库为Oracle关系数据库。在应用中主要包括一下三个部分。
1)在风电场的关系库中,各个部分之间存在着特定的架构关系,包含相同集合的数据有着很大的相似性,通过数据的属性来保证整体数据的完整性。
2)在本关系数据库中建立CIM模型,是风电机组融入电力***,可以实现风电机组数据和电力***资源之间的交互,同时可以实现风电机组的拓扑分析等功能以及风电机组之间数据的交互。
3)关系数据库可以保证数据的安全性,不同的工作人员根据职责的不同设置不同的访问权限,使工作人员选择性的操作***,从而保证数据的安全性。
1.1.2.1CIM模型映射到关系数据库
CIM模型的部分关系映射到关系数据的过程如图2所示。本发明的***采用建表的方法来实现CIM之间的继承和聚合关系,在下面会对本发明的***中的继承和聚合的实现进行设计。
1.1.3历史数据库的设置
历史数据存储可以完成数据采集、实时统计、告警历史信息等数据的存储和管理功能,自动对采集的数据和实时统计的数据进行历史统计,并且随时对数据库访问。若要将采集数据和实时统计数据存入历史库中需要配置好采集点、实时统计点。表2为配置历史数据库的二维表。
表2历史数据库的二维表
风电场的数据量较大,这些风电场历史信息具有很大的利用价值,通过风电场中风电机组的历史数据和历史气象信息,可以实现对风电机组情况的预测,同时为实现风电场其它的高级应用提供数据支持。通过对历史库的设计实现了当实时库内存数据存储空间不足时,可以将数据进行压缩转存到历史数据从而不至于数据的丢失。每台历史数据库服务器使用RAID5 备份机制,实际可存储容量满足至少五年历史数据。
本发明通过对风电场实时数据库设置、基于CIM模型的关系数据库的设计以及历史数据库的设置,满足了一下三点:1) 确保了风电场数据上传的实时性,满足了风电场SCADA***响应的速度;2)保证了风电场模型和电力***模型相结合,使风电机组模型融入到电力***资源,可以对风电机组进行拓扑分析以及潮流计算;3)使得风电场的历史数据得到保存,满足了风电机组数据的安全性和完整性,为后期风功率预测等高级应用奠定了基础。在下节将对风电场CIM模型的关系库进行详细的设计。
1.2CIM模型在数据库中的建立
1.2.1关系数据库表管理
本发明关系数据库是一个基于CIM模型的数据库,为了统一管理数据库,对本发明的所有二维表进行统一规划,将所有的表都在TABCFG中记录,在此表中包含整个数据库的二维表,在设计本发明***的监控***时,需要所需的类表在TABCFG中记录,表的名称,最大容量以及载入源在TABCFG表中的字段描述。TABCFG表的结构如表3所示。
表3 TABCFG***统计表
1.2.2风电场CIM模型在数据库中实现
在本发明的***的关系数据库中需要对风电场进行CIM模型的建立,为了使本发明的***具有扩展性,配置了三张表来对需要添加的CIM模型进行管理。所有参加建立模型的类都需要在CIMTYPE中进行登记,在此表中对各个类的基本属性作了说明,包括资源类型ID、资源类型名字、资源类型描述以及资源是否在使用,同时在此表中描述了CIM模型中的继承关系。在CIMTYPE表中字段信息如表4所示,此表的PARENTNAME字段中定义了风电场的继承关系,但是这些关系为逻辑类型,不存在真实的物理存储表。
表4 CIMTYPE信息表
在表5中列了CIMTYPE中部分风电场设备的属性。主要包括了风电场中风电机组中各个设备的信息以及测风塔的信息,此表中的信息和建立的风电场CIM模型中各设备信息相对应。在字段NAME中为各个设备名称的简写,字段 DESCRRIPTION为各个设备名称代码描述;在字段USEFLAG中的数据为1表示资源在使用。
表5***CIM模型风电场数据信息
在完成对风电场的CIM模型关系数据库的建立后,其次需要在关系数据库中建立容器和设备之间的关系,在CIM模型中存在着容器和设备的包容关系,这种包容关系随着应用的不同其包容关系也会产生相应的区别。表6为CIMHIER表中字段以及字段的含义。
表6 CIMHIER表字段信息
在CIMHIER表中建立风电场中的容器与设备之间的聚合关系,具体逻辑关系如表7所示。其中在表中Company为公司,WINDPLANT为风电场,VoltageLevel为电压等级,WINDMTER为测风塔,Bay为间隔,WITURBINE为风电机组, WINDMTC为测风通道。
表7风电场中容器与设备聚合关系数据表
如果需要配置各设备之间的聚合关系,需要添加RESOUCEASSOCIA-TION表。在风电场的风电机组中也存在着设备之间的聚合关系,风电机组相当于一个设备(EQUIPMENT)。
表8 RESOUCEASSOCIATIN信息表
通过对数据库CIM模型三个表设置及其对表中数据的设计完成了风电场中CIM模型的建立,使得风电机组发电单元与电力***资源整合为一个整体。在完成风电场数据库的设计时,风电场的信息就会在***中图形编辑界面进行显示。公司下面建立了风电场,在风电场中建立了测风塔和电压等级,在电压等级下建立间隔,在间隔下建立了风电机组设备,风电机组设备中包含了机舱、发电机、变桨等设备。在本发明的***中建立的风电场的模型结构与原有的CIM模型保持了一致。
1.2.3CIM模型与量测点关联
在本发明的***中,通过对关系数据库的设置完成了对风电场CIM模型的建立。CIM属于一次设备,不包含各设备的量测点。为了实现设备数据上传,监控***需要建立CIM模型量测点。
在本发明的***的关系数据库中风电场监控***分为两层结构分别为风电场的CIM模型和量测点终端,量测点不属于 CIM行列,需要建立建立量测表与CIM模型并联。在有些***中的一次设备分为两个部分,设立一个测量表。在测量表包含所有的点,量测表直接与一次设备CIM模型连接,这样可以实现CIM模型与量测点的直接连接。但是这种创建数据库的方法,使得量测表结构变得复杂,量测表不仅需要和CIM模型进行关联还需要和风场数据点进行关联,不便于关系数据表的操作。
在本发明的***的关系数据库中为了实现这两层结构的连接,在CIM模型中建立了量测表,量测表实现一次设备模型和量测点之间的关联。同时分别建立了模拟量表、遥信量表、遥调量表以及遥控量表,分别连接了风电场的遥测量、遥信量、遥调量、遥控量。这四张表对应了实时数据库中的静态量,通过对这四张表中RTUID的设置实现了数据从风电场到集控中心的上传,关系数据库中SetPoint(遥调)、Digitaloutput(遥控)表格的字段,量测表与风电场的CIM模型建立了关系,这样量测表实现了量测点的与CIM模型的关联。
量测表起到了承上启下的作用,表9为量测表中部分重要字段。在量测表中POWSYSRESTABID与TABCFG的ID相关联;POWSYSRESID关联了实体设备的ID,在本发明的***中实体设备为风电机组和测风塔,CIM一次模型包括了风电机组以及风电机组中的设备以及测风塔设备。
表9量测记录表
在完成对风电场一次CIM模型的建立以及风电场中量测点信息的建立后,为了实现工程应用,在对集控中心风电场监控界面进行设计时,风电机组在图片编辑时直接关联量测点,实现模型建立,使数据点直接***到数据库中。在本发明中设计了两层CIM模型,第一层为设备和量测点连接,将风机得点建立数据模型;第二层为量测点对应关系,将量测点归入表中,使表进行关联,将数据***表中。
