沐桦科技智能水电站边缘智能平台--控制网



沐桦科技智能水电站边缘智能平台
企业: 日期:2020-07-29
领域: 点击数:115

01目标和概述

随着小型水电站对发电机组运行效率和售电收入提升的需求和相关自动化控制技术的逐渐成熟,边缘智能在小型水电站的应用需求日益迫切。在小型水电站已备数据本地化处理和边缘网关部署的条件基础上,鉴于目前大量离线数据未被合理存储以待日后在更高商业和社会价值的挖掘和利用,沐桦科技与力得联合研发搭建的智能水电站边缘智能平台,通过雾计算、边缘计算等技术赋能小型水电站自动化控制智能化,挖掘和创造水电站生产运营实时产生海量数据的经济效益、商业及社会价值,成为电力领域的边云协同落地应用场景示范案例。

02解决方案介绍

2.1 设计思路

在低压水轮发电机组智能控制柜的业务场景边缘侧部署智能节点,采集传感器和仪表日志并进行过滤、合并与分析,通过部署在云端的边缘智能平台访问边缘智能节点的应用接口获取实时和历史数据,从数据中实时捕获信息,将现网工况运行生成的曲线图建模,与水电站设计方案中的水轮机功率计算模型进行比对拟合,通过调整水电站各项工作参数使现网运行工况无限趋近于理想运行工况中的最高效率点,并依据此功率稳态值生成非线性控制策略用于运行条件匹配,调度机组高效运转从而提高发电效率,最终达到为业主创效增收的目的。

2.2 平台解决方案组成

(1)平台系统架构

边缘智能节点硬件模块在ARM架构下运行Armbian Linux系统,物理层面上在靠近自动控制设备一侧增加了边缘网关模块,集成了网络、计算、存储、应用核心能力为一体,设计上将原始数据和网络传输分为两个平面,在数据平面上先进行一次数据处理,然后只需将少量的处理结果数据通过网络传输到云端。

11596010149910380.png

(2)数据可视化

数据可视化是商业智能的有力工具,将相对晦涩的的数据通过可视的、交互的方式进行展示,从而形象、直观地表达数据蕴含的信息和规律。边缘智能平台基于Grafana的数据可视化能力在边缘智能硬件对数据做过预处理和分析之后,通过Web实时展示出待处理数据的分布和维度,并结合业务逻辑和可视化目标,对数据进行标准化、拟合/平滑、抽样采样以及数据集降维等处理。

(3)基于数据进行深度学习的更多应用可能

深度学习主要特点是通过多层次的学习而得到对于原始数据的不同抽象层度的表示,进而提高分类和预测等任务的准确性。深度学习的一个重要特点是不需要人工输入或标注特征(标签),而是通过海量数据自动学习特征,也就是无监督学习,所以深度学习常和大数据联系在一起。

深度学习具有强大的搜索计算能力,为提高水力发电效率模型计算的准确性增加了一种可行的方法。目前深度学习已在电力系统的静、动态安全评估、故障诊断、负荷预测、线损计算、经济调度控制策略等方面开展应用。

与传统前馈人工神经网络相比,深度学习使用多个隐含层,前一层可使用无监督学习算法获得数据特征,输入到下一个隐含层,从而通过多个隐含层逐步抽象出数据特征。所以深度学习算法有强大的处理非线性问题和特征提取的能力,适合处理具有非线性和非平稳特征的水电功率时间序列。

大数据是深度学习应用的基本条件。大量数据在理论上可以对全时空数据集合内关联关系进行有效识别和提取,一定程度上弥补物理因果关系分析的不足,边缘智能平台的数据采集和处理能力完全能够满足深度学习的应用需求,边缘节点可以采集获取各类传感器和仪表的高质量的全时空数据集,为深度技术的应用开启了新的入口。

基于数据的故障预测技术以数据为基础,通过数据分析处理方法挖掘隐含信息进行预测,是为一种实用的故障预测技术。随着机器学习与深度学习理论的发展,基于机器学习的方法成为装备故障预测技术的发展趋势。在复合故障的情况下,各个故障对系统存在交互作用,无法利用模式特征对复合故障进行故障建模与理论分析。深度学习不依赖前期假设,能够自动检测相互作用。常规的预测结果好坏取决于特征工程准备数据的能力,需要专业知识和技能。深度学习无需对数据正确分布做假设,无需处理原始数据,能够自动学习预测性的特征。

结合基于数值天气预报(Numerical Weather Prediction,NWT)能够制定水电站高精度的数值天气预报的物理模型,依据雨量作为预测模型的参考输入变量,采用数值计算方法预测降雨量绘制库容水位增长曲线,并换算成水头高度,提前优化调度计划和机组组合,减少水资源浪费,使发电机组尽可能多的并网发电。

2.3 数据通讯和安全措施

该平台基于数据产生洞见以“反哺”方式智能操控边缘设备端,同时作为实现更多潜在价值应用的“基础燃料”,是真正意义上物联网时代下在电力领域的边云协同的落地应用场景。

沐桦科技的泛载雾计算解决方案,基于丰富的业务经验和技术实力,考虑了不同层面和层次的安全要求,所提供的相应技术方案,可供不同用户根据实际场景选用。

03代表性及推广价值

(1)提高小型水电站的运营效率和经济效益

通过本地采集传感器和仪表日志数据、雾计算层对数据进行过滤和分析、云端运用深度学习技术开展如静、动态安全评估、故障诊断、负荷预测、线损计算、经济调度控制策略等方面的应用,有效地推动现网运行工况无限趋近于理想运行工况中的最高效率点,丰富决策依据,提高操作精确度,智能地调度机组高效运转,最终达到为业主创效增收的目的。

(2)与政府部门展开合作,推动基于电力大数据的公共服务

沐桦科技智能水电站边缘智能平台多层架构的合理分工规划,使得从水电站采集到的海量数据能够被有效地存储、过滤、处理和整合,从而形成巨大价值和使用潜力的多元数据库,通过与政府部门合作的方式开放向相关部门提供基于水电站运行大数据的价值信息,与政策、经济、人口、地理、气象、能源和环境等外部数据进行了融合利用,实现和优化对政府部门相关政策效果、经济趋势、产业发展、用户特性的预判和分析,助力政府、企业和社会机构的智能决策提供,从而将公司数据转化为社会公共价值并造福于人民。

(3)赋能多领域多行业,发挥物联网更大价值

平台的搭建将云计算、边缘计算、虚拟化、深度学习、数据可视化等前沿技术和应用深度结合,聚合未被深度应用和整合的数据,在未来可基于现有的或深度充分挖掘基于此类数据的利用价值,通过开放接口合作方式灵活接入,实现数据互联互通,探索研发和落地更多有商业和社会价值的新应用。

摘自《自动化博览》2019年增刊《边缘计算2019专辑》

  • 在线反馈
1.我有以下需求:



2.详细的需求:
姓名:
单位:
电话:
邮件: