基于SCD文件的智能变电站二次回路可视化

智能变电站采用全站配置描述文件描述二次回路,而全站配置描述文件的可读性较差且不含对二次物理回路和物理端子的描述。为解决现有全站配置描述解析软件和方法无法实现对二次回路完全可视化的问题,本文基于IEC61850标准建立交换机和配线架的智能电子设备模型以扩充全站配置描述文件,为二次物理回路可视化提供依据,并设计了基于C#的智能变电站二次回路可视化系统用于解析扩充智能电子设备模型后的全站配置描述文件。用该可视化系统解析扩充后的内蒙古某智能变电站的全站配置描述文件,可展示站内二次虚回路和二次物理回路,验证了该可视化系统的有效性。     

智能变电站二次设备即插即用文件自动配置 技术研究及平台研发

智能变电站SCD文件生成复杂,同时这些过程均需人工配置,易由于人为因素引起错误。针对这些问题,提出了智能变电站二次设备即插即用文件自动配置技术。首先,对智能变电站二次设备配置文件自动生成下发的机制进行了说明,从智能变电站二次PNP对象、智能变电站PNP注册管理和智能变电站PNP对象通信接口阐述了P2P信息交互架构。设计了配置文件自动配置逻辑,并对SCD配置文件自动配置、间隔层二次设备自动配置和过程层二次设备自动配置分别进行了说明。提出了基于IEC61850的即插即用标准接口模型,并对各类接口分别进行了说明。最后,智能变电站二次设备配置文件自动配置应用证明了所设计系统的可行性。     

基于深度学习的智能变电站通信链路故障定位方法

针对智能变电站通信链路故障定位因链路复杂导致排查效率低的问题,提出了基于深度学习的智能变电站通信链路故障定位方法。从智能变电站二次装置网络拓扑出发,构建网络连通矩阵并作为基准,提出了通信链路故障情形下的故障特征表征方法;进一步基于二次装置连接与运行状态之间的逻辑关系,构建全站故障样本集;应用改进卷积神经网络（CNN）,搭建智能变电站通信链路故障定位模型,最终通过后台信息初步判定的故障间隔信息与模型输出结果共同实现故障链路精确定位。以220kV智能变电站部分间隔为例,构建故障样本集,通过结果分析对比了不同定位方法,对比结果表明所提定位方法具有较高的准确率。     

基于电力系统二次设备功能缺陷文本数据的设备智能诊断

为了提高电力系统二次设备故障诊断效率和准确性、降低人工劳动强度及提升系统运行稳定性等,提出了一种面向电力系统二次设备的智能诊断方法。首先分析大量文本数据中存在的特征信息;然后利用深度神经网络模型实现文本数据向高维空间映射,得到更加抽象化的语义表示向量,并以此构建电力系统二次设备智能诊断模型;最后将该模型应用于实际电网工程项目中验证所提方法的有效性与可行性。在某大型火力发电厂进行了现场实验,实验结果表明设计的电力设备故障智能诊断模型能快速识别出电力系统二次设备故障类型及位置分布情况,同时可根据电力设备当前状态来判断其是否需维修或更换,具有较强的实用价值。此外,针对电力设备故障诊断过程中出现的一些不足之处进行了相应改进,以期为后续工作提供一定帮助。     

基于IEC 61850第二版变电站配置描述的集成配置解耦

变电站配置描述(SCD)集成配置是智能变电站建设的重要环节,目前,SCD集成配置中存在较强的耦合性,严重影响到集成工作的效率和质量。从SCD集成配置中各环节入手,分析了耦合产生的原因,提出对现有SCD集成配置流程进行改进,理清装置能力描述(ICD)提交与智能电子设备(IED)更新中IED配置工具与系统配置工具的分工协作关系,支持SCD并行配置以及对SCD集成配置更新影响范围进行评估等措施,从而实现对SCD集成配置的解耦,最后分析了解耦对配置工具的要求。应用SCD集成配置解耦方法可以减少配置中更新迭代的次数,提高集成效率,在智能变电站建设中具有较重要的实用价值。     

基于深度学习的智能变电站二次设备故障定位研究

为提高智能变电站二次设备故障定位的准确率和运维效率,提出一种基于深度学习的智能变电站二次设备故障定位方法.依据二次设备不同模块故障时的特征信息,梳理故障定位的推理知识库;结合二次设备的自检信息、报文的订阅关系以及采样值提出了故障断面的特征信息表征方式;利用深度学习的训练规则,建立基于循环神经网络的二次设备故障定位模型并...     

线路智能设备的自动化应用

根据输变电工程通用设计及相关自动化应用的要求,结合变电站自动化系统智能化、网络化、信息化的特点,以线路保护为例,提出了线路电气保护的智能设备配置及实施方案,为智能变电站自动化的应用做了一个示例。     

智能变电站配置信息的全生命周期管理

智能变电站配置描述(SCD)文件记录了与智能变电站安全可靠运行相关的关键配置信息。针对SCD文件的管控难题,文中对智能变电站配置信息全生命周期管理系统的功能结构、关键技术和实施过程进行了研究。结合国内近期开展的试验,分析了智能变电站配置信息管理的技术现状与存在的问题。提出由SCD文件版本管理、变更控制和在线监视等环节构成的管控过程,提出基于角色的SCD文件安全访问控制和实现在线监视的3种技术方案。     

Fault Detection and Diagnosis of Pneumatic Control Valve Based on a Hybrid Deep Learning Model

As the growing requirements for the stability and safety of process industries, the fault detection and diagnosis of pneumatic control valves have crucial practical significance. Many of the approaches were presented in the literature to diagnose faults through the comparison of residual sequences with thresholds. In this study, a novel hybrid neural network model has been developed to address the issue of pneumatic control valve fault diag-nosis. First, the feature extractor automatically extracts in-depth features of the signals through multi-scale convolutional neural networks with different kernel sizes, which not only adequately explores the local dis-tinguishable features, but also takes into account the global features. The extracted features are then fused by the feature fusion layer to reduce redundant features. Finally, the long short-term memory for fault identification and the dense layer for fault classification. Experimental results demonstrate that the average test accuracy is above 94% and 16 out of the 19 conditions can be successfully detected in the simulated actual industrial en-vironment. The effectiveness and practicability of the proposed method have been verified through a com-parative analysis with existing intelligent fault diagnosis methods, and the results suggest that the developed model has better robustness.