在关系数据库中建立的风电机组数据模型关系表如表10所示,其数据库中的表名为MODElMEATYPE。
表10MODELMEATYPE信息表
为了实现测量点和测量点表的关联,需要在数据库中建立他们的关系。表11TABMEAVALRESEF为关联表。在表中字段STRNAMECIM对应的是CIM类型名;字段MEATYPE对应的各设备的量测类型;字段IOPERTABID对应量测表的ID;字段ISOURETYPE对应是否可以对量测点进行更改。通过设置此表实现各设备测量表和量测点的关联。
表11TABMEAVALRESEF信息表
风电机组建模完成后,编辑时会出现配置。根据实际需要可以选择需要显示的量测点,在对风电机组完成点配置时,实现了风电机组量测点在数据库中自动的建立。
在建立风电场SCADA***工程时,在集控中心包含了几个风电场,由于每个风电场包含的风电机组个数不同无法形成统一的模型,在建立公司时,应对风电场逐一建立。在工程中每个风电场都有几十台甚至上百台的风电机组,如果对每个风电机组都进行重复的建立然后进行量测点的标注,那将是巨大的工程量,而且稍微有点差错将会造成风电机组的监测错误,而且当对风电机组进行点表更改时,需要对参数进行更改,这样会耗费极大的人力、物力、财力。本发明的***通过对风电机组建立数据模型,通过对此数据库的设置极大的方便了工程的应用,同时对工程有很大的扩展性。
1.3数据库表的查看
对于关系数据库的查看是一件很繁琐的事情,本发明的***设置了数据库查看器,此应用实现了针对不同应用定制适合用户需求操作图形的习惯,同时也可以在表格关系中根据权限对关系数据库的数据进行操作。表12中为数据库EDITOR表格的字段,ISTNODEID的含义为本节点的ID;字段PARENTNODE表示本节点上一级节点的ID;字段ORDINNODE表示的是本节点在此列表中顺序;字段DESNAME表示该节点在列表中显示的名称;字段NODETYPE表示的是双击该列表时动作要求,本表设置的是4表示的是当双击此节点时显示的是一张表格。本发明的***中字段NODETYPE还支持多个节点类型,分别用以下数字可以表示,其中,0代表的是根节点,根节点只能有一个,是固定配置;1代表的是普通节点:普通节点是指不代表实质内容的容器节点,双击此节点不会打开任何图形和文档;2代表的动态节点:动态节点主要用于通过简单逻辑无法描述层次结构时,由插件程序动态形成列表的情形。通过配置动态加载的动态库加载节点,既可以生成普通节点,也可以生成自己定制的节点类型由插件本身来处理。字段STRDESC表示的是该节点在数据库中表名。表12数据库
EDITOR表格字段
在对表12中字段数据完成设置后风电场信息会在编辑图形界面中产生结构模型。在配置好表12后,只是在***中生成了一个树状结构图并没有将树状结构图所对应的表信息在右侧进行显示。在***数据库中通过对表TABDICTTABLEINFO 设置可以实现对关系数据库中二维表的读取,使得关系数据库二维表的数据在右侧进行显示。表TABDICTTABLEINFO的信息如表13所示。
表13TABDICTTABLEINFO表格字段
在数据库中所存储的数据信息一般都是通过英文简写表示,为了实现工程上能够更加直观的表达信息,可以设置一个表实现汉字对英文简写的替换。表14实现了对所描述表的数据信息的替换。其中LFLDID为主键,代表了本表的唯一标识; ITABLEID为表13的外键和表进行关联;STRFLDNAME为ITABLEID所对应表的信息;STRALIAS字段表示的是对原先字段进行替换的名称。
表14表格编辑器信息替换表
创建完上述二维表后在表格编辑器中显示风电机组的信息,在对表格进行编辑后使得工作人员对关系数据库表格数据更加清晰明了。
1.4监控***模块的设计
1.4.1图形设计组态结构
图形编辑结构流程图如图3所示。
1.4.2图形实现方法
本发明的***中在图形编辑器中编辑后的文件以SVG文件进行保存,SVG图形是以XML技术为基础,SVG图形也具有可扩展性和跨平台性。
1.4.3风电场监控主要内容
SCADA监控***主要实现各设备的实时监控,集控中心将数据显示在监控界面,实现对设备的实时掌握,根据风电机组的运行情况,对风电机组进行启停操作。同时将数据传送到数据库,实现数据关联以及历史存储。其流程如图4所示。
1.4.4风电场建立及实现
在测风塔监控***中分为四层,通过这四层分别测得了风电场不同高度的风速、风向等信息。
在监控***图形界面设计的过程中,界面参数的传递主要通过热点按钮的形式实现,热点按钮是QT中QPushButton的扩展控件,在本发明的***中热点按钮通过增加属性的方法实现所需要的功能,热点按钮的功能有调图形、执行命令(EXE 程序)、调动态扩展库、调用子图、调用报警等。在本监控***中不同界面之间的关联通过调用图形的方法实现,其功能方式就是通过点击按钮响应事件的选择。从而使得风电机组可以进入下一个界面,显示某个风电机组具体的信息。在热点按钮关联的过程中还需要关联脚本,通过脚本传递参数实现界面之间的信息关联,在脚本实现的过程中有两种方式分别如图6 和图7所示。
在本发明的***中通过脚本和控件实现了风电场向风机信息的传输,在风机界面读取了热点按钮的ID,风电机组数据的显示,部分代码如下所示:
var Display=doc.findEntityID(12294);
vartxtDisplay=doc.findEntityID(9993);
varrtus=parseInt(arg0);
if(rtus!=0)
{
txtDisplay.text="第"+rtus+"号风机结构图";
Display.text=rtus+"#";
}
本发明对风电场远程监控***进行了设计,着重设计了风电场CIM模型的关系库。通过对风电机组模板的设计使得整个***的工作量大大减少,并对风电场监控界面及其各个界面间相互关系的进行设计,保证了数据准确无误的在界面显示。
实施例2
1、风电场集控中心SCADA***数据采集
1.1风电场远程监控设计方案
大型风电场更为普遍。每个风电场都会有数百台风机,一般风电场都会建立在偏僻的地区。为了实现风电场效益的最大化,需要减少风场***,实现少人值班,无人值守的模式并且保证能够实时了解风电场运行状况,这样监控***变得非常重要。
风电场远程监控网络结构一般分为三层,分别为现场层、线路传输层和集控中心层,风电场监控***网络框图如图8所示。
现场层主要是对各种数据进行采集,数据采集主要部分为风电机组、升压站的数据***、测风塔、功率控制子站***、箱变***。本发明主要是风电场的数据采集。风电场中风电机组的数据是每个风电场中数据传输量最大的部分同时也是最为关键的部分,涉及到遥测、遥信、遥控和遥调等实时数据。
线路传输主要用来进行通信,使各种数据能够完全到达集控中心,这是远程监控的基本要求。本发明的***借用电力数据调度网,通过对数据加密传输,涉及带宽为N*2M,采用双道互为备用的方式,有效的保证数据传输要求。
集控中心层主要包括关系数据库、实时数据库、历史数据库、功率控制主站、报表工作站、监控工作站,其主要作用是实现对现场层各种设备数据的监控,可以实现对风电场的实时监控、告警、统计分析与专家诊断、配置管理功能、远程控制功能、远程调度功能、信息化管理等功能。
风电场监控在设计过程中需要严格执行电力二次设计文件。根据电力二次设计文件,集控中心侧和风电场侧分别分为三个区,安全一区、安全二区、安全三区。集控中心侧SCADA前置服务器、实时服务器和历史服务器等主要是安全一区;产能预报***、电能量计量等子***主要是安全二区;安全三区主要是信息管理***。风电场侧安全一区主要为风机SCADA 监控***、箱变监控等***;安全二区主要为电量采集终端、保护及故障信息子***等;安全三区主要是信息管理***。不同区之间需要通过横向隔离的方式确保数据安全地传输,在集控中心采用双网冗余的配置结构,采用一主一热的切换策略。
在整个集控中心的设计中,其中比较难于解决的问题是对风电机组监控的设计,其中包括风电机组数据的采集以及风电机组模型的建立。
在本发明的***风电场数据传输过程中,风机数据采集的客户端从风机数据服务器中采集数据后,将风机数据转化为 104协议数据,然后经过纵向加密装置对数据进行加密,经过加密的风机数据经由电力数据调度网由风电场传送至集控中心,在集控中心对风机数据解密,前置服务器读取解密后的风机数据,最后数据传送至实时数据库、关系数据库以及历史数据库,实现对风机监控和数据分析。
1.2IEC61400-25标准通信模型分析
根据IEC61400-25-4规定,风电机组的通信协议包括Web Service、IEC61850-8-1MMS、IEC60870-5-104、DNP3、OPC。
制造报文通信规范(MMS)标准是为了便于信息处理、***互联而指定的成套国际标准之一,它作为开放***互联OSI 基本参考模型之一的应用层服务元素ASE被列入OSI环境的应用层之中。OSI参考模型如图9所示。
OPC服务器结构模型与客户端实现
在IEC61400-25中,风电场风电机组的通信模型还可以映射出OPC协议的数据模型,OPC规范是由微软提出的基于 Windows操作平台协议的规范,主要用于过程控制的对象嵌入链接。OPC是由OPC服务器和OPC客户端构成,如图10所示,其中OPC服务器可以包含一个或多个组集合,一个组集合包含了很多的组,每个组对应一个或者多个项集合,每个项集合下可以添加很多的子项(Item),这样就可以使得OPC服务器同时对多个组进行访问,同时也可以以OPC组为单位对数据访问进行停止或者启动。
OPC服务器与客户端的之间的通信链接主要是通过COM与DCOM技术实现,它由微软的OLE(对象链接与嵌入技术) 发展而来。COM的核心就是对接口的定义,他可以使OPC具有很强的操作性,可以自由更换组件的前提是接口不发生变化。设备数据可以通过客户端被客户进行读取,这是因为数据被现场设备通过模块传入OPC服务器,然后OPC规范接口函数。OPC客户端可以同时接入一个或者多个厂家提供的OPC服务器,为工业信息数据的交换提供极大的方便。
OPC数据有同步读取、异步读取和订阅三种访问方式。同步读取指的是当OPC客户端发出读指令时,应用程序一直等待到读完为止;异步读取是指应用程序发出读指令时要求立即返回;订阅的方式是指服务器定时检查数据的变化,当数据变化超出一定的幅度时,便更新数据缓冲器并通知OPC客户端。当风电场采用OPC协议时进行数据传输时,由于风电场所测的点数较多,包括了风电机组数据和测风塔数据,它们各自的数据量巨大,在风电场上传数据的过程中只有当风电场数据发生变化时上传的数据才有意义,然而因为风电机组数据变化速度是被风速等环境影响的,所以它的变化并没有规律性,所以在工程中订阅的方式被采用是最合理的。
1.3风电场数据采集分析
风电场数据采集是将风电场的各种数据传送至集控中心,数据类型包括遥测、遥信、遥调和遥控。风电场实时情况是由集控中心所了解的,集控中心是根据采集的数据所了解到的。当出现故障时,能够实现对风电场风电机组的控制,这需要风电场将数据准确无误、安全、实时地传送到集控中心。
各设备的数据包括风电机组、升压站、箱变、电量计量、保护装置、风功率预测及风机振动在线监测等需要在风电场中被采集。图11为风电场数据采集分布图。其中在风电场侧升压站、箱变、AGC以及AVC的数据可以通过风电场的远动装置进行采集。远动装置只能采集2000左右的点,由于风电机组的数据量很大,一个风电场的风机的数据有将近十万个,风电场的风机数据需要采用合理的方式进行被采集,因为如果使用远程对风机数据采集,在经济方面是很不划算的。风电企业为了实现风机的优质对标,一般每个风场都安装了不同厂家的风机,国内外著名风机厂家都有自己的监控***,风机所有的数据都存在于风场各个风机厂家自己的监控***中,并且由于各厂家之间采用的协议各不相同,集控中心无法直接全部读取风电场的数据。如果按照传统的方式对风机进行协议的转换或者为每个设备提供相应的数据接口,不但会花费了大量人力、物力、财力,还可能因为个别厂家实施技术避垒而无法对设备进行协议转换或者由于设备升级引起驱动变化造成二次投资。因此为了避免风机数据出现“信息孤岛”,方便对风机数据的采集,减少二次投资,必须采用一定方法对全部风机实行监控。表15给出了风电场中不同风机厂家支持的通信规约,从中可以看出风电场风机所有厂家均支持OPC规约,风电场风机数据可以通过OPC规定实现被采集。本发明研究了利用OPC技术实现对风电场所有风机数据的采集并转换为能在电力调度数据网进行传输的104协议数据,实现风电场风机数据由风电场到集控中心的上传。
表15各风电场风机通讯规约
1.4基于OPC协议数据采集***的设计
1.4.1现场OPC服务器结构
在本工程中,风电场OPC服务器存放各个风机厂家的数据。图12为在风电场安装的OPC服务器,OPC服务器包括了OPC模块、设备通信模块、实时数据管理模块以及数据缓冲区,OPC服务器被风机厂家封装成一个整体。在风电场的服务器中存放了大量数据,因此在对服务器进行数据采集时可以实现一个OPC服务器对多个OPC客户端的形式。
1.4.2风电机组点表数据信息
在风电场中的OPC服务器中存在着风电机组的点表信息,包括风电机组的遥测量、遥信量、遥调量和遥控量。风电场的风电机组数据的点表如表16所示,但点表不仅限于此,此表仅仅包含了部分遥测量和遥信量。OPC客户端会在OPC客户端连接到风电场OPC服务器时读取风电场OPC服务器中点表信息。表16风电机组量测点表
1.4.3风电机组数据的传输思路
风电场中数据分别存放于风电场的OPC服务器和远动装置中,远动为现成的通讯装置,在远动装置中的数据可以直接转换为104协议数据。然而风电场大部分数据存放在OPC服务器中,通过OPC提供的接口规范,可以实现OPC服务器和客户端的高效连接,直接读取OPC数据。将从OPC读取的数据转换成104协议数据,然后将数据进行加密送到电力调度网,集控中心将加密装置进行解密后再将数据传入集控中心的前置服务器,实现集控中心对数据的读取。
1.4.4OPC数据读取及104协议的转换实现
本发明的***通过五个线程实现了对OPC服务器数据的读取并且转换为104协议,五个线程的执行程序依次进行。第一个线程判断客户端与OPC服务器连接与否;第二个线程规定了OPC客户端数据读取的方式,本发明的***采取订阅的读取方式;第三个线程打开OPC通道,使OPC数据进行上传;第四个线程是对OPC服务器的数据进行读、写操作;第五个线程进行规范处理,将OPC规约数据转换为104规约数据。在完成这五个线程的转换后,将OPC服务器数据进行加密后传送至电力数据调度网,由此完成了风电场数据的转换、上传。图13为OPC数据读取并转换为104协议的流程图。
对于OPC客户端具体的设置如下。首先对OPC客户端进行配置,配置opcserve-r\bin下的opc_config.xml文件。rtuitemuseflag 置1说明此通道打开;只有listenport端口与接收数据的主站保持一致,才能进行数据传输;rtuaddr为RTU地址,需要和集控中心***对应才能传输数据;后面依次采集数据,这些都可以通过程序进行更改。ip0、ip1、ip2、ip3可以使客户端对服务器进行数据采集。cycle为刷新时间,在此设置每隔10秒进行刷新一次。
完成客户端设置后,如需要客户端与服务器连接,需要在客户端的bin文件中配置好OPC的相关信息,包括名称,以实现服务器的连接。
OPC服务器通过建立遥测、遥调、遥控、遥信,又将各类数据映射为OPC组的项。OPC通过通信模块采集数据,通过实时数据库对数据进行管理。OPC客户端读取OPC服务器的数据时,OPC客户端与服务器风电场待转发点对应,item opcitem 表示的是遥测量的名称,rtuno表示的是风场中遥测量所对应通道。当出现多个opcserver的地址时,所对应的rtuno都是同一个值时,那么所表示的含义是在同一通道进行数据上传。ycno表示遥测点号,当rtuno一致时,遥测点号一般都是按照顺序往下排;当rtuno产生变化时ycno的值可以进行重新的排列。
1.4.5OPC数据的接收
OPC的监控界面可以显示通过OPC客户端获取OPC服务器的数据,在本发明的***中通过OPC客户端读取风电机组的数据。
本发明利用OPC技术对不同的风电机组进行数据采集,并将采集的数据转换为能够传输的协议数据。
1.5集控中心数据采集
电力数据调度网将协议数据上传到集控中心,数据会被接收到前置服务器中,服务器中的数据会被传送到监控***中,实现对风电场的监控。在监控***中需要配置RTU、通道和前置,以实现数据上传。当风电机组数据上传时,RTU、通道和前置的具体结构关系如图14所示。监控***中的通道连接RTU和前置,在监控***中RTU应该和风电场中虚拟RTU中的IP 地址和端口号保持一致,并且在本发明的***中每个RTU都配置双通道(一主一备),当主通道出现故障时,备用通道实现RTU和前置的连接。
在集控中心的监控***中,每个风电机组对应了一个虚拟的RTU,RTU的远方端口的IP地址应该和风电场中风机设置的 IP地址相对应。
在监控***中RTU和通道通过路由进行关联,可以实现多个RTU对应多个通道。当有多个RTU通过一个通道时,会根据通讯单元地址判定RTU的先后顺序,当有多个通道对应一个RTU时,根据优先级选择通道。在本发明的***中采用的是一个 RTU对应两个通道的方式,两个通道分别为一主一备,当主通道出现故障时备用通道会接替主通道连接RTU和前置。
在集控中心的监控***中,RTU和前置需要通道进行连通,传输时需要设置监控***的通道,确保数据能够上传,不同的风电机组对应不同的通道。
在对集控中心监控***的RTU、通道和前置完成设置后,监控***中的数据模型和实际风电场的设备模型有了一致的对应,当风电场数据传至集控中心时,监控***也会对应数据的上传,从而完成了风电场数据的上传。
1.6结果
本发明首先简要分析了风电场的整体结构,然后对IEC61400-25-4给出的WebService、IEC61850-8-1MMS、 IEC60870-5-104、DNP3、OPC五种协议进行分析。通过分析这五种协议的优缺点以及风电场风电机组所支持的协议,最终确定使用OPC协议,并对OPC协议进行了介绍,编写了OPC协议程序,使得OPC客户端从风电场OPC服务器中读取数据然后将数据转成104协议数据,之后风电场数据通过电力***调度网实现了数据安全快速地上传。当风电场数据传送到集控中心时,首先将数据送至前置服务器,通过前置将数据传送至各个服务器对数据进行分析、利用。通过测试,验证了OPC 程序编写的正确性以及可以通过此方法实现风电场的数据上传。
2、风电场集控中心SCADA***高级应用分析
2.1基于SCADA***数据的故障诊断
风电机组在长期运行的过程中,风电机组各个器件出现故障是不可避免的。在风电机组出现故障时对故障进行及时的预测、解决,从而减少风电机组的停机时间进而实现风电场效益最大化。为实现风电机组在将要发生故障和发生故障时,能够及时有效的发现和解决故障,国内外学者对于风电场中风电机组故障进行了一定的研究。
SCADA***实现了远程监控,能够实现准确的风电机组的运行状态。基于风电场SCADA***故障诊断就是采用风电机组的实时信息,根据风电机组的历史信息并综合考虑环境因素,对风电机组的运行状态做出评价。当风电机组出现故障时,通过故障诊断技术对风电机组的故障进行快速准确的定位,从而实现风电机组最短的停机时间。在风电***中风电机组会出现不同的故障,风电机组最常见的故障是发电机故障、齿轮箱故障、变桨***故障、叶片故障。表17给出了根据某风场实际运行情况风电机组出现的故障以及故障原因。
表17风电场运行过程出现的故障及原因
在风电机组SCADA***中存在报警***,当风电场风电机组出现故障时,风电场上传的数据就会超过设定的阈值,监控***就会产生报警并且显示工作异常,这时就会立即组织人员对风电机组故障原因进行诊断并且及时对出现的故障进行抢修,从而避免造车更大的事故。
由此可见对于风电机组阈值的设定至关重要,既不能太大也不能太小。如果设立太大当风电机组出现故障时就会检测不到,造成***对故障的漏报从而导致风电机组更严重的故障产生;如果设立的值太小,***就会出现频繁地报警现象,会对风电机组造成误判。
2.1.1风电机组阈值设置
风电机组阈值设置分为三类,分别为固定状态阈值,统计状态阈值以及变化率状态阈值。
2.1.1.1固定状态阈值
根据风电机组的设备属性可以制定多种设备的阈值。在国际标准ISO2372中将震动分为四个级别为一级为良好、二级为可接受、三级为注意、四级为不允许。根据这四个级别可以将风机的状态进行划分,处于一级状态的风电机组设备可定义为正常运行状态;处于二级状态的风电机组设备在***中定义为警告状态;处于三级状态时风电机组设备在***中显示危险,此时的风电机组只能维持勉强的工作;处于四级状态时,风电机组设备已经严重损坏,不能进行正常的运转,此时的风电机组已经停止工作。
2.1.1.2统计状态的阈值
统计状态的阈值需要在设备进行长时间的工作后,通过统计算出标准的偏差σ与此设备工作状态的均值S0,以此确定风力发电机设备的各类均值。计算公式如(1)所示。
Si=S0+diσ (1)
Si所表示的含义为i级状态阈值,di可以根据设备的重要度以及往常的经验来进行确定。
2.1.1.3变化率状态阈值
在设备运行的过程中,有些设备的参数并不是一直保持在某一特定值固定不变,而是在小范围内波动,这种波动属于正常情况。设备波动明显时,就预示着设备要出现故障或异常。因此在对此类设备进行阈值确定时应该充分考虑到设备的波动范围,适当的增加阈值范围,当再次达到阈值临界时就会出现报警。在本发明的***中根据以上三种方法对阈值进行了设置,给出了本发明的***中风电机组部分设备参数的阈值。
2.1.2风电机组变桨***故障分析
对于***设置的阈值只是对单一风电机组状态量进行判断,风电机组的结构极其复杂,而且各个部分相互联系。当风电机组的某一个监测量超出阈值时,有时很难确定是风电机组的具体哪个位置出现问题,因此对每个***进行故障分析时,对***的综合判断显得极为重要。
变桨***起着极其重要的作用,变桨***可以通过风速的大小来调节叶片的转速,可以减少压力,使得风电机组在强风下仍能发电。风电机组中对变桨***的影响参数有很多,在不同风速下,风机中的转速会发生变化,同时有功功率也会发生变化,这些都会对变桨***的参数产生影响。因此为了实现对变桨***监测并做出准确的判断,需要对变桨***的组件进行监测,包括变桨***的驱动电流,散热器参数等。表18给出了风电机组变桨***部分有关参数。
表18风电机组变桨***部分有关参数
2.1.3风电机组变桨***权重分析
在风电机组中影响变桨***的因素有很多,但是在这些影响因素中由于其自身存在不同的差异,这就造成了这些因素对于变桨***的影响程度不同。鉴于此提出了针对影响变桨***各元素的权重,通过权重可以更加准确直观地判断出变桨***的故障。1#、2#、3#叶片的相同参数具有对称性和一致性,在对其进行权重计算时,应该具有相同的权重,所以在进行权重计算时,可以将1#、2#、3#叶片桨距角统一归为桨距角一类,同样1#、2#、3#这三个驱动电流统一归为变桨驱动电流,将三个变桨发电机的温度统一归为变桨发动机温度。这样对于1#、2#、3#叶片的相同参数进行统一归类有利于简化计算,使问题由复杂化变为简单化。
对***的权重分析有很多种方法,每个方法都有优缺点。本发明对风机的变桨***进行故障诊断采用的是层次分析法。
层次分析法是将与决策有关的信息分为同一层次,该层次各个信息对上一层次有一定的影响作用。该方法能够对决策信息进行定量计算和定性分析,其优点是对复杂问题进行了深入细致的研究,利用较少的定量信息通过决策者或者专家的判断,实现对结构复杂、影响因子较多***的决策。层次分析法多适用于难以对***的各个决策分量进行计算的场合。对于风电机组中变桨***故障的特点,对变桨***的权重采用层次分析法来进行计算求取。
层次分析法的具体实现方法如下所示:
1)建立层次结构
在对***有深刻认识的基础上,根据需问题的性质,确定判断目标从而建立层次模型,一般层次模型分为三层。第一层为目标层,通常在目标层中只存在一个因素;第二层通常为准则层,准则层中的层数不确定可以存在多层或者仅为一层;第三层通常为方案层。
2)构建判断矩阵
根据定性分析和定量计算对于同一层的元素进行构造判断矩阵A。矩阵A表示如公式(2)所示:
在矩阵A中,aij的下标在表示矩阵中位置的同时也表达了因素i和j二者的重要性程度。根据层次分析法,权重可以对每个属性或者单元进行对比较来确定。为了确定相对权重,提出了1–9标度法,通过对不同属性进行两两比较,得出标度值。其具体表达的含义如表19所示。在判断矩阵中对角线上的元素数值为1,对角线两侧对称位置元素的数值互为倒数,如公式(2)所示。
表19比例标度量化表
3)对特征值进行计算并做一致性检验
在对判断矩阵进行计算时,得出最大特征根对应的特征向量即为权重值,对该特征向量归一化处理的结果即为该层中各个元素相对上一层因素的重要性排序。为了更好地控制该方法的结果,需要对矩阵和整体层次结构进行一致性检验。一致性的偏差的计算由等式表达如公式(3)所示,CI被称为一致性指标。
式中λmax速度为最大特征值。
在进行一致性偏差判断时,不同维数的判断矩阵其一致性指标也不同。为了统一不同维数判断矩阵的判断标准,引入了平均随机一致性指标RI如表20所示。一致性比率CR通过直接判断各个维数判断矩阵的一致性。一致性比率CR=CI/RI,当CR 的值小于0.10时,表示判断矩阵的一致性良好,判断矩阵不需要进行设计。
表20平均随机一致性指标RI值
通过层次法分析,风电机组中变桨***的权重计算如下所示。对第二层的指标结合定量计算和定性分析,以风电场一年的故障信息汇总和有经验的工作人员的投票作为总的依据,可以得到判断矩阵。表21给出了某风电场一年风电机组变桨***出现的故障。
表21变桨***故障及次数
通过对故障的分析和发生故障时的表征以及有工作经验者的分析可以得出以下的矩阵。在矩阵中B1代表变桨发电机转速、B2代表变桨***IGBT的温度、B3代表变桨***的驱动电流、B4代表变桨***的桨距角、B5代表变桨发动机温度、B6代表电网有功功率、B7代表变桨散热器温度。所得判断矩阵如表22所示,可以将其表示为矩阵A。
表22目标层判断矩阵
在EXCEL表格中对判断矩阵A进行计算。结果显示影响风电机组变桨***各个因素的特征值、特征向量、权重以及一致性指标。
通过对风电机组变桨***的分析,得到的权重结果如表23所示。
表23变桨***权重因素
由表23可得,通过层次分析法对故障原因进行分析,变桨***的驱动电流、变桨***的IGBT温度、变桨发电机转速、变桨***的桨距角对于风电机组变桨***权重总和高达0.881。由此可见这四个因数对于风电机组变桨***的影响非常大,因此当对变桨***进行故障诊断时应首先考虑这几个参数的变化。
2.2风电场风电机组功率预测
2.2.1风电场功率影响因素
在风电场中,风电机组功率受气象条件的影响很大,随着气象的变化风电机组的发电量也会随之波动。当大量的风电机组进行并网发电时,由于风电机组发电功率的不确定性,会使得电网的节点电压、频率发生变化,从而导致电网的不稳定。若此时不对***进行有功和无功调整,不仅会对电网造成影响,也会对风电机组自身的运行造成很大的影响。要降低风电机组由气象条件引起的功率变化对***的影响,需要对风电场的功率进行***,从而可以根据风功率的变化对风电场风电机组进行调度,确保电网的稳定运行并充分利用风力资源,使得风电场实现效益的最大化。
2.2.2风功率预测方法
风功率预测方法可以按时间分类,按预测对象分类,按是否使用天气预报分类以及按照是否通过直接预测进行分类。本发明实现的风电场功率预测主要是通过天气预报进行短时风功率预测。
对于风速预测的方法有很多,本发明通过支持向量机回归法对风功率预测。支持向量机有着极大的优点,因其算法是基于结构风险的最小化,具有非常广泛的推广能力,同时能够避免维数过多而产生维数灾。
2.2.3支持向量机回归模型建立及风功率预测
支持向量机首先需要构造函数,假设非线性决策函数表达式如(4)所示:
在上式中SV为支持向量。
对于高维的特征函数其空间表达式为t(x1),t(x2),t(x3),…,t(xn)其向量机函数表达式如(5)所示:
对于上式(5)系数ai的求解可以根据式(6)、(7)求得。
若上式无法进行线性分解,可改用如下条件进行分解表达式如(8)所示:
在将低维空间的内积转化为高维空间时引入核函数,通过核函数不需要明确了解具体的映射条件就可以实现低维空间到高维空间的转换。
对风电场进行风功率预测的问题属于向量机的回归问题,对于风电场中需要训练的数据可用下面的公式(9)进行表示:
T={(x1,y1),…,(xl,yl)}∈(Rn×R) (9)
在对风电场进行训练时,可以得出y与x之间的关系。另外在进计算时,还需要给定损失函数c[x,y,f(x)],使得f(x) 的期望最小,表达式如(10)所示:
Rf)=∫c[x,y,f(x)dP (10)
为了保证向量机的稀疏性,一般会使用ε-不敏感损失函数损失函数的一般形式如公式(11)所示:
一般损失函数的回归问题可以表示为公式(12):
通过对式(12)的对偶变换后,然后对式的求解便可以得到的最优解,其函数如下式(13)所示:
在完成向量机回归模型建立后,需要对数据进行训练,本发明的***数据来自于某风电场2014年的数据,在对风功率预测时首先应该提取风电场运行的历史数据。
在数据提取之后会有一些坏数据,应该对数据进行预处理,剔除坏数据,保证预测的准确性。进行完数据的预处理后需要对数据进行SVM样本训练,得出数据模型,然后根据根据天气预报数据通过数据模型对风电机组功率进行短时预测。整个过程具体流程如图15所示。
通过支持向量机线性回归,利用Matlab对风电机组短时功率进行预测,得到了风电机组实际功率曲线和预测功率曲线如图16所示。通过结果验证了支持向量机在风功率预测具有较号的性能,实现了风电场功率的预测。
2.3结果
通过对风电机组数据运行变化设置阈值,通过层次分析法对变桨设备进行了权重计算,实现了风电机组快速有效的诊断。同时通过风电机组数据采集,利用支持向量机回归曲线拟合的方法实现了对风电场中风电机组功率预测,从而实现风电机组运行的有效调度。
以上所述仅为本发明的较佳实例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法包括:
第一步,采集风电机组的数据信息,同时将相关数据存放到历史数据库;
第二步,存放数据库信息,并且进行信息管理;
第三步,存放历史数据。
2.如权利要求1所述的基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法实时数据库的信息加载方法包括:从关系数据库中读取信息以及进行信息加载。
3.如权利要求1所述的基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法实时数据库的信息加载方法包括以下步骤:
(1)读取表的编号和名称等信息并写入表空间中;并判断是否写入成功;
(2)若不成功,则返回步骤(1),若写入成功则根据表的编号,从字段库中读取对应的字段信息,写入数据描述表中;
(3)判断读取写入是否成功,若不成功则返回步骤(2),若成功则根据表名称在数据库中相应的表是否存在,如果存在,从相应的表中读取数据;根据字段信息判断数据的类型和长度并记入用户数据表中;并按照设定的关键字写入索引表中。
4.如权利要求1所述的基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法的CIM模型映射到关系数据库采用建表的方法实现CIM之间的继承和聚合关系;
历史数据库的设置,历史数据存储完成数据采集、实时统计、告警历史信息等数据的存储和管理功能,自动对采集的数据和实时统计的数据进行历史统计,并且随时对数据库访问;若要将采集数据和实时统计数据存入历史库中需要配置好采集点、实时统计点;通过对历史库的设计实现当实时库内存数据存储空间不足时,将数据进行压缩转存到历史数据从而不至于数据的丢失,每台历史数据库服务器使用RAID5备份机制,实际可存储容量满足至少五年历史数据。
5.如权利要求4所述的基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法CIM模型在数据库中的建立包括:
(1)关系数据库表管理,对所有二维表进行统一规划,将所有的表都在TABCFG中记录,在表中包含整个数据库的二维表,需要所需的类表在TABCFG中记录,表的名称,最大容量以及载入源在TABCFG表中的字段描述;
(2)风电场CIM模型在数据库中实现,配置三张表对需要添加的CIM模型进行管理,所有参加建立模型的类都需要在CIMTYPE中进行登记,在表中对各个类的基本属性作了说明,包括资源类型ID、资源类型名字、资源类型描述以及资源是否在使用,同时在表中描述了CIM模型中的继承关系;
在完成对风电场的CIM模型关系数据库的建立后,需要在关系数据库中建立容器和设备之间的关系,在CIM模型中存在着容器和设备的包容关系;
在CIMHIER表中建立风电场中的容器与设备之间的聚合关系;
(3)CIM模型与量测点关联,通过对关系数据库的设置完成了对风电场CIM模型的建立,关系数据库中风电场监控***分为两层结构分别为风电场的CIM模型和量测点终端,量测点不属于CIM行列,建立建立量测表与CIM模型并联;
在CIM模型中建立了量测表,量测表实现一次设备模型和量测点之间的关联,同时分别建立模拟量表、遥信量表、遥调量表以及遥控量表,分别连接风电场的遥测量、遥信量、遥调量、遥控量,四张表对应实时数据库中的静态量,通过对这四张表中RTUID的设置实现了数据从风电场到集控中心的上传,关系数据库中SetPoint、Digitaloutput表格的字段,量测表与风电场的CIM模型建立了关系,这样量测表实现了量测点的与CIM模型的关联;
在完成对风电场一次CIM模型的建立以及风电场中量测点信息的建立后,为了实现工程应用,在对集控中心风电场监控界面进行设计时,风电机组在图片编辑时直接关联量测点,实现模型建立,使数据点直接***到数据库中;设计了两层CIM模型,第一层为设备和量测点连接,将风机得点建立数据模型;第二层为量测点对应关系,将量测点归入表中,使表进行关联,将数据***表中;
风电机组建模完成后,编辑时会出现配置,根据实际需要可以选择需要显示的量测点,在对风电机组完成点配置时,实现风电机组量测点在数据库中自动的建立。
6.如权利要求1所述的基于CIM模型的风电场集控中心SCADA处理方法,其特征在于,所述基于CIM模型的风电场集控中心SCADA处理方法数据库表的查看使用数据库查看器,包括:数据库EDITOR表格的字段,ISTNODEID的含义为本节点的ID;字段PARENTNODE表示本节点上一级节点的ID;字段ORDINNODE表示的是本节点在此列表中顺序;字段DESNAME表示该节点在列表中显示的名称;字段NODETYPE表示的是双击该列表时动作要求,字段NODETYPE还支持多个节点类型,分别用以下数字可以表示,其中,0代表的是根节点,根节点只能有一个,是固定配置;1代表的是普通节点:普通节点是指不代表实质内容的容器节点,双击此节点不会打开任何图形和文档;2代表的动态节点:动态节点主要用于通过简单逻辑无法描述层次结构时,由插件程序动态形成列表的情形;通过配置动态加载的动态库加载节点,既可以生成普通节点,也可以生成自己定制的节点类型由插件本身来处理,字段STRDESC表示的是该节点在数据库中表名;
在配置好表后,只是在***中生成了一个树状结构图并没有将树状结构图所对应的表信息在右侧进行显示,在***数据库中通过对表TABDICTTABLEINFO设置可以实现对关系数据库中二维表的读取,使得关系数据库二维表的数据在右侧进行显示;
对所描述表的数据信息的替换,其中LFLDID为主键,代表了本表的唯一标识;ITABLEID为表13的外键和表进行关联;STRFLDNAME为ITABLEID所对应表的信息;STRALIAS字段表示的是对原先字段进行替换的名称;
创建完上述二维表后在表格编辑器中显示风电机组的信息。
7.一种实施权利要求1~6任意一项所述基于CIM模型的风电场集控中心SCADA处理方法的基于CIM模型的风电场集控中心SCADA***,其特征在于,所述基于CIM模型的风电场集控中心SCADA***包括:
实时数据库,用于实时准确的采集风电场中风电机组中遥测、遥信、遥调、遥控及其他不断更新、使用的数据信息,监视数据并将相关数据存放到历史数据库;
关系数据库用于存放数据库信息,通过数据之间的逻辑关系进行信息管理;
历史库,用于存放历史数据。
8.一种实现权利要求1~6任意一项所述基于CIM模型的风电场集控中心SCADA处理方法的信息数据处理终端。
9.一种计算机可以执行以下功能如权利要求1~6任意一项所述的基于CIM模型的风电场集控中心SCADA处理方法。
10.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
第一步,采集风电机组的数据信息,同时将相关数据存放到历史数据库;
第二步,存放数据库信息,并且进行信息管理;
第三步,存放历史数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654679.1A CN111913935A (zh) | 2020-07-09 | 2020-07-09 | 一种基于cim模型的风电场集控中心scada*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010654679.1A CN111913935A (zh) | 2020-07-09 | 2020-07-09 | 一种基于cim模型的风电场集控中心scada*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111913935A true CN111913935A (zh) | 2020-11-10 |
Family
ID=73228053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010654679.1A Pending CN111913935A (zh) | 2020-07-09 | 2020-07-09 | 一种基于cim模型的风电场集控中心scada*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111913935A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803496A (zh) * | 2021-03-02 | 2021-05-14 | 国电电力内蒙古新能源开发有限公司 | 多机型风电机组协同控制的功率快速响应方法 |
CN112905642A (zh) * | 2021-02-24 | 2021-06-04 | 南京久为自动化科技有限公司 | 基于csv映射文件将iec61850报告数据存入关系数据库的方法 |
CN113110203A (zh) * | 2021-04-27 | 2021-07-13 | 卧龙电气驱动集团股份有限公司 | 一种电机运行集控方法和*** |
CN113297345A (zh) * | 2021-05-21 | 2021-08-24 | 深圳市智尊宝数据开发有限公司 | 分析报告生成方法、电子设备及相关产品 |
CN113436029A (zh) * | 2021-05-20 | 2021-09-24 | 河北建投新能源有限公司 | 风电数据采集***与方法 |
CN113625674A (zh) * | 2021-08-23 | 2021-11-09 | 江苏南方通信科技有限公司 | 一种适用于大规模、复杂生产线的组态化scada***构建方法 |
CN115545347A (zh) * | 2022-11-15 | 2022-12-30 | 贵州电网有限责任公司 | 基于大数据分析的电力***风险预测***及方法 |
US11604903B2 (en) * | 2018-05-02 | 2023-03-14 | Bentley Systems, Incorporated | Layered analytical modeling of telecom tower structure and scenario analysis |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215253A (zh) * | 2011-05-18 | 2011-10-12 | 中国电力科学研究院 | 一种电力调度实时监控***数据的分层交换与控制方法 |
CN102542512A (zh) * | 2012-01-13 | 2012-07-04 | 广东电网公司电力科学研究院 | 一种电网企业海量实时平台内部数据移动方法 |
CN103516051A (zh) * | 2013-10-11 | 2014-01-15 | 国家电网公司 | 风电场集中监控***平台 |
CN105721561A (zh) * | 2016-01-28 | 2016-06-29 | 华北电力大学(保定) | 一种基于云平台的风机故障数据中心 |
-
2020
- 2020-07-09 CN CN202010654679.1A patent/CN111913935A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215253A (zh) * | 2011-05-18 | 2011-10-12 | 中国电力科学研究院 | 一种电力调度实时监控***数据的分层交换与控制方法 |
CN102542512A (zh) * | 2012-01-13 | 2012-07-04 | 广东电网公司电力科学研究院 | 一种电网企业海量实时平台内部数据移动方法 |
CN103516051A (zh) * | 2013-10-11 | 2014-01-15 | 国家电网公司 | 风电场集中监控***平台 |
CN105721561A (zh) * | 2016-01-28 | 2016-06-29 | 华北电力大学(保定) | 一种基于云平台的风机故障数据中心 |
Non-Patent Citations (2)
Title |
---|
梁涛 等: "区域性多风电场数据采集与远程集控***设计", 《高技术通讯》 * |
梁涛 等: "基于公共信息模型的区域风电集控SCADA ***的设计与实现", 《高技术通讯》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11604903B2 (en) * | 2018-05-02 | 2023-03-14 | Bentley Systems, Incorporated | Layered analytical modeling of telecom tower structure and scenario analysis |
CN112905642A (zh) * | 2021-02-24 | 2021-06-04 | 南京久为自动化科技有限公司 | 基于csv映射文件将iec61850报告数据存入关系数据库的方法 |
CN112905642B (zh) * | 2021-02-24 | 2023-06-20 | 南京久为自动化科技有限公司 | 基于csv映射文件将iec61850报告数据存入关系数据库的方法 |
CN112803496A (zh) * | 2021-03-02 | 2021-05-14 | 国电电力内蒙古新能源开发有限公司 | 多机型风电机组协同控制的功率快速响应方法 |
CN113110203A (zh) * | 2021-04-27 | 2021-07-13 | 卧龙电气驱动集团股份有限公司 | 一种电机运行集控方法和*** |
CN113436029A (zh) * | 2021-05-20 | 2021-09-24 | 河北建投新能源有限公司 | 风电数据采集***与方法 |
CN113297345A (zh) * | 2021-05-21 | 2021-08-24 | 深圳市智尊宝数据开发有限公司 | 分析报告生成方法、电子设备及相关产品 |
CN113625674A (zh) * | 2021-08-23 | 2021-11-09 | 江苏南方通信科技有限公司 | 一种适用于大规模、复杂生产线的组态化scada***构建方法 |
CN113625674B (zh) * | 2021-08-23 | 2023-03-24 | 江苏南方通信科技有限公司 | 一种适用于大规模、复杂生产线的组态化scada***构建方法 |
CN115545347A (zh) * | 2022-11-15 | 2022-12-30 | 贵州电网有限责任公司 | 基于大数据分析的电力***风险预测***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111913935A (zh) | 一种基于cim模型的风电场集控中心scada*** | |
Moharm | State of the art in big data applications in microgrid: A review | |
CN107330056B (zh) | 基于大数据云计算平台的风电场scada***及其运行方法 | |
KR101519483B1 (ko) | 풍력발전단지의 시뮬레이션 장치 | |
CN103150473A (zh) | 一种风电机组发电效率实时监控诊断方法及装置 | |
CN102323469B (zh) | 谐波负荷状态监测*** | |
CN104182902A (zh) | 一种基于调度数据网集中运维***的监控方法 | |
CN113436029B (zh) | 风电数据采集***与方法 | |
KR102625403B1 (ko) | 지역 단위 재생 에너지 통합 관제 시스템 | |
CN101923685A (zh) | 一种基于断线故障概率预测的电力切负荷决策***及方法 | |
CN112488502A (zh) | 一种标准的水资源管理一体化管控平台 | |
CN101893862A (zh) | 基于网络学习的可再生能源综合发电控制*** | |
CN115730749A (zh) | 基于融合电力数据的电力调度风险预警方法及装置 | |
CN117117820A (zh) | 一种分布式新能源接入的配电网风险评估与协同平抑方法 | |
Qin et al. | SR‐based chance‐constrained economic dispatch for power systems with wind power | |
CN117728587A (zh) | 一种新能源发电设备运行数据的实时监控***及方法 | |
Wu et al. | Research on the reliability allocation calculation method of a wind turbine generator set based on a vine copula correlation model | |
Ghosh et al. | Reliability evaluation and enhancement of microgrid incorporating the effect of distributed generation | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
Yu et al. | Research on application of information model in wind turbine fault diagnosis | |
Ming et al. | Research of real-time database system for microgrid | |
Catelani et al. | Reliability improvement of wind turbine control system based on standby redundancy | |
Yu et al. | Research on integrated operation and maintenance acquisition and monitoring technology for new generation dispatching control system | |
Pan et al. | Massive power grid operational status data analysis system for 3D visualization | |
CN109934402B (zh) | 一种风电场集控中心集中风功率预测***及其设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201110 |